La historia según el artista Bas Uterwijk (y la Inteligencia Artificial)

¿Qué aspecto tendría Van Gogh más allá de sus expresionistas autorretratos? ¿Qué rasgos faciales caracterizaban a los antiguos reyes de Egipto? ¿Sería posible llegar a generar una imagen realista de Jesucristo? El artista holandés Bas Uterwijk da respuesta a estas preguntas gracias a la Inteligencia Artificial, una técnica que le ha llevado a reimaginar cómo serían los grandes personajes históricos que solo conocemos a través de bustos, retratos y monedas.

La popularidad de Uterwijk, más conocido en Instagram como @ganbrood, llegó de la noche a la mañana cuando compartió un proyecto con el que pretendía restaurar una serie de fotos de legendarias figuras de la historia. Sirviéndose de redes generativas antagónicas (GANs en inglés) y otras técnicas digitales basadas en la inteligencia artificial, el artista compartió por primera vez una versión hiperrealista de la única imagen autenticada de Billy el Niño… y las redes se incendiaron.

Lejos de querer crear imágenes científicamente probadas, el objetivo de este fotógrafo es ofrecer una interpretación artística de todos aquellos personajes que solo hemos visto en bustos, cuadros o representaciones cinematográficas. A día de hoy, este artista de Ámsterdam ha llegado a reimaginar rostros tan emblemáticos como el de la Estatua de la Libertad, Mozart, Isabel I o George Washington, entre otros.

«No pretendo ser científico. Los retratos históricos que hago se basan en obras de arte realizadas en su mayoría durante el período de sus sujetos. Con la IA, filtro los estilos de escultura del retrato antiguo y los guío hacia un resultado creíble».

¿Cómo funciona esta Inteligencia Artificial exactamente?

Para entender el resultado de las obras de Uterwijk es necesario comprender el papel que juegan las redes neuronales artificiales, un sistema informático diseñado para simular los patrones que sigue nuestro cerebro a la hora de analizar y procesar cierta información.

Con un largo bagaje en diseño gráfico y videojuegos, el descubrimiento del software Artbreeder fue determinante para el proyecto de Uterwijk. Esta herramienta, accesible a través de Internet para cualquier persona, permite combinar diferentes imágenes de un mismo rostro y fusionarlas para crear una versión suficientemente sólida. Pero está claro que el software no es perfecto; no todas las creaciones son satisfactorias, motivo por el cual el resultado puede ser solo tan bueno como las habilidades del artista. A través del dominio de la inteligencia artificial, el usuario puede guiar las decisiones de la aplicación para ajustar la verosimilitud de un modelo, llegando a dar expresividad a personajes completamente ficticios, como bien demostró el fotógrafo con su versión de Tintín o Frankenstein.

Las redes generativas antagónicas, consideradas por muchos expertos una de las ideas más atractivas del machine learning, son un sistema en el que dos redes neuronales compiten para ir perfilando la autenticidad de la imagen que se quiera generar. Ian Goodfellow, investigador especializado en el campo del aprendizaje automático, presentó en 2014 esta técnica con el objetivo de ver hasta qué punto podía la inteligencia artificial generar creaciones desde cero, ya fueran objetos, canciones u obras de arte. En este contexto, las dos redes neuronales compiten a lo largo de sus interacciones en un juego de suma cero: por un lado, la red generativa empieza a crear una imagen desde cero (algo en lo que la inteligencia artificial nunca ha estado bien entrenada), mientras que, por otro lado, la red discriminadora se encarga de analizar e identificar el contenido producido por la primera para ajustarlo al máximo a su versión final más realista.

En un juego de suma cero (si has visto Arrival de Villeneuve estarás familiarizado con este concepto) las ganancias o pérdidas de una parte quedan totalmente equilibradas con las ganancias o pérdidas de las otras partes, de modo que, en este marco, la red generativa tiene que ser cada vez más eficiente para convencer a la red discriminadora, mientras que esta última tiene que agudizar su estrictez para obtener el mejor resultado posible. De hecho, la red generativa hace millones de pruebas antes de que la red discriminadora de por bueno el material generado, lo que nos da una clara idea del nivel de precisión al que aspiran estas tecnologías.

¿Qué podemos conseguir con las redes generativas antagónicas?

Ya hemos visto como estas redes pueden desde crear objetos o personajes desde cero hasta generar imágenes hiperrealistas basándose en retratos y bustos antiguos. Pero ¿qué supone esto para nosotros? ¿Qué podemos llegar a lograr con esta tecnología?

La aparición de este tipo de algoritmos de inteligencia artificial ha dado un vuelco al mundo de la imagen, como podemos ver con los posts de Bas Uterwijk, sin embargo, han supuesto también un gran avance en el mundo del vídeo. ¿Recordáis el emocional anuncio de Cruzcampo que resucitaba a Lola Flores? Esta técnica, conocida como deepfake, es posible también gracias a estas redes generativas antagónicas.

Imagen extraída del vídeo Cruzcampo | Así se hizo

Aunque a estos algoritmos les quede aún un largo camino por recorrer, Goodfellow insiste en que su creación puede llegar a generar objetos en la vida real que sean útiles para los seres humanos. Sin embargo, no todo el mundo parece igual de convencido, pues con el surgimiento de los polémicos deepfake, muchos pusieron en duda hasta qué punto estas creaciones podían acabar entorpeciendo la lucha contra las fake news y manipulando la opinión pública.

Por el momento, y siendo conscientes de que esta tecnología sigue en pleno proceso de desarrollo, podemos permitirnos ser optimistas y disfrutar con el lado más artístico que estos avances nos ofrecen.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *