La inteligencia artificial ha dejado de ser únicamente una tecnología especializada para convertirse en una nueva gramática cultural. Más que una herramienta aislada, hoy configura formas de producir imágenes, escribir textos, enseñar, imaginar y relacionarnos con las máquinas. Sin embargo, detrás de la fascinación tecnológica y del entusiasmo empresarial que rodea a la IA, algunos artistas y programadores comienzan a plantear preguntas más complejas: ¿qué significa crear en un contexto donde el lenguaje natural se convierte en interfaz? ¿Qué ocurre cuando la programación abandona los lenguajes exactos para operar desde la ambigüedad? ¿Y cómo se transforma el arte cuando la creación ya no depende solamente de construir sistemas, sino también de navegar inmensos territorios de datos?
El artista y programador Iván Abreu nos propone una lectura lúcida sobre este cambio de paradigma. Desde su experiencia en el campo del arte generativo y las prácticas intermediales, Abreu sugiere que la inteligencia artificial no es una entidad autónoma ni consciente, sino simplemente una nueva interfaz para instruir máquinas.
En lugar de pensar la IA como una forma de inteligencia comparable a la humana, la sitúa como una evolución de las interfaces computacionales. Si antes programar implicaba escribir lenguajes formales, precisos y sin ambigüedad, hoy las máquinas comienzan a operar mediante lenguaje natural. La consecuencia es enorme, ya no instruimos sistemas únicamente desde la lógica matemática, sino desde el terreno incierto del habla, la interpretación y la sintaxis humana.
Este desplazamiento modifica profundamente la relación entre arte y tecnología. Durante décadas, el arte generativo, algorítmico y procedural trabajó desde estructuras relativamente transparentes. El artista diseñaba reglas y el sistema respondía dentro de ciertos márgenes previsibles. Había una especie de “caja de cristal” donde el código podía rastrearse y comprenderse. Incluso el azar estaba contenido dentro de límites programados.
Abreu recuerda su proyecto, ASML (Artistic Markup Language), el cual consistía en crear un sistema de metadatos capaz de “enseñar” a una máquina a comprender textos de arte. El proyecto utilizaba etiquetas semánticas para identificar sujetos, objetos y estructuras discursivas, construyendo una capa artificial de interpretación sobre textos curatoriales y críticos.
La operación resulta particularmente significativa vista desde el presente. Mucho antes del auge de ChatGPT o los modelos de lenguaje masivos, ya aparecía una preocupación, la de cómo traducir complejidades humanas a sistemas computacionales. Sin embargo, existía una diferencia respecto a la IA actual. En aquellos sistemas, el artista conocía completamente las reglas. La lógica era construida manualmente.
Hoy, en cambio, los modelos generativos funcionan como vastos espacios latentes, como mapas inmensos de información vectorizada donde la creación se asemeja menos a construir y más a buscar. Según Abreu, el artista contemporáneo se mueve como un buscador de oro dentro de un océano de posibilidades ya codificadas.
Este cambio altera profundamente la noción misma de autoría. Si antes el valor residía en la capacidad de diseñar sistemas complejos desde cero, ahora gran parte del proceso creativo implica navegar, seleccionar, orientar y tensionar modelos preexistentes. La creación se desplaza desde la construcción absoluta hacia la curaduría crítica de posibilidades.
Frente a la idea de neutralidad tecnológica, Abreu sostiene que todo sistema de IA está inevitablemente atravesado por decisiones humanas. Los modelos interpretan el mundo desde los datos con los que fueron entrenados. Por eso, en algunos de sus proyectos recientes, el trabajo no consistió solamente en generar imágenes, sino en entrenar modelos alternativos capaces de representar imaginarios normalmente excluidos de las bases de datos dominantes.
Un ejemplo de este proceso es su proyecto sobre vivienda informal latinoamericana. Al buscar referencias visuales en modelos existentes, las imágenes reproducían representaciones estandarizadas y ajenas a contextos específicos como Cuba, México o Argentina. La solución fue construir conjuntos de datos propios para producir visualidades situadas. La IA, entonces, no aparecía como una herramienta objetiva, sino como un campo de disputa cultural.
El sesgo no es un error accidental del sistema, es lo que revela quién tiene el poder de representar el mundo. Abreu, señala que el acto fotográfico tradicional depende de una selección subjetiva. Toda representación implica decidir qué queda dentro y qué queda fuera del encuadre.
Otro de los conceptos desarrollados durante la charla es el de “escintografía”, término utilizado para describir imágenes sintéticas que no dependen de un acontecimiento real para existir. A diferencia de la fotografía documental, estas imágenes operan desde la síntesis simbólica. Son construcciones visuales capaces de representar experiencias imposibles de registrar directamente, como memorias fragmentarias, testimonios o imaginarios colectivos.
En otro de sus proyectos, Abreu trabaja con testimonios sobre el cruce migrante por el Río Bravo. A partir de relatos verbales transformados en prompts, las imágenes reconstruyen escenas imposibles de fotografiar, nos dejan ver planos submarinos, fragmentos corporales, perspectivas inexistentes. Allí la IA funciona menos como sustitución de la fotografía y más como una herramienta para expandir las posibilidades de la memoria visual.
Una reflexión aparece al final, cuando el artista se pregunta cómo enseñar en una época atravesada por inteligencias artificiales capaces de producir resultados inmediatos. Para Abreu, el problema no es prohibir estas herramientas, sino comprender cómo afectan los procesos de aprendizaje y la construcción del conocimiento encarnado.
El aprendizaje profundo no depende únicamente de recibir información, sino de atravesar procesos de incomodidad, repetición, intuición y experiencia corporal. La memoria significativa surge cuando el conocimiento transforma nuestra capacidad de actuar sobre el mundo. Por eso, advierte, la velocidad y facilidad de la IA pueden producir una ilusión de comprensión sin verdadera incorporación del saber.
En un contexto donde el acceso instantáneo a imágenes, textos y soluciones parece ilimitado, la pregunta ya no es solamente cómo producir, sino cómo desarrollar sensibilidad crítica. Cómo aprender a mirar. Cómo construir criterio en medio de un océano de síntesis automáticas.
Una de las frases finales del artista, la cual resume su postulado es “quien no sabe lo que busca no entiende lo que encuentra”.
En la era de la inteligencia artificial, esa podría ser una de las tareas fundamentales del arte, no competir con las máquinas en velocidad o productividad, sino preservar la capacidad humana de formular preguntas dentro del ruido infinito de los sistemas contemporáneos.