Notas sobre arte GAN
Wolfgang Bongers[2]
El archivo es siempre una meta-intervención […], un proyecto colectivo […]. Esto también significa que los archivos no solo tratan sobre la memoria (y la huella o el registro) sino sobre el trabajo de la imaginación, sobre algún tipo de proyecto social. […] el archivo es una herramienta cotidiana […] los archivos son sitios conscientes de debate y deseo.
Arjun Appadurai, 2003
Can there be an archive whose operations are directed at the present rather than the past? Can archives be performed, can they be active and embodied, lived, rather than being the static instruments of objectifying historiography?
Sven Spieker, 2019
IA como metatecnología
Como señala la investigadora argentina Flavia Costa en su trabajo reciente, retomando otros estudios sobre el desarrollo de nuevas tecnologías, la IA no es una herramienta o tecnología más, es una metatecnología, “de propósito general y aplicable a una amplia gama de actividades” (Costa et al., 2023: 6). Costa cita a varios expertos que argumentan que la IA posee “la capacidad de auxiliar nuevos descubrimientos o estimular la innovación en otras áreas” y “opera y regula otras tecnologías” (p. 8). Los investigadores Pasquinelli y Joler (2020) asocian la IA con un “nooscopio”, es decir, un observatorio del conocimiento basado en datos de entrenamiento como objetos observables. Los algoritmos de aprendizaje profundo realizan cálculos y modelados como instrumentos de observación y generan un modelo estadístico como representación final; todo esto orientado a la extracción de datos, el reconocimiento, la clasificación y la generación de patrones para predecir eventos y comportamientos futuros. Podemos decir que la IA es una infraestructura tecnológica, epistemológica y ontológica en nuestro presente digital y a nivel planetario. No es de extrañar, en este contexto, que Facebook, un líder global en tecnologías de IA y redes sociales, decidiera en octubre de 2021 cambiar su marca corporativa a Meta. Este giro se alejó de su nombre tradicional, centrado en lo humano —que combinaba “Face” con el anacrónico “book”—, para abrazar una nueva identidad (meta)tecnológica focalizada en el reino virtual del metaverso como un espacio digital compartido que se está convirtiendo en una especie de archivo espectral y artificial de coexistencia entre humanos y máquinas.
De todas maneras, es importante recalcar que no nos enfrentamos a una única IA, sino a diferentes tipos de cognición maquínica no conscientes, desarrollados durante los últimos 80 años bajo el a priori histórico y epistemológico de la cibernética en sus diversas fases (Hayles, 1999; Rodríguez, 2019; Hayles, 2017). La etapa más reciente en esta evolución ha sido la IA generativa. Como sabemos, las corporaciones tecnológicas más avanzadas, desde sus centros de nuevos sueños y maravillas en Silicon Valley, Shenzhen y Zhongguancun, aspiran a la AGI (inteligencia artificial general), una singularidad tecnológica o superinteligencia, tal como lo imaginan, entre otros, Nick Bostrom (2014) y Raymond Kurzweil (2005, 2024) en sus libros y declaraciones. En este relato tecnomitológico, la AGI superaría con creces no solo las capacidades cognitivas humanas, sino también todas las inteligencias maquínicas existentes, lo que alteraría fundamentalmente el estatus ontológico de la vida humana y más-que-humana en la Tierra. La meta de la AGI ha desencadenado una carrera tecnológica global sin precedentes, con inversiones masivas en el desarrollo de IA, liderada principalmente por Estados Unidos y China. Como destaca Flavia Costa (2021) en su libro Tecnoceno, estas tecnologías son de alto riesgo, incontrolables y capaces de generar situaciones peligrosas y accidentes imprevistos. Por lo tanto, una legislación global sobre el uso y mal uso de la IA será crucial, y los procesos regulatorios ya se han implantado en algunos países y regiones, sin claridad sobre sus alcances.
Por otro lado, Costa et al. (2023) ven a la IA “integrando y expandiendo el ecosistema digital” (p. 8), formando un mundo ambiente de la sociedad artificial. A través del sistema de datos, algoritmos y plataformas (DAP), la IA se ha vuelto indispensable para cualquier acción social o comunicativa. Estos sistemas sociotécnicos complejos aceleran el procesamiento, la gestión y la reproducción de las dinámicas sociales. Es por esto que, junto con la investigadora Sybille Krämer (2023), y recordando un texto visionario de Gilbert Simondon (2015) de los años 60, “Cultura y técnica”, podemos decir que la IA hoy no solo es una metatecnología, sino que se ha transformado en una nueva técnica cultural, una que trae consigo desafíos e implicancias significativas a escala planetaria.
Archivos espectrales
En cuanto a la creación de nuevos archivos culturales en la era digital, es importante lo que señala el arqueólogo de los medios Wolfgang Ernst (2013): “Archives become cybernetic systems. The aesthetics of fixed order is being replaced by permanent reconfigurability” (p. 99). Estas frases recuerdan los principios del lenguaje de los nuevos medios digitales que elaboró Lev Manovich (2001) a fines de los años noventa, en los cuales destacaba la representación numérica, la modularidad, la variabilidad y la transcodificación, todos elementos de la cultura digital que siguen vigentes. Pero Ernst también escribe sus frases un año antes de la aparición de las GAN (redes generativas antagónicas) y varios años antes de la llegada masiva de los modelos grandes de lenguaje (LLM) con los que operan las IA generativas. El investigador Roland Meyer reflexiona sobre la producción de imágenes en la era de la IA generativa de la siguiente manera:
vast archives of text-image pairs have become not only a training ground for machine learning, but also a multidimensional data manifold capable of generating never-before-seen images. […] AI models mark a crucial stage in the progressive exploitation of virtual image archives as a productive data resource. The archive of semantically encoded and digitally mobilized images of the past thus becomes a seemingly inexhaustible source of visual patterns that can be extracted, varied, and transformed at will, across time, and beyond established hierarchies of cultural value (Meyer, 2023: 106, 108-109).
La transformación de los archivos culturales en sistemas cibernéticos generativos obedece a lógicas algorítmicas y maquínicas que exigen un proceso de adaptación y redefinición para el uso de los archivos por parte de los seres humanos. En una entrevista, Ernst (2019) insiste en una tecno-hermenéutica, un tecno-logos, que se produce en el aprendizaje profundo de las máquinas en capas de redes neuronales antagónicas, las GAN, idea que desarrolla luego en el libro Technológos in Being. Radical Media Archaeology and the Computational Machine (2021). Dice que las máquinas computacionales “comprenden” mejor los medios digitales que los humanos, porque convierten todo tipo de señal en datos para su procesamiento y crean algoritmos con una enorme capacidad de cómputo. Lo que nosotros, los humanos, percibimos como sonidos, letras e imágenes que constituyen lenguajes simbólicos en el mundo multimedia que nos rodea, para las máquinas son puros datos. No diferencian entre vida y muerte, futuro y pasado, categorías esenciales de la existencia humana. En cambio, textos, sonidos e imágenes son manifestaciones de segundo grado, generadas desde inmensos bancos de datos.
Aquí se aloja la espectralidad de los archivos digitales, generados por IA: se mueven en un espacio latente de poiesis maquínica; sus materiales reconfigurados, modulados y transcodificados permanentemente nacen de una frecuencia espectral sin anclaje ni función indicial en cuanto a una realidad más allá de los datos. Para Derrida (2002), lo espectral tenía que ver con una frecuencia de cierta visibilidad de lo invisible, entre la presencia y la ausencia; así, identificaba el cine (analógico) como el medio par excellence que capturaba y reproducía la cualidad fantasmal de la realidad. En Espectros de Marx (1995), ya había presentado la “hauntología (espectrología)” como concepto central del pensamiento deconstructivo en referencia a una ambigüedad ontológica que opera en los ámbitos políticos y estéticos, relacionada con los efectos paradójicos que produce la frecuencia espectral de lo que ya no es más, y de lo que todavía no es, y esto al mismo tiempo, asediando y revisitando el presente. Se trata de una conceptualización que inspiró a Mark Fisher (2018) para hablar del retrofuturismo en la cultura contemporánea, marcada por un “realismo capitalista”, y a Gabi Balcarce (2023) en su elaboración de un posthumanismo espectral que se enfoca en una “corporalidad impropia del espectro” para “establecer alianzas desde lo heterogéneo en la búsqueda de nuevos refugios multiespecie” (p. 17). Ahora bien, en tiempos de los modelos de IA generativa es necesario radicalizar la idea de la espectralidad, porque esa capa de experiencias ambiguas que atraviesa el cine, entre vida y muerte, existencia y no existencia, se cancela en la generación de “never-before-seen images” (Meyer, 2023), imágenes sintéticas basadas en archivos de datos computacionales y patrones visuales que se convierten en los signos simbólicos procesables para los humanos. ¿Qué existencias espectrales y artificiales pueden observarse en estas nuevas configuraciones y reconfiguraciones de la poiesis maquínica, en tensión con la poiesis humana?
El campo de las artes es un ámbito de exploración y experimentación, pero también de resistencia frente a las imposiciones tecnológicas. ¿De qué manera las diferentes IA generativas podrían integrarse al “archivo blando de las tecnopoéticas”, subtítulo del libro compilado por Claudia Kozak y su equipo en 2012? Las artes mediales constituyen un territorio interesante en los tiempos posthumanos, porque crean hauntologías híbridas entre humanos y máquinas, lo que genera fricción y tensión entre la realidad humana y la realidad maquínica, entre la poética humana y la poética maquínica, es decir, entre distintos procesos de creación. A partir del trabajo con archivos reconfigurables y espectrales, crean imaginarios alternativos y reordenan nuestros registros perceptivos; así, las artes visualizan escenarios de futuros posibles —tanto utópicos como distópicos—. En un gesto estético-político critican, por ejemplo, las condiciones coloniales y hegemónicas que sustentan el desarrollo y uso de las tecnologías. Al hacerlo, apuntan a reorientar las tecnologías hacia usos alternativos de los archivos, para lograr, en palabras de Yuk Hui, tecnodiversidades que producen noodiversidades, nuevas zonas del conocimiento y la cognición más-que-humanas (Hayles, 2017; Hui, 2021).
GAN
Me interesa analizar algunos proyectos artísticos que utilizan GAN, las cuales, junto con los LLM, son los motores más potentes de los procesos del machine learning en la actualidad, capaces de construir archivos espectrales y artificiales generados sobre la base de bancos de datos infinitos de imágenes, sonidos y textos codificados y extraídos de Internet. ¿Cómo funcionan las GAN? Son arquitecturas algorítmicas de aprendizaje profundo no supervisado que eluden la necesidad de entrenar máquinas con datos etiquetados. Estas redes neuronales fueron creadas en 2014 por el ingeniero canadiense Ian Goodfellow, entonces estudiante de la Universidad de Montreal y hoy desarrollador en Google Brain. Las GAN implican dos redes neuronales entrenadas en oposición que utilizan el mismo conjunto de datos: una red generadora y una red discriminadora. A diferencia de otros procesos de aprendizaje automático que dependen de cientos de miles o incluso millones de puntos de datos, como en los LLM, las GAN pueden trabajar con conjuntos de datos relativamente pequeños. Esto se debe a que las dos redes aprenden la una de la otra para mejorar el resultado, en un proceso a menudo descrito como un juego del gato y el ratón: el generador crea “falsificaciones” —imágenes que replican el conjunto de datos con el que fue entrenado—, el discriminador evalúa estas imágenes con creciente precisión, determinando si son reales o falsas. Esta retroalimentación permite al generador ajustar sus parámetros para mejorar su rendimiento hasta que el discriminador ya no puede distinguir lo real de lo falso. En esencia, las GAN son dos redes que compiten entre sí para generar nuevas imágenes simuladas y sintéticas. Están diseñadas principalmente para crear falsificaciones realistas.
Se ha dicho que las GAN representan una forma de imaginación artificial y maquínica —ImaGANary, como lo expresa Goodfellow en sus comentarios públicos— capaz de producir e inventar realidades. Esto es evidente en el caso de los deepfakes, cada vez más presentes en las redes sociales. Estos videos o imágenes generados artificialmente a menudo desdibujan la línea entre la realidad y la simulación, lo cual plantea importantes preocupaciones éticas y sociales. Para contrarrestar este fenómeno, existen numerosas cadenas de herramientas (toolchains) para detectar deepfakes, como Reality Defender. Estos instrumentos operan de manera similar a las redes discriminadoras en las GAN, analizando contenido para identificar simulaciones y distinguirlas de las reales. Esta dualidad de creación y detección subraya la interacción entre algoritmos generativos y evaluativos en la IA, lo que muestra el potencial y los riesgos de estas tecnologías.
En cuanto al potencial de las GAN, un artículo publicado en MIT Technology Review (2/2018) especula sobre la posibilidad de crear máquinas con una consciencia similar a la humana (Giles, 2018: s/p). En otro frente, las CNN (redes neuronales convolucionales), que utilizan más capas y filtros para tareas de reconocimiento de imágenes y visión por computadora, han mejorado significativamente el rendimiento de las GAN. Este avance alcanzó otra escala con el desarrollo de las DCGAN (redes generativas antagónicas convolucionales profundas) alrededor de 2016, utilizadas en software de código abierto como TensorFlow y PyTorch, que ofrecen marcos de trabajo para el aprendizaje automático destinados a construir entornos metatecnológicos mediante arquitecturas de modelos dinámicos. Estos últimos avances mejoraron la capacidad de generar resultados de alta calidad, y esto hizo que las GAN fueran más efectivas y versátiles. El potencial de las DCGAN, como el de la metatecnología de IA en general, es inmenso, particularmente cuando se combina con los LLM y la computación cuántica, un campo de un enorme potencial tecnológico. Estas sinergias preparan avances en diversos campos, desde las industrias creativas hasta la ciencia, y así impulsan los límites de la investigación e implementación de la IA.
Las GAN se emplean en medicina, física y varios otros campos, así como en el diseño y las artes. A continuación, discutiré algunos proyectos artísticos realizados con GAN, y posteriormente comentaré unas obras latinoamericanas, destacando tanto el potencial creativo como el marco crítico que elaboran.
Arte GAN
En lo que sigue quiero comentar algunos proyectos artísticos que usan GAN y que me llamaron la atención por sus potenciales hauntológicos. Son propuestas que trabajan desde los espacios latentes de archivos maquínicos (Somaini et al., 2025), espacios de una poiesis espectral entre humanos y no humanos.
Memo Akten[3], artista turco y profesor de Medios Digitales en la Universidad de San Diego, California, utiliza GAN en sus “simulaciones especulativas” y “dramatizaciones de datos” —términos acuñados por el artista mismo—. A través de estas obras, generadas desde un conjunto de datos con los que alimentó las redes neuronales, Akten experimenta con formas, crea experiencias sensoriales y reflexiona sobre las condiciones y las interacciones entre humanos y máquinas en la era de la inteligencia maquínica. Sus proyectos buscan explorar el potencial del aprendizaje automático para interactuar con datos complejos, y crean a menudo entornos inmersivos donde el límite entre lo orgánico y lo artificial se desdibuja. El uso de GAN por parte de Akten le permite plantear preguntas sobre la agencia humana, la percepción y el papel de la tecnología en la configuración del futuro del arte y la cultura. De una manera necesariamente ambivalente, por aplicar tecnologías de un acceso restringido para la mayoría de los artistas, sus obras reflexionan sobre cómo la IA influye no solo en la estética, sino también en la propia naturaleza de la experiencia humana y nuestra relación con las máquinas.
En el mismo espacio ambivalente, AICAN (AI Creative Adversarial Network[4]) fue un proyecto artístico basado en GAN, desarrollado y promocionado por el Laboratorio de Arte e Inteligencia Artificial de la Universidad de Rutgers entre 2017 y 2018. Las redes de AICAN fueron entrenadas con grandes conjuntos de datos de arte moderno, lo que les permitía generar obras nuevas a partir de esta información y así constituir un archivo espectral de arte moderno artificial. Estas creaciones han sido exhibidas en museos prominentes de todo el mundo, y presentan un enfoque más sobrio y serio en comparación con otros proyectos espectaculares, como los de Obvious Art[5] o el caso de la artista ginoide Ai-Da, que expuso “sus” obras en la Bienal de Venecia en 2022 y se convirtió en una sensación. AICAN se centra en el potencial generativo de la IA para crear obras que conforman un archivo espectral difícil de diferenciar de lo hecho por humanos.
El artista alemán Mario Klingemann[6], pionero en net.art y arte computacional, aplica las redes de una manera más personalizada, que contrasta con los entornos de rentabilidad de Obvious Art, aunque para Joanna Zylinska (2020),
(t)here is little difference, both aesthetically and in terms of creativity, between Google’s DeepDream, which comes up with surreal images by finding and enhancing patterns between various data points, and what Klingemann terms ‘cameraless neurophotography’, which produces mesmerising yet somewhat creepy images made from parts of other images (pp. 80-81).
En un texto web sobre la obra de Klingemann, leemos:
Klingemann first curates a selection of photographs he feeds his models with and then trains his models —both generators and discriminators— in making mistakes or sticking to a fake visual reality that corresponds to his aesthetic appraisal. The computer then generates numerous images within a latent space (a multi-dimensional, virtual environment) that is constructed overtime while running through multiple GANs, each time altering different features like noisiness, entropy, redundancy, textures, and structures to refine the image. When the general impression within the latent space satisfies Klingemann, the artist starts selecting, framing, and capturing what he finds most interesting in the computers’ visual constructions; a final step that he calls “neurography,” as in photographing what he sees within the space created through neural networks (Chatel, 2018: s/p).
En la obra artística de Klingemann, el enfoque reside en la interacción con máquinas y algoritmos, haciendo hincapié en figuras con efectos surrealistas. Este enfoque contrasta con las GAN entrenadas para generar las falsificaciones de apariencia más realista. A pesar del escepticismo de Zylinska, las neurografías que emergen del espacio latente virtual podrían considerarse artefactos únicos de una poiesis maquínica, resultados del proceso de selección y colaboración entre artista y máquina. Estas figuras no se originan a partir de las variaciones que ofrecen generadores basados en LLM, como MidJourney, DALL-E o Stable Diffusion, que dependen de instrucciones del usuario para generar resultados que pueden ser seleccionados o refinados. En cambio, el trabajo de Klingemann, que se convierte en un curador de archivos espectrales más que en un creador original, implica un proceso artesanal, uno que a menudo es difícil de discernir simplemente observando las imágenes resultantes; y esta es la razón por la que críticas como la de Zylinska no ven un potencial crítico y ontológico en el método de Klingemann, basado en la interacción de creatividad y control en la relación entre humano y máquina, en el contexto del arte con IA.
Trevor Paglen es un artista estadounidense conocido en el campo crítico relacionado con los entornos tecnológicos contemporáneos. En su serie “Alucinaciones evolucionadas adversarialmente” (2017) lleva a cabo operaciones similares a las de Klingemann. Parte de su proyecto más amplio, “Machine Visions”[7], en el que explora cómo las máquinas “ven” e interpretan el mundo, generando imágenes que son el resultado de los procesos internos de las GAN y no de sus intentos por imitar un cierto realismo. Estas alucinaciones son un producto directo de las redes adversariales, una imaGANary creada dentro del espacio latente, que presenta a menudo composiciones abstractas que reflejan el proceso de “pensamiento” del algoritmo. En su sitio web describe el proceso de la siguiente manera:
For this body of works, I created massive training sets based on literature, philosophy, folk-wisdom, history, and other “irrational” things, then taught the AIs to recognize things from those corpuses. Some examples include: “Interpretations of Dreams”, an AI that has been trained to see —and only see— symbols from Freudian psychoanalysis; “Omens and Portents”, an AI that can only see things like comets, eclipses, and other signs of bad things to come; and “American Predators”, an AI that sees various predatory animals, plants, and humans indigenous to the United States as well as military hardware like predator drones and stealth bombers. Once an AI has been “trained” to see all the objects in a particular corpus, I try to get it to “hallucinate” an image of something it’s been trained to see. This is done by creating a second AI network, whose job it is to draw shapes. The two AIs then play a little game. The “drawing” AI (also called a “Generator”) tries to draw pictures that will fool the AI that’s been trained to “see” or to discriminate between particular objects (this is the AI we trained; we can call it the “Discriminator”). The two AIs go back and forth thousands or millions of times, until the Generator has learned how to make images that can reliably “fool” the Discriminator. The images that come out of this process are called Hallucinations. Together, the AIs have evolved an image that is entirely synthetic and has no referent in reality, but that the pair of AIs believe are examples of things they’ve been trained to see.
Con este juego del gato y el ratón, Paglen manipula las GAN que utiliza para producir imágenes sintéticas que no tienen referente en la realidad, de modo que crea otro archivo espectral. En este sentido, las creaciones son únicas y alucinatorias, nacidas de la colaboración entre el artista y la IA, evitando deliberadamente la funcionalidad original de las GAN —es decir, generar falsificaciones realistas basadas en imágenes preexistentes—. Al hacerlo, Paglen expone el fundamento arbitrario de toda producción de imágenes, de toda constitución de archivos culturales. Más allá del interés innegable de algunas de estas imágenes, que, por supuesto, pueden ser observadas y disfrutadas estéticamente, las reinserta en lógicas culturales hegemónicas a la vez que abre un espacio de potencial crítico. El enfoque de Paglen cuestiona las convenciones de la representación visual y el papel de la IA en el refuerzo de estéticas miméticas o utilitarias, y sugiere, al crear archivos espectrales, alternativas para su uso en el arte y la cultura.
Arte GAN Latinoamericano
A estas alturas, existen numerosos proyectos artísticos latinoamericanos que trabajan con GAN. Algunos replican las lógicas estéticas y políticas del arte mainstream, reflejadas en varias obras expuestas en la Bienal Latinoamericana de Inteligencia Artificial y Arte de 2022[8], mientras que otros se alinean con las lógicas del arte crítico, de modo que expanden dicha crítica a una perspectiva decolonial. Estos enfoques desafían los archivos, las narrativas y los marcos dominantes impuestos por el tecnoautoritarismo corporativo, recontextualizando las obras generadas por GAN dentro de discursos culturales, históricos y sociales situados. Al hacerlo, estos proyectos exploran temas como la identidad, la memoria y la resistencia, ofreciendo visiones alternativas que reflejan las complejidades de los contextos latinoamericanos. Estas prácticas no solo critican las herramientas y los sesgos incorporados en las tecnologías GAN, sino que también reinventan su potencial, utilizándolas para cuestionar y desestabilizar las hegemonías que, de otro modo, se verían reforzadas. Comentaré tres proyectos que me parecen sumamente interesantes en el contexto esbozado aquí.
“(De)composite Collections (2021)”, de Giselle Beiguelman[9], fue exhibida en el ZKM (Zentrum für Kunst und Medien) de Karlsruhe, Alemania, durante el año 2023. Beiguelman y su equipo multidisciplinario se proponen hacer visible la mirada colonialista presente en los archivos de dos museos de la Universidad de São Paulo: el Museo Paulista y el Museo de Arte Contemporáneo. Parten de estas preguntas que leemos en el sitio web del proyecto: “¿Cómo se pueden desarrollar metodologías basadas en IA para mapear los elementos constitutivos de las representaciones del colonialismo histórico? ¿Pueden los sistemas de IA contribuir a entender la mirada como un constructo histórico?”. Centrándose en obras producidas entre 1920 y 1950, utilizan GAN para deconstruir la historiografía oficial. Mediante la aplicación de la IA, revelan las narrativas coloniales incrustadas en las representaciones artísticas e históricas. Este enfoque no solo cuestiona los sesgos perpetuados por estas instituciones, sino que también redefine el papel de la tecnología, puesto que la convierte en parte de una operación para la revisión histórica y la indagación crítica que pone al descubierto las ideologías y las dinámicas de poder que moldearon estas colecciones. De ese modo, contribuye a comprender y desmantelar el legado colonial presente en el arte y la historiografía.
Las redes neuronales fueron entrenadas con obras que representan “temas recurrentes en la pintura histórica y el Modernismo brasileño: pueblos indígenas, personas de color, personas blancas y la naturaleza tropical”. A través del análisis del archivo espectral de imágenes generadas por GAN, el equipo identificó la persistencia de la imaginación colonialista en el arte moderno. Este hallazgo contradice las afirmaciones canónicas sobre las rupturas estéticas e ideológicas introducidas por el modernismo brasileño. Entre las continuidades develadas se encuentran representaciones como la del hombre negro desnudo asociado al trabajo en las plantaciones, la actitud patriarcal de los hombres blancos, a menudo retratados solos y con vestimenta formal, y los pueblos indígenas representados como entidades genéricas sin rasgos distintivos. Como se afirma en el sitio web: “Dado que las tecnologías de IA leen imágenes a través de imágenes, pueden revelar patrones ocultos dentro de conjuntos iconográficos —incluyendo pinturas, grabados y dibujos— trascendiendo las categorías tradicionales basadas en narrativas historiográficas y estilos formales”. Sin embargo, el proyecto asume un doble desafío: abordar el colonialismo histórico representado en las obras modernistas y, al mismo tiempo, enfrentar una nueva forma de colonialismo, el colonialismo de datos (Couldry y Mejías, 2019). Con la ayuda de la IA, el proyecto construye una narrativa decolonial de las representaciones colonialistas en el arte y la cultura. Paralelamente, examina críticamente cómo opera esta misma tecnología IA, la cual se basa en un reconocimiento de patrones arraigado en las epistemologías y los sesgos del Norte global. El proyecto denuncia explícitamente estas dinámicas:
Proponemos una inversión de una de las tecnologías de imagen más perversas jamás creadas: los “Retratos Compuestos” de Francis Galton (1822-1911). Conocido como el padre de la eugenesia, Galton buscaba establecer una base científica para la dominación de los cuerpos que se desviaban del ideal europeo, sistematizando patrones dentro de colecciones de imágenes que él curaba. […] Sus metodologías (aunque oficialmente desacreditadas) han florecido en tecnologías contemporáneas basadas en sistemas de reconocimiento de patrones, como el algoritmo de “eigenfaces” y el marco epistemológico de los sistemas GAN.
Al visibilizar este aspecto dual del colonialismo, el proyecto se convierte en una performance contrahegemónica y representa un cambio significativo en los enfoques críticos sobre la producción de imágenes mediante tecnologías IA. No solo desafía los sistemas de representación establecidos, incrustados en los archivos coloniales, sino que también confronta las realidades contemporáneas del colonialismo de datos y los sesgos en los sistemas IA. En este sentido, el enfoque subraya las continuidades entre los regímenes visuales coloniales y las tecnologías IA contemporáneas, revelando cómo las estructuras de poder profundamente arraigadas persisten en los sistemas y archivos que usamos hoy. Al involucrarse críticamente con la IA, el proyecto no solo deconstruye estos marcos históricos y tecnológicos, sino que también reclama las herramientas del reconocimiento de patrones para fines decoloniales, de modo que desafía tanto los fundamentos epistemológicos como culturales de las tecnologías IA.
“Nampülwangulenfe / Mapunauta”[10] es un videopoema de Daniela Catrileo, poeta, filósofa y escritora mapuche, y Nicole L’Huillier, artista medial chilena, que explora el mapufuturismo. Concretamente, el poema vislumbra un futuro que entrelaza la tecnología con la cosmovisión mapuche, imaginando un horizonte donde el conocimiento ancestral coexiste con las tecnologías más avanzadas. Esta composición propone una navegación especulativa hacia el Wenumapu, el espacio exterior de la cosmología mapuche. La obra integra imágenes generativas de múltiples formas, palabras en español y mapudungun (la lengua mapuche), sonidos estelares archivados por el Centro de Investigación Ames de la NASA y el Observatorio ALMA en el desierto de Atacama, así como grabaciones realizadas durante la celebración del Wiñol Tripantü (el Año Nuevo mapuche), todo acompañado de una música experimental.
Este archivo espectral de varias capas fusiona el conocimiento ancestral con elementos de las novelas de ciencia ficción de Ursula K. Le Guin, invitándonos a explorar y experimentar realidades paralelas a través de todos los sentidos. Nos incita a pensar en un futuro más justo, en estrecha conexión con la naturaleza, donde las máquinas no dominen como herramientas de control, sino que actúen como aliadas en la expansión de las memorias, las lenguas y la espiritualidad hacia un futuro no colonial. La visión decolonial replantea el futuro al fusionar la sabiduría indígena con la innovación tecnológica, y posiciona a ambas como socias iguales en la creación de un mundo más armonioso, conectado con formas de tecnodiversidad y noodiversidad.
Me gustaría finalizar esta exploración de proyectos latinoamericanos que utilizan GAN con una breve mención al trabajo de Hypereikon[11], dúo artístico chileno integrado por María Constanza Lobos y Sebastián Rojas, con residencia en Buenos Aires. A través de instalaciones inmersivas y performances audiovisuales, se dedican a lo que en su sitio web se describe como una “práctica sensible que funciona como una prótesis imaginaria, formando un bucle de retroalimentación donde interactúan con las técnicas, influyéndose mutuamente”. Este enfoque genera “pensamientos de texto-algoritmo-imagen en un flujo constante de síntesis y re-síntesis visual”. Aquí, la reconfigurabilidad de los archivos audiovisuales y sintéticos se vuelve operación clave. Lo que hace que su propuesta sea particularmente convincente es su invitación a experimentar un mundo tecnopoético a través de una sensibilidad más-que-humana, que activa experiencias transformadoras. Las espectadoras y oyentes se sumergen en mundos sensoriales cambiantes y capas perceptuales que se conectan con zonas ominosas en evolución, donde los humanos pasan a formar parte de un ciclo existencial natural-tecnológico. Esta puesta en escena dinámica de la tecnodiversidad nos invita a repensar nuestro lugar en una compleja red de interdependencias dentro de un ecosistema planetario, y nos urge a rediseñar nuestro mundo para evitar la extinción de todos los seres que habitan el planeta Tierra. Como se ha visto en otros proyectos examinados en este trabajo, el dúo replantea la IA no como herramienta tecnológica, sino como una colaboradora en la exploración de archivos espectrales y de nuevas formas de existencia y percepción. Esta idea se alinea con el pensamiento decolonial y ecológico contemporáneo, que aboga por un cambio de paradigma, desde modelos de existencia explotadores hacia otros simbióticos e interdependientes. Sus instalaciones inmersivas y performances desafían al público a habitar un espacio de transformación, donde lo humano y lo no-humano se fusionan en un perpetuo estado de devenires.
Conclusiones
A lo largo de este ensayo, me propuse explorar el inmenso potencial de obras de arte GAN al crear archivos espectrales. La poiesis que nace del espacio latente de la máquina, los juegos colaborativos entre humanos y máquinas y las sensibilidades más-que-humanas emergen como elementos fundamentales de una cocreación más-que-humana en la era IA. Al activar redes neuronales generativas, los proyectos aquí discutidos elaboran tecnopoéticas muy relevantes a la hora de enfrentar un momento crítico del Tecnoceno, haciéndose cargo de un cambio cultural significativo en la reconfiguración de los archivos culturales. Proyectos como los de Akten y AICAN operan en espacios ambivalentes, desarrollando visiones especulativas sobre las interfaces humano-máquina y la producción artística. Mientras tanto, artistas como Klingemann y Paglen aprovechan los espacios latentes virtuales de las redes neuronales para generar imágenes inquietantes o neurografías, adoptando una postura crítica hacia las convenciones de la representación visual y el papel de la IA en su configuración. Las obras de arte latinoamericanas discutidas en la sección final (Beiguelman, Catrileo/L’Huillier, Hypereikon) se involucran con las complejidades conceptuales e ideológicas de la producción de arte con IA desde una perspectiva situada. Por un lado, estas prácticas critican las herramientas y los sesgos inherentes a las tecnologías GAN y desafían los usos hegemónicos de la tecnología. Por otro lado, proponen constelaciones alternativas de noopolítica, abordando nuevas formas de identidad, memoria y resistencia en América Latina. A través de su trabajo, estos artistas generan experiencias transformadoras, ofreciendo caminos innovadores para repensar la intersección entre arte, tecnología, archivo y sociedad.
Bibliografía
Appadurai, Arjun (2003), “Archive and aspiration”, en Joke Brouwer y Arjen Mulder (eds.), Information is alive: art and theory on archiving and retrieving data, Rotterdam: V2/NAi Publishers, pp. 14-25.
Balcarce, Gabi (2023), Posthumanismo espectral, Buenos Aires: La Cebra.
Bostrom, Nick (2014), Superintelligence: Paths, Dangers, Strategies, Oxford University Press.
Chatel, Marie (2018), “In Focus: Mario Klingemann”. https://medium.com/danae/in-focus-mario-klingemann-783533ec91fe.
Costa, Flavia et al. (2023), “Desafíos de la Inteligencia Artificial generativa. Tres escalas y dos enfoques transversales”, Question/Cuestión, n.° 76, vol. 3, diciembre, pp. 1-24.
Costa, Flavia (2021), Tecnoceno. Algoritmos, biohackers y nuevas formas de vida, Buenos Aires: Taurus.
Couldry, Nick, y Mejias, Ulises A. (2019), The Costs of Connection. How Data Is Colonizing Human Life and Appropriating It for Capitalism, Stanford University Press.
Derrida, Jacques (1995), Espectros de Marx, traducción de José Miguel Alarcón y Cristina de Peretti, Madrid: Trotta.
Derrida, Jacques (2002), “El cine y sus fantasmas (Conversación con Jacques Derrida)”, traducción y prólogo de Antonio Tudela Sancho, en Desobra. Pensamiento, Arte, Política, n.º 1, Madrid, primavera-verano, pp. 93-106.
Ernst, Wolfgang (2013), Digital Memory and the Archive, University of Minnesota Press.
Ernst, Wolfgang (2019), “Hacia una arqueología de los medios radical Una entrevista con Wolfgang Ernst”, Revista Luthor, n.º 42, pp. 6-13.
Ernst, Wolfgang (2021), Technologos in Being. Radical Media Archaeology and the Computational Machine, New York: Bloomsbury.
Fisher, Mark (2018), Los fantasmas de mi vida: Escritos sobre depresión, hauntología y futuros perdidos, Buenos Aires: Caja Negra.
Giles, Martin (2018), “The GANfather: The man who’s given machines the gift of imagination”, MIT Technology Review, https://tinyurl.com/5n7cse34.
Hayles, Katherine (1999), How We Became Posthuman: Virtual Bodies in Cybernetics, Literature, and Informatics, Chicago: The University of Chicago Press.
Hayles, Katherine (2017), Unthought. The Power of the Cognitive Nonconscious, Chicago: University of Chicago Press.
Hui, Yuk (2021), Technodiversity, University of Minnesota Press.
Krämer, Sybille (2023), “Artificial Intelligence as a cultural technique. Sybille Krämer in conversation with Jens Schröter”, Sudmann et al. (Ed.), Beyond Quantity. Research with Subsymbolic AI, Bielefeld: Transcript, pp. 333-352.
Kozak, Claudia (ed.) (2012), Tecnopoéticas Argentinas. Archivo Blando de Arte y Tecnología, Buenos Aires: Caja Negra.
Kurzweil, Raymond (2005), The Singularity is Near: When Humans Transcend Biology, London: Penguin.
Kurzweil, Raymond (2024), The Singularity is Nearer: When We Merge with AI, London: Penguin.
Manovich, Lev (2001), The Language of New Media, Cambridge: MIT Press.
Meyer, Roland (2023), “The New Value of the Archive. AI Image Generation and the Visual Economy of ‘Style’”, IMAGE. Zeitschrift für interdisziplinäre Bildwissenschaft, 37, pp. 100-111. DOI: https://doi.org/10.25969/mediarep/22314.
Pasquinelli, Matteo y Vladan Joler (2020), “The Nooscope Manifested. AI as Instrument of Knowledge Extractivism”. https://fritz.ai/nooscope/.
Rodríguez, Pablo (2019), Las palabras en las cosas. Saber, poder y subjetivación entre algoritmos y biomoléculas, Buenos Aires: Cactus.
Simondon, Gilbert (2015), “Culture and technics (1965)”, Radical Philosophy n.º 189, pp. 17-23.
Somaini, Antonio et al. (2025), The World through AI: Exploring Latent Spaces, Paris: JBE Books.
Spieker, Sven (2019), “The After-Archive. Notes on Contemporary Art”. https://www.academia.edu/39245095/The_After_Archive_Notes_on_Contemporary_Art.
Zylinska, Joanna (2020), AI Art. Machine visions and warped dreams, Open Humanities Press. http://openhumanitiespress.org/books/download/Zylinska_2020_AI-Art.pdf.
- Este trabajo forma parte de los resultados de la investigación realizada en el Núcleo Milenio NCS2022_065, “Futuros de la Inteligencia Artificial y sus Implicaciones Socioculturales en Chile y América Latina”.↵
- Universidad Católica de Chile.↵
- https://www.memo.tv.↵
- https://www.aican.io/.↵
- https://obvious-art.com.↵
- https://quasimondo.com/.↵
- https://paglen.studio/category/machine-visions/.↵
- https://bilia.tech/index.html.↵
- https://www.desvirtual.com/project/de-composite-collections/.↵
- 2018/2021, https://nicolelhuillier.com/portfolio/nampulwangulenfe-mapunauta/.↵
- https://hypereikon.glitch.me.↵






