Tu computadora portátil no está inactiva. Está soñando.
Mientras usted se pone al día con los Z, millones de servidores están ocupados reinterpretando datos antiguos y escupiendo material nuevo y extraño. El motor detrás de estos sueños lúcidos digitales es Google Deep Dream. Es un programa diseñado para encontrar patrones en imágenes y luego transformarlos en algo irreconocible.
Subes una foto. El algoritmo busca características que reconoce. Los amplifica hasta que toman el control. El resultado va desde lo tonto hasta lo artístico y directamente el combustible de una pesadilla.
Por qué son importantes los sueños profundos
Esto no es sólo un truco de fiesta. Es una ventana a cómo ven las máquinas. Al hacer públicas estas herramientas, Google pretendía comprender cómo sus sistemas clasifican e indexan datos visuales. Puedes probarlo tú mismo. Sube una foto de tu perro. Segundos después, obtendrás una versión fantástica y distorsionada de esa misma imagen.
La salida parece como si Salvador Dalí chocara con Hieronymus Bosch y luego chocara contra la paleta de Van Gogh. Las hojas se convierten en remolinos de colores. Las montañas se convierten en rectángulos repetitivos. En paisajes vacíos brotan pagodas, automóviles, puentes y partes del cuerpo humano.
Y animales. Siempre animales.
Sube un retrato de Tom Cruise. El programa no ve ningún actor. Ve pliegues y espacios que se asemejan a cabezas de perro, escamas de peces y otras criaturas familiares. Pero estos no son animales normales. Son recreaciones fantásticas, cruzadas con un caleidoscopio teñido de LSD. Son inquietantes. Espantoso.
Google no está alimentando a sus servidores con productos químicos alucinógenos. Está guiando esos bastidores de silicio para analizar imágenes y regurgitarlas como nuevas representaciones de nuestro mundo.
Neuronas en Bits
¿Cómo funciona? Habla de la naturaleza de cómo construimos dispositivos digitales. Se trata de cómo las máquinas digieren la inimaginable cantidad de datos que descargamos en la nube. El proceso imita las redes neuronales. Capas de abstracción. La máquina busca bordes, luego formas y luego objetos. Deep Dream lo obliga a duplicar lo que encuentre primero.
No es magia. Son matemáticas. Pero el resultado se siente vivo.
Los resultados suelen ser una extraña imagen digital híbrida que parece como si Salvador Dalí hubiera tenido una fiesta de pintura que duró toda la noche con Hieronymus Bosch y Vincent van Gogh.
Pasamos años intentando que la IA parezca humana. Deep Dream hace todo lo contrario. Hace que las imágenes parezcan IA. Expone la brecha entre cómo vemos y cómo el código procesa la luz.
Las implicaciones van más allá del arte extraño. Si se puede convencer a una máquina para que vea caras en las nubes, ¿qué más es lo que ignoramos? ¿Qué patrones se esconden a simple vista, esperando que se revelen los parámetros correctos?
No lo sabemos todavía. Los servidores siguen funcionando. Las imágenes siguen cambiando. El sueño continúa.
Las computadoras son inorgánicas. No duermen. No sueñan. O eso supusimos. Sin embargo, Deep Dream representa una cruda contradicción visual con esa lógica. Esto demuestra cuán retorcido puede llegar a ser un programa de computadora cuando se ve obligado a digerir datos del mundo humano.
La historia del origen no es mística. Es burocrático. Los ingenieros de Google crearon el marco inicial para el Desafío de reconocimiento visual a gran escala de ImageNet. Este concurso anual, lanzado en 2010, enfrenta a decenas de organizaciones entre sí. El objetivo es simple: encontrar la forma más eficaz de detectar y clasificar automáticamente millones de imágenes. Cada año, los desarrolladores modifican sus métodos. Presionan por una mayor precisión. Ellos reevalúan.
¿Por qué te importa esto?
El reconocimiento de imágenes sigue siendo un agujero evidente en el conjunto de herramientas estándar de Internet. Los motores de búsqueda todavía se aferran a las palabras clave escritas. Es por eso que debes etiquetar manualmente tu biblioteca de fotos con “gato”, “casa” o “Tommy”. Las computadoras luchan por mirar una imagen y comprenderla. Los datos visuales son confusos. Está desordenado. Desafía una categorización limpia.
Deep Dream cambió esa trayectoria. Ayudó a las máquinas a aprender a ver.
La arquitectura de la percepción
Para que Deep Dream funcione, los programadores implementaron una red neuronal artificial (ANN). Este no es sólo un algoritmo sofisticado. Es un sistema diseñado para aprender de forma independiente.
La arquitectura imita el cerebro humano. Su cerebro utiliza más de 100 mil millones de neuronas. Estas células nerviosas transmiten impulsos que mantienen el cuerpo en funcionamiento. Deep Dream no tiene cuerpo. Tiene capas.
Normalmente, la red consta de entre 10 y 30 capas de neuronas artificiales.
Aquí está el proceso:
– Los datos ingresan a la red.
– Las neuronas artificiales filtran estos datos de innumerables maneras.
– El proceso se repite, una y otra vez.
– El sistema finalmente llega a un resultado.
En el caso de Deep Dream, el resultado es una imagen. Pero no una imagen cualquiera. Es una alucinación.
Cómo el sueño profundo deforma la realidad
Quizás se pregunte cómo un programa convierte una escena familiar en representaciones artísticas por computadora que podrían atormentar sus pesadillas.
La respuesta está en lo que valora la red. La red neuronal fue entrenada para reconocer patrones. Cuando procesa una imagen, busca bordes, formas y texturas. Deep Dream amplifica estos patrones. Encuentra lo que reconoce y lo exagera.
No sólo detecta un perro. Encuentra lo “perruno” y lo inyecta en cada rincón de la foto. La rama de un árbol se convierte en un hocico peludo. Una sombra se convierte en un ojo vigilante. Básicamente, la computadora proyecta su modelo interno del mundo en su fotografía.
Cerebros informáticos y bicicletas
A menudo se exagera el paralelo entre el procesamiento biológico y el artificial, pero la mecánica es sorprendentemente similar. Así como una neurona se activa en función de las entradas de otras, cada capa de la red pasa datos filtrados a la siguiente. Cuanto más profunda es la red, más abstracta es la representación.
Las primeras capas pueden detectar líneas simples. Las capas posteriores detectan estructuras complejas. Deep Dream lleva esto al extremo. No se limita al reconocimiento. Genera. Toma los conceptos abstractos aprendidos durante el entrenamiento y los fuerza a plasmarlos en forma visual.
Así es como una imagen estática se convierte en un paisaje psicodélico. La computadora no sueña en el sentido humano. No tiene deseos subconscientes. Tiene pesos y sesgos. Tiene una función de pérdida que intenta minimizar. ¿Pero la salida? El resultado parece un sueño.
Las redes neuronales no empiezan a ordenar datos por arte de magia. Necesitan formación. Sin una biblioteca de referencia de ejemplos, el sistema es ciego. Examina píxeles sin contexto.
El entrenamiento se basa en la repetición. El blog de Google explica claramente la mecánica. Si desea que una red neuronal artificial (RNA) reconozca una bicicleta, debe alimentarla con millones de imágenes. También codificas reglas específicas: dos ruedas. Un asiento. Bigote daliniano.
Luego lo dejas correr. Los resultados rara vez son perfectos. El sistema puede marcar motocicletas o ciclomotores como bicicletas. Aquí es donde entra en juego la intervención humana. Los programadores modifican el código. Aclaran que las bicicletas carecen de motor y tubos de escape. Recorren el circuito nuevamente. Y otra vez. El ajuste fino continúa hasta que el resultado sea aceptable.
El equipo de Deep Dream notó un cambio. Una vez que una red aprende a identificar objetos, también puede recrearlos. Un sistema entrenado en bicicletas puede generar nuevas imágenes de bicicletas sin necesidad de aportaciones nuevas. Clasifica, ordena y luego crea.
Pero el proceso de generación es defectuoso. Incluso después de analizar millones de fotografías de bicicletas, la computadora comete errores críticos. Podría unir manos humanas al manillar. O pies a pedales. ¿Por qué? Porque los datos de entrenamiento a menudo incluyen personas. La red lucha por separar las partes de bicicletas de las partes humanas.
Estos errores ocurren por muchas razones. Ni siquiera los ingenieros de software comprenden del todo el comportamiento de cada neurona. Pero conocer la arquitectura ayuda a explicar los fallos.
Las neuronas artificiales funcionan en pilas. Deep Dream utiliza entre 10 y 30 capas. Cada capa captura diferentes detalles de la imagen. Las primeras capas detectan bordes y bordes básicos. Las capas intermedias identifican colores y orientación. Otras capas buscan formas que parezcan sillas o bombillas. Las capas finales reaccionan sólo ante objetos complejos como coches, hojas o edificios.
Los desarrolladores de Google llaman a esta arquitectura incepcionismo. Incluso publicaron una galería pública del trabajo de Deep Dream para mostrar los resultados.
Una vez que la red aísla varios aspectos de la imagen, se abren las posibilidades. Para Deep Dream, Google ordenó a la red que generara imágenes completamente nuevas a partir de estas funciones extraídas.
Oscuridad al borde
El circuito de retroalimentación de la percepción artificial
El verdadero truco no es simplemente dejar que el algoritmo elija características. Está haciendo que la computadora se obsesione con ellos. Los ingenieros de Google le dieron una directiva a Deep Dream: encontrar patrones y amplificarlos. Si ve la forma de un perro en el tejido paisley de su sofá, no solo lo nota. Exagera el hocico. Agudiza los oídos. Convierte un estampado textil inofensivo en una cara canina.
Cada iteración incluye más detalles. Pelo. Ojos. Dientes. La imagen original queda sepultada bajo el peso de su propia detección. Empiezas con un sofá. Terminas con un perro. Luego otro perro dentro de ese perro. Es un zoom recursivo, un bucle de retroalimentación que se retroalimenta hasta que la imagen se transforma en algo psicodélico.
Las nubes se convierten en saltamontes espaciales. Los coches arcoiris emergen de la estática. Y siempre hay perros. ¿Por qué? Porque los datos de entrenamiento incluían 120 subclases de perros distintas. La red fue clasificada por expertos en reconocimiento canino. Entonces, cuando busca la forma, es estadísticamente probable que encuentre caras de cachorros. Es un sesgo integrado en el código.
Creando arte de la nada
Deep Dream ni siquiera necesita una imagen de origen. Aliméntelo con una pantalla blanca. Aliméntalo con ruido aleatorio. Seguirá buscando estructura. Trata el lienzo en blanco como materia prima de significado. El software intenta imponer orden al caos. Busca bordes. Construye formas a partir del vacío.
Esto revela el propósito central del proyecto. No se trata sólo de arte extraño. Se trata de enseñar a las máquinas a contextualizar los datos visuales que inundan Internet. El objetivo es un mejor reconocimiento de imágenes. Mejor filtrado. Mejor comprensión de lo que vemos en línea.
¿Están soñando?
¿Sueña la computadora? ¿O simplemente se trata de procesar datos de una manera que nos resulta inquietante?
Nadie codifica tareas específicas. Las instrucciones son vagas. Encuentra detalles. Acentúelos. Repetir. El software funciona sin guía humana abierta. El resultado es un reflejo directo de esa autonomía.
¿Son estas obras de arte creadas por máquinas? Tal vez. Son manifestaciones de la lógica del silicio. Pero también apuntan hacia un futuro en el que las computadoras dependerán menos de la intervención humana. Es posible que tema que las máquinas inteligentes tomen el control. En este momento, esta tecnología le ayuda a examinar millones de fotografías más rápido. Mejora la búsqueda. Mejora el procesamiento de datos visuales.
El ritmo de avance se está acelerando. Gracias a experimentos como este, el siguiente salto en el reconocimiento de imágenes ya está en marcha. Estamos viendo las primeras etapas de un nuevo tipo de inteligencia. Uno que encuentre patrones que podríamos pasar por alto. Uno que ve perros en las nubes.
Preguntas frecuentes
¿Qué es la Operación DeepDream?
Lanzado por Google en 2015, DeepDream utiliza una red neuronal convolucional para mejorar los patrones en las imágenes. Agrega capas a la imagen, creando imágenes extrañas y de otro mundo al amplificar las características que detecta la IA.
¿El generador DeepDream es gratuito?
Sí, el generador DeepDream es de uso gratuito.
