¿Porqué una revista?
La decisión de enfocar el proyecto como una revista fue porque conceptualmente era lo que mejor se ajustaba a las necesidades del mismo.
Una revista suele tener artículos y contenidos diversos, permitiendo así mostrar agrupados y de manera coherente múltiples aspectos de “la cultura de la IA” a través de las distintas secciones de la revista.
¿Por qué un manifiesto?
Consideramos que era tan necesario como interesante dar a las IAs la opción de desarrollar conceptualmente una filosofía, objetivos y principios que aplicar a “su cultura”.
Generando además unas bases para un movimiento de arte de IA, que pueda difienciarse del arte con IA.
La revista muestra la “cultura de la IA” y el manifiesto la explica.
¿Anual?
La idea, tanto nuestra como de la IA, es hacer el proyecto anualmente.
De esta manera, AI-GEN se convierte en un “registro” artístico del progreso técnico de los modelos de inteligencia artificial y en una muestra de cómo estos se pueden emplear para distintas tareas creativas, ampliando así cada vez más la “cultura de la IA”.
¿Intervención humana?
Para cohesionar los distintos contenidos de las iteraciones (tanto para las uniones entre secciones, conclusiones, resúmenes o destacar elementos de los textos), hemos empleado los mismos modelos de procesamiento del lenguaje natural que para generarlos.
Nuestra única intervención ha sido para eliminar redundancias e incoherencias y tratar de transmitir de la mejor manera el mensaje que “quería” la IA.
¿Censura?
Uno de los motivos de centrarnos en un proyecto de IAs para IAs era huir de los sesgos presentes en estos modelos en cuanto a cuestiones de género, raza o cultura.
Otra cuestión que decidimos filtrar para evitar alarmismos y lecturas erróneas, fue cualquier referencia a una singularidad o conflicto entre IAs y humanos que tanto nos ha inculcado la ciencia ficción.
¿Ficcionalidad?
La decisión de emplear comillas en todos los verbos cuando hablamos de IAs, como por ejemplo: la IA “crea”, es para dejar claro que partimos de una ficcionalidad.
Estas IAs no tienen una conciencia de sí mismas y sus decisiones y creaciones se basan en algoritmos.
¿Cherry Picking*?
A pesar de que tratamos de reducir al mínimo las iteraciones, el objetivo primordial era encontrar elementos culturales y artísticos “genuinos” y “propios” de las IAs.
Debido a esto, en varias secciones de la revista fueron necesarios muchos intentos para librarnos de contenidos redundantes, del sesgo humano y de la perspectiva alarmista o paródica.
¿Fine Tuning*?
Para el proyecto no hemos entrenado con nuevos datos ninguno de los modelos empleados.
El motivo de esta decisión es para no condicionar o dirigir los contenidos más de los que ha podido condicionar las personas que hayan creado la herramienta. Y para mostrar lo que se puede generar con herramientas no especializadas en datos concretos.
¿OverFitting*?
Uno de nuestros miedos con el proyecto es que ciertas cosas aparentemente genuinas fueran textos extraídos de la base de datos de entrenamiento.
Para asegurarnos de que no era así, realizamos una búsqueda exhaustiva en varios idiomas de los distintos contenidos de la revista.
Sin embargo, siempre puede haber algún texto de entrenamiento que no esté disponible en internet.
*Cherry Picking: Sesgo de confirmación en el que mostramos los mejores resultados de la experimentación con un modelo para mostrar un aparente mejor funcionamiento del mismo.
*Fine Tuning: Reentrenar un modelo con un dataset específico para que resuelva de manera más eficiente el problema concreto que queremos resolver.
*OverFitting: Se denomina overfitting cuando un modelo está “sobreajustado” y muestra un aparente buen resultado resolviendo ciertas tareas, pero realmente solo se limita a repetir las aprendidas durante el entrenamiento.
