El avance de la IA en los tiempos actuales no es sólo un hecho constatable, sinó también una tremenda fuente de noticias que suscita un gran interés y pone en marcha toneladas de comentarios y opiniones de lo más diverso en Redes y medios de comunicación. Dado que todos hemos visto lo que la IA es capaz de hacer en terrenos como la ilustración profesional, la redacción de textos publicitarios o la programación de software, la pregunta que directamente afecta a nuestra profesión es evidente: “¿Puede la inteligencia artificial acabar con los DJs profesionales?”. Y te hago un spoiler: vas a tener que leer un poco para entender bien la respuesta.
La primera vez que me lanzaron esta pregunta en público fue participando en el espacio que Julio Posadas desarrolla en directo en Twitch, y mi respuesta fue contundente: “tan sólo quizá los DJs de playlist se puedan ver amenazados”. Y, al decir esto, me refería a gente que simplemente encadena el pinchar una lista de éxitos de moda con una técnica bastante sencilla. Pero, en aquella primera aproximación al asunto creo que me quedé bastante corto en mis explicaciones. En primer lugar porque no había demasiado tiempo (sabía que Julio debía tener una buena batería de temas que, seguramente, quería que abordáramos) y en segundo lugar porque, a veces, uno cree que si da demasiadas explicaciones sobre algo de forma apresurada, quizá le reste contundencia a las conclusiones. Es ahora, en el terreno de la palabra escrita, cuando puedo extenderme sobre el asunto de forma totalmente libre y correctamente elaborada, y puedo explicar tranquilamente todo lo que pienso sobre el tema, que es bastante extenso y, como ya he dicho antes, va a requerir bastante tiempo por parte del lector para entender no sólo este asunto, sinó cómo también funciona de forma “general” la inteligencia artificial.
Esto ya lo hizo un servidor
En primer lugar, debo decir algo a favor de la inteligencia artificial (me encanta ser el abogado del diablo a veces) y es que imitar a un mal DJ no es demasiado complicado. Y, de hecho, hace bastantes años ya conseguí generar una sesión usando medios automatizados que, en realidad, podría decirse que no empleaban prácticamente nada de lo que hoy se considera inteligencia artificial, pero al menos usaba algunos “proto-algoritmos” que, hoy por hoy, podrían considerarse los padres de lo que hay ahora. Fue para un reportaje que escribí en Hispasonic llamado “Qué ocurriría si reemplazáramos al DJ por una máquina”. En ese reportaje me centraba en describir las funciones que la empresa Algoriddim había implementado en el software djay, que en ese momento era capaz de sugerirte qué canción era la más adecuada para ser pinchada a continuación, empleando la enorme base de datos de EchoNest y la biblioteca musical de Spotify. Además, el programa incorporaba ya funciones automáticas para sincronizar y hacer transiciones automáticamente en las canciones (esto último no requiere inteligencia artificial alguna, sinó únicamente una buena dosis de ecuaciones matemáticas y programación de software).
Como resultado de todo aquello surgió una sesión llamada “The Intelligent Machine Session”, que no era ni tan siquiera una buena sesión, pero sí algo que podrías escuchar en muchos sitios sin llevarte un disgusto, ni pensar que el DJ estaba borracho. Todo esto fue hace 8 años, nada más y nada menos. Sin embargo, las cosas no han mejorado demasiado para las máquinas. a pesar de todo, y es ahora cuando os explico el por qué.
La foto del Papa y la intervención humana
Todos hemos flipado últimamente con la famosa instantánea del Papa Francisco luciendo un abrigo blanco de Balenciaga por las calles de Roma con un estilo que le hacía parecer un gangsta del trap, más aún cuando se nos dijo que la foto estaba generada por IA. En aquel momento mucha gente tembló pensando que definitivamente la IA podía robarle el trabajo… pero nada más lejos de la realidad. Esa foto necesitó de mucha intervención humana. Mucha gente pensará que simplemente se introdujo un comando a la IA donde se le dijo “Genérame al Papa Francisco todo rechulón de Balenciaga”, pero la cosa fue bastante más compleja y requirió de la intervención humana, y más concretamente una intervención con auténticos conocimientos en fotografía que sólo un humano con mucha experiencia puede tener. Wl comando introducido en Midjourney (la herramienta de IA empleada) fue éste:
“Catholic Pope Francis wearing Balenciaga puffy jacket in drill rap music video, throwing up gang signs with hands, taken using a Canon EOS R camera with a 50mm f/1.8 lens, f/2.2 aperture, shutter speed 1/200s, ISO 100 and natural light, Full Body, Hyper Realistic Photography, Cinematic, Cinema, Hyperdetail, UHD, Color Correction, hdr, color grading, hyper realistic CG animation –ar 4:5 –upbeta –q 2 –v 5”
Como puedes observar, hay introducidas un montón de variables dentro del comando relativas a parámetros técnicos de fotografía, como velocidad de obturación, iluminación, apertura, distancia focal… Todo eso le da mucho realismo a la imagen, y sólo un ser humano puede entenderlo (por ahora) de forma absoluta, por el sencillo motivo de que sólo un ser humano puede entender cómo funciona la física relacionada con los aspectos sensoriales de la visión humana. Si no tienes ojos, y no sabes y entiendes cómo funciona toda la física relacionada con la reflexión de la luz, no puedes imaginar algo así.
Pero vayamos más allá. Porque la imagen tiene errores, como por ejemplo las manos o las gafas del pontífice. Las gafas tienen una forma un poco extraña y parecen fusionarse con su cara ¿por qué? Te lo acabo de decir: si la inteligencia artificial no tiene ojos, mucho menos puede entender del todo para que sirven unas gafas. Lo mismo le pasa con las manos, entiende hasta cierto punto que nos sirven para sujetar cosas, pero a la IA parece que por ahora le da igual que las sujetemos con 3, 4 o 6 dedos, e incluso a veces confunde lo que sujetamos como parte de nuestro cuerpo. Por eso, una IA suele fallar en la mayoría de representaciones humanas a la hora de plasmar manos y accesorios frente a los ojos.
El caso de las manos mal representadas en las imágenes es algo bastante habitual, especialmente si una persona se muestra con las manos cruzadas o estrechando la mano de otra persona; la IA se suele liar y representa mal los dedos, los hace demasiado largos o asigna a cada persona una cantidad errónea de dedos, o sencillamente nos ofrece una imagen un tanto creepy con un extraño conjunto de deformidades realistas. Y es que las manos (y esto se lo puedes preguntar a cualquier artista) son, para empezar, una de las partes del cuerpo más complejas de representar. Tanto que, hasta la IA, que es algo que a fin de cuentas ha sido creado por humanos, sigue teniendo exactamente el mismo problema. Las diferencias geométricas entre manos de una y otra persona suelen ser el principal problema de la IA, así como la enorme cantidad de posiciones y formas que pueden tener, podría decirse que son los tres principales puntos de confusión. Por otro lado, se sabe que muchas de las imágenes humanas con las que la IA se entrena no muestran a personas en las que las manos se puedan siempre identificar por completo, ya sea porque no salen las manos enteras o porque aparecen las personas sujetando algo.
Las emociones son la clave
Si trasladamos todo esto al terreno del DJ las cosas caen por su propio peso. Una IA puede decirte cuál podría ser el siguiente tema adecuado para pinchar, basándose en una serie de parámetros matemáticos como el tempo, la tonalidad, o incluso podría basarse en pistas que, desde un punto de vista humano podríamos darle, como el género o incluso la emotividad o la energía de la canción, pero es imposible que una IA, por el momento, deduzca la forma en que una mezcla bien elegida desencadena en tu cerebro, al escucharse, una serie de conexiones sinápticas que te producen bienestar (o cualquier otra emoción que el DJ decida). Puedes pensar que me equivoco, ya que la música son matemáticas, y cosas como mezclar armónicamente dos temas es algo matemáticamente predecible como “adecuado” para nuestro cerebro… pero hay factores que, sencillamente, por el momento son simplemente inexplicables y dependen únicamente de una cualidad emocional que el DJ aprende y sabe detectar, y es que ¿por qué narices la gente canta al unísono “One More Time” de Daft Punk si, en realidad, la letra no quiere decir absolutamente nada? ¿por qué “Losing My Religion” de REM es una canción que todo el mundo canta tranquilamente cuando llega su estribillo si, en realidad, la canción trata sobre perder los nervios? Cosas inexplicables del arte. Por otra parte, siempre sería necesaria la intervención humana (al menos por ahora, y hasta dentro de bastante tiempo) para explicarle a una IA cómo debe mezclar los temas para no ser absolutamente repetitiva. ¿Os habéis fijado antes en todos los parámetros de fotografía que había que introducir para que la foto del Papa fuera mínimamente realista? Pues imaginad todo lo que técnicamente habría que explicarle a una IA para que su sesión no fuera un coñazo insufrible y repetitivo. Piensa en todos los pequeños detalles que ejecutas durante una sesión, pero a la vez piensa en todas las cosas que no hiciste y que podrías haber hecho, en por qué elegiste un determinado camino, y también piensa de qué forma el público te influyó en tus decisiones… De hecho, te propongo que, como ejercicio y según escuches una sesión tuya, tomes nota de todo eso que realizas y lo anotes y, si quieres, anotes a un lado los caminos que podrías haber tomado en cada momento y no tomaste. Estoy seguro de que vas a escribir mucho… Mira ahora todo lo que has escrito, porque eso es lo que te define (hasta cierto punto) como DJ en el momento que realizaste la sesión. Si pudieras analizar de la misma manera todas las sesiones que llevas pinchadas durante 2023 a lo mejor podríamos encontrar algunas similitudes y empezar a realizar algunos estudios estadísticos, como la probabilidad de que subas la velocidad general de la sesión en un determinado momento, o de que pongas un tema muy energético en otro momento específico. Esas probabilidades ya comenzarían a ser algo que una IA podría identificar, y sería el tipo de dato que le gustaría, sin duda alguna, replicar. Pero no sería porque la IA entienda qué es lo más apropiado o lo mejor porque se lo diga algún tipo de intuición o porque lo vea en la pista; simplemente serían acciones que repetiría por probabilidad.
Estad tranquilos: no entiende nada
Pero si queréis estar más tranquilos con vuestra profesión haced el siguiente ejercicio, y entenderéis por qué la IA tiene todavía mucho camino por recorrer antes de quitaros el trabajo: pedidle a una IA de representación de imágenes que os muestre a un DJ en una cabina realizando su trabajo. Da igual que le pidáis un dibujo, una acuarela, o una imagen realista: cuando la IA represente al DJ lo hará frente a un equipamiento que no tiene ni pies ni cabeza. Sí, mostrará muchos botones, controles, cosas que giran, luces… porque la IA sabe que una persona con esa profesión toca todas esas cosas, pero en realidad no entiende su propósito. No sabe para qué sirve toda nuestra cacharrería, ni de qué forma manipulamos el sonido, porque al igual que nuestra forma de pinchar una IA sólo podría entenderla mediante probabilidad, pasa algo parecido si tuviera que representar nuestros “aparejos de matar”. Sabe que, probablemente, haya botones y luces, pero al no tener un entendimiento de lo que realmente hace cada elemento, los coloca de manera que quizá alguien ajeno a nuestra profesión lo vea, y hasta pueda ser engañado, pero un compañero de profesión, si lo mira, va a saber que eso no tiene ningún sentido.
Por otra parte, hay un factor humano que define a muchos DJ especializados en géneros concretos, y es su maleta. Un DJ con años de trayectoria tiene una colección de discos, o de música (para no hacer referencia a ningún formato concreto), que ha ido seleccionando desde hace un buen número de años; canciones que ha elegido por cuestiones personales en algunos casos, y en otros por cuestiones profesionales, por la oportunidad de poseer o de pinchar algo muy exclusivo. Quizá, en un momento dado de su vida compró poca música por cuestiones económicas, y por el mismo motivo en otras épocas compró más… Al final, es muy probable que dos DJs de la misma edad, y especializados en el mismo género, tengan mucha música coincidente, pero seguramente tendrán otra mucha muy distinta, y seguramente entre esa música que les diferencia se defina el estilo personal de cada uno. ¿En base a qué parámetros definimos algo así en una IA? Os doy un adelanto: no se puede. Y me da exactamente igual que haya noticias por ahí de que en el Reino Unido estén probando a sustituir DJs por IA, porque no hay actualmente modelos de aprendizaje que tengan en cuenta vertientes sociológicas del DJ para realizar selecciones musicales. Es más, teniendo en cuenta que empieza a haber grandes discográficas como Universal que empiezan a quejarse de que las IA accedan a su biblioteca musical sin pagar royalties, va a tardar en haber algo así. Pero eso lo dejaré para otro artículo, porque solamente hablar de las implicaciones legales de eso daría para un largo texto.
La perfección como fallo
Si escuchas la sesión que puse al principio del artículo verás que tiene un tremendo error a pesar de todas las ayudas y asistencias digitales con las que se contó, y es que la sesión, independientemente de que sea más o menos aburrida (es muy aburrida) técnicamente es perfecta, apenas tiene ningún fallo, ninguna mezcla se descuadra, ningún tema tiene saltos, todo suena en el sitio… y esa perfección, denota en cierto modo que hay una máquina detrás.
Hace bien poco detecté precisamente el uso de una inteligencia artificial por la perfección de los resultados, porque precisamente se empleaba en uno de mis campos favoritos: la escritura. Se empleaba en los comentarios de un conocido agregador de noticias para escribir de forma automática comentarios favorables hacia la figura de una conocida periodista y presentadora española de TV, que había lanzado una crítica pública hacia un dirigente político. Cuando me di cuenta, intenté provocar a la IA incluso faltandole al respeto y lanzando muy duras críticas contra la periodista que defendía, pero cometió varios errores: frente a los insultos y faltas de respeto no respondía, algo muy poco usual para alguien que escribe en español en público (no tenía para nada en cuenta las posibles respuestas emocionales), y la estructura con la cual componía sus respuestas era muy repetitiva. La prueba de fuego fue que me llevé uno de mis mensajes a ChatGPT y le pedí que compusiera una respuesta a ese mensaje, y me ofreció un texto casi idéntico a uno de los que acababa de leer en el agregador de noticias. Cuando enfrenté a la IA y le dije que era eso, un modelo informático, reconoció que era un sofisticado sistema autónomo, y hasta en parte de su respuesta se sintió “ofendida” (seguramente esta parte de la “ofensa” fue alguna broma que introdujo un programador).
Todo lo anterior intentemos extrapolarlo a una sesión: por ejemplo, una IA no tendrá fatiga auditiva, no repetirá un sólo tema, no le cabalgará una sola mezcla, pero… ¿vaciará la pista? Casi con total seguridad. Y es posible que la vuelva a llenar, pero en general el público notará, en un cierto momento de la noche o de la sesión, una enorme desconexión con lo que escucha. Será lo que se conoce como “el valle inquietante”, un fenómeno hasta ahora que sólo se daba en robótica, y es un rechazo natural hacia robots que tratan de replicar con demasiado realismo formas y comportamientos humanos, sólo que ahora nos empezará a pasar con algunas IA imitando la realización de cosas plenamente humanas, como el arte. Y uno de esos momentos en que podríamos notar eso mismo, esa sensación de rechazo, que podría traducirse en una “desconexión musical”, podría ser justo al escuchar una sesión creada por una IA. Su nivel de perfección podría ser tal, que en realidad tendríamos claro que eso no lo está haciendo un ser humano. Un claro ejemplo de esto lo tuvimos en la película Rogue One de la saga Star Wars, donde mediante modernas técnicas. la actriz Carrie Fisher fue rejuvenecida para mostrar a la princesa Leia tal y como la pudimos ver en el primer film. Nadie sabe muy bien dónde estaba el fallo, pero mucha gente coincidió en que, a pesar de que estaba realmente bien hecha la transformación usando técnicas digitales, el resultado de la Leia digital, sencillamente producía cierto rechazo, y tenía “algo extraño” que hacía que no pudieras quitarte de la cabeza que “eso” era falso. Era algo hecho por máquinas.
Compensaciones para el futuro
Para cerrar el artículo, donde creo que he dejado bastante claro que la IA todavía está lejos de reemplazar a un DJ (hay más argumentos, pero hay que poner el punto y final en alguna parte), querría destacar algo sobre lo que mucha gente está hablando, y es que si en algún momento una IA es capaz de realizar un trabajo artístico por el que pueda cobrar después de entrenarse con las obras artísticas de otros, quizá debiera pagar un canon o unos royalties por haber “consumido” esas obras previas. Me gustaría dejar una reflexión al respecto, y es que yo no creo que una IA deba pagar ese tipo de cánones a empresas o asociaciones privadas de gestión. Creo, sinceramente, que todas las IA deberían en algún momento pagar a los gobiernos un impuesto que sea proporcional a los puestos de trabajo que puedan eliminar potencialmente, sean los que sean. De esa manera, las IA directamente amortizarán los gastos sociales de recolocación o directamente de jubilación, si es el caso. ¿Cómo debería calcularse eso? Bueno, no tengo la respuesta, aunque si se lo preguntamos a una IA, seguramente nos ofrezca un pintoresco resultado.
Por Teo Tormo
Muy bueno. Chapeau!