1.2. 🏛️ Breve historia del arte y la tecnología: de los algoritmos generativos al arte asistido por IA

La Inteligencia Artificial no se ha metido en el arte de golpe, sino que es el resultado de un largo proceso de pruebas con algoritmos que ha cambiado totalmente la idea tradicional de quién es el autor, del proceso de creación y del concepto de arte en sí mismo.

Para entender lo que pasa ahora —desde jugar con los prompts en los modelos de difusión hasta las discusiones éticas sobre los datasets—, es clave darse cuenta de que el arte con IA es solo el punto más reciente de una relación que viene de lejos entre la creatividad humana y los sistemas automáticos.

En esta sección vamos a ver cómo ha evolucionado la autoría con algoritmos. Haremos un repaso desde los primeros artistas en los 60, que ya dejaban que el código hiciera los trazos; hasta la co-creación híbrida tan sofisticada de hoy. Analizaremos cómo ha cambiado el papel del artista: de ser un Algorista (el programador que ponía las reglas) a convertirse en un Director de Arte (el que selecciona y cura los resultados). Por último, veremos cómo los avances tecnológicos —desde los plótters mecánicos y las GANs, hasta los modelos de difusión actuales— han obligado a repensar conceptos esenciales en las artes visuales como la originalidad, la emergencia y el control.

1.2.1. Orígenes: Arte algorítmico y por computadora (1950s-1970s)

Esta primera etapa, que a menudo llaman Génesis del Arte por Computadora o Primera Ola del Arte Generativo, se distingue por el uso de la tecnología de un modo muy riguroso y, sobre todo, experimental. La clave aquí, es la estructura. El artista, que era también el programador; intervenía directamente y de antemano, para definir y codificar las reglas de la creación. El movimiento tuvo sus inicios académicos y experimentales a mediados de los años 60, principalmente en Europa y Estados Unidos.   Frieder Nake, Georg Nees, Harold Cohen o Vera Molnár son los artistas e investigadores universalmente conocidos como los padres del Arte Algorítmico (o Arte por Computadora). Su trabajo se centró en explorar cómo las funciones matemáticas (ecuaciones de segundo grado o los procesos aleatorios controlados) podían generar composiciones complejas y visualmente interesantes. Nees, en particular, exploró la transición gradual del orden al desorden (orden-desorden) utilizando parámetros de aleatoriedad.

Principios fundamentales: la regla como base artística

1. El algoritmo es lo más importante. 
La obra no es un reflejo directo de la mano o de los sentimientos del artista, sino el resultado objetivo y predecible de una serie de instrucciones lógicas.

2. Artista-Programador y el Control de la Estructura
El artista tenía un doble papel; era el creador estético y, a su vez, el técnico que programaba. Su toque personal se minimizaba durante la ejecución de la obra, pero se maximizaba al definir las reglas que la generaban. El código (o sea, el algoritmo) se convertía en el plano, en el guion o en la partitura que marcaba todo el proceso creativo.

3. La Máquina como Herramienta Ejecutora
La computadora y sus accesorios —especialmente el plótter (trazador mecánico)— no eran solo herramientas, sino colaboradores muy disciplinados. El plótter traducía las coordenadas y las funciones matemáticas del algoritmo en trazos físicos, casi siempre sobre papel, creando gráficos de líneas muy precisas y geométricas. El resultado visual dependía totalmente de las reglas que se habían programado (por ejemplo, parámetros para introducir aleatoriedad controlada en el tamaño, la posición, la rotación o la densidad de una forma).

Máquina de dibujo de superficie plana ZUSE Z64, utilizada por Nees en 1963 para producir sus obras.	La IA creando con un plótter  (Minerva Rodríguez + Gemini + Haliou IA).

4. El Arte como Resultado de un Proceso
La obra final no se veía solo como el objeto visual (el dibujo), sino como la prueba visible de un proceso lógico y matemático. El valor artístico estaba tanto en lo "elegante" del código como en lo impactante del resultado visual.

Foco estético: la estética informacional y la abstracción geométrica

El impacto visual de las obras de esta etapa está profundamente ligado a su origen matemático:

Peter Kreis (1970) Compart Nr. 11	Herbert W. Franke (1961) Analoggraphik	Charles "Chuck" Csuri / James Shaffer (1967) Sine Curve Man

• Estética Informacional (Information Aesthetics): Este concepto se convirtió en el principal marco teórico. La belleza emergía de la secuencia lógica y la coherencia matemática de las instrucciones. La complejidad y el atractivo residían en cómo patrones simples, al ser repetidos y modulados por reglas algorítmicas, daban lugar a estructuras visuales complejas y a menudo inesperadas.

• Abstracciones Geométricas: Dada la naturaleza del plótter y los lenguajes de programación iniciales (como FORTRAN o Algol), los resultados tendían a ser abstractos, limpios y fuertemente geométricos: retículas, curvas paramétricas, superposiciones de líneas, y variaciones sistemáticas de formas básicas. Existía una conexión estética con el constructivismo y el arte concreto de principios del siglo XX, pero ahora mediada por la máquina.

Charles "Chuck" Csuri / James Shaffer, 1967, Random war

Destacar la obra de 1967, Radom War de Csuri y Shaffer; donde encontramos dibujado un soldado de juguete, el cual se convirtió en la baraja de datos, por medio de un programa informático que generaba números aleatorios se determinó la distribución y posición de 400 soldados en el campo de batalla. Un bando se denominó "Rojo" y el otro "Negro", y se le asignaron los nombres de personas reales. Otro programa informático asignó rangos militares y números de serie del ejército al azar. El generador de números aleatorios determinó la siguiente información y la computadora creó esta imagen con la lista de bajas: 1) Muertos 2) Heridos 3) Desaparecidos 4) Supervivientes 5) Un héroe por cada bando 6) Medallas al Valor 7) Buena Conducta 8) Medallas a la Eficiencia. [Csuri y Shaffer, 1968], [cf. Rosen, 2011, p. 258] 

1.2.2. El software y la interactividad (1980s-2000s)

Esta etapa es crucial porque marca la democratización del acceso a la tecnología creativa. Si los años 60 y 70 eran de "científicos y mainframes", esta era es la de "artistas y ordenadores personales".

Este periodo se define por la llegada del Ordenador Personal (PC/Mac) y la Interfaz Gráfica de Usuario (GUI). El código binario se esconde detrás de iconos y ventanas, y la máquina pasa de ser una calculadora gigante a ser un lienzo infinito.

La metáfora de la herramienta: del código al "pincel digital"

A diferencia de la etapa anterior (donde se escribía código para mover un plótter), en los 80s y 90s surge el software que simula herramientas físicas tradicionales.

La IA en Adobe Photoshop'90 (Minerva Rodríguez + Geminni + Hailou AI)	John Knoll nos muestra cómo funcionaba Photoshop en sus primeras versiones

• La Revolución de Adobe: El lanzamiento de Photoshop (1990) cambia las reglas del juego. La manipulación fotográfica deja de ser química (cuarto oscuro) para ser matemática (píxeles), pero la interfaz usa metáforas familiares: "pincel", "borrador", "lazo".

• El Artista como Operador de Software: El artista mantiene el control manual completo. La máquina no "imagina" (como la IA actual), solo ejecuta comandos precisos. La habilidad reside en el dominio de la interfaz y la técnica de manipulación.

• Hito: El auge de la pintura digital y el diseño gráfico asistido por ordenador (CAD).

Aquí puedes descargar de forma gratuita el código fuente original de la primera versión de Photoshop por si te apetece emularlo (tendrás que aceptar las condiciones y términos antes).

Programación creativa: el código como medio expresivo

	A finales de los 90 y principios de los 2000, surge una reacción contra las herramientas comerciales "cerradas" (como Photoshop).   Artistas y diseñadores quieren volver a escribir sus propias reglas.   John Maeda y el MIT Media Lab: Promueven la idea de que para entender el medio digital, el artista debe saber programar. Diseñar es programar. A John Maeda lo conocerás por grandes obras como Las leyes de la simplicidad o How to speak machine, laws of design for a digital age.   Processing (2001): Creado por Casey Reas y Ben Fry. Es un lenguaje de programación diseñado específicamente para artistas visuales. Democratizó el Arte Generativo moderno. Permitió a miles de estudiantes crear sistemas visuales complejos sin ser ingenieros informáticos.
John Maeda. .Too Mona Poster. 1994	Processing sigue siendo hoy la base para enseñar pensamiento computacional en muchas escuelas de arte.
Reas. Process 6 (image 4), 2005.	Por ejemplo, para programar este "Array Objects" 👇 en Processing deberemos usar el siguiente código:

El Net.Art y la estética del Glitch

Con la popularización de Internet (Web 1.0) a mediados de los 90, la red se convierte en galería y soporte, desafiando las estructuras de los museos y galerías tradicionales y convirtiendo la red en su nuevo espacio artístico. 

Nam June Paik. Megatron/Matrix y Electronic Superhighway (1995)	La IA con problemas (Minerva Rodríguez + Geminni + Hailou AI)

Los artistas buscan el error informático como declaración artística y conceptual.

NET.ART: Los artistas crean obras que solo pueden existir en un navegador. Desafían la estructura lineal y la propiedad del objeto artístico. Principios y estrategias de este tipo de arte: Comunidad y Colaboración Fomentar la creación de comunidades globales de artistas, sin distinción de disciplinas ni nacionalidades. Promover la inversión desinteresada y la colaboración libre de preocupaciones por la apropiación de ideas. Naturaleza de la Obra y la Acción Priorizar la comunicación y la inmediatez sobre la representación. Características intrínsecas: inmaterialidad y temporalidad. Enfoque en la acción y los procesos creativos. Adoptar el juego y la actuación sin temor a las repercusiones históricas. Estrategias de Red y Expansión Utilizar el parasitismo como táctica: partir del punto inicial de alimentación de la red para expandirse a las infraestructuras de la vida real. Eliminar las barreras entre lo público y lo privado. El Ecosistema Digital Total Internet como un medio integral que abarca producción, publicación, distribución, promoción, diálogo, consumo y crítica ("Todo en uno"). Mutación y desintegración de roles tradicionales: artista, curador, amigo por correspondencia, público, galería, teórico, coleccionista y museo. La primera generación de netartistas estaba formada por Vuk Cosic, Alexei Shulgin, Jodi, Heath Bunting y Olia Lialina.

El origen del término net.art surge de forma espontánea, a partir de un email que le llega a Vuk Cosic en diciembre del 1995 enviado por un anónimo y en el que únicamente era legible la palabra Net.Art debido a la incompatibilidad del software. Éste, usó el término para denominar a las prácticas que en ese momento se estaban haciendo en el campo artístico (en una especie de gesto dadaísta, a modo de ready-made).   Captura de My boyfriend come back from the war de Olia Lialina, 1996.

JODI, My%Desktop. 2002

JODI (Joan Heemskerk y Dirk Paesmans): los pioneros JODI usaban el código HTML erróneo y el caos visual para mostrar las "entrañas" de la máquina. Sus obras consisten en la intervención de videojuegos e interfaces gráficas de computadora mediante el uso de software que agresivamente deconstruye el contenido ya instalado.  De hecho, la ejecución de una aplicación JODI a menudo requiere una reorganización completa del sistema. El propósito principal del grupo es desmantelar las aplicaciones informáticas comerciales y exponer enfoques alternativos dentro del ámbito del software art.

En esta época se puso de moda la creación de obras artísticas jugando con el código y el texto, concretamente con el ASCII (Código Estándar Americano para el Intercambio de Información); el cual, posee caracteres estándar que define en 128 caracteres. Su función es asignar números a letras, dígitos y símbolos, lo que permite a las computadoras procesar y comprender texto.  Si quieres probar tu mism@, puedes escribir tu el código a mano o usar generadores como este; en el que puedes convertir una imagen en ASCII B/N, ASCII Color o un texto en una firma ASCII.

La IA con ASCII (Minerva Rodríguez + Geminni + Hailou AI)

• Estética del Glitch: El error informático, la imagen corrupta y el píxel roto se convierten en una categoría estética válida. Se deja de buscar la "alta definición" para celebrar la textura digital. Se pasa de los errores accidentales a la provocación intencional con fines estéticos, donde la imprevisibilidad es un elemento clave.

Len Lye. A colour box (1935)	Nam June Paik. Tv Magnet (1965)	Jamie Fenton y Raul Zaritsky. Digital TV Dinner. 1978

Trayectoria del Glitch 1935: Se marca un hito con «A Colour Box» de Len Lye, considerada una obra fundacional. 1963-1965: Nam June Paik realiza sus experimentos iniciales de distorsión en la televisión. 1978: Creación de «Digital TV Dinner» por Jamie Fenton y Raul Zaritsky, con audio de Dick Ainsworth, mediante la manipulación de la videoconsola Bally. Década de 1980: El fenómeno comienza a manifestarse en el ámbito de la informática y los videojuegos. 2002: La plataforma Motherboard organiza un simposio sobre glitch en Oslo, Noruega. 2010-2011: Se llevan a cabo las conferencias GLI.TC/H en ciudades clave como Chicago, Ámsterdam y Birmingham.

«Del mismo modo que el collage ha desbancado a la pintura al óleo, el tubo de rayos catódicos sustituirá al lienzo», fueron las palabras que pronunció Nam June Paik al hablar del futuro del arte; el cual estuvo muy influenciado por la obra de John Cage y su paso por el movimiento Fluxus donde transformó el concepto de error en un nuevo lenguaje visual.

Arte interactivo: el espectador como usuario

La obra deja de ser un objeto estático para contemplar y se convierte en un sistema que espera una entrada (input). La obra ya no es un objeto terminado, sino un sistema abierto que requiere la acción del espectador para completarse. Sin interacción, la obra está "dormida".

Jeffrey Shaw: The Legible City (1989)	Rafael Lozano-Hemmer: Alzado Vectorial (2002)	Camille Utterback y Romy Achituv: Text Rain (1999)
Al pedalear y mover el manillar, el usuario recorre una ciudad virtual (basada en mapas reales de Ámsterdam o Nueva York) donde los edificios han sido sustituidos por letras y textos gigantes en 3D.	En 1999, instaló 18 potentes cañones de luz antiaérea en el Zócalo de la Ciudad de México (hay réplicas en Vitoria-Gasteiz en 2002 o en Vancubver en 2010).   Lo revolucionario fue que las luces podían ser controladas por cualquier persona en el mundo a través de este sitio web.	Utiliza la visión artificial temprana para crear una interacción íntima. Los participantes se ven reflejados en una pantalla mientras "caen" letras digitales como si fuera lluvia. Éstas son detenidas por la silueta del usuario. Al moverse, el espectador puede atraparlas, cargarlas o dejarlas caer. La obra explora la danza entre el cuerpo físico y los datos digitales.

El Bucle de Retroalimentación: Input (sensor/ratón/cámara) --> Procesamiento (algoritmo) --> Output (imagen/sonido).

1.2.3. El salto cognitivo: machine learning y GANs (2010s)

La IA aprendiendo patrones (Minerva Rodríguez + Gemini + Haliou Ai)

En esta década, se produce el cambio de paradigma más profundo en la historia de la computación creativa: el paso de la programación de reglas (donde el humano dice "cómo" hacer algo) al aprendizaje de patrones (donde la máquina "entiende" qué es algo tras ver millones de ejemplos).   La programación por reglas se clasifica en tipos según su motor y su lógica empleada, destacando la Programación Lógica (como Prolog, que usa hechos y reglas para inferir) y la Programación Declarativa, donde se describe qué se quiere, no cómo, siendo los sistemas expertos (como CLIPS) enfocándose en la definición de conocimiento mediante condiciones (si) y acciones (entonces).

La inteligencia artificial deja de ser un conjunto de instrucciones rígidas para convertirse en un sistema de redes neuronales capaz de imitar procesos cognitivos humanos como la visión y la asociación conceptual.

Deep learning y el entrenamiento de la mirada

Gracias al aumento de la potencia de cálculo (GPUs) y a la disponibilidad de bases de datos masivas (Big Data), los algoritmos comenzaron a "aprender" de forma autónoma.

Reconocimiento de patrones Por primera vez, una máquina pudo distinguir un gato de un perro simplemente analizando miles de imágenes. La IA distinguiendo las obras de Van Gogh de las de Monet (Minerva Rodríguez + Gemini)	Domingo Mery (2020) explicando el Reconocimiento de patrones.
Google DeepDream  En 2015, fue la primera vez que el gran público pudimos ver el "interior" de una red neuronal. El software buscaba patrones donde no los había, creando imágenes psicodélicas y "alucinatorias" llenas de ojos y animales. Google liberó su código (usado para la búsqueda por imágenes en su buscador) para así poder estudiar cómo cada neurona de la red entrenada con millones de imágenes clasifica nuevas y cómo reacciona ante ella. Dicho proceso creaba nuevas imágenes a partir de las originales, reinterpretándolas, pintándolas.	Original e iterada por Pjfinlay (2021) Mona Lisa with DeepDream effect using VGG16 network trained on ImageNet
Esto posibilitó la noción de que la IA podía tener una estética propia, aunque fuera a través del error de interpretación.	El concepto de Deep Dreaming surgió a partir de las imágenes resultantes, las cuales parecían ser un reflejo de los sueños más profundos de la máquina, casi como si el modelo computacional estuviera pintando obras de arte.
	La banda estadounidense de indie rock Foster the People, utilizó Deep Dreaming en la producción de su videoclip “Doing it for the Money” en 2017. En el vídeo, Daniel Henry quiso usar esta tecnología para reinterpretar el mundo real de una manera completamente nueva (si nunca -por lo que dice la gente- no se ha experimentado nunca con las drogas psicodélicas).     La IA dentro de un sueño Deepdream (Minerva Rodríguez + Gemini + Hailou Ai)

Más info sobre la Historia de la IA, el Machine Leaning y el Deep Learning 👉 aquí.

La revolución de las GANs

Gracias al aumento de la potencia de cálculo (GPUs) y a la disponibilidad de bases de datos masivas (Big Data), los algoritmos comenzaron a "aprender" de forma autónoma. El artista se convierte en un "criador" de redes.

En 2014, Ian Goodfellow inventó las Redes Generativas Antagónicas (GANs).  Este sistema consiste en dos IAs enfrentadas:   El Generador --> Intenta crear una imagen desde cero. El Discriminador --> Actúa como un crítico de arte que compara la creación con imágenes reales y le dice al Generador si es "falsa". Este proceso de retroalimentación permitió generar rostros, paisajes y texturas con un realismo nunca visto haciendo que el artista ya pintase píxeles, sino que entrenaba el sistema y seleccionaba los mejores resultados.

I generadora, A discriminadora (Minerva Rodríguez + Gemini + Hailou Ai)

Mario Klingemann: Face Feedback III (2017)	Obvius: Edmond de Belamy (2018)	Refik Anadol: Quantum memories (2020)
Pionero en el uso de GANs para explorar la figura humana. Sus obras a menudo parecen pinturas inacabadas o perturbadoras, utilizando el "fallo" de la IA para crear una nueva forma de expresionismo algorítmico. En este caso, es un bucle de retroalimentación GAN que genera rostros desde cero.	El colectivo francés utilizó una GAN para crear un retrato que fue subastado en Christie's por más de 400.000 dólares. Fue el momento en que el mercado del arte tradicional reconoció oficialmente a la IA como una herramienta de alta cultura.	Revolucionó el arte de datos utilizando el Machine Learning para procesar millones de memorias (fotos de ciudades, archivos de museos) y convertirlas en "esculturas de datos" fluidas que parecen sueños colectivos.

El espacio latente (latent space)

Gracias al aumento de la potencia de cálculo (GPUs) y a la disponibilidad de bases de datos masivas (Big Data), los algoritmos comenzaron a "aprender" de forma autónoma. 

Es el término filosófico más importante de la era --> la IA no copia y pega, sino que sitúa cada concepto en un mapa matemático multidimensional.

El latent space es un "mapa multidimensional" donde la IA organiza conceptos no por su nombre, sino por sus características matemáticas subyacentes, con las cuales puede trabajar de distintas maneras: aritmética de conceptos, interpolación, coordenadas, generación por ejes...

La IA viendo el latent space (Minerva Rodríguez + Gemini + Hailou Ai)

Jorge Calvo (2022) El espacio latente en una IA

Aritmética de conceptos	Interpolación	Estilos artísticos	Generación de rostros
De rey a reina por aritmética	Silla y pulpo interpolados	IA postimpresionista	Creando rostros
Los conceptos se pueden sumar y restar como si fueran números. Si tomamos las "coordenadas" de ciertos vectores, podemos hacer operaciones lógicas:   Rey - Hombre + Mujer = Reina	Si el punto A es una "Silla" y el punto B es un "Pulpo", la interpolación es el proceso de caminar por ese mapa:   Al 25%, tendrías una silla con patas que parecen ventosas. Al 50%, verías un híbrido. Al 75%, sería un pulpo con una estructura rígida y cuadrada.	Cuando una IA aplica un "estilo de Van Gogh" a una foto tuya, está navegando por el espacio latente:   Mantiene la estructura de tu cara y desplaza las coordenadas del estilo hacia la región donde residen los "pincelazos gruesos" y los "colores amarillos y azules".	En los modelos que generan caras de personas que no existen, el espacio latente tiene ejes para atributos específicos:   Un eje controla la edad. Otro eje controla la longitud del pelo. Otro la sonrisa.

Los artistas de esta década empezaron a "viajar" por este mapa, buscando los puntos intermedios entre conceptos, apareciendo nuevas formas que no se preveyeron, pero que la IA "dedujo" a partir de su entrenamiento.

1.2.4. La era del lenguaje natural: modelos de difusión (2020s-Actualidad)

La Inteligencia Artificial sale de los laboratorios de computación y aterriza en las manos de cualquier persona con un teclado. Es la era del "Promptismo" y la democratización masiva de la creación visual.

En la década anterior (GANs), el artista era un "entrenador" de redes; en esta década, el artista se convierte en un "director de escena" que utiliza el lenguaje humano para crear imágenes.

De la competición a la difusión

A diferencia de las GANs (que hacían competir a dos redes), los Modelos de Difusión funcionan mediante un proceso inverso al ruido:

1. Destrucción: El modelo se entrena añadiendo ruido (píxeles aleatorios) a una imagen hasta que es irreconocible.

2. Reconstrucción: La IA aprende a quitar ese ruido paso a paso para recuperar la imagen original.

3. Generación: Cuando le damos un prompt, la IA parte de un lienzo de ruido puro y empieza a "limpiarlo" para encontrar la imagen que el texto describe.

El auge del Prompt Engineering

La gran revolución de 2022 (con Midjourney, DALL-E 2 y Stable Diffusion) fue la capacidad de los modelos para entender la semántica.

• Multimodalidad: La IA conecta el lenguaje (procesado por modelos como CLIP) con la imagen. Entiende que "un gato estilo cubista" requiere un sujeto específico y una gramática visual fragmentada.

• El Artista como Curador: La habilidad técnica se desplaza hacia la precisión verbal. El artista debe dominar la iluminación, la lente de cámara, la composición y la historia del arte para redactar instrucciones efectivas.

Conceptos críticos 

• Desmaterialización de la Destreza: Se debate si el dibujo manual sigue siendo necesario. El consenso artístico evoluciona hacia la idea de que la IA es un "exocórtex" o una extensión del cerebro creativo.

• Ética y Copyright: Esta era ha traído los mayores desafíos legales. ¿Es lícito entrenar modelos con obras de artistas vivos sin su consentimiento? Surge el concepto de "Consentimiento Algorítmico".

• La Estética de la IA: Se empieza a identificar una "estética por defecto" de la IA (brillo excesivo, simetría perfecta), lo que empuja a los artistas a buscar el "error humano" o estilos altamente personalizados para diferenciarse.

Hitos históricos fundamentales