Skip to main content

1.3. Panorama actual: artistas, colectivos y tendencias en arte con IA

Antes de comenzar este apartado, me gustaría compartir contigo esta campaña publicitaria de la empresa Milfshakes del pasado noviembre de 2025.

En ella, se exponen 4 obras creadas por IA, las cuales se subastaron en su web y alcanzaron precios entre los 1550 y los 12.000 euros. El proyecto, se lanzó como un experimento sobre los conceptos de creatividad y algoritmo. Tan solo estuvo 3 días activo y las conversaciones digitales giraron en torno a la autoría digital, la estética fría de las obras generadas con IA y el futuro del arte. Además, destacaron los comentarios sobre la presencia claramente perceptible del código dentro de las obras subastadas.

Una publicación compartida de @nil
sorpresa.gif

 

Pero, lo que no sabían los compradores ni los miles comentaristas dentro de las distintas RRSS en las que se compartió el proyecto, es que las obras sí las hizo la IA, concretamente 4 mujeres llamadas IA.

 

En España existen 218 mujeres llamadas IA y, para este proyecto, buscaron a las artistas Ia Barba, Ia Dolçet, Ia García e Ia Ruiz para que les creasen las cuatro obras que subastaron.

1.3.1. Artistas y Colectivos clave

Refik Anadol : Unsupervised - Machine Hallucinations, 2022 | MoMA.

Mario Klingemann : Common Daemoniator - recorded session, 2020

Trevor Paglen: Faces of ImageNet, 2022
Utiliza "datasets" masivos (archivos de museos, vientos del desierto o redes sociales) para crear esculturas de datos fluidas. En su obra Unsupervised (2022) en el MoMA, la IA "sueña" con la historia del arte moderno basándose en la colección del museo, generando una pieza que cambia constantemente según el movimiento del público.

Se aleja del hiperrealismo para explorar lo grotesco y lo humano. Utiliza las IA (especialmente GANs) para deconstruir rostros y cuerpos. No busca el "prompt" perfecto, sino el fallo del sistema. Investiga cómo la IA interpreta conceptos abstractos como la belleza o la fealdad.

 Utiliza la IA para exponer los sesgos del reconocimiento facial y los sistemas de vigilancia militar.
En ImageNet Roulette, clasificaba a las personas que pasaban frente a la cámara de la instalación según los prejuicios de los conjuntos de datos de entrenamiento (ej., etiquetando a alguien como "delincuente" o "sospechoso" por su apariencia física).


















1.3.2. Tendencias Emergentes

 

Back to top