Inteligencia artificial y música
La mente, máquinas y centralización: por qué ahora los músicos tienen que hackear la Inteligencia artificial
Sirva este artículo de Peter Kirn, director del CTM Hacklab, como introducción al interesante tema de cómo una industria centralizada se apropia de la música, en la que Muzak aparecería como la marca precursora del empleo de la inteligencia artificial con el fin de crear una “cultura preprogramada”.
En él además se analizan distintas estrategias efectivas para quien prefiera la libertad de decisión y, por qué no, la incertidumbre, a la hora de reaccionar e interactuar día a día con las nuevas tecnologías, cada vez más presentes en nuestras vidas.
De Peter Kirn
Ya no existe, pero en su momento Muzak (una marca de música de fondo) estaba en todas partes. Y todo gracias a su gestión empresarial, que se encargó de hacer omnipresente su producto, hasta el aburrimiento incluso, además de haber sido concebido como un medio para influir sobre la conducta. Así, la palabra muzak se convirtió en sinónimo de lo más odioso de la industria musical.
Por muy anacrónico que parezca hoy en día, Muzak fue en su día, sin embargo, un símbolo de cómo las nuevas tecnologías de la telecomunicación afectarían el consumo cultural en el futuro. Puede ser que Muzak sea sobre todo conocida por su sonido, pero su método de transmisión también es digno de mención. Casi un siglo antes que Spotify, el fundador de Muzak, el mayor general George Owen Squier, tuvo la idea de difundir música a través de cables (la multiplexación de operadores telefónicos, para ser más precisos), técnica que al mismo tiempo no difiere tanto de los métodos actuales. Sin embargo, la patente que obtuvo por su “técnica de transmisión y distribución de señales por líneas eléctricas” no se especializaba en música ni en contenidos sonoros. Aún así, el mayor general fue el primer empresario que demostró con éxito en la práctica que el futuro estaba en la distribución electrónica de música, arrebatando así la supremacía a las emisoras de radio y otorgando un papel más importante a las distribuidoras (Squier también fue quien acuñó el, entre tanto aborrecido, nombre de la marca: Muzak.)
Lo que actualmente conocemos como industria musical convencional tiene su origen en los rodillos de la pianola, luego en las gramolas y, por último, en las emisoras de radio y medios físicos. Muzak en comparación era completamente distinta, cambió las tornas: una empresa invisible y centralizada elaboraba unas listas de reproducción que posteriormente conectaba a la red y se oían en todas partes. Por ejemplo, en los ascensores de los centros comerciales (de ahí la expresión “música de ascensor”). O desde altavoces escondidos en las macetas. La Casa Blanca y la NASA estuvieron suscritos por un tiempo a Muzak. La música preprogramada reemplazó el silencio.
Con todo, a Muzak le llegó su fin, la “progresión del estímulo” perdió su encanto. Sus clientes prefirieron comprar bajo licencia su música de fondo y nuevos competidores conquistaron el mercado.
¿Pero qué pasó con la idea de una cultura homogenizada y preprogramada transmitida por cable, con el objeto la manipular la conducta? Parece que esta idea vuelve al ataque.
Automatización y poder
La inteligencia artificial o automática a día de hoy se especializa en un campo muy concreto, la utilización de algoritmos con capacidad de aprendizaje, para ayudar a procesar grandes cantidades de datos. La nueva necesidad de nuestra época. Sin duda, de gran interés para grandes actores del ámbito tecnológico que disponen de aprovisionamiento y competencias en campos que requieren del aprendizaje automático para su buen funcionamiento: muchos servidores, analistas matemáticos de primera clase y grandes bases de datos.Este cambio resulta sin duda necesario: la radio implica un programa limitado, un programa limitado implica agentes selectores humanos, por ejemplo, un DJ. La naturaleza de Internet (un espacio abierto a cualquier tipo de cultura) conlleva inevitablemente un enorme volumen de datos. No quedará más remedio que incorporar máquinas al proceso de clasificación; queramos o no, la oferta de Internet es sencillamente inabarcable.
Semejante transformación entraña riesgos. En primer lugar, la postura del usuario se vuelve tan cómoda, que resulta más fácil dejarse dictar preferencias en vez de elegir a su libre albedrío. En segundo lugar, las empresas seleccionadoras pasan a atender únicamente sus propios planes e intereses. Visto en conjunto, todo esto podría derivar en una normalización y homogenización más marcada, que conlleva un peligro de marginalización de quien piensa distinto, dispone de menor poder adquisitivo o de quien, por su estilo de vida, no encaja con el de las clases pudientes o dominantes.
Esta sea tal vez una de las causas por las que en la práctica, a pesar de que el sueño sería que internet fuese una comunidad de música global, le falte variedad de verdad.
Por otro lado, quizá todavía recordemos que el efecto de la aparición de otras formas de grabación y de emisión fue similar, la aparición del espantoso bubblegum pop y una evidente apropiación cultural. Cierto, quizá con la diferencia de que ahora, en vez de listas de éxitos musicales y de productores discográficos, dependemos de algoritmos y editores de canales corporativos. El chantaje y la eliminación de opiniones divergentes, sin embargo, permanecen.
Como novedad, contamos con el bucle de retroalimentación a tiempo real entre la reacción del usuario y la selección preprogramada automáticamente (y quizá muy pronto hasta su producción). La “progresión del estímulo” de Squier no era capaz de examinar los datos privados del oyente, pero las actuales herramientas en línea sí pueden. Posibles incongruencias pueden corregirse o intensificarse muy rápidamente, o incluso combinar ambas posibilidades.
En cualquier caso, se trata de un desarrollo que deja huella. En el CTM-Hacklab de 2017, Jason Rentfrow (Universidad de Cambridge) demostró hasta qué punto nuestras preferencias musicales hablaban sobre nuestra personalidad y pensamiento político. Dicha investigación salió a la luz en el momento preciso, su presentación coincidió con la semana en que Donald Trump asumía la presidencia de los Estados Unidos. El equipo de campaña de Trump había realizado diferentes análisis de redes sociales para determinar el mejor modo de apelar y manipular a los electores.
El consumo de música, de igual forma que el de la información o la cultura, queda estrechamente ligado a los mismos datos que lo generan, así como al posterior uso de los susodichos datos. El escepticismo es la mejor arma frente a los monopolios centralizados de datos y el empleo de los mismos, así como ser consciente de los cambios que dicha clase de algoritmos implica. La búsqueda de estrategias que nos permitan recuperar la autodeterminación y el control se trata, entre tanto, de uno de los desafíos pendientes de esta época.
Aunque el consumo pasivo pueda parecer valioso, es fácil de comprobar que está decayendo de modo notable. Comprar en Amazon, encontrar citas en Tinder, mirar películas y series en Netflix y, cada vez más, escuchar música en línea favorecen la recomendación algorítmica. Pero si los usuarios solo siguen dichas recomendaciones automáticas, las propuestas tienden a girar cada vez más sobre sí mismas y a repetirse y las herramientas preprogramadas pierden su valor. Los usuarios se encuentran ante un creciente e invisible montón de basura, compuesto de su propio historial y de los de su entorno más inmediato (quien haya dado las citas de Tinder por imposibles o quien haya ido a visitar a amigos, porque se siente incapaz de decidir qué serie maratoniana será la próxima, entenderá de qué hablo).
Las recomendaciones de personas de carne y hueso, ya sean de expertos o de amigos, tienen evidentemente mayor valor social. Pero también existe una tercera posibilidad: que las máquinas se usen para mejorar al ser humano y no al revés, y que las herramientas ofrezacan múltiples formas de uso en vez de servir únicamente a la automatización de acciones.
En otros contextos, el sector de la música ya saca provecho de la eficacia de los training-data. Rebecca Fiebrink, gracias al empleo del aprendizaje automático para la identificación de gestos humanos, ha desarrollado un nuevo método que consigue que las interfaces gestuales para música sean más inteligentes y accesibles. Las empresas de software de audio ahora se basan en el aprendizaje automático para intervenir el material sonoro cuando las herramientas tradicionales digitales de procesamiento de señales encuentran limitaciones. Lo importante es que dichas herramientas adquieran relevancia en el diseño activo y no en el consumo pasivo.
la Inteligencia Artificial de nuevo en manos del usuario
Las técnicas del aprendizaje automático seguiran evolucionando como herramientas para optimizar el aprovechamiento de los recursos que obtienen las grandes empresas analistas de datos. Vamos, de la materia prima hasta el producto final. En última instancia se trata de cómo dichas empresas ven a sus usuarios y de cómo estos se perciben a sí mismos.
Y no te puedes resistir, se trata de herramientas que marcarán el mundo con o sin la participación de los usuarios. Además, el volumen de los datos ya existentes demanda que se haga uso de ellos. Lo que sí se puede hacer es aprender a comprender mejor el funcionamiento de dichas herramientas para reparar la capacidad de acción innata.Si se enseñara en serio qué son y cómo funcionan estas tecnologías, la gente podría tomar mejores decisiones para su propia vida pero también para la sociedad en general. Se podría hacer buen o mal uso de ellas, en vez de estar a expensas de ciertos productos mágicos empresariales.
Hasta el mal uso de estas herramientas tiene su valor especial. La música y el arte son ámbitos de los que se puede obtener nuevo saber de estas técnicas. Por alguna razón Google habrá invertido precisamente en estos ámbitos: ¿quién si no los artistas son capaces de sondear posibilidades invisibles y encontrar potencial creativo? Ellos siempre abren camino.
A su vez, el público parece tener reaccionar a los recovecos, las aristas y los errores. En los años sesenta, cuando el investigador Joseph Weizenbaum intentó con su programa ELIZA parodiar a un psicoterapeuta por medio de un tosco modelo lingüístico, se sorprendió al ver que los usuarios le revelaban sus secretos más oscuros al programa e imaginaban una empatía terapéutica que en realidad no existía en absoluto. El uso de las llamadas cadenas de Markov como herramienta textual de predicción, desarrollado en realidad para predecir series de datos por medio de su probabilidad da aparición y no para generar textos, llevó a florecimientos poéticos extremadamente curiosos. Cuando se utilizó la técnica de transferencia de estilo de Google en una base de datos de fotos de perros, los resultados grotescos, antinaturales que eran fotos de perros desfiguradas, se hicieron virales. Desde entonces Google desarrolló técnicas mucho más refinadas para aplicar efectos pictóricos realistas y... y resulta que esas nuevas técnicas despertaron muchísimo menos interés que las fotos desfiguradas de perros.
Alguna vez tuvimos miedo de que la robótica aniquilara los puestos de trabajo; y de hecho, el sustantivo “robot” en su origen tiene el significado de esclavo (la palabra la inventó el artista Joseph Čapek, cuyo hermano, el escritor Karel Čapek, la usó en su obra de teatro R.U.R. y de allí pasó a la literatura universal). Sin embargo, al final la tecnología robótica amplió las capacidades humanas. Llevó a los hombres al espacio y a pasear por Logo (el lenguaje de programación para niños) con su gráfica de la tortuga, y mediante Code les ha enseñado a generaciones de niños matemática, geometría, lógica y pensamiento creativo.
Al parecer, el aprendizaje automático se encuentra ante una encrucijada parecida. Las direcciones de las empresas y los usuarios que consumen medios pasivamente se ven beneficiados con estos sistemas, que favorecen el consumo inercial y generan datos que se pueden usar. El mal uso de programas mediante su desmontaje intencional y su rearmado (no como herramientas universales sino como un armado de técnicas preciso para solucionar problemas específicos) abre oportunas posibilidades de uso alternativo. En el fondo, Muzak no era otra cosa sino un sueño. Lo que la gente quería era música y libertad para decidir. Pero estas decisiones no debe tomarlas una máquina. Nosotros debemos hackearlas.