- Resumen
- Introducción. Programación Genética (PG)
- Arte y estética
- Aproximación de conceptos
- Trabajo futuro
- Bibliografía
Aceptamos que un humano utilizando una computadora, pueda crear Arte Digital, y normalmente pensamos que esa es la única opción. La Programación Genética (PG) puede ser utilizada entre otras cosas, para crear programas que dibujen imágenes, las cuales llamamos Imágenes Genéticas (IG), y son un caso particular de gráficos por computadora.
Estas IGs pueden ser consideradas como Arte Digital si se utilizaron facultades sensoriales, estéticas e intelectuales en su creación (no necesariamente en su valoración). Cuando el Arte Digital es creado por un Algoritmo Genético o Programación Genética, es llamarlo Arte Genético (y en un marco más amplio: Arte Evolutivo). Ahora bien, si la función de aptitud puede automatizarse (independizarse de la evaluación humana), tendremos lo que podemos considerar Arte Artificial. La PG puede generar una gran cantidad de soluciones (en este caso programas que generan imágenes), que necesitan ser evaluadas para que el proceso de búsqueda de soluciones mejores continúe.
Para la evaluación (en este caso, valoración artística de las imágenes) se utiliza una función de aptitud. Encontrar una función de aptitud automatizable adecuada, parece una tarea sino imposible, por lo menos extremadamente compleja. En este trabajo se presenta y vinculan los conceptos anteriores.
Palabras clave: Programación Genética, Función de aptitud, Computación Evolutiva Interactiva, Espacio de parámetros, Arte, Estética, Gráficos por computadora, Imágenes Genéticas, Arte Digital, Arte Genético, Arte Evolutivo, Arte Artificial.
Keywords: Genetic Programing, Fitness Function, Interactive Evolutionary Computation, Parameter’s Space, Art, Aesthetic, Computer Graphics, Genetic Images, Digital Art, Genetic Art, Evolution Art, Artificial Art.
La técnica Programación Genética, la situamos dentro de un marco más amplio, el de Computación Evolutiva, que a su vez integra una rama de la Inteligencia Artificial.
Con el término Computación Evolutiva nos referimos al estudio de los fundamentos y aplicaciones de ciertas técnicas heurísticas de búsqueda, basadas en los principios naturales de la teoría de la evolución de Darwin. Esta técnica se basa en que los individuos más aptos de la población, son los que sobreviven.
Los Algoritmos Evolutivos los podemos clasificar principalmente en:
- Algoritmos Genéticos. Generan poblaciones sucesivas a las que se aplican operadores de mutación y cruce. Cada individuo representa una solución al problema y se trata de encontrar al individuo que represente a la mejor solución.
- Programación Evolutiva. Es otro enfoque de los algoritmos genéticos y se centra en conseguir operadores genéticos más adecuados. No se utiliza el operador de cruce, mientras que el operador de mutación es considerado muy importante.
- Estrategias Evolutivas. Se centran en problemas de optimización y tienen una visión de aprendizaje.
- Sistemas Clasificadores. En este caso la solución buscada es una población entera.
- Programación Genética. Es similar a los Algoritmos genéticos, pero en este caso las soluciones son programas. Los individuos de la población son programas que se acercan a realizar una tarea que es la solución.
La clasificación anterior responde al desarrollo histórico y no tanto en la esencia de las mismas. Todas ellas se fundamentan en la base biológica de la evolución, diferenciándose fundamentalmente en los operadores que utilizan y en la forma de implementar la selección, reproducción y sustitución de individuos en una población.
Los Algoritmos Genéticos trabajan con una población de individuos, cada uno de los cuales representa una solución factible a un problema dado. A cada individuo se le asigna un valor o puntuación, relacionado con la bondad de dicha solución (obtenido a partir de una Función de Aptitud). Los individuos más aptos, tendrán más probabilidad de ser seleccionados para reproducirse y cruzar su material genético con otro individuo seleccionado.
Los nuevos individuos producidos son descendientes de los anteriores y comparten alguna del las características de sus padres. La nueva población que reemplaza a la anterior, contiene una mayor proporción de buenas características con respecto a la anterior. Si el Algoritmo Genético está bien diseñado, la población convergerá hacia una solución óptima.
La aptitud es la fuerza impulsora de la selección natural y, asimismo, de los algoritmos genéticos convencionales y la programación genética. En la naturaleza, la aptitud de un individuo puede considerarse como la probabilidad de que sobreviva hasta la edad de reproducirse y se reproduzca. En el mundo artificial de los algoritmos, se mide de alguna forma la aptitud, y luego se utiliza esta medida para controlar la aplicación de las operaciones que modifican las estructuras en nuestra población artificial [John R. Koza 1992].
La Función de aptitud, no es más que la función objetivo de nuestro problema de optimización.
Una característica que debe tener la Función de Aptitud es la de castigar las malas soluciones y premiar las buenas.
El algunos casos la Función de Aptitud no se puede automatizar. Cuando esto pasa, interviene un humano en el proceso de evaluación de las soluciones. A esta técnica se conoce con el nombre de Computación Evolutiva Interactiva e implica normalmente el uso de micro poblaciones y pocas generaciones (para paliar la fatiga del humano evaluador).
Normalmente todos tenemos una noción clara de lo que significan los conceptos de: arte y estética, pero de todas maneras mostraremos varias definiciones (con las acepciones que nos interesan) que pueden clarificar la relación que hay entre ellos.
Arte
- Actividad humana específica, para la que se recurre a ciertas facultades sensoriales, estéticas e intelectuales.
- Obra humana que expresa simbólicamente, mediante diferentes materias, un aspecto de la realidad entendida estéticamente.
Estético
- Artístico o bello.
Estética
- Belleza en el sentido amplio.
- Apariencia que tiene una persona o cosa según un punto de vista estético o artístico.
Esteticismo
- Valoración que se hace de los estilos artísticos, exclusivamente desde el punto de vista estético.
- Planteamiento ideológico que sitúa la estética y la búsqueda de la belleza absoluta como objetivo fundamental del hecho artístico.
Como podemos observar, una obra puede ser considerada Arte, si se han utilizado facultades sensoriales, estéticas e intelectuales en su creación. Esta creación debe ser producto de una actividad humana.
Cuando hablamos de Arte Digital, nos referimos normalmente a imágenes o gráficos hechos por un humano utilizando la computadora. Esta actividad es desarrollada por un humano usando sus facultades sensoriales, estéticas e intelectuales, por lo cual no hay problema en considerar el resultado como Arte.
Con Gráfico por computadora (concepto particular de Imagen por computadora o Imagen digital) entendemos cualquier imagen que represente gráficamente algo y que fue creada utilizando la computadora como herramienta.
Uno de los conceptos muy difundidos es el de Arte Digital, y se refiere al producto que se obtiene cuando un humano desarrolla las actividades artísticas valiéndose de la computadora y expresando la creación en forma digital. Esta creación puede ser considerada Arte ya que cumple con todas las características necesarias.
Cuando los Gráficos por computadora son generados a partir de Programación Genética, podemos considerar que la solución es un programa que genera imágenes Genéticas (más ampliamente Imágenes Evolutivas).
Estas Imágenes Genéticas pueden ser consideradas como Arte Digital, si interviene un humano aplicando facultades sensoriales, estéticas e intelectuales (por ejemplo en la evaluación de las soluciones). En este caso, estas imágenes podemos llamarlas Arte Genético (que se encuentran dentro de un marco más amplio que es el de Arte Evolutivo).
Si a la técnica de Programación Genética que genera sus soluciones como programas que a su vez generan imágenes, le agregamos facultades sensoriales, criterios estéticos e intelectuales, y automatizamos la función de aptitud, podríamos decir que estas imágenes genéticas son Arte Artificial.
Es importante resaltar que el proceso de hacer arte es diferente al evaluar el arte, aunque en muchos casos se integren. El artista evalúa su obra mientras está en el proceso de su creación, y mezcla las dos actividades continuamente. Esta evaluación que hace el artista, puede ser muy diferente al de los expertos en la materia (evaluadores de arte), e inclusive normalmente lo es. El artista luego que termina la obra se retroalimenta de las evaluaciones que las otras personas hacen de ella, para de esta manera modificar los criterios que utilizará en el próximo proceso de creación. El artista perfecciona su técnica y criterios de evaluación. Inclusive una obra normalmente comienza con un bosquejo que se enriquece.
Por lo anterior podríamos esperar que existan algunos buenos artistas que son malos evaluadores de arte y evaluadores de arte que son malos artistas. Algo similar sucede con el proceso de diseñar y el de evaluar diseños.
Cuando utilizamos Programación Genética para generar imágenes y delegamos a un humano la tarea de evaluación (no tenemos función de aptitud automatizada), estamos integrando en un entorno interactivo los procesos de hacer y evaluar arte. A ese tipo de entorno es al que llamamos Computación Evolutiva Interactiva.
Como vimos, el proceso de hacer arte implica usar facultades sensoriales, estéticas e intelectuales. Si consideramos los aspectos más elementales de estas facultades (una perspectiva simplista de la realidad), veremos que es posible encontrarlas en la computación. Las facultades sensoriales pueden corresponderse con la capacidad de captar sonidos desde el micrófono del computador, de las imágenes de la web cam, etc., u otras capacidades propias de la computación, como ser memoria libre, trafico en la red, etc. Las facultades estéticas pueden provenir de una red neuronal o un sistema experto.
Cuando un humano se le pide que evalúe artísticamente una Imagen por computadora, evaluará varias características de ella, como ser lo que representa, como lo representa, los sentimientos que despierta, etc. Entre lo evaluado aparece la estética como un ítem más.
Consideramos que obtener el valor estético de una Imagen por computadora es más fácilmente automatizable que evaluar otras características de la ella. Por ejemplo, con redes neuronales es posible saber automáticamente (con cierto grado de exactitud), que cosas son representadas en la imagen (una casa, un perro, el sol, etc.), para luego con entrenamiento, predecir el valor que un humano dará a eso.
Creemos que existe la posibilidad de predecir automáticamente y con un grado de exactitud aceptable, el valor estético que un humano dará a una imagen.
Existen varias características (espacio de parámetros) de las imágenes que se pueden obtener en forma automática y fácil, como ser:
- Resolución en píxeles.
- Formato de la imagen (4:3, 16:9, etc.).
- Cantidad de colores.
- Composición promedio de cada color.
- Contraste, brillo y saturación promedio.
- Etc.
Si bien el valor estético es subjetivo, se puede predecir con cierto grado de certeza las preferencias humanas. Se puede buscar patrones entre las características objetivas de las imágenes y las preferencias de un grupo de humanos en particular (por ejemplo, hombres entre 30 y 40 años, clase media, profesional y viviendo en Montevideo, Uruguay) cuando valoran las mismas.
Si logramos automatizar lo anterior, podríamos confeccionar una Función de aptitud estética que sea usada por la Programación Genética en la generación de imágenes digitales agradables. No llegamos a considerarlas imágenes artísticas, pero es un primer paso, ya que el valor estético es parte del valor artístico.
Esta Función de aptitud estética, es de utilidad también en la generación de imágenes dentro de un entorno de Computación Evolutiva Interactiva. Utilizando esta función, se quitan los individuos de la población menos prometedores, dejándole al humano la evaluación de un número menor de ellos. Con esto se reduce la fatiga del humano evaluador, permitiendo que este algoritmo genere más poblaciones.
Existen muchos ejemplos de Computación Evolutiva Interactiva, donde los resultados han sido muy buenos. Algunos casos que podemos mencionar:
- Generación de imágenes y animaciones digitales. Hay ejemplos donde se exponen varios monitores que muestran imágenes generadas por algoritmos genéticos, y donde el valor de evaluación es obtenido a partir del tiempo que pasan los visitantes frente a cada imagen.
- Generación de música. En este caso, junto a la evaluación humana se utiliza funciones de aptitud objetivas y automáticas como ser la evaluación de la armonía.
- Diseño de mesas y sillas. En este caso se puede reducir la población antes de que el humano evalúe, descartando los individuos que se corresponden con mesas y sillas que tienen un centro de gravedad alto (este es un valor objetivo, cuya obtención se puede automatizar fácilmente).
- Crear una lista de las características (espacio de parámetros) que se pueden obtener automáticamente y de manera fácil de una imagen (por ejemplo: cantidad de colores, tamaño, forma, etc.).
- Buscar patrones entre las características de las imágenes obtenidas automáticamente y sus valores estéticos (o artísticos) dados por humanos, por ejemplo utilizando redes neuronales.
- Experimentar con Programación Genética que genere imágenes, las cuales sean evaluadas parcial o totalmente por una red neuronal entrenada, integrando de esta manera, la Programación Genética (generando imágenes) con las redes neuronales (evaluando estéticamente las mismas).
El tema de si una computadora puede o no generar Arte por si sola es un tema discutible. Sin embargo aceptamos que un humano pueda crear Arte, valiéndose en gran medida de la computadora, como por ejemplo lo vemos en el Arte Digital.
Ya en entornos más complejos, como ser el de Computación Evolutiva Interactiva (CEI), vemos que gráficos por computadora son generados utilizando Programación Genética, y evaluados por humanos que determinan la aptitud de cada uno (en este caso el humano no crea arte, solo lo evalúa artísticamente).
Consideramos que es posible un entorno mucho más rico todavía, en donde la función de aptitud sea por lo menos parcialmente automatizable. Por ejemplo, podemos imaginarnos un entorno interactivo, donde el humano evalúa artísticamente las imágenes, posteriormente a que la computadora redujo la población, utilizando una función de aptitud objetiva que evalúe las imágenes según su valor estético. El valor estético es solo una parte del valor artístico.
El valor estético es subjetivo, pero se sabe que está relacionado con la época, la sociedad, cultura, etc, por lo cual es posible predecir en parte el valor de una imagen (por ejemplo, entrenando una red neuronal).
[1] J.J. Merelo Guervós. Informática evolutiva.
[2] Algoritmos genéticos. Http://eddyalfaro.galeon.com/geneticos.html. ISSN: 1579-0223. http://www.redcientifica.com/doc/doc199904260011.html.
[3] Carmen Cortés Parejo. Algoritmos Genéticos y Problemas de Visibilidad. Junio de 1996. Universidad de Sevilla. Facultad de Matemáticas. Págs.1-24.
[4] Karl Sims. Evolving Virtual Creatures. Published in: Computer Graphics, Annual Conference Series, (SIGGRAPH ’94 Proccedings), July 1994, pp.15-22.
[5] Yann SEMET. Interactive Evolutionary Computation: a survey of existing theory. November 13th, 2002.
[6] Katie Bentley. Artificial Forms. Simulation of Adaptative Behaviour Term Paper EASy, MSc, COGs GRC, University of Sussex. April 21, 2002.
[7] Kandid 1.0, arte genético en Java. 26/1/2005. http://gimp.hispalinux.es/article.php?storyid=23.
[8] Karl Sims. Genetic Images. Genetic Images Interactive Exhibit. 1993.
[9] Karl Sims. Artificial Evolution for Computer Graphics. Published in Computer Graphics, 25(4), July 1991, pp.319-328 (ACM SIGGRAPH ’91 Conference Proceedings, Las Vegas, Nevada, July 1991.).
[10] Katie A Bentley. Exploring Aesthetic Pattern Formation. Computer Science Departament, University College London. Generative Art 2002.
[11] P.J. Bentley. IS EVOLUTION CREATIVE ?. Departament of Computer Science, University College London.
[12] Artemis Moroni, Jônatas Manzolli, Fernando Von Zuben, Ricardo Gudwin. Vox Populi: An Interactive Evolutionary System for Algorithmic Music Composition. LEONARDO MUSIC JOURNAL, Vol 10, pp. 49-54, 2000.
[13] P.J. Bentley. T. Gordon, J. Kim and S. Kumar. New Trends in Evolutionary Computation. Departament of Computer Science, University College London.
[14] Hideyuki Takagi. Interactive Evolutionary Computation: Fusion of Capabilities of EC Optimization and Human Evaluation. 2001.
[15] Karl Sims. Evolving 3D Morphology and Behavior by Competition. Published in: Artificial Life IV Proceeding, ed. by R. Brooks & P. Maes, MIT Press, 1994, pp 28-39.
[16] Rob Saunders; Jhon S.Gero. The digital clockwork muse: A computational model of aesthetic evolution, AISB’01, University of York, York, UK, pp. 12-21. Key Centre of Design Computing and Cognition; University of Sydney, Australia. 2001.
[17] Pieter H. G. van Langen, Niek J.E. Wijngaards, and Frances M.T. Brazier. Towards Designing Creative Artificial Systems. Intelligent Interactive Distributed Systems Group, Departamento of Computer Science, Faculty of Sciences, Vrije Universiteit Amsterdam.
[18] Luigi Pagliarini, Claudio Locardi, Vedran Vucic. Toward Alive Art. In Proceedings of Virtual Worlds 2000. Second International Conference, J.C. Heudin (Ed.) Springer-Verlag Press (2000).
Ing. Leonardo Arroyo González
Julio de 2005