Quando você usa um filtro do Instagram que transforma completamente sua foto, quem é realmente o autor da imagem final? Você, que apertou o botão? A pessoa que programou o filtro? Ou o algoritmo que tomou milhares de micro-decisões estéticas em frações de segundo?
Essa pergunta, aparentemente simples, nos leva ao centro de uma das questões mais fascinantes da criatividade contemporânea: quando um algoritmo deixa de ser apenas uma ferramenta e se torna um verdadeiro coautor no processo criativo?
O Espectro da Participação Algorítmica
Para entender essa transformação, precisamos reconhecer que existe um espectro de participação algorítmica na criação artística. Em uma ponta, temos as ferramentas tradicionais – um pincel digital no Photoshop ou uma expressão matemática no After Effects – que executam exatamente o que comandamos. Na outra ponta, temos sistemas que geram resultados impossíveis de prever ou controlar completamente.
Casey Reas, co-criador do Processing, ilustra perfeitamente essa tensão. Em suas obras generativas, ele programa as regras do sistema, mas não pode prever cada resultado específico. O algoritmo interpreta suas diretrizes de formas que frequentemente surpreendem o próprio criador. Como ele mesmo coloca: quando o sistema produz algo que eu nunca imaginei, quem é verdadeiramente o autor?
A questão se torna ainda mais complexa com artistas como Refik Anadol, que utiliza machine learning para transformar conjuntos de dados em instalações visuais deslumbrantes. Suas obras surgem de um processo onde redes neurais “interpretam” dados de maneiras fundamentalmente não-humanas, criando estéticas que seriam impossíveis sem a participação ativa do algoritmo.
A Intencionalidade Algorítmica
Margaret Boden nos ajuda a navegar essa questão através de sua distinção entre criatividade “psicológica” (nova para o indivíduo) e “histórica” (nova para a humanidade). Mas essa distinção pressupõe intencionalidade consciente – algo que se complica quando consideramos algoritmos. Afinal; quando um sistema de IA produz combinações estatisticamente improváveis, existe uma “intenção” por trás, ou apenas processamento sofisticado de padrões? E se existir realmente uma intencionalidade algorítmica, em que momento um algoritmo deixa de executar comandos e passa a “interpretar” intenções? A questão central não é se algoritmos são genuinamente criativos, mas como reconhecemos quando eles vão além da mera execução programática. Na prática, essa distinção se manifesta nos momentos em que sistemas nos surpreendem com resultados que extrapolam nossas expectativas iniciais.
A experiência prática nos oferece pistas interessantes. Trabalho com motion design há anos, mas ainda hoje existem dias em que, por exemplo, marco os keyframes esperando um resultado e a interpolação gera algo completamente diferente do que eu previa. Esse tipo de coisa pode acontecer por vários motivos, inclusive erros no sistema, mas sempre me faz pensar que na interação entre ser humano e máquina existe algo além da mera execução de comandos. É claro que uma simples interpolação de keyframes acontecendo de forma meio “atravessada”, ou a utilização de expressões dentro do programa não se caracterizam como uma coautoria algorítmica real ou como arte generativa, longe disso. Mas nesses momentos em que as coisas saem do previsto e ainda assim trazem bons resultados, podemos sentir como se o sistema tivesse contribuído criativamente com a gente.
Essa sensação se intensifica com ferramentas mais recentes. Quando usamos sistemas de IA para gerar variações visuais, frequentemente podemos nos deparar com soluções que desafiam nossas pré concepções estéticas. Aaron Hertzmann argumenta que essa capacidade de “surpresa” pode ser um indicador crucial da transição de ferramenta para coautor.
Exemplos Práticos: Da Automação à Coautoria
Nós interagimos com algoritmos o tempo todo, mas nem tudo é cocriação. Pensando nisso, pensei nesse conceito de espectro de participação algorítmica, que é subdividido em 4 níveis de interação: Automação, Assistência, Colaboração e Coautoria.
Nível 1 – Automação:
Nesse primeiro nível de interação o algoritmo executa exatamente o que foi programado pra fazer. Sem surpresas.
Nível 2 – Assistência:
O sistema analisa os dados e sugere soluções, mas você decide tudo. Tudo passa pela sua aprovação.
Nível 3 – Colaboração:
Você define parâmetros gerais e o algoritmo gera variações visuais que você não previu, mas que fazem sentido dentro do contexto.
Nível 4 – Coautoria:
O sistema produz elementos que alteram fundamentalmente sua visão original, levando o trabalho em direções que você nunca considerou.
Um exemplo de artista que costuma trabalhar no Nível 4 é Mario Klingemann, que se autodenomina um “artista neural”. Suas redes neurais, treinadas com arte clássica, produzem “pinturas” que carregam ecos do passado mas apresentam interpretações genuinamente inéditas. Nesse ponto, a pergunta deixa de ser “quem fez isso?” e se torna “como isso foi possível?”
É importante ressaltar que esses níveis por mim sugeridos não são estágios evolutivos lineares, e sim modos de relação que podem coexistir num mesmo projeto. Um sistema pode operar em diferentes níveis dependendo do contexto, momento e tipo de interação. E um “nível” de coautoria também não é propriedade intrínseca do sistema, ou seja, não é algo que faz parte dele por padrão.
Para Lucy Suchman, essa colaboração surge de uma configuração específica entre usuário, algoritmo, dados e contexto situado. Ed Finn, por sua vez, salienta que a experiência de coautoria depende do “letramento” algorítmico do usuário, ou seja, sua capacidade de reconhecer e interpretar formas não-humanas de atuação.
As Sombras da Coautoria Algorítmica
Mas essa democratização da criatividade através de algoritmos não está isenta de problemas críticos. Na verdade, está cheia deles. Uma das principais discussões em torno da autoria e Inteligência Artificial passa justamente por Direitos Autorais e Direitos de Imagem. Lev Manovich nos alerta que os “estilos” produzidos por IA são, em última análise, reflexos do conjunto de dados utilizado no treinamento. Quando um algoritmo “cria” algo, ele está essencialmente recombinando e extrapolando a partir de criações humanas anteriores. Esse é um dos principais debates éticos a respeito do tema, porque as pessoas que criaram as artes originais raramente recebem reconhecimento ou compensação financeira. Se fosse um ser humano copiando a arte de outros seres humanos e ganhando dinheiro com isso, estaríamos falando de crimes como plágio e uso indevido de propriedade intelectual. Estando inserida num contexto onde existem leis que precisam ser respeitadas, a IA não deveria ser treinada levando isso em consideração?
Há também a questão da homogeneização. Se milhares de pessoas usam os mesmos sistemas generativos, estaremos caminhando para uma estética algorítmica uniforme? Memo Akten explora essas contradições em seus trabalhos, demonstrando tanto as possibilidades quanto os perigos da criatividade automatizada.
Além disso, existe o risco de fetichização tecnológica – a tendência de valorizar obras simplesmente por utilizarem IA, independentemente de sua qualidade conceitual ou estética. A coautoria algorítmica genuína requer reflexão crítica sobre quando e por que incluir sistemas automatizados no processo criativo.
Repensando Autoria e Processo
Em minhas próprias experimentações – tanto no motion design quanto na pesquisa sobre exposições interativas – tenho observado que a coautoria algorítmica funciona melhor quando existe uma tensão produtiva entre controle e surpresa. O algoritmo não substitui a intencionalidade artística; ele a expande e desafia.
Nas instalações interativas que pretendo desenvolver, por exemplo, algoritmos processariam as interações do público de maneiras que nem eu nem os visitantes podemos prever completamente. O resultado final, nesse caso, emergiria dessa triangulação entre artista, algoritmo e audiência – uma forma de autoria verdadeiramente distribuída.
Isso me lembra das discussões da Análise de Discurso sobre como os sentidos são produzidos. Tradicionalmente, analisamos fatores históricos, sociais e ideológicos (Pêcheux, 1988). Mas nas pesquisas desenvolvidas no PPGCL-Unisul, onde faço mestrado, a gente vem percebendo que precisamos incluir o contexto digital nessa equação. A tecnologia não é neutra – ela participa ativamente de como construímos significados.
Por isso acho interessante pensar em “condições algorítmicas”, ou seja, como as decisões programáticas, os processos de IA e as lógicas dos sistemas influenciam nos processos criativos. Quando um algoritmo “sugere” uma cor, um movimento ou uma forma, ele não está sendo neutro. Existe toda uma materialidade ideológica por trás dessas escolhas que afeta diretamente como criamos e como o público interpreta nosso trabalho.
No fundo, estamos lidando com novas formas de subjetividade criativa, onde parte do “eu criador” se distribui entre humano e máquina, redefinindo o que entendemos por processo artístico.
Navegando o Futuro da Criatividade
A questão não é se algoritmos podem ser criativos, mas como podemos desenvolver letramento suficiente para colaborar conscientemente com eles. Isso implica entender suas capacidades e limitações, reconhecer seus vieses, e saber quando sua participação enriquece genuinamente o processo criativo.
Para profissionais como nós – designers, artistas, comunicadores visuais – isso significa repensarmos nossas práticas. Não se trata de ser substituído pela máquina, mas de aprender a cocriar com ela de maneiras éticas e expressivas.
A coautoria algorítmica está redefinindo as fronteiras da criatividade. A pergunta não é mais se isso é “arte de verdade”, mas como podemos usar essa expansão de possibilidades para contar histórias mais ricas, criar experiências mais envolventes e explorar territórios estéticos antes inacessíveis.
No final das contas, o algoritmo-coautor nos força a sermos mais conscientes sobre nossas próprias escolhas criativas. E talvez essa seja sua maior contribuição: nos lembrar de que a criatividade sempre foi um processo de colaboração – com materiais, ferramentas, contextos e, agora, também com inteligências não-humanas.
Referências:
ADORNO, Guilherme; SILVEIRA, Juliana da. Pós-Verdade e Fake News: Equívocos do Político na Materialidade Digital. In: ANAIS DO VIII SEMINÁRIO DE ESTUDOS EM ANÁLISE DO DISCURSO. Recife, 2017.
BODEN, Margaret A. The Creative Mind: Myths and Mechanisms. 2ª ed. London: Routledge, 2004.
HERTZMANN, Aaron. Can Computers Be Creative? Arts, v. 7, n. 2, 2018. Disponível em: https://doi.org/10.3390/arts7020018
FINN, Ed. What Algorithms Want: Imagination in the Age of Computing. Cambridge: MIT Press, 2017.
GALLO, Solange. Discurso da escrita e ensino. Campinas: Editora Unicamp, 2008.
MANOVICH, Lev. AI Aesthetics. Moscow: Strelka Press, 2018.
PÊCHEUX, M. Semântica e Discurso: uma crítica à afirmação do óbvio. Campinas: Editora da UNICAMP, 1988.
SUCHMAN, Lucy. Human-Machine Reconfigurations: Plans and Situated Actions. 2nd ed. Cambridge: Cambridge University Press, 2007.
Para Explorar:
- Casey Reas: Documentação de processos generativos
- Refik Anadol: Machine learning como mídia artística
- Mario Klingemann: Arte neural e crítica à IA
- Memo Akten: Reflexões críticas sobre tecnologia criativa