Espaços latentes e arenas de criação à luz da inteligência artificial generativa

Auteurs-es

DOI :

https://doi.org/10.51359/2675-7354.2025.268467

Mots-clés :

inteligência artificial generativa, espaço latente, modelos de difusao, criação humano-máquina, arenas de criação

Résumé

Este ensaio reflexivo apresenta a experiência do autor com tecnologias de inteligência artificial generativa, desde experimentos com GANs até modelos de difusão baseados em texto. A narrativa parte da primeira imagem gerada pelo VQGAN+CLIP a partir de um prompt e retorna para reconstruir a trajetória técnica e poética que a antecede. Nesse percurso, é apresentada a criação de Ernesto Fufihaqi, utilizada como dispositivo narrativo para explorar estados intermediários do treinamento de redes neurais. O trabalho examina criticamente a transição das GANs para os modelos de difusão, identificando uma perda fundamental: enquanto as GANs permitiam uma navegação poética pelo espaço latente, marcada por metamorfoses e erros criativos, os modelos mais recentes privilegiam precisão e controle, reduzindo o acaso exploratório. O ensaio problematiza a aceleração temporal da tecnologia e sua incompatibilidade com o tempo humano de amadurecimento criativo, em que a obsolescência rápida converte experimentos recentes em arqueologia digital. Propõe-se o conceito de arenas de criação como espaços de colaboração transparente entre humanos e máquinas, nos quais a autoria se distribui e o processo assume centralidade em relação ao produto. Defende-se a prototipação e a experimentação como formas de conhecimento, em uma postura que evita tanto a nostalgia quanto o deslumbramento acrítico, e conclui-se com um chamado à curiosidade metodológica diante das transformações em curso. 

Biographie de l'auteur-e

Filipe Calegario, UFPE

Professor adjunto do Centro de Informática da UFPE, com pesquisa voltada para criatividade computacional, IA generativa e interação humano-IA. Atuou como pesquisador industrial no Instituto SENAI de Inovação para Tecnologias da Informação e Comunicação. Doutor em Ciência da Computação pela UFPE, realizou doutorado-sanduíche em 2015 na área de tecnologia musical na McGill University (Canadá). É um dos fundadores do Batebit Artesania Digital, dedicado ao design e desenvolvimento de interfaces criativas e instalações interativas. Integra o MusTIC, grupo de pesquisa em arte e tecnologia do CIn-UFPE, e coordena o GERAIA, grupo de pesquisa e aplicações de IA generativa da mesma instituição. Apresentou trabalhos em diversos eventos na interseção entre arte e tecnologia, como Recife: The Playable City, FILE, Festival de Arte Digital (FAD), Continuum e Interactivos. Foi contemplado pelo programa Rumos Itaú Cultural em 2014 e 2018, com os projetos Tocada e Probatio.

Références

CROWSON, Katherine. VQGAN+CLIP (z+quantize method with augmentations). Colab notebook, 2021. Disponível em: https://colab.research.google.com/github/justinjohn0306/VQGAN-CLIP/blob/main/VQGAN%2BCLIP%28Updated%29.ipynb?utm_source=chatgpt.com. Acesso em: 19 nov. 2025.

DAVIS, Nicholas; HSIAO, Chih-Pin.; POPOVA, Yanna; MAGERKO, Brian. An enactive model of creativity for computational collaboration and co-creation. In: ZAGALO, Nelson; BRANCO, Pedro (Org.). Creativity in the Digital Age. London: Springer, 2015. p. 109–133. DOI: https://doi.org/10.1007/978-1-4471-6681-8_7. Disponível em: https://link.springer.com/series/10481. Acesso em: 17 nov. 2025.

ESSER, Patrick; ROMBACH, Robin; OMMER, Björn. Taming transformers for high-resolution image synthesis. In: IEEE/CVF CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION (CVPR), 2021. Conferência. [S. I.]: IEEE/CVF, 2021. p. 12873-12883. Disponível em: https://openaccess.thecvf.com/content/CVPR2021/html/Esser_Taming_Transformers_for_High-Resolution_Image_Synthesis_CVPR_2021_paper.html. Acesso em: 19 nov. 2025.

GOODFELLOW, Ian J. et al. Generative adversarial nets. In: ADVANCES IN NEURAL INFORMATION PROCESSING SYSTEMS, 27., 2014, Montreal. Conferência. Montreal: NeurIPS, jun. 2014. Disponível em: https://papers.nips.cc/paper_files/paper/2014/hash/f033ed80deb0234979a61f95710dbe25-Abstract.html. Acesso em: 19 nov. 2025.

HAECKEL, Ernst. Kunstformen der Natur. Leipzig: Bibliographisches Institut, 1904.

HO, Jonathan; JAIN, Ajay N.; ABBEEL, Pieter. Denoising diffusion probabilistic models. In: ADVANCES IN NEURAL INFORMATION PROCESSING SYSTEMS, 33., 2020, Vancouver. Conferência. Vancouver: NeurIPS, dez. 2020. Disponível em: https://proceedings.neurips.cc/paper/2020/hash/4c5bcfec8584af0d967f1ab10179ca4b-Abstract.html. Acesso em: 19 nov. 2025.

KARRAS, Tero et al. Training generative adversarial networks with limited data. In: ADVANCES IN NEURAL INFORMATION PROCESSING SYSTEMS, 34., 2020, Vancouver. Conferência. Vancouver: NeurIPS, 2020. Disponível em: https://proceedings.neurips.cc/paper/2020/hash/8d30aa96e72440759f74bd2306c1fa3d-Abstract.html. Acesso em: 19 nov. 2025.

RADFORD, Alec et al. Learning transferable visual models from natural language supervision. In: INTERNATIONAL CONFERENCE ON MACHINE LEARNING, 38., 2021, Vienna. Conferência. Vienna: PMLR, fev. 2021. Disponível em: https://proceedings.mlr.press/v139/radford21a/radford21a.pdf. Acesso em: 19 nov. 2025.

SAWYER, Keith. Group genius: the creative power of collaboration. New York: Basic Books, 2017.

Publié-e

2025-12-17

Comment citer

Calegario, F. (2025). Espaços latentes e arenas de criação à luz da inteligência artificial generativa. Estudos Universitários, 42(1), 1–28. https://doi.org/10.51359/2675-7354.2025.268467