Alguien tiene que etiquetar las flores.

En 2018, Ridler hizo algo que en la historia del arte tenía precedentes pero que en la historia de la inteligencia artificial era una anomalía: exhibió el conjunto de datos. Myriad (Tulips) es una pared cubierta con miles de fotografías de tulipanes, cada una con su etiqueta escrita a mano, sujetas con imanes sobre una superficie negra. Son unas diez mil imágenes y más de cincuenta metros cuadrados. De lejos, la grilla parece perfecta. De cerca, se inclina y se equivoca.

La operación tiene una precisión política. En muchos procesos de aprendizaje automático, el conjunto de datos queda fuera del campo visible: precede al resultado, sus responsables no siempre reciben crédito y el trabajo de clasificación puede estar mal remunerado o pasar inadvertido. Acá se vuelve el objeto que se mira. La pieza no muestra el modelo que va a aprender de esas fotos; muestra la materia de la que el modelo va a salir. Y al hacerlo, hace visible una cantidad de trabajo que la palabra datos esconde: comprar flores, trasladarlas, desarmarlas, fotografiarlas, imprimir, escribir a mano, pegar una por una.

Hay un detalle que vale más que cualquier declaración de intenciones: la colección no se detiene cuando llega a un número, se detiene cuando termina la temporada de tulipanes. El archivo tiene un final biológico, no un final estadístico. En un mundo que mide los corpus por volumen, esa decisión es una toma de posición: el tamaño no es una virtud, es una circunstancia.

La comparación con los grandes conjuntos de datos de visión computacional es inevitable, y la propia artista la hace. Ridler señala, por ejemplo, que ImageNet contiene cerca de mil tulipanes entre millones de imágenes reunidas y clasificadas por múltiples personas. Acá hay diez mil fotografías tomadas por alguien que tuvo las flores en la mano. La diferencia excede la escala: una autora puede reconstruir las razones y circunstancias de sus elecciones; en un corpus masivo esa trazabilidad suele repartirse entre fuentes, equipos, plataformas y tareas. Documentar esas decisiones resulta tan importante como reunir imágenes.

Vuelvo a la grilla. Desde lejos, el orden es una promesa de objetividad; desde cerca, es una serie de decisiones tomadas con prisa, con luz mala, con una mano que se cansó. Esa imperfección no es un defecto de la pieza: es su argumento. Un archivo hecho a mano lleva las marcas de la mano, y esas marcas son lo único que impide confundir un corpus con una naturaleza. Me cuesta mirar una grilla perfecta sin imaginar la mano que la colgó.

Antes de los tulipanes, Ridler había hecho Fall of the House of Usher (2017), una animación de doce minutos construida a partir de una película muda de 1929, que a su vez venía de un cuento de Poe. La cadena de copias es el tema: el cuento, el film, el dibujo, la imagen generada. Para entrenar el sistema hizo doscientas tintas a mano. El modelo aprendió de esos dibujos y produjo los fotogramas de la animación.

Lo que el modelo devolvió no fue una versión mejorada de la película: fue un retrato de su mano. Los ojos se le volvían cejas, porque ella los dibujaba parecidos. Una silla aparecía y desaparecía, porque a veces la recordaba y a veces no. El sistema no inventaba esos errores: los amplificaba. Aprender, en este caso, fue aprender las distracciones y las manías de quien dibujó.

Ahí hay una idea de autoría que no se parece ni a la del genio romántico ni a la de la máquina autónoma. La autora está en el conjunto de entrenamiento, y el conjunto de entrenamiento está hecho de su atención y de su cansancio. El modelo es un espejo que devuelve lo que se le dio, con el volumen alto. Cuando la animación avanza y se queda sin referencias, empieza a fallar: los rostros se deshacen, los objetos se repiten, la memoria se vuelve confusión. Esa decadencia no es un accidente técnico; es el tema de Poe traducido a la lógica del modelo.

La pieza también muestra el precio de la elección. Se podría haber animado a mano; se eligió la máquina porque la máquina permitía exagerar la repetición y el olvido hasta un punto que el dibujo solo no alcanzaba. La tecnología no reemplaza el oficio: lo lleva a un extremo donde el oficio se ve.

Me cuesta pensar la máquina como colaboradora. En esta obra no colabora: obedece a un archivo y lo devuelve deformado. Lo interesante es que la deformación sea tan parecida a su autora.

Cada fotografía de Myriad tiene una etiqueta escrita a mano. La etiqueta dice cosas como el color, el estado de la flor, el grado de rayado. Parece una descripción neutra. No lo es: es una decisión sobre lo que la imagen es, tomada antes de que el modelo la vea.

¿Es blanca o rosada? ¿Es naranja o amarilla? ¿Es un capullo o una flor que acaba de abrir? Cualquiera que haya intentado describir un color con palabras conoce la incomodidad. La botánica también la conoce: la clasificación por color fue discutida por naturalistas que la consideraban un criterio poco confiable, y no les faltaba razón. El color es una percepción, y la percepción cambia con la luz, con el fondo, con el humor de quien mira.

La etiqueta convierte esa ambigüedad en un dato. Y ahí está el punto: el sesgo de un conjunto de datos no es una falla que se corrige al final, es la materia con la que se construye. Alguien decidió que esa flor era amarilla, y el modelo va a aprender esa decisión como si fuera el mundo. La cadena de la inteligencia artificial está llena de esos momentos, y en todos hay una persona eligiendo palabras.

Por eso la pieza se exhibe con las etiquetas a la vista y no con las etiquetas procesadas. La letra manuscrita hace algo que un archivo digital no hace: muestra que hubo un cuerpo ahí, con una birome, inclinado sobre una foto, decidiendo. La objetividad del dato empieza a parecerse a lo que siempre fue: una serie de juicios humanos puestos en fila.

Hay dos trabajos distintos en estas piezas, y la obra los junta. Uno hace imágenes: dibujar doscientas tintas, fotografiar diez mil flores. El otro las ordena: decidir que esta es amarilla, que aquella está en capullo, que esta otra tiene la raya. El primero tiene prestigio de oficio; el segundo se llama etiquetado y suele quedar fuera del cuadro, como si no fuera trabajo. La pieza dice que sí lo es, y que además es el trabajo del que depende todo lo demás.

Cada vez que uso una categoría para describir algo, hago una operación parecida. Decido qué rasgo importa antes de mirar. La diferencia es que en un cuaderno eso se ve, y en un corpus se borra.

En Mosaic Virus, el precio del bitcoin gobierna la imagen. Cuando el valor sube o baja, cambian el color, la forma y el movimiento de los tulipanes generados. La obra no ilustra el mercado: funciona con él. Un dato financiero entra en la máquina y sale como estética.

Esa decisión convierte al precio en un pincel. Y el pincel no es neutral: pinta con la lógica de la escasez. La pieza muestra un tulipán que nunca existió, generado por un modelo que aprendió de flores reales, y lo hace cambiar según una cotización que también es una convención. Las dos cosas son ficciones con consecuencias: una produce imágenes, la otra produce precios.

Hay un detalle técnico que la obra vuelve argumento. Durante el entrenamiento de ciertas redes generativas adversarias puede ocurrir un colapso de modos: el generador pierde diversidad, repite unas pocas variantes y su resultado se degrada. Es una falla posible, no una etapa inevitable del aprendizaje. Ridler encuentra en esa inestabilidad una imagen de los ciclos especulativos: la confianza en una progresión que puede interrumpirse bruscamente. La analogía pertenece a la obra; no convierte el comportamiento de un modelo en una ley económica.

Me incomoda que una obra que critica la especulación dependa de la especulación para funcionar. Esa dependencia no es una contradicción que haya que resolver: es el lugar donde la obra se vuelve honesta. No hay crítica del mercado desde afuera del mercado; hay una forma de estar adentro que produce una imagen distinta.

Entre 2019 y 2025, Ridler desarrolló piezas que programan restricciones al intercambio. En 2019 realizó junto con el investigador David Pfau Bloemenveiling: una subasta en línea de videos de tulipanes generados por redes neuronales, con contratos inteligentes sobre Ethereum y bots que intervenían en las pujas. Las imágenes se veían pixeladas antes de la compra. Una vez adquiridas, florecían durante una semana y después desaparecían de la vista del propietario. Había, sin embargo, una salida imprevista: si pasado ese plazo el dueño evitaba volver a abrir la obra, el token podía conservarse y mantener su valor especulativo. Para preservar el activo había que renunciar a mirar aquello que se había comprado.

The Black Tulip (2023) lleva la restricción al precio: no se puede vender por más de lo que se pagó por ella. The Breathings of the Moon (2025) la lleva al tiempo: unas conchas generadas a partir de fotografías tomadas durante años en el Támesis solo son visibles con la marea baja, y solo se pueden vender durante la hora en que la imagen está completa. Para saber si la obra se puede vender, hay que mirar la marea.

El gesto es más interesante de lo que parece. La crítica al mercado del arte suele hacerse en el texto de sala, en la entrevista o en el título; acá está escrita en el contrato. La obra no dice que la especulación es mala: hace que especular sea incómodo. Introduce una fricción deliberada en el intercambio y obliga al comprador a esperar, a mirar, a perder la oportunidad.

No conviene celebrar demasiado rápido. La fricción también puede convertirse en un atributo de colección: un objeto difícil de intercambiar adquiere una singularidad que el mercado sabe apreciar. Algunas de estas piezas circularon por museos y galerías, donde su crítica puede ser reconocida y valorizada como arte. La pregunta que queda es qué ocurre cuando la resistencia al intercambio se vuelve una cualidad por la que alguien está dispuesto a pagar.

Me gusta el gesto y desconfío de su destino. Una obra que se niega a circular termina circulando como la obra que se negó a circular.

La escasez digital no crece sola. Para que una flor generada pueda comprarse como pieza única hay que construir una infraestructura: preparar datos, entrenar un modelo, programar contratos, conectar una página con una cadena de bloques y sostener un mecanismo de subastas. En Bloemenveiling hubo cien remates a lo largo de cien días. El tulipán que parecía vivir detrás de una pantalla dependía de un trabajo colectivo bastante menos etéreo.

Ridler y Pfau construyeron sus propios contratos inteligentes y la interfaz de las subastas. En las notas de proceso describen una aplicación distribuida que parecía familiar por delante y se volvía engorrosa por detrás: componentes que debían entenderse entre sí, operaciones lentas, dificultades que una plataforma comercial suele ocultar. Una de las decisiones de la obra fue atravesar esa complejidad y dejarla expuesta como parte del experimento. El mercado digital también tiene caños, aunque se empeñe en llamarlos protocolo.

Había además una factura energética. Cuando hicieron la pieza, en 2019, Ethereum utilizaba un sistema de validación de alto consumo eléctrico. Ridler y Pfau cuestionaron el costo de producir una flor digital escasa mediante esa infraestructura. Esa observación necesita fecha: en septiembre de 2022 Ethereum cambió su mecanismo de consenso y redujo drásticamente el consumo de energía de la red. Repetir hoy la cifra energética de 2019 como si siguiera describiendo cada operación sería convertir una crítica situada en una información equivocada.

El cambio tecnológico tampoco vuelve inmaterial la producción. Persisten equipos, electricidad, mantenimiento, programación, almacenamiento, intermediarios y decisiones acerca de quién paga cada tarea. No todos esos costos son iguales ni recaen sobre las mismas personas. Un contrato puede programar una restricción a la reventa; alguien tuvo que diseñar esa regla, probarla y sostener la infraestructura que la ejecuta. El código parece una cláusula que se cumple sola hasta que preguntamos quién la escribió.

Me interesa que esta factura aparezca después de las flores y de las etiquetas. La primera mitad del recorrido permitió ver la mano detrás del conjunto de datos; ahora aparece el trabajo detrás del intercambio. En ambos casos hay una ilusión parecida: que el resultado surge automáticamente porque el mecanismo funciona. Ridler obliga a mirar antes de la imagen y detrás de la transacción. Allí también hay autores, colaboradores y costos que merecen quedar a la vista.

Hay una diferencia política entre construir un archivo a mano y reunirlo a partir de imágenes encontradas en la red. Ridler puede explicar qué incluyó, por qué, cuándo y con qué luz. En los corpus masivos, la procedencia y las decisiones de clasificación pueden quedar dispersas, poco documentadas u ocultas. La obra hace visible el trabajo de etiquetar, pero el trabajo que muestra es el de una artista, con control sobre sus elecciones. La industria también depende de personas que etiquetan por encargo, a menudo sin acceso al uso posterior de lo que producen. La diferencia entre ambas condiciones merece ser estudiada sin idealizar una ni volver invisible la otra.

Ese abismo es la fricción más productiva de su trabajo y, al mismo tiempo, su límite. Una pared de etiquetas manuscritas puede ser admirada sin que nadie cambie nada: la belleza del gesto vuelve consumible la denuncia del trabajo invisible. No es una acusación contra la artista; es la condición de cualquier obra que convierta el trabajo en imagen. La pregunta es si el espectador sale de la sala sabiendo algo sobre las manos que etiquetan o solamente habiendo visto unas manos etiquetar.

El relato del tulipán como primera burbuja es, en parte, una construcción posterior, y los historiadores discuten su escala real. La obra lo necesita: no trabaja con el episodio tal como ocurrió, trabaja con el mito tal como lo recordamos. Eso no debilita la pieza; la vuelve más exacta sobre su propio material. La especulación también se hace con relatos del pasado.

Está además el encuadre. Mientras el trabajo se lea como arte con inteligencia artificial, se va a discutir si la máquina es creativa. La obra propone otra discusión: quién etiqueta, quién paga, quién firma, quién archiva. El encuadre tecnológico es cómodo porque permite hablar de las máquinas sin hablar del trabajo.

Y hay una cuestión jurídica en el centro del problema. Las normas de derechos de autor no resuelven de manera uniforme qué aportes de una obra hecha con aprendizaje automático pueden protegerse. Una selección u organización original de materiales puede constituir una creación humana protegible; las imágenes generadas requieren examinar cómo intervino una persona y qué legislación se aplica. En Estados Unidos, por ejemplo, la Oficina de Derechos de Autor sostuvo en 2025 que el uso de herramientas de IA no excluye la protección, siempre que exista una contribución expresiva humana suficiente. Ridler trabaja sobre esa frontera: si el corpus hace la diferencia, ¿quiénes lo construyeron y quién puede firmar lo que resulta?

Queda la firma. El mercado necesita un nombre, y la obra se lo da mientras lo cuestiona. Ridler firma un archivo que hicieron sus manos, sus decisiones y su tiempo; pero también lo firma un sistema de exhibición, de colección y de prestigio que convierte el archivo en obra. La autoría no desaparece: se reparte, y el reparto no es simétrico.

No le voy a pedir a estas piezas una respuesta sobre la autoría. Le pido lo que pueden dar: una forma de mirar un archivo y ver trabajo.

Si la autora está en el conjunto de datos, la pregunta se da vuelta: ¿quién es el autor del conjunto de datos? Un corpus es un retrato de su tiempo, de su lugar, de su temporada y de las manos que lo armaron. El de Ridler tiene tulipanes de una temporada, conchas de un río, tintas de una película de 1929. Se puede leer como una biografía de la mirada de alguien.

La pregunta política es más urgente. Muchos sistemas de uso cotidiano dependen de enormes conjuntos de datos cuya procedencia, condiciones de obtención y tareas de clasificación resultan difíciles de reconstruir. Otros cuentan con responsables, licencias y documentación, aunque esos registros tampoco resuelvan por sí solos las disputas sobre consentimiento o remuneración. Detrás de un corpus hay imágenes, decisiones, contratos y personas. Saber quién hizo qué permite discutir tanto lo que el modelo muestra como aquello que dejó afuera.

¿Qué significaría exigirle a un modelo que muestre sus etiquetas? No las imágenes: las decisiones. Quién dijo que esa flor era amarilla, quién dijo que esa cara era un rostro, quién pagó por la tarea, cuánto tiempo llevó, qué se dejó afuera. Una obra como Myriad es una respuesta anticipada a esa pregunta: acá están las etiquetas, acá está el trabajo, acá está el error.

Alguien tiene que etiquetar las flores.

Vuelvo a la raya del tulipán, que es un síntoma y también un dibujo. Ridler trabaja con esa ambigüedad: lo que se ve como belleza puede ser una enfermedad, y lo que se ve como dato puede ser una decisión. No me da una conclusión sobre la autoría: me enseña a mirar un archivo y preguntar quién lo hizo.