Una aplicación poco conocida hasta ahora de la inteligencia artificial es la de analizar un lenguaje pictórico. Una red neuronal, al procesar imágenes, puede analizar de forma eficiente y libre de prejuicios las formas, colores, direcciones, texturas y composiciones. Es una forma de desnudar un lenguaje de todo referente simbólico.
Una red también puede ser entrenada para hacer justo lo contrario, y encontrar objetos, personas, o cualquier otro tipo de clave en una imagen, pero eso es algo que no entra dentro del ámbito de este experimento.
Para analizar imágenes en términos puramente pictóricos, despojados de todo simbolismo, se ha entrenando una red neuronal StyleGan2 sobre un conjunto de unas 300 imágenes de mis pinturas. Estas pinturas han sido especialmente seleccionadas buscando una cierta continuidad visual, por lo que me he centrado en ejemplos de 2017, 2018 y 2019.
Tras el procesado de las imágenes, obtenemos un modelo ya entrenado, capaz de reproducir infinitas variantes, todas ellas libres de valor simbólico, que de producirse es por mera casualidad.
Grietas
El patrón de grietas responde a las reservas de imprimación que suelo dejar en mis pinturas.
Verde esmeralda y rosa fluorescente
El uso de esta gama de verdes, y el uso puntual de rosa fluorescente es habitual en mi trayectoria desde más o menos 2014.

Piel y tela
En mi pintura siempre hay personajes en un primer término. Las texturas y volúmenes que forman la tela y la piel aparecen en estas generaciones despojados del maniquí que los porta[:enIn my paintings there are always characters in the first term. The textures and volumes that form the fabric and the skin appear in these generations stripped of the mannequin that carries them.].

Paisaje simplificado
En mi pintura, los personajes suelen aparecer en exteriores, rodeados de vegetación. El paisaje no suele participar de la escena, y por ello suele limitarse a simplemente establecer una línea horizontal que crea una ilusión de espacio.
