LO EXTRAÑO FRENTE A LA NORMATIVIDAD ALGORÍTMICA. ESTÉTICAS DE LO LIMINAL Y XENOIMÁGENES

THE WEIRD IN THE FACE OF ALGORITHMIC NORMATIVITY. AESTHETICS OF THE LIMINAL AND XENOIMAGES

Esther Rizo-Casado
Universidad Complutense de Madrid

DOI: 10.33732/ASRI.996

.........................................
Recibido: (16 06 2026)
Aceptado: (25 08 2026)
.........................................

Cómo citar este artículo
Rizo-Casado, Esther. (2026). Lo extraño frente a la normatividad algorítmica. Estéticas de lo liminal y xenoimágenes. ASRI. Arte y Sociedad. Revista de investigación en Arte y Humanidades Digitales, (31), e996.
Recuperado a partir de https://doi.org/10.33732/ASRI.996

Resumen
En solo dos años de democratización de las herramientas generativas se ha producido el mismo volumen de imágenes que en los ciento cincuenta años de fotografía. La agencia estética y de contenido de estas imágenes consolida lo normal: cada una ratifica los patrones dominantes de su archivo de entrenamiento y homogeneiza así el imaginario colectivo. Frente a esa normatividad algorítmica, este artículo sostiene que existe una contraagencia basada en la estética de lo extraño que desprenden tanto las imágenes sintéticas como las distribuidas en subculturas de internet. Tomando la definición de “lo extraño” de Mark Fisher como una cuestión de agencia, la de quién o qué actúa, se identifican dos casos. El primero es la extrañeza distribuida de las estéticas liminales, como el weirdcore y las backrooms, donde comunidades anónimas buscan lo inclasificable y generan un sentido común a través de ello. El segundo es la extrañeza intencional de la xenoimagen, denominada así por el colectivo tecnoartístico XenoVisual Studies. La metodología, por tanto, combina las prácticas artísticas colectivas con la observación de comunidades en plataformas de internet como 4chan. Se concluye que la extrañeza es una contraagencia necesaria frente al efecto homogeneizante de los algoritmos tanto de gestión de contenidos como de generación de imágenes y que tanto la práctica tecnoartística como las subculturas de internet están utilizando a modo de resistencia de las hegemonías visuales.

Palabras clave
Xenovisualidad, estéticas liminales, inteligencia artificial generativa, sesgo algorítmico, lo extraño.

Abstract
In just two years of democratization of generative tools, the same volume of images has been produced as in the one hundred and fifty years of photography. The aesthetic and content-based agency of these images consolidates the normal: each one ratifies the dominant patterns of its training archive, thereby homogenizing the collective imaginary. Against this algorithmic normativity, this article argues that a counter-agency exists, grounded in the aesthetics of the weird that emanates from both synthetic images and those circulated within internet subcultures. Drawing on Mark Fisher's definition of "the weird" as a question of agency —of who or what acts— two cases are identified. The first is the distributed weirdness of liminal aesthetics, such as weirdcore and the backrooms, where anonymous communities seek out the unclassifiable and generate a shared sensibility through it. The second is the intentional weirdness of the xenoimage, so named by the techno-artistic collective XenoVisual Studies. The methodology thus combines collective artistic practices with the observation of communities on internet platforms such as 4chan. It is concluded that weirdness constitutes a necessary counter-agency against the homogenizing effect of algorithms —both content-management and image-generation algorithms alike— and that both techno-artistic practice and internet subcultures are deploying it as a means of resisting visual hegemonies.

Keywords
Xenovisuality, liminal aesthetics, generative artificial intelligence, algorithmic bias, the weird.

Introducción

En el bienio 2022-2024, las herramientas generativas comerciales (Stable Diffusion, Midjourney y DALLE, entre otras) produjeron más imágenes que las generadas durante los ciento cincuenta años previos de historia de la fotografía (Valyaeva, 2024). Lo más alarmante de esta escala es que los sistemas de inteligencia artificial generativa de imágenes (IAGen, en adelante) reproducen y amplifican los sesgos del archivo visual hegemónico con el que se entrenan, y al hacerlo levantan un imaginario estético uniforme, ajustado a los criterios de validación de modelos optimizados sobre datos sesgados (Crawford y Paglen, 2021; Nicoletti y Bass, 2023; Andersen, et al., 2025; Steyerl, 2025; Arielli y Manovich, 2018; Glickman y Sharot, 2024; Jobin, et al., 2019). Cada imagen generada es un acto de consolidación de “lo normal”, una ratificación algorítmica, por la vía del promedio estadístico, de los patrones dominantes presentes en redes sociales comerciales y, por ende, en los datos de entrenamiento de los algoritmos generativos de imágenes.

Las corporaciones que diseñan las herramientas de IAGen (Google, Meta, Amazon, Microsoft, Stability AI, entre otras) persiguen lo que ellos mismos han denominado “la imagen de alta calidad estética” (Dai et al., 2023). Para lograrla han creado estrategias de refinado de calidad visual o quality-tuning, basadas en principios de fotografía profesional occidental —propios del fotoperiodismo o la imagen de stock— como la regla de los tercios, la profundidad estratificada, la iluminación dinámica que evita la sobreexposición y la penumbra, los colores vivos de fuerte contraste cromático o la clara separación entre sujeto y fondo. A estos criterios técnicos se añaden las que la industria llama “valoraciones subjetivas”, formuladas a los anotadores de imágenes —a menudo personas de otros países con una cultura visual muy dispar— mediante preguntas como, por ejemplo, si la imagen transmite una historia convincente o si se encuentra entre las mejores que han visto para ese contenido (Dai et al., 2023; Itävuori, 2025).

Los procesos de quality-tuning en herramientas como LAION-Aesthetics (Schuhmann et al., 2022) filtran su dataset con puntuaciones de calidad de las imágenes bajo el argumento de que la “alta calidad estética” mejora el rendimiento del modelo (Schuhmann et al., 2022). Otro ejemplo, es el modelo ImageReward (Xu, et al., 2023) que entrena funciones de recompensa a partir de preferencias estéticas humanas para enseñar al algoritmo lo que sus anotadores consideran “buen gusto” (Dai et al., 2023). Y, por último, Pick-a-Pic (Kirstain et al., 2023) une sistemáticamente esos juicios en forma de anotación de imágenes en rankings comparativos que diagnostican cuales son “las mejores imágenes”.

La “alta calidad estética” descrita por el campo de la ingeniería de software, contrasta con lo que Hannah Arendt (1961/2016), con apoyo en la filosofía griega clásica y en la Crítica del juicio de Kant, otorgó a la capacidad de discernir entre el buen y el mal gusto. Según la autora, el gusto se ejerce en la tensión entre dos movimientos opuestos. Por un lado, la pertenencia al mundo compartido con los demás denominada en latín como sensus communis, y que corresponde a lo que Carl Gustav Jung (1968) describe como “imaginarios comunes”: aquello que sostiene una objetividad acordada entre un grupo de individuos. Por otro lado, el gusto también se basa en la posibilidad de rebasar continuamente esa objetividad consensuada para dar rienda suelta al pensamiento especulativo. Por tanto, lejos de reducirse a un refinamiento subjetivo y burgués, o al cumplimiento de ciertas reglas que armonizan los parámetros de la imagen, el gusto queda definido por una serie de imaginarios compartidos y por la facultad de que podamos, o no, romper con ellos.

Mientras tanto, la capacidad de la imagen generada de coincidir con las estéticas hegemónicas se interpreta no solo como prueba de calidad sino también como evolución de los sistemas generativos. Esta medición convierte así el fotorrealismo relamido de las imágenes domesticadas en dispositivo de legitimación del aprendizaje algorítmico. La capacidad de producir una imagen verosímil y estéticamente convincente pasa a ser evidencia de que el algoritmo cuenta con una comprensión del mundo y de nuestros imaginarios compartidos. La imagen de “alta calidad estética” es, por tanto, el intento del buen gusto de una fracción cultural específica convertido en parámetro universal para crear un sentido común simplificado que las máquinas y los humanos podamos compartir. Sin embargo, como vemos con el ejemplo de la Figura 1, esto no está funcionando como las corporaciones esperaban.

La optimización estadística hacia una norma visual consensuada considera la belleza y el sentido común como algo estático, domesticable, sin darse cuenta de que su valor más icónico es su capacidad emancipatoria de los cánones impuestos y que, para ello, los baremos necesitan estar en continua mutación. Hannah Arendt (1961/2016), se preguntaba si el gusto no sería una de las facultades más políticas de los humanos, ya que este puede ser definido como el factor que determina qué aparece como visible, legítimo y compartible en el espacio común.

La generación de este tipo de contenidos impide que se generen otros imaginarios a partir de estas potentes herramientas. Un último eslabón de consecuencias en la trayectoria de la imagen generada tiene lugar cuando se comparten en redes sociales. Por un lado, existe el problema ampliamente abordado de incrementar la circulación de deepfakes y consolidar el régimen epistémico de la posverdad (Schick, 2020). Por otro lado, nos encontramos con la consecuencia cognitiva de estas imágenes que Franco Berardi (2015) anticipaba hace ya una década bajo el concepto semioblitz: la acumulación masiva e ininterrumpida de signos que satura el aparato perceptivo y disuelve progresivamente la capacidad de producir sentido inteligible. En esta línea, Colquitt y Cobb (s. f.) sostienen que la explotación contemporánea opera incluso —y especialmente— fuera del ámbito laboral, en la medida en que el sistema nervioso trabaja de forma sostenida para gestionar dicho bombardeo semiótico sin recibir remuneración alguna por el valor que genera la atención, convertida esta en el recurso extractivo central de la economía de plataformas.

Desde el campo de la psicología, las imágenes han sido descritas como dispositivos que producen subjetividad, normalizan imaginarios colectivos y consolidan infraestructuras de visibilidad (Bredekamp, 2018). En la actualidad se suma una nueva característica productiva de la imagen: generan interacción y, por tanto, monetizan (Crawford, 2025; Steyerl, 2025). Estas a su vez han tenido un impacto en la medición de la IAGen: atrás quedan los formatos basados en el test de Turing (1950), ya no se trata de convencer a un humano de que el algoritmo es inteligente, sino de reducir al humano a una mera interacción con los contenidos sintéticos. Es precisamente esta saturación semiótica y la consiguiente erosión de los imaginarios comunes, los temas que abordaremos en el presente estudio a través del análisis de jóvenes usuarios que comparten contenidos visuales en internet desde un propósito muy distante a las lógicas de consumo y monetización.

De aquellos barros, estos lodos, sería el dicho popular que define la situación actual en la que la imagen ha derivado en el tipo de contenido denominado AI slop (Figura 2), de su etimología inglesa sloppe, que significa “lodo” o “lodazal” (Kommers et al., 2026). El contenido slop está fabricado precisamente para crear la sensación de arenas movedizas: una vez estás dentro, el ruido visual te absorbe. Este lodo ha sido iconizado con la imagen viral del Jesucristo Gamba (Figura 3) que fue la más descargada de 2025 (Crawford, 2025) y que encarna esa creatividad basada en combinatoria, cuyo imperativo fundamental reside en garantizar que la generación de datos y su procesamiento algorítmico mantengan su trayectoria de crecimiento exponencial.

Este afán por generar más interacción y por tanto más beneficio a partir de postear imágenes generadas online es uno de los factores que ha convertido la teoría del internet muerto¹ en una realidad (Broad, 2024; Steyerl, 2013). Dado que más de la mitad del tráfico web está generado por bots (Imperva, 2023), los que generan las imágenes no desean parecer inteligentes, demostrar su creatividad o tener buen gusto, sino crear contenido lo bastante absurdo o llamativo para provocar interacción. Es así como las imágenes generadas a día de hoy no representan el mundo, actúan sobre él, funcionan como imágenes operacionales, en la estela de lo que auguraba el cineasta Harun Farocki (2004) y la filosofía crítica de la imagen (Parikka, 2023; Steyerl, 2025; Paglen, 2014). Preguntarse qué quieren las imágenes, como hace el fotógrafo Joan Fontcuberta (2016), equivale a preguntarse por el espíritu de una época. Lo que observamos es que, frente a la agencia basada en la calidad que persigue la industria de la IAGen, existe una contraagencia basada en “lo extraño” que opera tanto a nivel artístico y reivindicativo como a nivel subcultural en internet.

Metodología

Se han seleccionado dos objetos de estudio, cada uno abordado mediante un proceso de investigación diferente, aunque ambos ejercicios coinciden en el mismo enfoque deductivo donde lo teórico y lo práctico se retroalimentan. El primero parte de la práctica experimental comunitaria llevada a cabo por el colectivo tecnoartístico XenoVisual Studies; el segundo, se sirve de la observación de imágenes posteadas en redes no comerciales de internet y documentadas por la enciclopedia digital colaborativa Aesthetics Wiki². En ambos casos, el proceso culmina con la puesta en diálogo de los hallazgos con la literatura existente sobre cultura de internet y sobre teorías que definen lo extraño, a fin de identificar un entendimiento de tendencias y afectos que se vinculan con la extrañeza emergente de la imagen que emerge de la AIGen y circula prolíficamente en redes.

En el caso de observación de las subculturas online, se analiza las estéticas que emergen en internet mediante la observación de las comunidades de usuarios anónimos que las producen y donde se gesta una visualidad extraña. Ese material se pone en diálogo con los textos de Valentina Tanni sobre las estéticas liminales y con los de Maggie Appleton, Hito Steyerl y Bogna Konior sobre la teoría del bosque oscuro de internet, que ofrecen el marco desde el cual leer críticamente lo observado. Esta parte constituye, en definitiva, una aproximación afín a la etnografía digital, en tanto se basa en una lectura situada de esas comunidades y de sus imágenes, informada por la práctica y contrastada con la teoría de la imagen.

En el caso de análisis de las prácticas del colectivo XenoVisual Studies, se documenta el proceso de generación de imágenes durante dos jornadas de creación colaborativa —llamadas XVS Center— en dos años consecutivos. Esta sección adopta la forma de una investigación basada en la práctica artística, en la que la creación no se limita a ilustrar una teoría, sino que produce conocimiento específico. El enfoque cuestiona la separación moderna entre concepto y materia, y asume que ciertos fenómenos solo pueden comprenderse mediante la experiencia encarnada, en línea con el conocimiento situado de Donna Haraway (1988). Este proyecto ha sido seleccionado entre otros por descartar la autoría individual y apostar por un proceso colectivo: los ejercicios han sido realizados por más de una treintena de artistas, activistas, tecnólogas, teóricas y ciudadanas, convocadas mediante un formulario de solicitud que no valora la capacitación previa de las participantes, sino únicamente su grado de interés. El criterio de selección se centra así, en el deseo de indagar en las visualidades emergentes de la IAGen, y en especial en aquellas que producen una sensación de extrañeza.

Durante las jornadas de XVS Center 2024 y 2025, las participantes se reúnen a lo largo de tres días, en torno a una programación de charlas, talleres, performances e instalaciones orientada a generar conversación sobre lo extraño en la imagen generada con IAGen. Después de las jornadas presenciales, las participantes disponen de dos semanas para experimentar con los conceptos, las técnicas aprendidas y la capacidad computacional de una GPU en local que tenían a su disposición. Estas dos semanas suceden de forma no pautada, las participantes eligen trabajar individualmente o en grupos e indagan desde sus casas o acudiendo al taller, sin horarios ni esquema de actividades. Finalmente, al cabo de quince días presentan su proceso y sus hallazgos en una sesión de tres horas de duración abierta a todos los visitantes del espacio.

Las dos ediciones de XVS Center se han llevado a cabo durante dos años consecutivos en el centro de creación contemporánea Medialab Matadero y en el ArtLab de la sala Siroco de Madrid, con el apoyo del Instituto de las Mujeres del Ministerio de Igualdad en 2024 y de las ayudas a la creación del Ayuntamiento de Madrid en 2025.

Desarrollo de la investigación

Lo extraño en los cores de internet

Cuando analizamos la proliferación de subculturas de usuarios que dialogan a través de las imágenes en redes no comerciales de internet encontramos un importante número de imágenes que evocan lo extraño (Aesthetics Wiki, s.f.). Estas subculturas vienen surgiendo desde principios de los dosmiles de actos tan simples como que personas de internet, generalmente pertenecientes a la generación alpha y z, compartan imágenes y las acompañen de alguna frase o un tema musical. Este simple gesto, es lo que viene creando estéticas y microestéticas que a su vez generan comunidades en plataformas no comerciales de la red. La plataforma web 4chan, viene siendo el lugar principal para sostener este tipo de subculturas emergentes que suelen identificarse por ser nombradas con el sufijo core o wave, por ejemplo, dreamcore³ y vaporwave⁴. Hoy en día 4chan cuenta con veinte millones de visitantes al mes y más de cinco mil millones de posts (junio de 2026). El éxito de estas imágenes parece explicarse por dos factores. Por un lado, la democratización del proceso de creación visual: las herramientas de IAGen permiten que cualquier persona genere una imagen a partir de texto. Por otro lado, el anonimato, que libera de la exigencia no escrita de sostener una doble identidad, la offline y la online.

Otro factor que hace funcionar estas redes anónimas es que los afectos se fabrican desde dentro, surgen de historias compartidas a las que llaman lores. Al igual que los mitos tradicionales que recorren nuestros pueblos o las mitologías que han marcado culturas desde la antigüedad —mitología nórdica, la yoruba, la mesoamericana, la griega o la hindú—. Estas narrativas carecen de autor único y de versión canónica: crecen por acumulación y variación anónima, dispersas en foros, wikis, vídeos e imágenes. Así, del mismo modo que Homero no inventó a los dioses, sino que heredó una tradición narrada durante siglos, los lores son relatos que cada usuario modifica o contradice sin que exista una versión original o auténtica. La peculiaridad de esta especie de mitología contemporánea es que, al ser distribuida en la red, su carácter es global, encontrándonos así con usuarios uruguayos que entienden el dreamcore de la misma forma que lo hacen los coreanos.

Estas culturas están creando un subinternet descrito por autores como Yancey Strickler (2025), Maggie Appleton (2020), Bogna Konior (2020/2025) e Hito Steyerl (2025) a través de la teoría del bosque oscuro⁵ como metáfora de un bosque hostil en el que cada usuario es cazador y presa, y donde comunicarse es tan necesario como peligroso. Esta noción de internet se ha construido en tres momentos sucesivos. La metáfora procede de la novela El bosque oscuro (2008) de Liu Cixin, donde el universo se concibe como una espesura silenciosa en la que cada civilización oculta su posición para no ser destruida, pues revelarse equivale a exponerse a la aniquilación. El cofundador de Kickstarter, Yancey Strickler (2025) traslada esa imagen al entorno digital: ante la publicidad, el rastreo, el acoso y la vigilancia de la red abierta, los usuarios se repliegan hacia espacios no indexados ni gobernados por el algoritmo (newsletters, pódcast, grupos privados) donde la conversación se vuelve más segura. Sobre esta base, Maggie Appleton (2020), a partir del término cozy web (web confortable) acuñado por Venkatesh Rao, cartografía esos refugios como capas de una web interior y protegida, contrapuesta a la intemperie hostil de las plataformas (Figura 4). Finalmente, Bogna Konior (2020/2025) lleva la metáfora a un plano metafísico y entrópico, en el que la comunicación misma es a la vez una necesidad ineludible y la fuente de todo conflicto, de manera que hacerse legible y visible no es signo de inteligencia, sino de riesgo. Según la autora, toda conexión produce complejidad, y toda complejidad, conflicto, hasta reducirnos a nodos de una “cadena cósmica de sospechas” (Konior, 2020/2025).

A través del contenido visual de redes como 4chan descrito en Aesthetics Wiki (s.f.) vemos como a menudo esta parte de internet sirve como madriguera del bosque que ofrece cobijo a los que ya han sido víctimas de violencias típicas de las redes más comerciales y sus consecuentes traumas asociados a la imagen personal y la frustración de “no encajar” en una sociedad hegemónica. Es a partir de 2017 cuando las comunidades de creación colaborativa —identificadas bajo el sufijo core, weirdcore⁶, traumacore⁷, corecore⁸— se centran activamente en la incomprensibilidad y la desorientación visual como valor estético de sus contenidos. Uno de los canales de 4chan dedicado a los espacios liminales, con cientos de miles de miembros, articula visualmente esa búsqueda compartiendo imágenes de lugares reconocibles pero radicalmente descontextualizados: pasillos de colegio, centros comerciales o sótanos, todos ellos vacíos, con una iluminación fluorescente y una notable ausencia de propósito. Son imágenes que producen un desasosiego deliberadamente perseguido (Figura 5).

La estética weirdcore, surgida hacia 2018, lleva esta lógica de unir lo familiar y lo extraño más lejos: amalgama elementos incompatibles, cuerpos deformes y texturas glitch en imágenes cuya sensación dominante es la incomodidad visual, y cuyos creadores saben que producen extrañeza porque es exactamente lo que buscan. La culminación de esta sensación distribuida mediante una imagen generada, serían las backrooms, espacios laberínticos e infinitos —rescatados del mundo real o generados y modificados con IAGen— cuya narrativa fundacional, publicada anónimamente en 2019, juega con la mezcla característica de lo desconocido y lo familiar.

Cuando la autora Valentina Tanni (2026) pregunta a los participantes de estas comunidades por su propósito a la hora de postear esta estética, las respuestas giran en torno al mero hecho de sentir algo que no puedan explicar, habitar narrativas que no entienden y abandonar la necesidad de que todo tenga sentido. La incomprensión o falta de familiaridad se convierte en objetivo. Este hallazgo se corresponde con la definición de Mark Fisher (2016), para quien lo extraño se relaciona siempre con la pregunta de quién o qué actúa. Y es que las imágenes liminales del bosque oscuro de internet producen extrañeza precisamente porque suspenden la agencia: son imágenes anónimas, mayoritariamente generadas o modificadas con IAGen y representan lugares que parecieron concurridos y ahora están desiertos.

La respuesta de las comunidades ante estas imágenes tiene una doble naturaleza, por un lado, el afán de construir un imaginario común de lo extraño y lo infinito les une y consuela; por otro, se genera un análisis forense colectivo que rastrea el origen de las imágenes, su localización real o su carácter sintético, como forma de deshacer esa incertidumbre que les producen. Esa oscilación entre habitar la extrañeza y domesticarla es el modo en que estas comunidades elaboran un sentido común de lo inclasificable: uno que combina el sensus communis y su disrupción, en la línea de lo que plantea Hannah Arendt (1961/2016).

Lo extraño en proyectos de cocreación tecnoartística

Desde el arte, multitud de autores han utilizado esta sensación de lo extraño que emerge de la imagen generada como herramienta emancipadora de la normatividad imperante procesada en la imagen sintética. Es necesario aclarar que la sensación de lo extraño no describe un atributo sino una incertidumbre sobre la agencia que lo produce, y por eso resulta el terreno preciso desde el que interrogar lo que hacen/quieren las imágenes generativas. La crítica tiende a relegar las visualidades de la IA a meras “alucinaciones numéricas” (Colin y Vilchis, 2024). Sin embargo, el artista Trevor Paglen y el teórico Anthony Downey (2024), al analizar las alucinaciones generadas por modelos visuales entrenados sin ser forzados a cierta normatividad, leen las imágenes emergentes como “productoras idóneas de futuros raros”, con un sentido de extrañamiento del porvenir y de su potencialidad que conecta con lo que comunidades multitudinarias de internet están deseando.

Volviendo a Mark Fisher (2016), en la estela de lo siniestro o unheimlich de Sigmund Freud, vemos como lo extraño se define ya sea como una presencia exorbitante que surge donde debería haber ausencia, ya como una ausencia donde debería haber algo. El colectivo Laboria Cuboniks, autor del Manifiesto Xenofeminismo: Una política por la alienación (2016), ha entendido esa tendencia hacia lo extraño, lo xeno, lo desarraigado, como un método para habitar la incomodidad de lo no familiar y reimaginar, desde ahí, otras posibilidades para nuestros cuerpos. Es a partir de este marco teórico que el colectivo XenoVisual Studies (en adelante, XVS) emprende la búsqueda de lo que denomina la xenoimagen (Rizo-Casado, 2024). Las imágenes generadas por modelos de IA se presentan como el objeto de estudio ideal, pues constituyen una visualidad extraña desde que emergen de la ausencia de agencia. A ello se suma otro rasgo característico, la imposibilidad, tanto humana como algorítmica, de clasificar ciertos contenidos alucinados que emergen precisamente de la ausencia de datos o, más bien, de la genuinidad de esos datos en el espacio latente (Somaini, 2025).

Lo extraño tiene dos peculiaridades a considerar a la hora de buscar visualidades que lo representen. Por un lado, la extrañeza es diferente para cada cultura e individuo; por otro, tiende a desaparecer una vez que se conoce. Es por esto que el colectivo XVS, en lugar de crear xenoimágenes, diseña unos protocolos de creación denominados xeno-tuning que son fáciles de compartir con personas que no tengan conocimientos previos. El proceso de xeno-tuning consiste en la intervención deliberada de modelos generativos pre-entrenados con el objetivo de producir resultados que generen esa sensación de extrañeza a partir de la imposibilidad de categorizar lo representado en la imagen. Las técnicas empleadas operan siempre en la dirección de empujar al modelo hacia los extremos de su espacio latente. Una de estas técnicas, por ejemplo, está basada en la ingeniería de prompts y recurre a términos como alien, extraño, amorfo (Figura 6) o incluso palabras inventadas, combinadas con descripciones corporales ambiguas, partiendo de la constatación de que cuanto menos comprensible resulta el prompt para el modelo, más tiende a alucinar cuerpos no normativos.

Otras tácticas aprovechan la incapacidad de los algoritmos de entender nuestras peculiaridades anatómicas mediante la incentivación de la apofenia sintética (Figura 7) característica de los modelos de visión computacional (Parikka y Gil-Fournier, 2020).

Otra de las técnicas que además ya está extendida en plataformas de internet como GitHub o CivitAI sería la de ejecutar LoRAs —reentrenos con bases de datos más pequeñas— de forma que podemos elegir con que datasets compatibles o incompatibles queremos reentrenar al algoritmo generativo. Estas técnicas permiten mezclar archivos de, por ejemplo, anatomía, arquitectura o especies florales para forzar combinaciones y obtener resultados más rizomáticos (Figura 8).

Un ejemplo concreto surgido en XVS Center I, ilustra bien el tipo de intervención que estas jornadas hicieron posible. Todo parte del hallazgo de los ingenieros Brendel y Bethge (2019) donde descubren que la visión computacional no identifica la clase de pez coho (salmón plateado) por su anatomía, sino por la presencia de manos humanas y fondos verdosos. Esto es debido a que en el dataset las fotografías más abundantes de esta especie muestran al animal sostenido en alto como trofeo de un hombre blanco pescador. La red no ha aprendido cómo es el pez, sino cómo son las fotografías más comunes que llevan la etiqueta coho, repitiendo sin saberlo un guión de caza que el imaginario heteropatriarcal sigue asociando a la virilidad intrínseca en capturar una presa y posar junto a ella. Bykov et al. (2023) lleva esta observación más lejos al mostrar que algunas clases de peces se activan ante la figura completa del pescador, hasta el punto de que el modelo asigna con alta confianza la etiqueta pez a una fotografía donde no hay pez alguno, solo un hombre blanco junto al río (Figura 9).

A partir de esta paradoja, en la que el algoritmo confunde al pez con su propio cazador, la artista Manuela Clementina, participante en XVS Center, propone un taller de creación de xeno-peces con el software 3D Blender (Figura 10).

Este tipo de procesos de creación visual sirvieron como base para los encuentros XVS Center en 2024 y 2025, organizados como laboratorios donde lo xeno se desplegaba mediante la experimentación conjunta de protocolos de xeno-tuning (Figura 11). La premisa de estos encuentros confirma la naturaleza inestable de la xenoimagen: en el momento en que una estrategia de extrañamiento se vuelve comprensible o replicable, deja de serlo, y obliga a una búsqueda continua de nuevas zonas inexploradas. Sin embargo, tanto el colectivo como este estudio no consideran esta autorrenovación como un fallo metodológico, sino la prueba de que lo extraño, al igual que la definición arendtiana del gusto, funciona menos como propiedad estable de la imagen que como relación cambiante entre esta y los sistemas que intentan clasificarla.

Resultados y conclusiones

Tanto las estéticas liminales de internet como las xenoimágenes trascienden su etiqueta de síntoma visual de la atmósfera cultural que habitamos y se convierten en formas activas de atravesar los márgenes del sistema sin destruirlo. Hacen noclipping⁹ hacia los intersticios donde deja de regir la lógica de acumulación y clasificación propia de las redes sociales comerciales. En el momento en que una imagen presenta un espacio o un cuerpo que no puede situarse, algo se resquebraja. En esa grieta, de forma embrionaria, comienza a gestarse un umbral habitable. Estos umbrales están siendo especialmente explorados por las comunidades de usuarios del internet no comercial y por la red de creadores de xenoimágenes.

Ambas estrategias, tanto la perseguida como la emergente, comparten la condición de práctica situada al margen de los sistemas corporativos de validación estética. Los protocolos de xeno-tuning desarrollados de forma deliberada por XVS entre 2022 y la actualidad, se han socializado por la vía de la transferencia situada en sus talleres de creación junto a la ciudadanía donde los participantes no reciben la imagen extraña como espectadores, sino que aprende a producirla. Su logro es la profundidad, la alfabetización técnica y la apropiación colectiva de un procedimiento.

Por otro lado, las estéticas de foros de internet se han socializado sin autoría ni protocolo, y han generado millones de publicaciones y comunidades de cientos de miles de miembros que reconocen y comparten el código de lo extraño a nivel mundial. Su logro es la extensión, un sentido común alternativo construido de forma distribuida y anónima. Un caso opera en intensidad y el otro en amplitud, y ambos demuestran que la extrañeza puede ser un camino emancipador de la mismidad visual hegemónica que satura las redes más comerciales.

Frente a la doble dinámica de retirada humana y saturación sintética de internet, la búsqueda de la imagen extraña muestra que el repliegue o la revolución no tiene por qué ser solo defensivo como venían augurando los aceleracionistas¹⁰. Si retomamos la definición de Derrida (1996/1998), el umbral se presenta como la zona de transición que no es destrucción de lo viejo o aceleración de lo actual. El umbral es el espacio de gestación de lo nuevo en los intersticios y puede habitarse de forma productiva. No haría falta acelerarlo todo para cancelar el sistema (O'Sullivan, 2016), podemos atravesar los márgenes y encontrar lugares donde su lógica deja de funcionar.

Como cierre, cabe extraer dos conclusiones. La primera es teórica: la extrañeza, leída desde Mark Fisher como cuestión de agencia, permite distinguir contraagencias frente a la normatividad algorítmica y mostrar que la diferencia no es la radicalidad del gesto sino su capacidad de socializar. La segunda es propositiva, la práctica artística basada en la intervención de los materiales y procesos de IAGen constituyen una forma legítima de resistencia a la evolución constante de una visualidad normativa y estática promovida por las corporaciones que diseñan los modelos generativos. Lo extraño no es un atributo de las imágenes sino un trabajo sobre la agencia, y por eso su producción es inseparable de la construcción de las comunidades y los procesos capaces de sostenerla.

Referencias bibliográficas

Aesthetics Wiki. (s. f.). Aesthetics Wiki. Fandom. Recuperado el 6 de agosto de 2026 de https://aesthetics.fandom.com/wiki/Aesthetics_Wiki

Andersen, C. U., Malevé, N. y Velasco, P. (2025). Objects of interest & necessity: A tour guide to autonomous AI imaging. Digital Aesthetics Research Center. https://darc.au.dk/fileadmin/ingen_mappe_valgt/_default/Objects_of_Interest_and_Necessity.pdf

Appleton, M. (2020). The dark forest and the cozy web. https://maggieappleton.com/cozy-web

Arendt, H. (1961/2016). Entre el pasado y el futuro: Ocho ejercicios sobre la reflexión política (A. Poljak, Trad.). Península.

Arielli, E. y Manovich, L. (2018). Estética de la IA: Imágenes, datos, cultura. Akal.

Avanessian, A. y Reis, M. (Comps.). (2017). Aceleracionismo: Estrategias para una transición hacia el postcapitalismo (M. Reis, Trad.). Caja Negra.

Berardi, F. (2015). And: Phenomenology of the end. Semiotext(e).

Bredekamp, H. (2018). Image acts: A systematic approach to visual agency (E. Clegg, Trad. y Ed.). De Gruyter. https://doi.org/10.1515/9783110548570 (Obra original publicada en 2010).

Brendel, W. y Bethge, M. (2019). Approximating CNNs with bag-of-local-features models works surprisingly well on ImageNet [Ponencia]. 7th International Conference on Learning Representations (ICLR 2019), Nueva Orleans, Estados Unidos. https://arxiv.org/abs/1904.00760

Broad, T. (2024). Is computational creativity flourishing on the dead internet? arXiv. https://arxiv.org/abs/2407.17590

Bykov, K., Kopf, L. y Höhne, M. M.-C. (2023). Finding spurious correlations with function-semantic contrast analysis. En L. Longo (Ed.), Communications in Computer and Information Science (Vol. 1902, 549–572). Springer. https://doi.org/10.1007/978-3-031-44067-0_28

Colin, M. S. y Vilchis, M. Á. L. (2024). Alucinaciones numéricas en el Arte Computacional. ASRI: Arte y Sociedad. Revista de Investigación, 26, 129–141. https://doi.org/10.33732/asri.6812

Colquitt, D. y Cobb, H. (s. f.). Autoculture on an undead internet. Territories of Play. ETH Zurich. https://territoriesofplay.ethz.ch/y7-autoculture-on-an-undead-internet

Crawford, K. (2025). Eating the future: The metabolic logic of AI slop. e-flux Architecture. https://www.e-flux.com/architecture/intensification/6782975/eating-the-future-the-metabolic-logic-of-ai-slop

Crawford, K. y Paglen, T. (2021). Excavating AI: The politics of images in machine learning training sets. AI & Society, 36(4), 1105–1116. https://doi.org/10.1007/s00146-021-01162-8

Dai, X., Hou, J., Ma, C.-Y., Tsai, S., Wang, J., Wang, R., Zhang, P., Vandenhende, S., Wang, X., Dubey, A., Yu, M., Kadian, A., Radenovic, F., Mahajan, D., Li, K., Zhao, Y., Petrovic, V., Singh, M. K., Motwani, S. y … Parikh, D. (2023). Emu: Enhancing image generation models using photogenic needles in a haystack. arXiv. https://arxiv.org/abs/2309.15807

Derrida, J. (1996/1998). Aporías: Morir —esperarse (en) los límites de la verdad (C. de Peretti, Trad.). Paidós.

Farocki, H. (2004). Phantom images. Public, (29), 12–22.

Fisher, M. (2016). The weird and the eerie. Repeater Books.

Fontcuberta, J. (2016). La furia de las imágenes: Notas sobre la postfotografía. Galaxia Gutenberg.

Glickman, M. y Sharot, T. (2024). How human–AI feedback loops alter human perceptual, emotional and social judgements. Nature Human Behaviour, 9(2), 345–359. https://doi.org/10.1038/s41562-024-02077-2

Gómez Gabriel, N. (2023). Traumacore: Crónicas de una disociación feminista. Cielo Santo.

Haraway, D. J. (1988). Situated knowledges: The science question in feminism and the privilege of partial perspective. Feminist Studies, 14(3), 575–599. https://doi.org/10.2307/3178066

Imperva. (2023). Bad bot report. Imperva.

Itävuori, S. P. (2025). The computational approach to aesthetics: Value alignment and the political economy of attention in museums and text-to-image generator Stable Diffusion. A Peer-Reviewed Journal About, 14(1), 82–100. https://doi.org/10.7146/aprja.v14i1.160275

Jobin, A., Ienca, M. y Vayena, E. (2019). The global landscape of AI ethics guidelines. Nature Machine Intelligence, 1(9), 389–399. https://doi.org/10.1038/s42256-019-0088-2

Jung, C. G. (1968). The archetypes and the collective unconscious (2.ª ed., R. F. C. Hull, Trad.). Princeton University Press.

Kirstain, Y., Polyak, A., Singer, U., Matiana, S., Penna, J. y Levy, O. (2023). Pick-a-Pic: An open dataset of user preferences for text-to-image generation (arXiv:2305.01569). arXiv. https://doi.org/10.48550/arXiv.2305.01569

Kommers, C., Duede, E., Gordon, J., Holtzman, A., McNulty, T., Stewart, S., Thomas, L., So, R. J. y Long, H. (2026). Why slop matters. ACM AI Letters. https://doi.org/10.1145/3786777

Konior, B. (2020/2025). The dark forest theory of the internet. Polity Press.

Laboria Cuboniks. (2016). Xenofeminismo: Una política por la alienación. https://www.laboriacuboniks.net

Land, N. (2011). Meltdown. En Fanged noumena: Collected writings 1987–2007. Urbanomic/Sequence Press. (Obra original publicada en 1994).

Nicoletti, L. y Bass, D. (2023, 9 de junio). Humans are biased. Generative AI is even worse. Bloomberg. https://www.bloomberg.com/graphics/2023-generative-ai-bias/

O'Sullivan, S. (2016). Accelerationism, prometheanism and mythotechnesis. En Art and reason: How art thinks II. Baltic Museum.

Paglen, T. (2014). Operational images. e-flux Journal, (59). https://www.e-flux.com/journal/59/61130/operational-images

Paglen, T. y Downey, A. (2024). Adversarially evolved hallucinations. Sternberg Press.

Parikka, J. (2023). Operational images. University of Minnesota Press.

Parikka, J. y Gil-Fournier, A. (2020). Visual hallucination of probable events: On environments of images, data, and machine learning. En N. Lushetich (Ed.), Big data: A new medium? Routledge.

Rizo-Casado, E. (2024). Xeno-tuning: Dissolving hegemonic identities in algorithmic multiplicity. A Peer-Reviewed Journal About, 13(1). https://doi.org/10.7146/aprja.v13i1.151237

Schick, N. (2020). Deep fakes and the infocalypse: What you urgently need to know. Monoray.

Schuhmann, C., Beaumont, R., Vencu, R., Gordon, C., Wightman, R., Cherti, M., Coombes, T., Katta, A., Mullis, C., Wortsman, M., Schramowski, P., Kundurthy, S., Crowson, K., Schmidt, L., Kaczmarczyk, R. y Jitsev, J. (2022). LAION-5B: An open large-scale dataset for training next generation image-text models. Advances in Neural Information Processing Systems, 35, 25278–25294. https://openreview.net/forum?id=M3Y74vmsMcY

Somaini, A. (2025). A theory of latent spaces. En Jean Boîte Editions (Ed.), Le monde selon l'IA [Catálogo de exposición]. Jeu de Paume.

Steyerl, H. (2013). Too much world: Is the Internet dead? e-flux Journal, (49).

Steyerl, H. (2025). Medios calientes. Caja Negra.

Strickler, Y. (2025, 31 de diciembre). The dark forest theory of the internet. Yancey Strickler. https://www.ystrickler.com/the-dark-forest-theory-of-the-internet/

Tanni, V. (2026). Estéticas liminales: Vaporwave, Backrooms, weirdcore o cómo la cultura de internet está enrareciendo la realidad (A. Ponce de León, Trad.). Caja Negra.

Turing, A. M. (1950). Computing machinery and intelligence. Mind, 59(236), 433–460. https://doi.org/10.1093/mind/LIX.236.433

Valyaeva, A. (2024, 14 de agosto). AI image statistics for 2024: How much content was created by AI. Everypixel Journal. https://journal.everypixel.com/ai-image-statistics

Xu, J., Liu, X., Wu, Y., Tong, Y., Li, Q., Ding, M., Tang, J. y Dong, Y. (2023). ImageReward: Learning and evaluating human preferences for text-to-image generation. Advances in Neural Information Processing Systems, 36, 15903–15935.

BIO

Esther Rizo-Casado es profesora en la Universidad Europea de Madrid e investigadora en la Universidad Complutense de Madrid (UCM). Además de sus funciones académicas, es artista y miembro activo del colectivo XenoVisual Studies. Con un profundo compromiso con el avance de la integración de las mujeres en el arte y la tecnología, impulsa la participación comunitaria a través de proyectos interdisciplinares colaborativos, con el apoyo del Ministerio de Igualdad de España, el Ayuntamiento de Madrid, el centro de creación contemporánea Medialab Matadero y de la Unidad de Igualdad de la UCM (2023-24). Rizo-Casado es autora de un libro de referencia sobre el diseño centrado en la vida (2021) y ha desarrollado escritos especulativos que indagan en las intersecciones entre el xenofeminismo y las tecnologías visuales emergentes. Su investigación actual explora perspectivas innovadoras sobre la tecnología como dispositivo que desborda los límites de las realidades hegemónicas actuales. erizo01@ucm.es

_______________________________

1 La teoría de que internet muerto describe internet como una red saturada de presencias sintéticas que desplazan progresivamente la expresión humana verificable y la sustituyen por respuestas automatizadas, bots conversacionales, deepfakes y demás contenido sintético que busca la interactividad constante con humanos (Steyerl, 2025).

2 Aesthetics Wiki es una enciclopedia colaborativa alojada en la plataforma Fandom que documenta y archiva estilos visuales, subculturas de internet y corrientes estéticas emergentes. Construida de forma colectiva y anónima por sus usuarias mediante el software MediaWiki (el mismo que emplea Wikipedia), constituye el principal repositorio de las microestéticas online. Precisamente por su naturaleza abierta y en constante revisión, no funciona aquí como una autoridad, sino como evidencia de su existencia y circulación.

3 Estética de internet que imita la naturaleza de los sueños, las ensoñaciones o las pesadillas. (Aesthetics Wiki, s.f.).

4 Estética que mezcla la nostalgia de los años 90 con una crítica irónica al capitalismo de consumo a través de sonidos lentos e imágenes surrealistas. (Aesthetics Wiki, s.f.).

5 La idea de que la vida pública de internet se ha vuelto hostil y la gente se repliega a espacios más privados y protegidos: grupos con invitación, foros, newsletters o chats (Aesthetics Wiki, s.f.).

6 Estética con imágenes de baja calidad, basada en la nostalgia de los años 2000 y un sentimiento de desorientación tempo-espacial (Aesthetics Wiki, s.f.).

7 Estética que mezcla imágenes infantiles, nostálgicas o tiernas con mensajes oscuros, disociativos o perturbadores (Gómez Gabriel, 2023).

8 Estética que mezcla videos caóticos y sin relación aparente como memes, películas, podcasts y noticias para reflejar el exceso de información y la angustia de la cultura digital (Aesthetics Wiki, s.f.).

9 Término procedente de los videojuegos que designa el fallo o truco por el cual un personaje atraviesa una superficie sólida, como un muro, y accede al espacio vacío que queda fuera de la zona diseñada del juego.

10 El aceleracionismo sostiene que, al no haber un afuera del capitalismo, la única salida es atravesarlo acelerando sus propias fuerzas hasta forzar su superación. De su raíz común en Marx y en Deleuze y Guattari surgen dos vertientes opuestas. Una, recopilada en el manifiesto aceleracionista editado por Avanessian y Reis (2017), aspira a un horizonte poscapitalista y emancipador. La otra, cuyo principal teórico es Nick Land (2011), deriva hacia posiciones neoreaccionarias con eco en los sectores ultra libertarios de las mismas empresas que desarrollan la GenAI en Silicon Valley.