
Quan pensem en "intel·ligència artificial" i "generació de contingut", sovint ens centrem en textos, imatges o respostes conversacionals. Però les arrels d’aquest fenomen són més profundes i antigues del que pot semblar. I, curiosament, una part important d’aquesta història comença amb la música.

## 🎶 L’origen: música escrita per màquines

La música algorítmica no és un invent del segle XXI. Ja al segle XX, compositors com Lejaren Hiller o Iannis Xenakis exploraven la creació musical mitjançant regles matemàtiques i algoritmes. Aquest enfocament no buscava només generar melodies aleatòries, sinó explorar nous camins expressius on el càlcul substituïa la intuïció.

A diferència de la música improvisada, la música algorítmica pretenia deslligar-se del jo creatiu per donar pas a l’abstracció pura: com sonaria una simfonia creada per una regla? El repte era (i és) trobar sentit en allò generat per un procés que, en teoria, no té emocions ni intencions.

## 🐒 La metàfora del mico infinit

El [teorema del mico infinit](https://es.wikipedia.org/wiki/Teorema_del_mono_infinito]) afirma que si un mico prem aleatòriament les tecles d'una màquina d'escriure durant un temps infinit, eventualment escriurà qualsevol text imaginable —inclosa l'obra completa de Shakespeare

Aquesta idea, tan absurda com inquietant, és fonamental per entendre el cor de moltes tecnologies de generació algorítmica actuals: no es tracta de comprensió, sinó d’estadística. Quan un sistema genera una frase, no “sap” què diu. Simplement calcula quina paraula és més probable que vingui després.

## 🤖 De l’atzar al llenguatge

Els models de llenguatge com ChatGPT no funcionen exactament com un mico que prem tecles, però la lògica subjacent és similar: produir text coherent a partir de patrons estadístics extrets d’un enorme corpus d’entrenament. El resultat pot semblar màgic, però és pur càlcul.

Ara bé, si els sistemes generen cada cop més contingut a la xarxa… què passa amb la qualitat? Si internet s’omple de textos escrits per IA, entrenats sobre altres textos generats per IA, es pot [arribar a un bucle on l’originalitat desaparegui i la repetició regni](https://aeon.co/essays/who-needs-ai-text-generation-when-theres-erasmus-of-rotterdam?utm_source=rss-feed)?

## 🧠 Entre l’automatisme i l’inconscient

La idea d’escriure sense consciència no és nova. Al segle XX, els surrealistes practicaven l’**escriptura automàtica** com una manera d’accedir a l’inconscient creatiu sense filtres racionals. André Breton, Artaud o Dalí escrivien deixant fluir el pensament, sense censura ni estructura preestablerta.

No és tan diferent de com treballen alguns sistemes generatius: repeteixen patrons, produeixen sortides inesperades i, de vegades, creen obres d’un encant estrany.

## 📚 I què té a veure Horace Walpole amb tot això?

A finals del segle XVIII, l’escriptor anglès Horace Walpole va publicar [*Cuentos Jeroglíficos*](https://isbndb.com/search/books/Cuentos%2BJerogl%C3%ADficos), un recull de relats satírics plens d’absurds, jocs de paraules i absurditats semi-narratives. Alguns crítics han vist en aquesta obra una mena de "proto-generador de text": un intent literari d’explorar el caos del llenguatge i el significat quan les regles no són clares.

Aquesta aproximació, lúdica però també crítica, ens fa pensar: fins a quin punt els algoritmes poden ser creatius? I nosaltres, com lectors, com identifiquem allò que té valor enmig de tanta repetició estadística?

## ❓I ara què?

Estem davant d’una revolució silenciosa. Milions de textos, cançons i imatges són generades per sistemes que no pensen, però que imiten el pensament. Això ens obliga a replantejar la creativitat, la propietat i, fins i tot, el sentit de la cultura.

- Podem considerar art una melodia generada per un algorisme?
- Té sentit escriure un poema si ja en pots generar mil?
- Com distingim el soroll de la veu humana?

I potser el més inquietant de tot: **si llegir ja no implica escoltar una persona, sinó un sistema... a qui estem escoltant realment?**

---

> ✍️ Aquest article pot haver estat generat per un algoritme. No se sap si el que diu és cert, però sens dubte, sona coherent.


De la música algorítmica a ChatGPT: com la IA genera contingut, què hi té a veure el mico infinit i quines preguntes obre sobre la creativitat.

De la música algorítmica al ChatGPT


# El projecte   
**Versió 1.0**  
✍️ Assistit amb AI: Aquest article ha estat redactat amb l’ajuda de ChatGPT (OpenAI), a partir d’esbossos i idees originals de **Francesc López Marió**.

**WordGuardian** és un projecte personal que combina joc, experimentació i treball amb dades semàntiques.

La idea és oferir definicions reals, absurdes i inventades dins d’una interfície simple i llegible.

## 🧩 Objectiu  
Volia fer un joc on els usuaris endevinessin definicions plausibles, generades o extretes de forma automàtica.  

**Però el camí no ha estat gens simple.**  
He usat Astro i Preact per evitar el FUOC i fer-ho responsive, i he treballat amb dumps gegants de Wikidata descomprimint amb `pbzip2`, `zstd` i scripts en **Rust** paral·lels.

## ⚙️ Stack i tècniques  

- **Frontend**: Astro, Preact, Shoelace, Vanilla Extract  
  > *Astro ha estat una joia inesperada.* Permet combinar components amb diferents frameworks i, sobretot, fer **renderitzat del costat del servidor (SSR)** molt eficient. Això facilita que els cercadors indexin el contingut sense problemes —una diferència clau si vols tenir opcions reals a SEO el 2025. A més, exposar una petita API del servidor (amb endpoints tipus `/api/xyz`) és directe i sense complicacions, sense haver de muntar un backend sencer.  
- **Backend**: Node.js per scrapings, scripts paral·lels en Rust per parsejar Wikidata  
- **Processament**: dumps de Wikidata amb p31, p279, p1629... tot un món  
- **NLP**: generació de distractors amb Groq, heurístiques amb embeddings.
- **Altres**: Càrrega sense *FOUC* (*Flash of Unstyled Content*), és a dir, evitar que la pàgina es vegi "lletja" durant unes mil·lèsimes de segon abans que es carreguin els estils. També he fet una optimització mínima i, com sempre, moltes línies de consola.

També he utilitzat el projecte [**Wiktextract**](https://github.com/tatuylonen/wiktextract), desenvolupat per **Tatu Ylönen**, i la base de dades publicada a [**Kaikki.org**](https://kaikki.org), que ofereix els continguts de Wiktionary de forma estructurada i usable. Sense aquesta font, hauria estat molt més lent construir una base lèxica fiable per al joc.

## 💡 Aprenentatges  

- **Wikidata és un tresor**, però navegar-hi sense mapa és una odissea: items, propietats, lexemes, glosses, referències creuades... i consultes **SPARQL** que semblen rituals màgics.  
- He descobert eines com:
  - [Wikidata Toolkit](https://github.com/Wikidata-Toolkit/Wikidata-Toolkit)  
  - [KGTK Search](https://github.com/usc-isi-i2/kgtk-search)  
  - [Wikibase CLI](https://github.com/maxlath/wikibase-cli/tree/main)  
  - [wikidata-filter](https://github.com/alexkreidler/wikidata-filter)  
  - [SPARQL](https://en.wikipedia.org/wiki/SPARQL)
- Els dumps de Wikidata venen sovint en **format JSONL** (JSON Lines): un fitxer on cada línia és un objecte JSON independent. És perfecte per processament en streaming, perquè no cal carregar-ho tot a memòria. Però quan tens 90 GB... qualsevol estratègia requereix paciència, molta.
- **Diferència de compressió**:  
  - `bz2` és molt comú en els dumps oficials, però *lentíssim* de descomprimir.  
  - `zstd`, en canvi, és **molt més ràpid**, especialment amb múltiples fils. Amb `pzstd -d -p10` pots accelerar bastant la càrrega, encara que després el coll d’ampolla és el teu codi 😅
- Generar distractors plausibles no és trivial. Fer-ho amb Groq ha estat divertit, però no sempre fiable.  
- Generar definicions falses però creïbles no és trivial. Amb Groq o HuggingFace, millorant amb prompts, però cal filar prim.  
- **Els dumps no són per dèbils.** I menys si pesen 90 GB.
- També he après a encapsular petits serveis NLP amb Docker, exposant APIs locals de forma senzilla. Amb una imatge lleugera basada en `python:3.11-slim` i un `requirements.txt`, vaig poder desplegar ràpidament un servei per fer càlculs semàntics o similituds entre frases. Ideal per fer proves locals sense embolics de dependències.
- També vaig estar explorant el projecte [**Common Crawl**](https://commoncrawl.org/) per extreure URLs de la web pública. Tot i que finalment no ho vaig integrar, vaig preparar un script per filtrar els enllaços  i construir un corpus propi. La idea era utilitzar-lo per generar preguntes o validar definicions amb contingut real, però va quedar en stand-by... per ara.


## 📉 Monetització? Ai...

Tenia la il·lusió de cobrir ni que fos el hosting amb anuncis. Però les dades són clares:

- 462 visites
- 22 usuaris actius
- 0,00 € d’ingressos
- Una mitjana de 7 minuts per usuari... però ningú clica

> Al 2025, si no tens TikTok, una newsletter o 1 milió de pàgines vistes, la publicitat no paga ni el cafè.  
> Fer una web no n’és prou. Has de ser showman, tenir diners, o fer màrqueting diari.

## 🎯 I ara què?

No el mataré.  
**WordGuardian seguirà viu** com a projecte experimental i com a petit homenatge a les paraules i a Wikidata.  

Potser evolucionarà cap a una app educativa. Potser serà la base d’un joc nou.  
O potser quedarà com a monument al temps invertit en una idea que encara em fa somriure.

També em ronda pel cap començar a **investigar com fer servir l’ontologia de Wikidata per generar preguntes alineades amb camps de coneixement**: ciència, història, cultura popular, etc.  
Aprofitar la jerarquia de subclasses (`p279`) i instàncies (`p31`) per construir *nivells temàtics* o *quizzes per àmbits*, i fer que el joc sigui una mica menys "psicodèlic" i una mica més navegable.  



👉 Prova’l: [https://eurekatop.com/wordguardian](https://eurekatop.com/wordguardian)  
📖 Codi obert (aviat a GitHub)  

Un projecte de [**mutiitu.com**](https://www.mutiitu.com)

© Francesc López Marió, 2025


Un projecte experimental per explorar definicions, dades semàntiques de Wikidata i una interfície de joc senzilla.

Categoria: tecnologia