Para el empirismo, la imaginación es la salida de un apuro. Si todas las ideas vienen de la experiencia, ¿de dónde salen los caballos alados o la Nueva Jerusalén? Hume responde que la imaginación no puede exceder el material de los sentidos, pero tiene un poder ilimitado de mezclar, componer, separar y dividir ideas (Buckner, 2024, pp. 190, 196). Buckner (2024) ilustra la productividad del pensamiento en sus clases con un elefante rosado en tutú que cuelga del techo cantando una canción marinera: nadie lo vio, todos lo entienden (2024, p. 196). Fodor elogiaba a Hume por ver el problema y le reprochaba no decir cómo funciona la facultad: un «algo que no sé qué» (2024, p. 199).
La tesis de Buckner es que el aprendizaje profundo puede cobrar ese pagaré (2024, p. 191). Las redes discriminativas van de los ejemplares a la abstracción; las generativas (GANs, VAEs, transformers generativos) recorren el camino inverso y convierten abstracciones en ejemplares nuevos (2024, p. 205). Así sintetizan casos de una categoría, fusionan categorías y simulan experiencias futuras o contrafácticas para decidir o para entrenarse sin datos externos (2024, p. 237). El agente I2A de DeepMind genera «desenlaces imaginados» de sus acciones antes de elegir, y así resolvía rompecabezas de Sokoban (2024, pp. 232–233) (ver modelo del mundo).
La objeción innatista: estas redes solo interpolan dentro de sus datos; la imaginación humana extrapola. Buckner responde que la distinción depende de cómo se defina el «interior» de los datos: medido sobre los píxeles, casi toda decisión de una red ante un caso nuevo ya es extrapolación (2024, pp. 221–222). Él mismo advierte que el vocabulario de la «imaginación» en IA puede ser solo inspiración laxa (2024, p. 192, n. 1).
Cuando un generador de imágenes produce un caballo alado, ¿compone ideas como decía Hume o interpola en un espacio latente? ¿Y hay diferencia, si la composición misma podría ser una forma de interpolación en el espacio adecuado?