Interludio. Por qué la IA a veces escribe un estribillo precioso y una estrofa absolutamente idiota

Cualquiera que haya escuchado una decena de canciones de Suno notó lo mismo. El estribillo puede ser muy bueno: una melodía pegadiza, la subida justa, una palabra que dan ganas de cantar a la segunda vez. Y la estrofa de antes suena como si la hubiera escrito otra persona, cansada: versos sobre nada, una melodía que da vueltas en el lugar, una rima traída de los pelos. Esa desigualdad tiene razones claras.

El modelo compone prediciendo una y otra vez el pedacito siguiente a partir de los anteriores. Cada una de sus decisiones es verosímil en los compases más cercanos, y en un tramo de unos segundos casi no se equivoca. Una buena canción, en cambio, necesita un plan a tres minutos: la estrofa tiene que preparar el estribillo, la segunda estrofa tiene que decir algo nuevo después de la primera, el puente tiene que desviar para que el último estribillo suene como un regreso. El modelo no construye ese plan. Se parece a un narrador que siente perfectamente cada frase pero no sabe cómo termina la historia.