Las redes generativas adversariales (GAN) proporcionan arquitecturas potentes para el aprendizaje generativo profundo. GAN nos han permitido lograr un grado sin precedentes de realismo en la creación de imágenes sintéticas de rostros humanos, paisajes y edificios, entre otros. No solo la generación de imágenes, sino también la manipulación de imágenes es posible con GAN. Los modelos generativos de aprendizaje profundo están inherentemente limitados en sus habilidades creativas debido a un enfoque en el aprendizaje para la perfección. Investigamos el potencial de los espacios latentes de GAN para codificar expresiones humanas, destacando el interés creativo por soluciones subóptimas en lugar de reproducciones perfectas, en busca del concepto artístico. Hemos entrenado Deep Convolutional GAN (DCGAN) y StyleGAN utilizando una colección de retratos de personas detenidas, retratos de personas fallecidas por causas violentas y personas cuyos retratos fueron tomados durante un orgasmo. Presentamos resultados que divergen del uso estándar de GAN con la intención específica de producir retratos que puedan ayudarnos en la representación y reconocimiento de la otredad en la construcción de identidades contemporáneas.