Información del artículo
-
- Autor, Calum Watson
- Título del autor, BBC Escocia
- Autor, Aimee Stanton
- Título del autor, BBC Escocia, Unidad de Visualización de Datos
- Fecha de publicación 11 julio 2026
- Tiempo de lectura: 6 min
La psicóloga Clare Sutherland sostiene dos fotografías de gran tamaño. En una se exhibe el rostro de un académico o académica australiana que encabeza un estudio internacional; la otra es una imagen creada por inteligencia artificial, conocidas en inglés como deepfake (ultrafalso).
La inteligencia artificial ha avanzado tanto en la creación de imágenes realistas que distinguir entre lo auténtico y lo generado es cada vez más complejo.
¿Será posible entrenar a las personas para identificar imágenes humanas que, en realidad, fueron fabricadas por una máquina?
Esta interrogante ha sido el foco del análisis de Sutherland, de la Universidad de Aberdeen, junto a un colega australiano.
Antes de revelar los resultados, se invita a realizar este test para registrar la propia puntuación.
Si la prueba fue complicada, no es algo exclusivo.
Antes, detectar imágenes generadas por computadora —frecuentemente utilizadas por estafadores— era más sencillo porque la IA cometía fallos evidentes, como dedos adicionales o detalles extraños.
Pero la IA aprende de cada error cometido.
"Los métodos basados en artefactos visuales, como buscar un sexto dedo o pendientes inusuales, han tenido éxito limitado, debido a que la IA está mejorando y los estafadores evitan imágenes con fallos notorios", señala la profesora Amy Dawel.
Ella es la mujer de cabello a la altura de los hombros que aparece en la foto sostenida por Sutherland. La imagen masculina es la falsa.
Dawel es la directora del Laboratorio de Emociones y Rostros de la Universidad Nacional de Australia.
Ha coordinado un equipo de investigadores en Australia, Canadá y Reino Unido para determinar si es posible entrenar a las personas para identificar a los impostores generados por IA.
La respuesta, al menos por ahora, es afirmativa, pero hacerlo requiere métodos más refinados.
Aprender a reconocer rostros falsos
Sutherland encabeza esta investigación en la Universidad de Aberdeen, Reino Unido.
Explica que su equipo notó que podía diferenciar entre rostros reales y generados por IA únicamente con observarlos.
Entonces pensaron: "Sería interesante evaluar si esto puede enseñarse a otras personas", comentó.
Para realizar los experimentos, se creó un conjunto de miles de rostros generados por IA con StyleGAN3, una herramienta avanzada para procesar imágenes mediante IA, reconocida como uno de los generadores más realistas.
Los participantes fueron evaluados antes y tras el entrenamiento.
¿Qué elementos se enseñaron a identificar?
Los investigadores entrenaron a los participantes enfocándose en seis atributos perceptivos:
- Simetría: la IA suele fallar al reproducir rasgos particulares que nos hacen humanos, como un párpado algo caído o una sonrisa asimétrica. "Si parece demasiado perfecto, probablemente no lo sea".
- Proporcionalidad: concepto afín. Narices desproporcionadas o orejas exageradas no suelen aparecer en imágenes deepfake.
- Atractivo: "Los rostros generados por IA tienden a verse más atractivos", explica Sutherland. ">Este aspecto es más subjetivo, vinculado al juicio estético, pero la IA generalmente produce rostros agradables".
- Singularidad: "Se podría definir como ‘¿qué haría que un rostro destaque dentro de un grupo?’. Los rostros de IA tienden a acercarse al promedio, resultando algo más genéricos".
- Expresividad: "Las caras de IA suelen mostrar menor expresión emocional", indica Sutherland. ">Tienden a reflejar menos sentimientos".
- ¿Es memorable?: "Frecuentemente son menos memorables; difícilmente quedan en la memoria".
La IA también evidencia limitaciones al crear rostros de personas mayores, muy jóvenes o de etnias no blancas, dado que su entrenamiento se basa principalmente en imágenes de personas jóvenes y blancas.
Aunque algunos de estos consejos puedan parecer vagos o similares, esa es precisamente la intención.
Rara vez se hallará una señal clara e infalible que desenmascare una falsificación por IA; más bien se trata de familiarizarse con sus patrones y desarrollar intuición.
Los investigadores notaron que al exponer a las personas a imágenes reales y generadas por IA, revelándoles cuáles eran cada una, su habilidad para diferenciarlas mejoraba notablemente en menos de una hora.
Se observó que los participantes aumentaban su tasa de aciertos de alrededor del 40% a un 80%.
Algunos alcanzaron precisión cercana al 100%.
Fuente de la imagen, Getty Images
Curiosamente, el proceso que realiza el cerebro humano en este caso es similar al funcionamiento de los modelos generativos de IA.
Con suficientes datos para entrenarse, su precisión mejora con el tiempo, aunque no comprendamos del todo cómo.
Además, los estudios revisaron el nivel de confianza de los participantes al identificar imágenes generadas por IA.
Investigaciones previas demostraban que la gente tiende a sobreestimar su capacidad para reconocer rostros fabricados por IA, y quienes mostraban más confianza cometían más errores.
Tras el entrenamiento, los participantes lograron aumentar su seguridad al detectar los deepfakes.
"Eso es valioso, ¿no?", comenta Sutherland. "Porque si no sabes cuándo aciertas o fallas, no puedes aprovechar esa información".
Ahora bien, ¿listos para otro test?
¿Cómo te fue? ¿Sientes más confianza?
Si no, no te castigues. En el mundo humano y en la IA generativa, la práctica conduce a la mejora, o al menos se acerca a ella.
Hay varios sitios web para afinar estas habilidades si se desea. También es posible ofrecerse como voluntario para participar en investigaciones.
Importancia de aprender a reconocer falsificaciones generadas por IA
El riesgo más evidente es el fraude.
La firma consultora Deloitte predice que las pérdidas por estafas con deepfakes (videos manipulados por IA) en Estados Unidos podrían alcanzar los US$54.000 millones en el próximo año, frente a US$16.000 millones en 2023.
El informe mencionaba un caso donde un empleado de una empresa con sede en Hong Kong transfirió US$33,5 millones a estafadores luego de una videollamada con una recreación deepfake de su jefe.
Otro uso preocupante de la tecnología deepfake es el espionaje político.
En 2019, una investigación de Associated Press reveló que un perfil de LinkedIn —con foto incluida— de una mujer llamada Katie Jones parecía ficticio.
Jones describía ser especialista en Rusia y Eurasia, con conexiones en destacados centros de análisis y círculos políticos de Washington.
El informe de AP indicaba que se trataba de un deepfake creado por la inteligencia rusa, que logró establecer contacto con importantes asesores políticos y funcionarios de seguridad nacional de EE.UU.
Fuente de la imagen, Getty Images
En Australia, un político propuso la obligación de revelar y marcar con una etiqueta visible los contenidos políticos generados por IA desde el extranjero.
Para equilibrar el enfoque, Sutherland también reconoce algunos usos beneficiosos de esta tecnología, como la capacidad de mostrar de forma rápida y económica cómo podría lucir un niño desaparecido a diferentes edades.
Afirma que si se utiliza con buenas intenciones y se reconoce el uso de IA, puede ser muy valiosa para la creatividad.
La buena noticia es que el mundo aún no está dominado por una realidad distópica en la que distinguir lo real de lo generado por computadora sea imposible.
La mala noticia es que los modelos de IA podrían haber ya procesado los artículos de investigación publicados en el ámbito académico. Y continúan aprendiendo.