Hoy en día, reconocer si una imagen fue creada por inteligencia artificial ya no se logra con una simple mirada. Distinguir entre una fotografía real y una generada digitalmente exige revisar aspectos técnicos, en especial conceptos ligados al dibujo técnico.
La rápida evolución de los modelos de IA ha dejado obsoletas muchas señales visuales que antes eran evidentes. Ahora se necesita un análisis más riguroso y especializado para no caer en engaños.
Cómo detectar imágenes de IA con reglas de dibujo técnico
Actualmente, los fallos más notorios que antes delataban a las imágenes generadas por IA —como manos deformadas o dedos de más— han sido corregidos por los nuevos modelos.
Por eso, los métodos tradicionales de detección han perdido efectividad. La observación ahora debe centrarse en la geometría, la proyección de sombras y la coherencia de la perspectiva, elementos básicos del dibujo técnico.
El estudio de los puntos de fuga resulta clave. En el mundo real, las líneas paralelas —como las de los rieles del tren o los bordes de una pared— convergen en un único punto de fuga al representarse en perspectiva.
Las inteligencias artificiales, al no comprender el espacio tridimensional, suelen fallar en esa convergencia y generan escenas físicamente imposibles. Si al examinar una imagen se nota que las líneas no se encuentran en un punto común, es muy probable que haya sido creada digitalmente.
Los reflejos en espejos y superficies brillantes también entregan pistas. La trayectoria entre un objeto y su reflejo debe seguir reglas geométricas precisas, con líneas que convergen en el punto adecuado. Cuando esto no ocurre, la incoherencia revela una generación artificial.
El valor del análisis forense para identificar imágenes de IA
Hany Farid, profesor de la Universidad de California en Berkeley y referente mundial en análisis forense de imágenes, ha dedicado más de 20 años a desarrollar técnicas para verificar la autenticidad de fotos y videos.
Santiago Lyon, exdirector de fotografía de Associated Press y actualmente vinculado a Adobe, lo describe como “una especie de decano del análisis forense digital”, destacando su experiencia y liderazgo en el campo.
Farid fue uno de los pioneros en detectar manipulaciones mediante el análisis del “ruido” dejado por las cámaras auténticas. Las fotografías reales surgen de la interacción de la luz con un sensor electrónico, mientras que las imágenes de IA se generan a partir de procesos estadísticos que transforman el ruido en imágenes coherentes.
Originalmente, las diferencias a nivel de píxel facilitaban la detección, pero los modelos de IA han aprendido a imitar incluso esas imperfecciones, complicando la tarea de los especialistas.
Según el propio Farid, muchas de las técnicas estadísticas sobre píxeles han dejado de ser útiles, porque las imágenes artificiales se crean desde cero y no sobre la base de fotos previas. Ante este escenario, el análisis forense actual se apoya cada vez más en la acumulación de pistas técnicas y geométricas, en lugar de depender de un solo método.
Cómo la IA afecta la percepción de la verdad en las imágenes
La expansión de imágenes generadas por IA representa un desafío para la confianza en los contenidos visuales. La facilidad para crear imágenes casi indistinguibles de la realidad, sumada a la falta de regulación efectiva en redes sociales, favorece la difusión de desinformación.
Esta situación debilita la capacidad de las personas para confiar en lo que ven, al punto de que, en ocasiones, la autenticidad de una imagen deja de importar.
Farid advierte sobre una “guerra global por la verdad”, en la que la desinformación afecta tanto a individuos como a instituciones y democracias. Durante una charla TED, estimó que el porcentaje de imágenes falsas en internet podría rondar el 50%. Esta cifra muestra la magnitud del problema y la urgencia de contar con herramientas de análisis técnico para preservar la confianza en los contenidos visuales.
El desarrollo de nuevas técnicas de detección avanza al ritmo de la evolución de la IA. Algunos expertos consideran que cada método tiene una vida útil limitada, porque los generadores digitales mejoran rápidamente y corrigen sus errores.
Farid, sin embargo, cree que hay límites en lo que la IA puede lograr, especialmente en la simulación de procesos físicos complejos como explosiones, ya que replicar con precisión estos fenómenos requiere un nivel de comprensión que las empresas de IA no se han propuesto alcanzar.
Consejos prácticos para el usuario común
Aunque los métodos más avanzados de detección están en manos de expertos, cualquier persona puede aplicar ciertos principios para observar una imagen con escepticismo. Prestar atención a las incoherencias en la perspectiva, a las sombras que no coinciden con la fuente de luz y a los reflejos imposibles permite reunir indicios.
La clave está en la acumulación de anomalías: si una imagen presenta varias de estas inconsistencias, la probabilidad de que haya sido generada por IA aumenta de forma significativa.
Las empresas que desarrollan inteligencia artificial no buscan engañar a los especialistas en análisis forense, sino convencer al usuario promedio. Por eso, el sistema visual humano suele pasar por alto anomalías que, para un ojo entrenado y con conocimientos de dibujo técnico, resultan evidentes.
La atención al detalle y el conocimiento de las reglas geométricas siguen siendo, por ahora, las mejores herramientas para identificar imágenes generadas por inteligencia artificial.
Fuente: Infobae