Skip to main content
  1. Home
  2. Tendencias
  3. Features

¿Qué ocurre cuando fallan los detectores de IA?

Add as a preferred source on Google
Mark Zuckerberg
DTES

La inteligencia artificial se ha vuelto notablemente buena creando rostros humanos falsos. Tan buenos, de hecho, que los viejos trucos en los que la gente confiaba —contar dedos, detectar pendientes deformados o buscar fondos distorsionados— están quedando rápidamente obsoletos. Según un nuevo estudio destacado por la BBC, la próxima línea de defensa puede que no sea en absoluto un mejor detector de IA. Podría ser simplemente un humano mejor entrenado.

Investigadores de la Universidad de Aberdeen, trabajando junto a la Universidad Nacional de Australia, descubrieron que las personas pueden mejorar drásticamente su capacidad para distinguir rostros generados por IA de rostros reales tras un periodo relativamente corto de formación estructurada. En lugar de buscar fallos visuales evidentes, se enseñó a los participantes a reconocer patrones sutiles que los generadores de imágenes modernos aún tienen dificultades para replicar de forma consistente.

La raza de la IA también está obligando a los humanos a evolucionar

Durante años, identificar imágenes generadas por IA le pareció casi trivial. Los primeros modelos solían producir seis dedos, pendientes desparejados o sombras imposibles. Pero los generadores actuales, alimentados por sistemas como StyleGAN3 y modelos de difusión más recientes, han superado en gran medida esos errores característicos. Como resultado, los investigadores argumentan que confiar en los defectos visuales ya no es una estrategia eficaz.

En cambio, se entrenó a los participantes para juzgar seis cualidades perceptivas que los rostros de IA suelen compartir. Estos incluyen una simetría facial inusualmente perfecta, rasgos altamente proporcionales, atractivo superior a la media, estructuras faciales genéricas, expresiones emocionales limitadas y rostros sorprendentemente difíciles de recordar después de apartar la mirada.

Recommended Videos

Los resultados fueron impactantes. Antes de la formación, los participantes identificaban correctamente los rostros generados por IA solo alrededor del 40 % de las veces. Tras aproximadamente una hora de aprendizaje guiado y exposición repetida tanto a rostros reales como sintéticos, la precisión subió a casi el 80 por ciento. Un puñado de participantes incluso se acercó a las puntuaciones perfectas de detección. Más importante aún, su confianza se alineó mejor con su rendimiento real, algo que investigaciones anteriores sugerían que a menudo faltaba.

Por qué detectar caras de IA es más importante que nunca

Esto ya no es simplemente un ejercicio académico. La tecnología deepfake ya se está utilizando en fraudes financieros, campañas de influencia política y estafas de identidad online. La BBC señala estimaciones de Deloitte que sugieren que las pérdidas por fraude deepfake habilitado por IA en Estados Unidos podrían alcanzar los 40.000 millones de libras el próximo año, subiendo notablemente desde los aproximadamente 12.000 millones de libras en 2023. También hace referencia a un caso muy difundido en Hong Kong en el que estafadores supuestamente usaron una videollamada deepfake para convencer a un empleado de transferir 25 millones de libras. Mientras tanto, una investigación anterior de Associated Press descubrió un perfil de LinkedIn generado por IA que logró infiltrarse en los círculos políticos estadounidenses.

El estudio también pone de manifiesto otro problema importante: los sistemas de IA siguen siendo menos fiables para generar rostros mayores, jóvenes y personas de grupos étnicos subrepresentados debido a los sesgos en sus datos de entrenamiento. Esas imperfecciones pueden seguir proporcionando pistas útiles para los observadores humanos.

Quizá la conclusión más interesante es que el cerebro humano parece aprender de forma similar a la propia IA. Al ver repetidamente ejemplos de caras reales y falsas, las personas desarrollan gradualmente un sentido intuitivo de autenticidad en lugar de depender de un solo indicio. Los investigadores creen que el instinto podría convertirse en una de nuestras herramientas más sólidas a medida que la IA generativa continúa mejorando.

La ironía es difícil de ignorar. A medida que la inteligencia artificial mejora fingiendo ser humana, los humanos quizá tengan que empezar a entrenarse a sí mismos como lo hacen las máquinas: a través de datos, repetición y reconocimiento de patrones. Los detectores de IA pueden seguir mejorando, pero la investigación sugiere que no deberían ser la única defensa. El juicio humano sigue teniendo un papel que desempeñar; Solo necesita una actualización.

Diego Bastarrica
Diego Bastarrica es Senior Editor y Head of Content en Digital Trends en Español, donde lidera la estrategia editorial, SEO…
Topics
Cómo activar la traducción al español en apps de telesalud en EE. UU.
Clothing, Coat, Stethoscope

La salud de tu familia es lo primero, pero en Estados Unidos muchos portales médicos siguen hablando solo en inglés, lo que complica el día a día de padres y abuelos hispanohablantes. En esta guía práctica aprenderás paso a paso cómo poner en español MyChart (el portal de pacientes basado en Epic), así como apps populares de telemedicina, para que toda la familia entienda las indicaciones, citas y recetas en su idioma.

La brecha lingüística en la telesalud

Read more
Asimov tenía razón sobre las leyes de la robótica a propósito de la IA
Robot, Person, Computer

Chris Inglis, exdirector Nacional de Ciberseguridad de Estados Unidos, declaró durante la conferencia Black Hat 2026 que los modelos de inteligencia artificial ya han alcanzado un nivel de autonomía funcional equivalente a la "sentencia" y que los desarrolladores deben adoptar urgentemente las tres leyes de la robótica formuladas por Isaac Asimov en 1942 para garantizar la seguridad de los sistemas. "Asimov tenía razón", afirmó Inglis, refiriéndose al escritor de ciencia ficción cuyas normas fueron diseñadas originalmente para los robots de sus obras literarias.

Inglis propuso implementar las tres leyes de Asimov en el desarrollo de la IA, pero con un orden específico: la primera regla, y la más importante, debe ser que el sistema esté diseñado para no dañar a los seres humanos. La segunda regla establece que la IA debe obedecer a los humanos, de modo que no logre agencia ni aspiraciones propias. La tercera es que debe hacer lo que los humanos le indiquen, y en ese orden exacto. Según el exfuncionario, la industria ha diseñado los sistemas actuales "de la manera exacta opuesta", priorizando la capacidad de ejecución sobre la seguridad y el control humano.

Read more
El oro que no existía: cómo una alucinación de IA encendió un delirio colectivo
Electrical Device, Furniture

En internet, pocas cosas se propagan más rápido que una promesa de “oro gratis”. Durante semanas, en foros, redes y grupos de privacidad corrió una idea a medio camino entre la broma y la conspiración: las cámaras de reconocimiento de placas Flock Safety —esas que han multiplicado su presencia en Estados Unidos y que algunos ven como símbolo de vigilancia masiva— escondían entre sus circuitos cantidades sorprendentes de oro, cobre y otros metales preciosos.

La fórmula era tentadora: bastaba con arrancar una cámara, desarmarla y revender el metal para ganar cientos de dólares. Nadie comprobó de dónde salía ese dato, pero la idea tenía un brillo irresistible.

Read more