Identificar imágenes generadas por IA requiere conocimientos de dibujo técnico

Detectar si una imagen ha sido creada por inteligencia artificial ya no es una tarea sencilla que pueda resolverse con una observación superficial. Hoy, diferenciar entre una fotografía auténtica y una imagen generada digitalmente implica analizar aspectos técnicos, especialmente conceptos propios del dibujo técnico.

La evolución de los modelos de IA ha dejado obsoletos muchos de los indicios visuales que antes resultaban evidentes, exigiendo ahora un análisis más riguroso y especializado.

Cómo identificar imágenes generadas por IA utilizando principios de dibujo técnico

En la actualidad, los errores más notorios y fáciles de identificar en imágenes generadas por IA, como las manos mal formadas o el número incorrecto de dedos, han sido corregidos por los nuevos modelos.

Por ello, los métodos tradicionales de detección han perdido eficacia. El análisis debe apoyarse ahora en la observación de la geometría, la proyección de sombras y la coherencia en la perspectiva, elementos fundamentales del dibujo técnico.

El análisis de los puntos de fuga es esencial. En el entorno real, las líneas paralelas, como las que forman los raíles de un tren o los bordes de una pared, convergen en un único punto de fuga cuando se representan en perspectiva.

Las inteligencias artificiales, al no comprender el espacio tridimensional, suelen fallar en esta convergencia, generando escenas físicamente imposibles. Si al examinar una imagen se observa que las líneas no se encuentran en un punto común, es muy probable que la imagen haya sido generada digitalmente.

Los reflejos en espejos y superficies brillantes también ofrecen 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 señala una generación artificial.

La importancia del análisis forense en la identificación de 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 determinar 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 estas imperfecciones, dificultando el trabajo de los especialistas.

Según el propio Farid, muchas de las técnicas estadísticas sobre píxeles han dejado de ser útiles, ya que las imágenes artificiales se crean desde cero y no sobre la base de fotos previas. Ante este panorama, el análisis forense actual se basa cada vez más en la acumulación de pistas técnicas y geométricas, en vez de depender de un solo método.

Efectos de la IA en la percepción de la verdad en imágenes

La proliferación de imágenes generadas por IA plantea un reto para la confianza en los contenidos visuales. La facilidad con la que se pueden crear imágenes casi imposibles de distinguir de la realidad, sumada a la falta de regulación efectiva en redes sociales, favorece la difusión de desinformación.

Esta situación erosiona la capacidad de las personas para fiarse de lo que ven, hasta el punto de que, en ocasiones, la autenticidad de una imagen pasa a ser irrelevante.

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 estar cerca del 50%. Esta cifra ilustra la magnitud del desafío y la necesidad de contar con herramientas de análisis técnico para mantener la confianza en los contenidos visuales.

El desarrollo de nuevas técnicas de detección sigue el ritmo de la evolución de la IA. Algunos expertos consideran que cada método tiene una vigencia limitada, porque los generadores digitales mejoran rápidamente y corrigen sus errores.

Farid, sin embargo, cree que hay límites para lo que la IA puede lograr, sobre todo 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.

Estrategias prácticas 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 corresponden 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 significativamente.

Las empresas que desarrollan inteligencia artificial no buscan engañar a los especialistas en análisis forense, sino convencer al usuario medio. 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.