Las múltiples imágenes generadas por inteligencia artificial (IA) han modificado los parámetros de confianza visual en internet. Cada vez es más complejo identificar cuándo un rostro humano es real y cuándo ha sido fabricado por una máquina.

Según investigaciones recientes, los avances en modelos generativos han elevado el nivel de realismo al punto de confundir tanto a expertos como a usuarios comunes, situación que preocupa a académicos y especialistas en ciberseguridad.

Frente a este escenario, científicos como Clare Sutherland, psicóloga de la Universidad de Aberdeen, y Amy Dawel, directora del Laboratorio de Emociones y Rostros de la Universidad Nacional de Australia, han liderado investigaciones internacionales para definir pautas que permitan reconocer los deepfakes, imágenes ultrafalsas creadas por IA.

Estos estudios han demostrado que, aunque la IA mejora su capacidad de engaño, es posible entrenar a las personas para detectar estos fraudes visuales con un alto nivel de precisión.

La posibilidad de capacitar a individuos para identificar imágenes artificiales ha sido el eje central de las investigaciones lideradas por Clare Sutherland y su grupo de trabajo.

Según BBC, los participantes de los estudios fueron expuestos a miles de rostros generados por IA y evaluados antes y después de recibir instrucciones específicas. El objetivo era determinar si el ojo humano podía adaptarse a los desafíos tecnológicos actuales.

Los resultados fueron claros: tras el entrenamiento, la tasa de aciertos de los voluntarios aumentó de aproximadamente 40% a 80%, y algunas personas alcanzaron una precisión cercana al 100%.

Este proceso de aprendizaje demuestra que la detección de deepfakes es una habilidad desarrollable, siempre que se conozcan las claves perceptivas adecuadas.

Cuáles son las señales más efectivas para identificar un rostro generado con IA

Los expertos han identificado seis cualidades perceptivas fundamentales para desenmascarar deepfakes: simetría, proporcionalidad, atractivo, singularidad, expresividad y memorabilidad.

La simetría es una de las pistas más útiles, porque la IA suele crear rostros muy perfectos, sin imperfecciones humanas como sonrisas asimétricas o párpados caídos. Según explicó Sutherland a BBC, si un rostro parece muy perfecto, probablemente sea artificial.

Además, la proporcionalidad resulta clave. La IA tiende a evitar rasgos poco comunes, como narices grandes u orejas prominentes, lo que genera imágenes genéricas.

La atracción física es otro aspecto relevante: los rostros de IA suelen resultar más atractivos, aunque de manera uniforme y poco realista. La singularidad se refiere a la falta de características distintivas en estos rostros, que los vuelve menos memorables y más difíciles de describir.

Cómo la expresividad y la memorabilidad ayudan a desenmascarar deepfakes

La expresividad emocional suele estar ausente en los rostros generados por IA. Según Sutherland, los deepfakes muestran menos emociones, lo que les da una apariencia algo distante o apagada. Esta carencia de expresividad es una de las pistas más sutiles pero efectivas para la detección.

En cuanto a la memorabilidad, las imágenes creadas por IA resultan menos fáciles de recordar. Los participantes en los estudios reportaron dificultades para identificar detalles únicos o describir a los sujetos tras verlos, lo que no ocurre con los rostros humanos auténticos.

Por qué los rostros generados por IA son tan convincentes

El desarrollo de herramientas como StyleGAN3 ha revolucionado la creación de imágenes digitales. Este tipo de generadores produce rostros que imitan con gran fidelidad las características humanas, superando errores comunes de versiones anteriores, como dedos extra o pendientes imposibles.

La IA aprende de cada fallo, refinando su técnica en cada iteración, lo que dificulta la detección de fraudes visuales por parte del público. Según la profesora Amy Dawel, los estafadores digitales aprovechan esta sofisticación para crear perfiles falsos más difíciles de desenmascarar.

Asimismo, el entrenamiento con artefactos visuales, como la búsqueda de anomalías evidentes, ya no resulta tan efectivo, pues la IA evita esos errores tras procesar millones de imágenes reales. Los expertos han enfocado sus investigaciones en cualidades más sutiles y menos obvias.