Detectar una imagen generada por inteligencia artificial requiere más que intuición: exige saber dónde mirar. Un equipo de investigadores desarrolló una guía estructurada basada en los fallos visuales más frecuentes de los sistemas generativos actuales, ofreciendo un marco de análisis aplicable a cualquier imagen sospechosa.
El punto de partida es técnico. Los modelos de texto a imagen —como Midjourney, Stable Diffusion o Firefly— aprenden a revertir ruido en imágenes para generar patrones de píxeles que coincidan con descripciones escritas. No están diseñados para comprender ortografía, física ni anatomía. Como señala el investigador Matthew Groh, esto se traduce en errores en lo que denomina "interacciones funcionales simples": la relación entre los botones de una camisa y las correas de una mochila, por ejemplo. El sistema puede imitar el aspecto de una escena sin entender cómo se ensamblan sus partes.
Las cinco categorías de señales de alerta
El equipo —integrado por Negar Kamali, Karyn Nakamura, Angelos Chatzimparmpas y Jessica Hullman— clasificó los indicadores en cinco categorías. Cuatro de ellas son directamente observables:
Improbabilidades anatómicas. Dedos con articulaciones incorrectas, pupilas asimétricas o proporciones faciales que no responden a la lógica estructural del cuerpo humano.
Artefactos estilísticos. Texturas que se repiten de forma no natural, bordes con suavizado excesivo o transiciones de color que no corresponden a condiciones de iluminación reales.
Improbabilidades funcionales. Objetos que no podrían funcionar tal como aparecen: correas que no conectan con nada, cierres que no tienen sentido mecánico, ropa que ignora la gravedad.
Violaciones de las leyes de la física. Sombras proyectadas en ángulos inconsistentes con la fuente de luz, reflejos que no coinciden con el entorno o superficies que no responden al peso o la presión.
Por qué la calidad no es lineal
Un hallazgo relevante del estudio es que los modelos más recientes no son necesariamente más convincentes. Kamali documenta casos en los que la calidad de las imágenes —especialmente en representaciones de personas públicas— disminuyó en versiones posteriores de los mismos sistemas. Esto invalida la suposición de que la evolución tecnológica siempre produce resultados más difíciles de detectar.
Groh es preciso sobre el alcance de estas señales: ninguna es concluyente por sí sola. Una imagen que presenta uno o varios de estos indicadores no es automáticamente falsa. Su función es activar un escrutinio más riguroso: detenerse, ampliar la imagen y contrastarla con fuentes verificables antes de extraer conclusiones. En un entorno donde el contenido sintético circula junto al real, ese proceso de verificación se convierte en una competencia operativa crítica para cualquier organización que gestione información sensible.
