Rostros artificiales, confianza real
Un estudio conjunto entre la Universidad de Lancaster, la Universidad de Stanford y la Universidad de California encontró que los rostros producidos por modelos de inteligencia artificial generativa (IAG) son percibidos como más confiables que las imágenes de personas reales. El trabajo, que comparó distintas arquitecturas de generación, plantea preguntas relevantes sobre la vulnerabilidad ante engaños visuales en entornos digitales.
En el experimento participaron 169 personas a las que se les mostró una colección de 96 rostros —diversos en raza, género y edad— presentados de forma aleatoria. A cada sujeto se le pidió, en dos etapas distintas, primero identificar si la imagen era real o creada por IA y luego calificar la confianza que le inspiraba cada rostro en una escala del 1 (muy poco confiable) al 7 (muy confiable).
Los resultados arrojaron dos hallazgos llamativos:
- Los rostros generados por el modelo de difusión más reciente fueron evaluados como menos realistas que los creados por un modelo anterior (GAN), según los investigadores.
- En términos de confianza, los rostros reales obtuvieron la puntuación promedio más baja: 4.03, mientras que las imágenes producidas por ambas familias de modelos de IA recibieron calificaciones superiores.
“Este hallazgo presenta
Los autores del estudio interpretan estos resultados como una señal de alarma: si las imágenes generadas por IA inspiran más credibilidad que fotos auténticas, aumentan las posibilidades de aprovechamiento para fraudes en línea, suplantaciones y manipulación de opinión pública. La combinación de mayor confianza percibida y mayor facilidad para producir imágenes convincentes complica la tarea de verificar identidad y autenticidad en plataformas digitales.
Consecuencias prácticas y retos
La investigación no se limita a un problema técnico: tiene implicaciones prácticas para medios, empresas y usuarios. Algunas consecuencias que anticipan los investigadores y especialistas son:
- Mayor dificultad para distinguir perfiles y documentos falsos en redes sociales y servicios digitales.
- Necesidad de herramientas de verificación más robustas que vayan más allá del análisis visual.
- Posible uso malicioso en campañas de desinformación o estafas con perfiles altamente persuasivos.
Para ilustrar las comparaciones usadas en el estudio, el equipo clasificó las imágenes en tres tipos y midió tanto la capacidad de detección como la confianza percibida:
| Tipo de imagen | Observación principal |
|---|---|
| Rostros reales | Puntuación de confianza promedio: 4.03 (la más baja) |
| Generados por GAN | Percepción de realismo mayor que el modelo de difusión en algunos casos |
| Generados por modelos de difusión | Menos realistas según detección, pero mayor confianza percibida |
El contraste entre realismo percibido y confianza sugiere que rasgos no estrictamente realistas (iluminación, expresión neutra, simetría) podrían transmitir mayor fiabilidad subjetiva, aunque no coincidan con señales de autenticidad humana.
En México, donde el uso de plataformas digitales y la interacción en redes sociales continúan en expansión, este tipo de hallazgos subraya la urgencia de adoptar mecanismos de verificación y alfabetización mediática que permitan a ciudadanos y organizaciones identificar y mitigar riesgos asociados con contenidos faciales generados por IA.
Los autores recomiendan continuar investigando qué rasgos concretos inducen la sensación de confianza y desarrollar contramedidas tecnológicas y educativas que reduzcan el potencial de abuso sin frenar la investigación legítima en IAG.
El estudio plantea, en suma, una advertencia: la mejora en la generación de rostros no solo es un avance técnico, sino un factor que puede reconfigurar la relación entre imagen y credibilidad en la esfera pública.
