¿Crees que eres capaz de distinguir una foto “real” de una imagen generado por una IA ? Si es así, usted surestimez tal vez tus habilidades! Porque según los resultados de un investigación realizado por investigadores de laboratorio IA de Microsoft para siemprelas capacidades de los humanos en esta área son… bastante limitado.
“Real o no”: una prueba sencilla para evaluar tu capacidad para reconocer imágenes creadas por IA
A mitad del viaje, Difusión estable, Dalle-E un ChatGPT…con el progreso de la IA generativa, cada vez es más complejo hacer la diferencia entre fotos reales y esos creado desde cero. A partir de esta constante, ocho investigadores del laboratorio IA de Microsoft para siempre diseñó un juego en línea llamado “ real o no ».
El principio es simple: los participantes ven 15 imágenes aleatoriasy debe determinar aquellos que son fotos reales y los que son creaciones de una IA generativa. En total, el análisis cubrió aproximadamente 287.000 opiniones imágenes de más de 12 500 participantes en todo el mundo.
Problema: el tasa de éxito general Distinguir imágenes reales de imágenes generadas por IA era sólo… 62%. Esto es poco más que un “simple” juego de azar. En detalle, los participantes pudieron reconocer mejor la Retratos humanos “falsos”pero tuvo buena no más daño con el paisajes naturales y urbanos.
Además, parece que los participantes tienen muchos problemas reconocer el fotos “reales” no solo una parte ha sido modificada. Asimismo, el iluminación compleja tienden a engañar aún más a los participantes, incluso con fotografías auténticas.
Peor aún, el fotos “falsas” los menos detectados son los que parecen realistas… con una renderizado aficionado.
¡Las IA de detección son mucho más efectivas que los humanos!
Entre los métodos más adecuados para tonto los participantes en este estudio: SIN EMBARGO (Redes Generativas Adversarias). Ciertamente, este proceso no es reciente (su aparición se remonta a 2014una eternidad en el pequeño mundo de la IA) y a menudo lucha por ir más allá de las imágenes proporcionadas en el conjunto de datos que fue utilizado para su entrenamiento.
Pero según los autores del estudio, su capacidad para crear retratos realistas restos sin rivalidadcon una tasa de reconocimiento por parte de los humanos que apenas supera el 50% !
Mientras tanto, el IA de detección Visualización de “imágenes reales-falsas” puntuaciones mucho más altas. Mientras que los humanos cometen errores en 1/3 de los casos, las máquinas logran reconocerlos 95,4% de las imágenes generadas por IA.
EL deepfakesun problema muy real
El momento de este estudio no debe nada al azar. De hecho, las herramientas de generación de imágenes de IA son cada vez más extendido – y, a veces, se instalan en el sistema operativo de nuestros teléfonos inteligentes y computadoras. Asimismo, los sistemas de generación de vídeos (Veo 3 de Google, por ejemplo) son cada vez más adoptado – y sus resultados mucho más creíble que antes.
Si imágenes reales-falsas divertido o entretenido son más bien inofensivolas consecuencias de deepfakes son mucho más serios: dudas constantes sobre la autenticidad de la información en línea, la propagación de noticias falsas, manipulación opiniones públicas y, en última instancia, amenazas a procesos democráticos.
Así, los autores de este estudio defienden más transparencia. Por un lado, a través de Credenciales de contenido (marcas de agua invisibles aplicadas a imágenes generadas por IA). Pero también gracias a herramientas de detección más eficiente basado en inteligencia artificial.
En cualquier caso, las imágenes generadas por IA poco a poco llenando internet – Pinterest es un muy buen ejemplo de esto. Y ya es hora para educar nuestro ojo (y nuestro pensamiento crítico) para separar el trigo de la paja.
El estudio completo, titulado ¿Qué tan buenos son los humanos para detectar imágenes generadas por IA? Aprendizajes de un experimento, esta disponible en esta pagina.
- Nikon lanza la primera actualización de firmware, versión 1.1, para Nikon ZR - enero 27, 2026
- Aperty tiene una nueva actualización y publica su hoja de ruta 2026 - enero 23, 2026
- Adobe presenta enmascaramiento mejorado en Premiere - enero 20, 2026