¿Cómo funciona la detección de imágenes IA?
Con la expansión de herramientas como Midjourney, DALL-E, Stable Diffusion o los generadores integrados en ChatGPT y Gemini, distinguir una foto real de una imagen totalmente sintética se ha vuelto un verdadero reto, incluso para un ojo entrenado. Coexisten varios enfoques técnicos, con niveles de fiabilidad muy distintos.
La marca de agua invisible (SynthID, C2PA)
Las grandes plataformas integran cada vez más una señal directamente en el momento de la generación: SynthID, desarrollado por Google DeepMind, inserta un patrón imperceptible en los píxeles al crear la imagen. La norma C2PA, por su parte, adjunta metadatos criptográficos que trazan la procedencia del archivo. Es el método más fiable, pero solo funciona si la herramienta que creó la imagen implementa uno de estos estándares y si los metadatos no se han eliminado por el camino (una simple captura de pantalla basta para borrar el C2PA).
El análisis forense (lo que hace esta herramienta)
Sin una marca de agua oficial verificable, se pueden buscar rastros indirectos dejados por el proceso de generación o edición:
Metadatos EXIF
Una foto real suele llevar información sobre el dispositivo. Su ausencia es una pista, nunca una prueba.
Huella del generador
Algunas herramientas dejan un rastro textual explícito en los metadatos — una señal fuerte cuando está presente.
Análisis ELA
Recompresión y comparación para revelar zonas con niveles de compresión incoherentes.
Ruido de sensor
Una imagen anormalmente "limpia", sin grano natural, puede indicar un origen sintético.
El examen visual
Algunos detalles siguen siendo estadísticamente más difíciles de generar correctamente para los modelos actuales: las manos y los dedos, el texto incrustado en la imagen, la coherencia de los reflejos y las sombras, o los patrones repetitivos de fondo. Esto ya no es tan fiable como hace dos años —los modelos recientes van corrigiendo estos defectos—, pero sigue siendo un buen reflejo junto con las demás señales.