Cómo funcionan las imágenes y vídeos digitales
Una fotografía captura la luz de un lugar a través de una lente y la “imprime” en un panel ISO, el cual traslada digitalmente el espectro de luz a datos en una cuadrícula, es decir, una imagen digital compuesta por píxeles.
Estos píxeles cuentan con distintos datos según la extensión del archivo, un Jpeg suele pesar menos que un PNG porque cuenta menos tipos de colores (por lo que afecta a la manera en que se visualiza la imagen). Como en esencia toda imagen y vídeo no deja de ser una serie de píxeles con datos específicos y un patrón más o menos predecible en el caso de una imagen no editada.
Cualquier software de edición fotográfica se centra en modificar los datos de los píxeles de una imagen de maneras diversas. Desde los datos de colores para realzar unos sobre otros o aclarar y oscurecer zonas. Todo lo que sean cambios en unos píxeles concretos que no se correlacionan con los demás son evidencias de edición.
Cómo se generan las imágenes con IA
Los grandes modelos de lenguaje no dejan de ser máquinas de predicciones, entrenadas con muchos datos para ser capaces de generar letras o píxeles uno detrás de otro que sigan patrones en base a lo aprendido. Por eso es difícil hacer que un generador de imágenes cree el mismo coche, persona u animal en distintas imágenes con consistencia, hay detalles que suelen variar, porque el proceso es automático y genérico.
A priori los métodos tradicionales no se aplicarían, ya que todos los píxeles de la imagen siguen teniendo cohesión entre sí. Lo que suele delatar a estas creaciones, cuando no hay detalles obvios para el ojo humano, es que los datos de los píxeles carecen de imperfecciones y diferencias de las fotografías reales.
Empresas como Google plantean modelos que dejan marcas claras en sus imágenes para demostrar que son generadas por su modelo. No solo marcas de agua, sino patrones que solo se detectan con software específico.
Algunos métodos de detección de fakes
Metadatos: los metadatos de una imagen son en parte automáticos del software o hardware que la genera y también se pueden editar. Esto hace que sean una manera rápida, pero no la más fiable para comprobar la veracidad de una imagen.
ELA (Error Level Analysis): reduce la calidad de una imagen de manera que los píxeles tienen patrones que destacan más sobre el resto de la imagen original. Tradicionalmente la principal limitación de este método han sido las imágenes que, de base, tienen poca calidad.
Detección de IAs: un software con IA puede ser útil para reconocer patrones e identificar inconsistencias en imágenes. Son especialmente útiles para las imágenes generadas por IA, aunque no son infalibles, ya que como cualquier modelo de este tipo, puede ser víctima de alucinaciones.
Búsqueda inversa: a través de Google o buscadores especializados en la red se puede encontrar el rastro de una imagen concreta en internet, por lo que puede servir para comprobar si se está reutilizando esa imagen o una parte de ella.
La Fundación Maldita tiene una caja de herramientas que recopila este clase he funciones, como las de la web abierta Fotoforensics, en la que cuentan con métodos como estos y más.
