Las imágenes editadas con IA duplican los errores de memoria en un estudio del MIT, aunque con matices
Hecho Qué ha ocurrido
Un experimento del MIT Media Lab con 200 participantes en Estados Unidos midió errores de memoria tras ver imágenes editadas con IA y vídeos generados a partir de ellas. El grupo que vio vídeos de imágenes editadas falló el 38,7 % de las preguntas sobre detalles alterados, frente al 18,9 % del grupo de control. El estudio se publicó en abril de 2025 en la conferencia CHI y ha vuelto a circular tras un reportaje de The Washington Post.
Resumen generado mediante IA a partir de WWWhat's new. Naturaleza de la información: hecho documentado.
Análisis Por qué importa
Los datos sugieren que detectar contenido sintético llega tarde, porque la alteración deja huella en la memoria antes de que haya duda. Para las organizaciones, la verificación de la procedencia del contenido puede ser más útil que confiar en la alfabetización mediática.
- Quién se ve afectado
- Medios, equipos de comunicación, responsables de marca y de contenidos corporativos.
- Qué puede cambiar
- Podría reforzar la necesidad de procedencia verificable del contenido, como estándares tipo C2PA, frente a la simple detección de imágenes generadas.
Análisis generado a partir de la información disponible; no procede de la fuente.
Predicción Qué observar a continuación
Replicaciones con muestras más amplias y persistencia temporal de los errores, así como estudios que comparen la manipulación con IA frente a la tradicional.
Enviar esta noticia por correo
Enviado. Revisa que llegue a la bandeja de entrada de quien lo reciba.
La dirección no parece válida.
Has enviado varios correos seguidos. Espera un rato.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
No se ha podido enviar. Inténtalo de nuevo en unos minutos.
Fuente original: WWWhat's new. La referencia es siempre el artículo original.
Ver fuente original ↗imagenvídeo MIT Media LabUniversidad de California en IrvineUniversidad de GeorgetownUniversidad de Washington CHIElizabeth Loftusimágenes editadasMITrecuerdos falsos
Tu opinión
Te hemos enviado un correo para confirmar tu dirección. El comentario se procesará cuando pulses el enlace.
Gracias. Tu comentario se publicará cuando lo revise el equipo (los primeros comentarios de cada persona se moderan).
Comentario publicado. Gracias por participar.
No se puede comentar aquí.
Indica un nombre (de 2 a 60 caracteres).
El correo no parece válido.
El comentario debe tener entre 10 y 2.000 caracteres.
Demasiados enlaces en el comentario.
No se ha podido comprobar que no eres un robot. Vuelve a intentarlo.
Has alcanzado el límite diario de comentarios.
Demasiados comentarios seguidos. Espera un rato.
No se ha podido enviar el correo de confirmación. Inténtalo de nuevo en unos minutos.
0 comentarios
Relacionadas
La directora de políticas de Hugging Face advierte que los evaluadores de IA integrados no son una solución fácil
Irene Solaiman, directora de políticas de Hugging Face, afirmó en TechCrunch Disrupt que los métodos de evaluación comparativa de modelos de IA siguen…
Por qué importaLas comparativas de modelos que usan las empresas para elegir proveedor son menos fiables de lo que sugieren, y la evaluación de agentes y sistemas…
Anthropic advierte de que los gusanos de IA autorreplicantes podrían aparecer en meses
Anthropic ha publicado experimentos en los que demostró por separado dos piezas del problema: un modelo pequeño ejecutado repartido entre 15 Android TV boxes…
Por qué importaMuestra que los dispositivos IoT con seguridad débil podrían servir de base a malware que se adapte y aprenda de sus intentos fallidos, lo que obliga…
Un investigador de Goodfire sostiene que los LLM son mucho más comprensibles de lo que se creía
Nick Cammarata, investigador de la startup Goodfire, publicó un texto de 26.000 palabras en el que sostiene que los LLM podrían ser mucho más fáciles de…
Por qué importaSi la tesis se confirmara, la supervisión de sistemas de IA cada vez más autónomos sería más viable. Por ahora es una afirmación que conviene tratar…
Un perro robot guiado por IA prueba en viñedos y macrotúneles de Extremadura y Huelva
El Centro Tecnológico Agroalimentario de Extremadura (CTAEX) desarrolla el proyecto AGRHOUND, un robot cuadrúpedo que recopila datos de cultivos con sensores y…
Por qué importaMuestra una aplicación práctica de la robótica con IA en agricultura de precisión, con datos sobre madurez y cosecha. Para empresas agroalimentarias…