El discernimiento digital: Tu superpoder en la era de la información generada por IA

La acelerada evolución del mundo digital redefine cada aspecto de nuestra existencia. En este sentido, la información se convierte en el activo más valioso, y su omnipresencia y la rapidez de su propagación presentan desafíos significativos. Aquí es donde la inteligencia artificial generativa, una fuerza tecnológica imparable, entra en juego: ha democratizado la creación de contenido a una escala nunca vista. Un ejemplo de su impacto es ilustrado en el reciente estudio de IDC, en colaboración con Intel, “Madurez de TI para Adoptar IA en América”, que revela que el 97,6% de las organizaciones encuestadas lograron mejoras de eficiencia del 20% al 49% en actividades clave tras utilizar la Inteligencia Artificial. Este poderoso avance, si bien promete una eficiencia sin precedentes, exige una nueva habilidad fundamental: el discernimiento digital. No se trata de un lujo; sino de una competencia esencial para navegar con éxito el ecosistema informativo actual.

Visualice la inteligencia artificial generativa como un arquitecto de contenido de extraordinaria habilidad: Su producción, a menudo indistinguible a primera vista, posee una sofisticación considerable. Sin embargo, incluso el trabajo más pulcro de la IA genera “huellas digitales” sutiles y alucinaciones no tan sutiles. Estas marcas revelan su origen artificial. Reconocer estas señales constituye el núcleo del discernimiento digital, una habilidad que empodera a cada individuo.

Ampliar

Y, no, no hablamos de reconocer y, de manera automática, desechar el contenido producido por una IA generativa. Más bien, de integrar el criterio humano para dar validez y verosimilitud a lo que esta devuelve (con especial atención a la advertencia que está al pie de todas ellas: “[Este programa] puede cometer errores. Compruebe la información importante”). Allí es donde entra el discernimiento digital, mismo que integrará criterio humano a lo generado por la IA. Zaphir, et al (2024) nos ofrecen el marco MAGE (Mapping, AI Vulnerability Testing, Grading y Evaluation) para identificar la vulnerabilidad frente a las IA y que se permita fortalecer la autenticidad de la intervención humana. Ello da la pauta para los siguientes pasos.

En el ámbito visual, la observación aguda es imperativa. Las imágenes generadas por IA, aunque impresionantes, a menudo presentan inconsistencias. Una primera señal podría ser la escala de colores, que tiende a ser muy intensa. También, busque anomalías en la iluminación: una sombra que no corresponda con la fuente de luz aparente, o la ausencia de sombras donde deberían existir. Examine los detalles del fondo; elementos distorsionados, patrones repetitivos o texturas antinaturales son indicadores clave. La representación de figuras humanas, en particular las manos, constituye un punto débil recurrente para la IA. La presencia de dedos adicionales, articulaciones deformes o una anatomía inconsistente es una señal clara. Las expresiones faciales pueden carecer de la complejidad emocional humana. La uniformidad excesiva en la calidad de los píxeles o la falta de ruido fotográfico natural también pueden delatar una imagen sintética. Estas imperfecciones no son fallas; son características inherentes a los modelos de entrenamiento y a los algoritmos de interpolación, que, a pesar de su sofisticación, aún luchan por replicar la complejidad y las sutiles variaciones del mundo real y la experiencia humana.

En el sonido, la evaluación de la entonación y el ritmo es fundamental. Una voz generada por IA puede presentar una monotonía sutil, una falta de variaciones naturales en el tono y el volumen que caracterizan el habla humana. La pronunciación puede ser extrañamente perfecta y carente de las pequeñas pausas, las respiraciones o las inflexiones que dan autenticidad a la voz.

En los textos es usual encontrar un uso pronunciado de gerundios y adverbios, lo que se deriva de una traducción directa de otro idioma (en general, del inglés). A su vez, los textos suelen estructurarse en sucesiones de un párrafo simple y viñetas o listas numeradas de elementos con temas enumerados y secciones en negritas (que evidencian los aspectos fundamentales de su estímulo [o prompt] base).

Estas pequeñas imperfecciones son algunas de las señales que permiten una distinción clara entre lo auténtico y lo artificial. Y con este objetivo, también la tecnología moderna se convierte en aliada. Con la integración de Intel AI Boost, una unidad de procesamiento Neuronal (NPU), la capacidad de inferencia de IA llega de manera directa a nuestros dispositivos. Esto permite que el discernimiento digital sea asistido de manera responsable por herramientas de IA en tiempo real y de forma local, sin depender de la nube, lo que facilita la identificación de patrones sospechosos en imágenes, sonidos o textos. Desarrollar esta habilidad no es una llana ventaja competitiva; es un superpoder en la era digital. Empodera a cada individuo para navegar el vasto y complejo panorama de la información confiable y con criterio. La capacidad de discernir la verdad de la falsedad, lo genuino de lo sintético, se convierte en una defensa vital contra la desinformación.

Ampliar

En nuestra labor diaria, reconocemos la importancia de esta habilidad. Promovemos una comprensión profunda de la tecnología y sus implicaciones. La responsabilidad de cada persona reside en cultivar este discernimiento. Es una inversión en la propia autonomía intelectual y en la salud del ecosistema informativo global. El discernimiento digital no es una habilidad innata; es una competencia que se desarrolla con la práctica y la conciencia. Adóptela, refuércela. Empiece por cuestionar, observar y verificar la información que consume a diario. Conviértala en su superpoder. La era de la información generada por IA exige una ciudadanía digital informada y crítica. Válgase del marco MAGE, las herramientas potenciadas por Intel AI Boost y su invaluable criterio para obtener los mejores resultados.

Por A. David Garza Marín, PhD. Asesor consultivo de Intel México

Referencia* Zaphir, L., Shibani, A., Ryan, T., & Chugh, R. (2024). How critically can an AI think? A framework for evaluating the quality of thinking of generative artificial intelligence (MAGE Framework). arXiv. https://arxiv.org/abs/2406.14769