LA IMAGEN QUE TE ENCANTA CREES QUE LA HIZO UN HUMANO

Los generadores de imágenes producen ya imágenes que la gente no logra distinguir de forma fiable del trabajo humano. La mayor parte de la investigación sobre cómo valoramos ese arte se pregunta qué ocurre cuando a la gente se le dice: si se etiqueta un cuadro como hecho por IA, gusta menos y parece menos bello, profundo y creativo. En internet, sin embargo, el arte rara vez llega con una etiqueta fiable. La gente pasa imágenes en la pantalla y decide por su cuenta quién las hizo. ¿Qué relación hay entre esa creencia íntima y lo que le gusta?

Cincuenta imágenes, once mil jueces

En el otoño de 2024, el blog Astral Codex Ten publicó un «test de Turing del arte de IA»: 50 imágenes, en estilos que iban de la pintura renacentista al arte digital. Veinticuatro eran obras humanas bien consideradas, desde tablas pintadas del siglo XV hasta ilustración digital contemporánea. Veintiséis las habían hecho con generadores de imágenes personas que crean arte con IA, y se habían filtrado para eliminar defectos evidentes como textos ilegibles o manos deformes. Más de 11.000 personas juzgaron cada imagen: ¿humana o IA? El participante mediano acertó el 60 %: mejor que al azar, lejos de ser fiable.

Los participantes indicaron también su imagen favorita, su principal estrategia de detección, su familiaridad con el arte y su opinión sobre el arte de IA, en una escala de 1 («lo detesto») a 5 («me encanta»). El organizador publicó las respuestas anonimizadas. Zihan Chen y Di Zhu, del Stevens Institute of Technology, y Lei Nico Zheng, de la Universidad de Massachusetts en Boston, analizaron los 542.208 juicios.

Las favoritas parecen humanas

El análisis se basa en los 9.152 participantes que eligieron una favorita que también habían juzgado. La calificaron de humana el 76,6 % de las veces. Otros participantes juzgaron humanas esas mismas imágenes solo el 54,6 % de las veces. Los autores compararon cada favorita con lo que predecirían los hábitos generales de esa persona y el aspecto general de esa imagen: la favorita tenía 22,1 puntos porcentuales más de probabilidad de ser juzgada humana.

El efecto aparecía imagen por imagen. Fue positivo en las 50, de 5,3 a 38,1 puntos. Ancient Gate, una imagen de IA que la mayoría identificó, fue calificada de humana por el 22 % de sus admiradores frente al 9 % del resto; Paris Scene, también hecha por IA, por el 96 % de sus admiradores frente al 83 %. El estilo no lo explica: comparar cada favorita solo con imágenes de aspecto similar sigue dejando de 19 a 20 puntos. Tampoco el reconocimiento de cuadros famosos: entre las 4.704 personas que no habían visto antes ninguna de las imágenes, la diferencia era de 22,6 puntos.

Las favoritas (azul) se juzgan humanas más a menudo que esas mismas imágenes por quienes no las prefieren (gris), estén hechas por IA o por humanos (A). Cada punto es una imagen: sus admiradores la califican de humana más a menudo que todos los demás (B). — Figura 1, Chen, Zhu & Zheng (2026), arXiv:2610.38113.

Máquinas entre las favoritas

El efecto fue el mismo para las favoritas hechas por IA (+21,8 puntos) que para las hechas por humanos (+22,4). Así que no se trata solo de personas que reconocen acertadamente obras maestras humanas que les encantan. Y en este test, que una imagen gustara no era ninguna pista: las imágenes de IA representaron el 55,6 % de las favoritas, algo más que su proporción en el test (26 de 50, 52 %), y 6 de las 10 favoritas más populares estaban hechas por IA. La más popular de todas, Riverside Cafe, hecha por IA, tuvo 642 admiradores. De las imágenes que la gente estaba más segura de que había hecho un humano, el 30 % eran de IA.

Incluso entre quienes detestan el arte de IA

Las opiniones influyeron en las elecciones, pero menos de lo que cabría pensar. Entre los más negativos hacia el arte de IA, el 47 % eligió una favorita hecha por IA, frente al 60 % entre los más positivos. Cuando su favorita era de IA, el 80 % de los más negativos creyó que la había hecho un humano, frente al 56 % de los más positivos. Tendían a elegir imágenes de IA que a todo el mundo le parecían humanas, y juzgaban humanas esas mismas imágenes más a menudo que los demás.

Resultado: en cada grupo de opinión, entre un tercio y dos quintos de los participantes (del 33,5 % al 40,8 %) eligieron una favorita hecha por IA que creían humana. El grupo más negativo era de hecho el más acertado en conjunto, con un 63,9 %; y sin embargo identificó sus propias favoritas de IA solo el 20 % de las veces.

De «lo detesto» (1) a «me encanta» (5): menos favoritas de IA a la izquierda, pero una mayor parte de ellas se cree humana (A); el efecto de la favorita se reduce pero nunca desaparece (B). — Figura 2, Chen, Zhu & Zheng (2026), arXiv:2610.38113.

Las habilidades de detección tampoco protegían. Las personas cuya estrategia principal era buscar pequeños errores, como manos con un número equivocado de dedos, mostraron un efecto de 23,4 puntos. Quienes se describían como expertos en arte fueron el grupo más acertado, con un 66,9 %, pero aun así mostraron 22,8 puntos. Solo las 63 personas que dijeron que el arte de IA era su trabajo o su mayor pasión mostraron un efecto mucho menor, de 7,4 puntos: una pista para un estudio más amplio.

Poemas, puntuados primero

En el test de imágenes, las favoritas se indicaban después de todas las respuestas. Un segundo conjunto de datos invierte el orden. En un experimento de poesía ya publicado, 230 personas puntuaron diez poemas antes de adivinar quién los había escrito: cinco de Chaucer, Shakespeare, Dickinson, Eliot y Lasky, y cinco generados por ChatGPT 3.5 al estilo de otros poetas. Puntuaron más alto los poemas de IA (5,30 frente a 4,18 sobre 7) y acertaron solo el 47,3 % de las veces, por debajo del azar. Aun así, cada punto más de valoración iba acompañado de una probabilidad 11,5 puntos mayor de un veredicto «humano», para ambos tipos de poema. La diferencia de valoración entre los poemas que una persona creía humanos y los que creía hechos por IA, 0,89 puntos, igualaba el efecto de simplemente decir a los lectores quién era el autor, 0,81 puntos.

Que algo guste como prueba

Algunos participantes lo dijeron sin rodeos: «Esto parece demasiado bueno para haberlo escrito una inteligencia artificial». Las explicaciones que elogiaban la belleza, la emoción o la creatividad iban acompañadas de un veredicto «humano» el 80 % de las veces. Los autores no deciden en qué sentido va la relación: creer que una obra la hizo un humano puede aumentar su atractivo, su atractivo puede tomarse como prueba de un autor humano, y ambas cosas pueden alimentarse mutuamente. Los datos no son causales, y los participantes eran lectores voluntarios de un único blog, probablemente más entusiastas de la IA que la mayoría de la gente.

Su conclusión mira hacia el futuro. A medida que las imágenes, los poemas y la música generados se vuelvan indistinguibles del trabajo humano, lo que la gente crea sobre quién hizo algo irá ligado a cuánto le gusta; un argumento, sostienen los autores, a favor de información fiable sobre el origen de una obra, en lugar de fiarnos de nuestro propio deleite como prueba.