Cómo verificar noticias generadas por IA desde la fuente

Primero la fuente, después el detector

Un vídeo de noticias llega a tu pantalla ya despojado de su origen. Fue capturado, resubido, recortado, subtitulado y comprimido por varias aplicaciones antes de aparecer en tu feed. Reconstruir ese recorrido es la primera tarea, anterior a cualquier pregunta sobre si las imágenes fueron generadas por un modelo.

Verificar con la fuente por delante significa tratar el origen de un archivo, su trayecto y su manipulación como evidencia en sí misma, antes que cualquier puntuación automática. Un vídeo auténtico presentado con una fecha o un lugar falsos es desinformación aunque ningún píxel haya sido sintetizado, y un análisis de síntesis por sí solo nunca detectará ese caso.

Qué nos enseña el trabajo del NIST en forense de medios

El Instituto Nacional de Estándares y Tecnología de EE. UU. (NIST) organiza el Open Media Forensics Challenge (OpenMFC), una serie de evaluación abierta que mide tecnologías automatizadas de detección y localización de manipulación en imágenes y vídeo. Su objetivo declarado es avanzar en el estado del arte de la forense de medios y apoyar a los investigadores con conjuntos de datos de referencia, infraestructura de evaluación y un foro de comunicación.

Dos detalles de ese programa son útiles para la verificación cotidiana. Primero, OpenMFC pide a los sistemas no solo decidir si un medio fue manipulado, sino, cuando es posible, identificar la región y el tipo de manipulación, señal de que preguntar solo por real o falso es una pregunta gruesa. Segundo, el trabajo relacionado de MFC ha incluido construir un grafo de filogenia que describe el historial de manipulación de una imagen y verificar la identificación del sensor del medio. El origen y el historial de edición forman parte del problema forense.

OpenMFC se basa en la experiencia de las evaluaciones MFC del programa Media Forensics (MediFor) de DARPA, y el NIST inició la plataforma de clasificación OpenMFC en 2020. El programa se estructura en torno a mediciones, conjuntos de datos de referencia, infraestructura y evaluaciones repetidas. Un matiz se traslada directamente al trabajo con noticias: el NIST describe el programa centrado en imagen y vídeo, sin listar el audio como objeto de evaluación, así que la pista de sonido necesita su propia comprobación.

Flujo de verificación con la fuente por delante

Paso 1 — Localiza la primera aparición. Haz una búsqueda inversa de un fotograma representativo o del propio clip. Busca una publicación anterior con otra fecha u otro pie. Comprueba si un vídeo antiguo se ha asociado a un suceso nuevo; investiga esa cuestión por separado del análisis de síntesis.

Paso 2 — Examina la cuenta. Revisa cuándo se creó, qué publicó antes y si tiene una identidad rastreable. Una subida anónima sin historial es motivo para frenar.

Paso 3 — Conserva el archivo y sus metadatos. Guarda el original, no una recaptura. Registra los metadatos disponibles y contrástalos con la fuente rastreable más antigua, sin tratarlos por sí solos como prueba.

Paso 4 — Reconstruye el contexto de forma independiente. ¿Coinciden el lugar, la fecha, los carteles y el idioma declarados con otros registros del hecho? La confirmación de medios que verifican su propio material pesa más que el número de reenvíos.

Paso 5 — Solo ahora, usa un detector. Sube el medio a una herramienta probabilística como DeepFakeCheck. El uso inicial no requiere registro y hay una cuota gratuita limitada. Anota la puntuación como un dato más, junto al trabajo de fuente que ya hiciste.

Cómo leer una puntuación sin sobreinterpretarla

Los detectores automatizados devuelven probabilidades, no dictámenes. Producen falsos positivos, al marcar como manipulado un material auténtico, y falsos negativos, al pasar por alto una manipulación real. Una puntuación alta es un motivo para investigar más; una baja no certifica que el archivo esté limpio.

Dos restricciones mantienen honesta a una puntuación. Ajusta la herramienta al medio: el programa del NIST evalúa imagen y vídeo, mientras que una pieza informativa puede incluir audio y texto que requieren pasos de verificación separados. Y sopesa el coste de cada error para tu decisión, porque publicar como real un clip manipulado y denunciar como falso un clip auténtico son fracasos distintos con consecuencias distintas.

Cuando la evidencia se agota

A veces la fuente no se puede rastrear, el contexto no se confirma y la puntuación queda en un punto medio ambiguo. Ese resultado también es información: todavía no tienes base para amplificar el material. No compartir, etiquetar algo como no verificado o derivar un caso de alto riesgo a un revisor especializado son finales legítimos. La carga de la prueba recae en quien afirma que el medio es auténtico, no en tu duda.

Fuentes

• NIST — Open Media Forensics Challenge (OpenMFC): https://www.nist.gov/itl/iad/mltg/open-media-forensics-challenge