¿Puede la IA detectar videos deepfake con mayor precisión que los expertos humanos en tiempo real ?

Los sistemas de IA ahora analizan microexpresiones, inconsistencias de iluminación y señales biológicas para identificar rostros generados por IA. Plataformas como Microsoft Video Authenticator pueden marcar contenido sintético antes de que se difunda. Esta carrera armamentista con la tecnología de video generativo es crucial para combatir la desinformación. Las tasas de precisión superan a los investigadores capacitados en estudios controlados. La detección en tiempo real basada en API ya está implementada.

Los sistemas de IA actuales pueden detectar videos deepfake con mayor precisión que los expertos humanos en entornos de laboratorio controlados, especialmente cuando se entrenan con grandes conjuntos de datos de medios falsificados y auténticos. Los modelos de vanguardia (por ejemplo, EfficientNet, Vision Transformers o detectores especializados de deepfakes como los ganadores del DFDC) a menudo superan a observadores humanos no capacitados al identificar artefactos sutiles en expresiones faciales, inconsistencias de iluminación o patrones de parpadeo antinaturales. Sin embargo, el despliegue en tiempo real enfrenta desafíos: las restricciones de latencia, los ataques adversariales que engañan a los detectores y la generalización en métodos de generación de deepfakes no vistos anteriormente (por ejemplo, modelos de difusión) siguen siendo áreas activas de investigación. Algunos puntos de referencia (por ejemplo, el Deepfake Detection Challenge) muestran que la IA supera a los humanos en conjuntos de datos curados, pero el rendimiento disminuye en condiciones del mundo real sin restricciones.

— Enriched May 12, 2026 · Source: Facebook AI — https://ai.facebook.com/blog/deepfake-detection-challenge-dfdc/