La IA entrenada con millones de imágenes hace casi imposible rastrear su autoría, según el MIT

¿Una imagen creada por inteligencia artificial conserva la huella de cada cuadro, foto o ilustración que vio durante su aprendizaje? La pregunta parece técnica, pero puede definir si un artista logra reclamar una licencia, una compensación o el reconocimiento de su obra.

Un equipo del Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT reveló que esa huella puede desvanecerse hasta resultar imposible de rastrear. El hallazgo, publicado en Nature Communications, estudia la autoría de los retratos producidos por modelos generativos, sistemas que crean contenido a partir de grandes colecciones de ejemplos.

La pieza clave es un fenómeno llamado “decaimiento de la atribución”. A medida que un modelo recibe más imágenes para entrenarse, cada ejemplo individual pierde peso en el resultado final. Retirar una obra concreta puede no cambiar en absoluto la imagen que genera la IA.

Zheng Dai, antiguo investigador del MIT y autor principal, es categórico: si eliminar un dato no modifica el resultado, no tendría sentido atribuirle esa creación. Y si esa misma lógica se repite al retirar otros ejemplos, la conexión con cada obra original también se debilita.

Una biblioteca donde cada libro pesa menos

El mecanismo puede entenderse como una biblioteca doméstica. Si una persona solo tiene 20 libros para aprender a dibujar, cada volumen ocupa un estante central y deja una marca visible en lo que aprende. Pero si la biblioteca suma cientos de miles de títulos, encontrar la influencia de uno solo se vuelve mucho más difícil.

La IA no guarda cada imagen como una carpeta separada: mezcla sus patrones como ingredientes en una receta enorme. En ese proceso, colores, poses, texturas y composiciones pasan a formar parte de un cableado estadístico. La imagen de un artista puede aportar una pequeña señal, aunque esa señal quede diluida entre miles de otras.

Hasta ahora, comprobar esa influencia exigía un trabajo casi imposible. Para saber qué habría creado un sistema sin una imagen particular, los científicos tendrían que reentrenarlo desde cero sin ese archivo. Luego deberían repetir la prueba con cada una de las imágenes analizadas.

David Gifford, profesor del MIT e investigador principal, señala que antes no se podía demostrar este fenómeno de forma absoluta. Los métodos habituales trabajaban con aproximaciones, es decir, cálculos que estiman qué importancia tuvo cada dato sin retirarlo de verdad.

El interruptor que permite retirar una imagen

Para resolverlo, el equipo diseñó un “conjunto de difusión”, una arquitectura formada por varios modelos pequeños que generan imágenes eliminando ruido de forma gradual. Cada componente fue entrenado con distintas cantidades de datos y funciona como un engranaje dentro de una máquina mayor.

Así, los investigadores pueden apagar los engranajes que procesaron una imagen concreta y observar qué produciría el sistema sin ella. Es como desconectar un cable de una instalación eléctrica para comprobar si una lámpara realmente dependía de ese circuito, sin tener que reconstruir toda la casa.

El resultado es un modelo contrafactual, una versión alternativa que muestra qué cambia al retirar un dato del entrenamiento. El equipo creó un “universo contrafactual” para cada imagen y midió el llamado radio contrafactual, la diferencia entre la creación original y sus alternativas.

La evidencia fue amplia: compararon su arquitectura con 24 modelos convencionales y trabajaron con conjuntos de entre 256 y 160.000 imágenes. La calidad visual fue similar, pero el radio contrafactual cayó a medida que aumentaba el volumen de datos.

La oportunidad que abre este método no consiste solo en resolver litigios. También puede ayudar a diseñar reglas más claras para licencias y transparencia. En una biblioteca cada vez más grande, el MIT ofrece un interruptor para saber cuándo un libro todavía ilumina el resultado y cuándo su huella ya se perdió entre los estantes.

Sofía Sicilia

Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.