5 mitos sobre lo que la IA ve en tus fotos
Por Chatday Editorial Team ·
Enséñale a una IA la foto de un perro y pregúntale cuántas patas tiene. Te dirá que cuatro. Ahora retoca la foto para que el perro tenga cinco patas y vuelve a preguntar. Sigue diciendo cuatro.
No es una trampa inventada. Es una de las pruebas de un estudio titulado «Vision Language Models Are Biased», aceptado en ICLR 2026, uno de los grandes congresos de investigación en IA. Cuando los investigadores mostraron a los modelos animales con una pata de más o de menos, las IA acertaron el recuento solo el 2,12 % de las veces.
Y, sin embargo, ese mismo tipo de IA es capaz de leer un tique borroso, explicarte una pantalla de ajustes liosa o decirte qué planta tienes en la ventana. Entonces, ¿en qué quedamos? ¿La IA ve de verdad tus fotos o no? Casi todo lo que se cree sobre esto es verdad a medias. Aquí tienes cinco ideas muy extendidas, revisadas una a una.
Mito 1: «La IA mira una foto igual que tú»
Falso. Tú miras una foto y te fijas en lo que realmente hay. Una IA que lee imágenes (el nombre técnico es modelo de lenguaje visual) hace algo más parecido a reconocer y luego recordar. Detecta «perro», recuerda que los perros tienen cuatro patas y eso es lo que te cuenta. Los investigadores lo dicen sin rodeos: los modelos «no están contando».
Con los logotipos pasó lo mismo. Si añades una cuarta franja al famoso logo de tres rayas de Adidas, los modelos siguen diciendo tres. En siete tipos de imágenes retocadas (animales, logotipos, tableros de ajedrez, juegos de mesa, ilusiones ópticas y cuadrículas con patrones), los modelos de 2025 que analizaron sacaron de media un 17,05 % en las preguntas de recuento. Con las imágenes originales sin tocar, acertaron todas.
Cerca de tres cuartas partes de sus respuestas sobre las imágenes retocadas eran justo el número «esperado»: el que el modelo ya conocía, no el que aparecía en la imagen. Un estudio anterior, «Vision Language Models Are Blind», encontró el mismo patrón con figuras dibujadas. Al pedirle que contara los círculos superpuestos de un logo al estilo olímpico, un modelo de Gemini respondió «5» en casi el 99 % de sus fallos, fuera cual fuera el número real. Cinco aros, como los de los Juegos Olímpicos.
En resumen: la IA es brillante reconociendo cosas conocidas y bastante más torpe para darse cuenta de que algo conocido ha cambiado.
Mito 2: «Una IA que arrasa en una olimpiada de matemáticas sabrá leer un reloj»
Le ha costado. Este es el que más sorprende. En septiembre de 2025, una prueba llamada ClockBench pidió a varios modelos de IA que leyeran relojes analógicos: la hora, qué manecilla es cuál y qué marcaría el reloj unos minutos después. Las personas sacaron de media un 89,1 %. El mejor de los 11 modelos evaluados se quedó en un 13,3 %.
El AI Index 2026 de Stanford lo eligió como su ejemplo favorito de lo que los investigadores llaman «inteligencia irregular»: una IA capaz de ganar el oro en la Olimpiada Internacional de Matemáticas que aún no sabe decirte la hora con fiabilidad. Los relojes son más complicados de lo que parece. El modelo tiene que calcular ángulos con precisión, distinguir dos manecillas parecidas y luego hacer un poco de aritmética, y en internet hay muchas menos esferas analógicas que simples números digitales.
La buena noticia es lo rápido que ha avanzado esto:
| Cuándo | Mejor resultado de una IA en ClockBench | Media humana |
|---|---|---|
| Septiembre de 2025 (lanzamiento) | 13,3 % | 89,1 % |
| Marzo de 2026 (AI Index de Stanford) | 50,6 % (GPT-5.4) | alrededor del 90 % |
| Noviembre de 2026 (clasificación pública) | 87,8 % (Claude Fable 5.2) | 90,7 % |
Hoy los cinco primeros puestos de la clasificación son para Claude Fable 5.2, Gemini 4 Carbon, Gemini 4 Argon, Claude Opus 5.5 y GPT-6 Astra, todos con el razonamiento al máximo. Las personas siguen ganando por poco. Pero la distancia ha pasado de «imposible» a «muy ajustada» en más o menos un año.
Mito 3: «Con una foto más nítida y más grande se acaban los errores»
Casi siempre falso. Parece lógico: si la IA se ha equivocado, dale una imagen mejor. Pero en el estudio «Blind», cambiar los colores, el grosor de las líneas o la resolución apenas influyó en lo bien que los modelos contaban los círculos superpuestos. El problema no era que no distinguieran las formas. La información estaba ahí. Lo difícil era convertirla en la respuesta correcta.
Lo que sí ayudó mucho fue quitar ruido visual. En el estudio «Biased», eliminar el fondo de las imágenes retocadas casi duplicó la precisión, un salto de unos 21 puntos porcentuales. Un fondo recargado le da a la IA más pistas para tirar de lo que espera («esto es una granja, así que es un perro normal») en lugar de fijarse en lo que tiene delante.
Mito 4: «Basta con pedirle que vuelva a mirar»
Apenas funciona. Pedirle a un modelo que lo revise, o que se base solo en lo que hay en la imagen, mejoró la precisión del recuento solo 2 puntos de media en el estudio «Biased». Dejarle pensar más tiempo ayudó hasta cierto punto, con la precisión subiendo a cerca del 40 %, y a partir de ahí empeoró porque el modelo le daba demasiadas vueltas.
Lo que funciona mejor es cambiar la pregunta. «¿Cuántos hay?» invita a soltar una respuesta de memoria. Pedirle a la IA que recorra antes la imagen la obliga a fijarse en la imagen real:
- «Enumera a cada persona de esta foto de izquierda a derecha y luego dime cuántas hay».
- «Describe hacia dónde apuntan la aguja de las horas y la de los minutos y luego dime qué hora es».
- «Léeme cada línea de este tique y luego suma el total».
Si la descripción paso a paso está mal, lo verás al instante, y de eso se trata. Ves dónde ha fallado en lugar de recibir sin más un número dicho con toda seguridad.
Mito 5: «Entonces la IA de imagen no es lo bastante fiable como para usarla»
Falso, y este es el mito que más conviene desterrar. Todos los fallos anteriores salen de pruebas pensadas para ser tramposas: logos retocados, patas de más, esferas de reloj raras. Están diseñadas para encontrar los puntos débiles, y lo hacen muy bien. También muestran que esos puntos débiles se están reduciendo deprisa. El equipo del estudio «Biased» indica que GPT-6 Astra, lanzado en octubre de 2026, saca un 84,10 % en la misma prueba en la que los modelos de 2025 se quedaban de media en un 17 %.
Eso sí, hay un detalle que se mantiene. Cuando Astra se equivoca, según los investigadores, el 92,4 % de las veces da la respuesta memorizada. La costumbre no ha desaparecido. Simplemente aparece mucho menos.
En el uso diario, el panorama es mucho más optimista. Describir una escena, leer texto impreso, explicar una captura de pantalla o identificar un objeto común: todo eso juega a favor de su punto fuerte, que es reconocer cosas conocidas. Aquí tienes una guía orientativa de cuándo puedes estar tranquilo y cuándo conviene comprobar:
| Lo que preguntas | Cuánto fiarte | Por qué |
|---|---|---|
| «¿Qué hay en esta foto?» | Mucho | Reconocer escenas conocidas es su fuerte |
| Leer texto impreso, cartas de restaurante, carteles | Mucho | El texto claro abunda en sus datos de entrenamiento |
| Explicar una captura o un mensaje de error | Mucho | Lee la pantalla y conoce el software |
| Contar objetos, sobre todo si son muchos | Compruébalo | Puede darte el número esperado |
| Cualquier cosa rara o retocada | Compruébalo | Tiende a «corregir» lo extraño hacia lo normal |
| Relojes analógicos, medidores, indicadores | Compruébalo | Ha mejorado, pero sigue por detrás de las personas |
Por cierto, con las palabras pasa lo mismo. Si alguna vez te has preguntado por qué a la IA le costaba contar las letras de una palabra, nuestro artículo sobre por qué la IA no sabe contar las erres de una palabra muestra que es un pariente cercano de este problema.
La forma más fácil de comprobar todo esto es probarlo con una foto de tu propio carrete. Elige algo cotidiano, luego algo un poco raro, y pide a la IA que te explique paso a paso lo que ve. Nuestra guía para que la IA te explique cualquier foto o captura tiene más ideas de qué preguntar.