Un procesador óptico de UCLA detecta deepfakes con casi 98 % de precisión usando luz

Un equipo de investigadores de la Universidad de California en Los Ángeles (UCLA), en Estados Unidos, presentó una arquitectura experimental que utiliza procesamiento óptico para identificar videos manipulados mediante inteligencia artificial. El sistema emplea patrones de luz y superficies difractivas para examinar contenido audiovisual, con el propósito de analizar varios videos simultáneamente y reducir el consumo energético frente a determinados métodos digitales convencionales.

Los resultados fueron publicados en 2026 en la revista científica eLight, volumen 6, número 1, bajo el título Scalable, energy-efficient optical-neural architecture for multiplexed deepfake video detection. La investigación fue desarrollada por Parnian Ghapandar Kashani, Shiqi Chen y el profesor Aydogan Ozcan, adscritos al Departamento de Ingeniería Eléctrica y Computacional de UCLA.

Un método que procesa información mediante luz

La propuesta combina componentes digitales y ópticos para evaluar la autenticidad de los videos. En la primera etapa, un codificador digital selecciona varios fotogramas de cada grabación y transforma su información visual en un patrón de fase. Este patrón se proyecta mediante un dispositivo que modula la luz.

Posteriormente, el haz atraviesa varias capas difractivas pasivas, diseñadas para modificar su trayectoria. Al llegar a los detectores, la distribución de luz permite asignar una puntuación relacionada con la autenticidad del contenido analizado.

Una de las características del diseño es que las capas difractivas no requieren alimentación eléctrica durante la etapa de inferencia. Esto permite realizar parte del procesamiento mediante la propagación de la luz, aunque el sistema completo también necesita componentes electrónicos para codificar y evaluar la información.

Según los resultados reportados, la arquitectura puede procesar 15 videos en una misma pasada óptica. Durante los experimentos, los investigadores demostraron que era posible aumentar esa cantidad hasta 18 videos simultáneos.

El codificador digital alcanzó una capacidad aproximada de 2.500 videos por segundo. Por su parte, el decodificador óptico procesó cerca de 2.700 videos por segundo con un modulador estándar, cifra que aumentó hasta unos 21.600 cuando se utilizó un dispositivo más rápido.

Los resultados de las pruebas de autenticidad

El desempeño del prototipo fue evaluado con Celeb-DF, un conjunto de datos utilizado para investigar técnicas de detección de videos falsificados. En esas pruebas, el sistema obtuvo una precisión media del 97,79 %.

Los investigadores también reportaron una sensibilidad del 99,86 %, indicador que mide la capacidad de identificar los videos falsos incluidos en la evaluación. La especificidad fue del 95,72 %, valor que representa la capacidad de reconocer correctamente los videos auténticos.

La diferencia entre ambos indicadores significa que el sistema identificó una proporción mayor de los contenidos falsificados que de los videos reales. En consecuencia, una parte de las grabaciones auténticas podría recibir una clasificación equivocada y requerir una revisión adicional.

La evaluación también mostró variaciones cuando aumentó el número de videos procesados simultáneamente. Con 18 contenidos en una misma pasada óptica, la precisión descendió al 96,13 %. El equipo atribuyó esta reducción a la interferencia entre los canales de luz utilizados para procesar los distintos videos.

Los ensayos incluyeron además grabaciones generadas con Veo 3, la herramienta de creación audiovisual de Google, que no habían formado parte del entrenamiento inicial. Después de realizar un ajuste mínimo, el sistema alcanzó una precisión del 94,80 % en esa evaluación.

Los autores también informaron que incorporar dos capas difractivas adicionales mejoró aproximadamente un 6,8 % el desempeño frente a manipulaciones más difíciles.

Consumo energético y límites del prototipo

Otro aspecto estudiado fue la energía requerida para analizar cada video. Las estimaciones reportadas se situaron entre 1,4 y 4,1 milijulios por contenido, frente a aproximadamente 30 milijulios en una referencia digital utilizada para la comparación.

Sin embargo, esas cifras deben interpretarse teniendo en cuenta que el codificador digital continúa representando una parte importante del consumo energético. Por tanto, el ahorro del decodificador óptico por sí solo no equivale necesariamente a la reducción obtenida en todo el proceso.

La investigación se encuentra todavía en una etapa experimental. Sus autores plantean la arquitectura como un primer filtro de alta sensibilidad dentro de un sistema de verificación más amplio. Los videos identificados como sospechosos podrían someterse posteriormente a modelos digitales adicionales para determinar si fueron manipulados.

El prototipo tampoco cuenta, según la información disponible, con una validación independiente en plataformas reales de redes sociales. Sus resultados corresponden a pruebas de laboratorio y conjuntos de datos específicos, por lo que todavía no permiten establecer cómo respondería ante toda la variedad de videos que circulan en internet.

Un desafío para la verificación de contenidos en Colombia

La investigación se desarrolla en un contexto de creciente preocupación por el uso de inteligencia artificial para producir imágenes, audios y videos engañosos. En Colombia, este asunto ha cobrado relevancia durante el ciclo electoral de 2026, debido a los riesgos que los contenidos manipulados representan para la circulación de información verificable.

En diciembre de 2025, el Consejo Nacional Electoral, la Registraduría Nacional del Estado Civil, la Misión de Observación Electoral y la Comisión de Regulación de Comunicaciones presentaron una guía sobre integridad de la información en contextos electorales, según información publicada por Portafolio en mayo de 2026.

También se han conocido denuncias relacionadas con videos creados mediante inteligencia artificial que utilizan la imagen de figuras públicas sin que el contenido corresponda necesariamente a hechos reales.

El desarrollo de UCLA no representa, por ahora, una herramienta disponible para su implementación directa en Colombia. No obstante, sus resultados aportan información sobre una línea de investigación que busca examinar grandes cantidades de contenido audiovisual con menor demanda energética.

La aplicación de esta tecnología dependerá de nuevas evaluaciones que permitan comprobar su precisión en condiciones reales, medir su desempeño frente a diferentes técnicas de manipulación y establecer cómo podría integrarse con otros mecanismos de verificación digital.

Preguntas y respuestas de contexto

¿En qué consiste el nuevo sistema de detección de deepfakes de UCLA?

Es una arquitectura híbrida que utiliza un procesador óptico con patrones de luz y capas difractivas para analizar la autenticidad de videos, logrando una precisión media del 97,79 %.

¿Qué ventajas ofrece esta tecnología frente a los métodos convencionales?

El sistema puede procesar hasta 18 videos simultáneamente a gran velocidad y consume significativamente menos energía, utilizando entre 1,4 y 4,1 milijulios por contenido frente a los 30 milijulios de los métodos digitales.

¿Cuál es el alcance actual y la utilidad de este prototipo?

Se encuentra en etapa experimental y se plantea como un primer filtro de alta sensibilidad para identificar videos sospechosos, los cuales luego serían verificados por modelos digitales más detallados.