Cómo combina PhotoProof AI varias señales en una sola decisión

Por qué una sola señal no es suficiente

Un único clasificador de generación de IA puede equivocarse con confianza: la compresión puede imitar artefactos de generación, y generadores cada vez más capaces pueden superar las comprobaciones de patrones visuales en las que se basaban detectores más antiguos. Tratar la salida de un modelo como un veredicto hereda todos los modos de fallo de ese único modelo.

Las cinco capas, brevemente

Cada capa responde a una pregunta más acotada y refutable que simplemente «¿es esto IA?».

• Análisis de patrones visuales de IA — artefactos estadísticos y de textura característicos de los modelos generativos
• Revisión de EXIF y metadatos — presencia, coherencia y verosimilitud de los metadatos de cámara/software
• Señales de compresión y recaptura — rastros de doble compresión y recodificación
• Rastros de manipulación y retoque — indicadores de edición localizada y empalme
• Verosimilitud semántica de la escena — coherencia física y contextual de la escena representada

Cómo se combinan las capas

Las capas no se promedian ciegamente en un único número. La concordancia entre capas independientes aumenta la confianza; cuando las capas discrepan, el sistema informa de esa discrepancia mediante una puntuación de confianza más baja en lugar de elegir un ganador en silencio. Por eso PhotoProof AI informa la probabilidad y la confianza como dos números separados — consulta la página de puntuación de confianza para la explicación completa.

Qué resuelve esto y qué no

La combinación de múltiples señales reduce —no elimina— el riesgo de que una única señal engañosa determine el resultado. Es posible que una imagen supere las cinco capas simultáneamente, especialmente con generadores novedosos aún no reflejados en la capa de patrones visuales. Por eso PhotoProof AI informa evidencia probabilística, no un veredicto certificado.

¿Qué señal tiene más peso?

Ninguna está fijada como dominante. La ponderación depende de qué señales están realmente disponibles y son fiables para un archivo determinado; por ejemplo, una captura de pantalla sin datos EXIF se apoya por necesidad más en señales visuales y semánticas.

¿Puede un usuario ver qué señales discreparon?

El informe de análisis desglosa cada señal individualmente, junto con la puntuación combinada de probabilidad y confianza, específicamente para que una discrepancia entre capas sea visible en lugar de quedar oculta dentro de un único número.