Visión artificial: cuando la IA aprende a «ver»
La visión artificial, también llamada visión por computadora, es la rama de la IA que permite a una máquina analizar imágenes y vídeos para reconocer objetos, textos, rostros o situaciones. Está detrás del desbloqueo facial de su móvil y del asistente de IA que describe una foto que usted le envía.
Datos a 22 de octubre de 2026
Lo esencial en cifras
| Nivel | Principiante |
|---|---|
| Origen | 1966 |
| Introducido por | Seymour Papert, The Summer Vision Project (MIT, AI Memo 100) |
La idea básica
La visión artificial reúne las técnicas que permiten a una máquina extraer información de una imagen o un vídeo. En la práctica, eso puede significar decir qué hay en una foto, localizar cada objeto, leer un texto impreso, seguir un movimiento o detectar una anomalía.
Desde los años 2010, la mayoría de estos sistemas se basan en el aprendizaje profundo: una red neuronal se entrena con una enorme cantidad de imágenes etiquetadas («esto es una bicicleta», «esto es un peatón») hasta que sabe reconocer esos elementos en imágenes que nunca ha visto.
Ejemplos cotidianos
- En el móvil: el desbloqueo facial, buscar «playa» en la galería de fotos o traducir un cartel apuntando con la cámara.
- En la oficina: escanear un tique para que el importe y la fecha se rellenen solos, o extraer el texto de un PDF escaneado.
- En la industria: una cámara detecta las piezas defectuosas en una cadena de producción.
- En el coche: los sistemas de ayuda a la conducción detectan las líneas del carril y algunas señales.
- Con un asistente de IA: fotografía unas instrucciones en otro idioma y el asistente se las explica. Es lo que se llama IA multimodal, capaz de tratar texto e imagen a la vez.
De dónde viene
La ambición es antigua. En julio de 1966, Seymour Papert, en el MIT, puso en marcha el «Summer Vision Project», que pretendía que un programa dividiera una imagen en regiones e identificara objetos (memorando original AI Memo 100). El problema resultó mucho más difícil de lo previsto y ocupó a los investigadores durante décadas.
Por qué le importa y qué tener en cuenta
Saber que un asistente puede «leer» sus imágenes abre usos prácticos: resumir una tabla fotografiada, revisar la ortografía de un cartel o entender un mensaje de error en pantalla. Para saber qué asistentes aceptan imágenes, consulte el comparador de asistentes de IA.
Algunas ideas equivocadas que conviene corregir:
- «Si la IA reconoce algo, es seguro». Da una estimación, no una certeza. Ante una cuestión médica o una decisión importante, un profesional sigue siendo imprescindible.
- «Una foto solo muestra lo que quiero mostrar». Una imagen puede revelar detalles discretos, como una dirección en un sobre, un reflejo o una matrícula. Revísela antes de compartirla.
- «Ver y crear es lo mismo». La generación de imágenes y los deepfakes consisten en crear contenido, no en analizarlo, aunque las técnicas se parezcan.
Términos relacionados
- IA multimodal · IA capaz de entender o generar varios tipos de contenido, como texto, imágenes, audio y vídeo, a menudo en la misma conversación.
- Aprendizaje profundo · Aprendizaje automático que usa redes neuronales de muchas capas; es la técnica detrás de las IA actuales de texto, imagen y voz.
- Red neuronal · Programa formado por muchas pequeñas unidades de cálculo conectadas, que aprende ajustando la fuerza de las conexiones entre ellas.
- Generación de imágenes · Creación de una imagen nueva por una IA a partir de una descripción escrita (un prompt) o de otra imagen.
- Deepfake (ultrafalso) · Imagen, vídeo o voz manipulados con IA para hacer creer que una persona real dijo o hizo algo que nunca dijo ni hizo.
- Datos de entrenamiento · Ejemplos (textos, imágenes, sonidos…) con los que aprende un modelo de IA; determinan lo que sabe y también sus fallos.
Todo el glosario
Preguntas frecuentes
¿La IA ve las imágenes como nosotros?
No. Para la máquina, una imagen es una cuadrícula de números que indican el color de cada píxel. Aprende a detectar formas y patrones en esos números, lo que le permite reconocer un perro o una señal de tráfico sin ninguna percepción consciente.
¿Qué diferencia hay entre visión artificial y generación de imágenes?
La visión artificial analiza una imagen existente para saber qué contiene. La generación de imágenes hace lo contrario: crea una imagen a partir de una descripción. Ambas suelen basarse en técnicas parecidas.
¿Puedo enviar una foto a ChatGPT u otro asistente?
La mayoría de los grandes asistentes ya aceptan imágenes: pueden describir una foto, leer un documento escaneado o explicar un gráfico. Evite enviar documentos de identidad o información sensible.
¿La visión artificial se equivoca?
Sí. Una imagen borrosa, un ángulo poco habitual o un objeto raro pueden confundirla. También puede ser menos precisa con grupos de personas poco representados en sus datos de entrenamiento.
Fuentes de los datos
Datos a 22 de octubre de 2026
Señalar un error
¿Una cifra, una fecha o un dato le parece incorrecto? Díganoslo: verificamos cada aviso.