La tecnología principal detrás de los deepfakes son las redes generativas antagónicas, conocidas en inglés como Generative Adversarial Networks (GANs). Las GANs consisten en dos redes neuronales que compiten entre sí: una red generadora y una red discriminadora. El trabajo conjunto de estas redes permite que los deepfakes sean cada vez más realistas.

Red Generadora: La red generadora se encarga de crear el contenido falso. En el contexto de un deepfake de video, por ejemplo, la red generadora toma como referencia imágenes o videos de una persona y, mediante el uso de IA, intenta replicar su apariencia y movimientos en un nuevo contexto. La idea es que la red generadora “aprenda” cómo se ve y actúa esa persona en diferentes situaciones, de modo que pueda recrearla en un video falso.

Red Discriminadora: La red discriminadora, por otro lado, actúa como “juez”. Su función es evaluar si el contenido generado por la red generadora parece real o si es claramente falso. En este proceso de evaluación, la red discriminadora señala los errores o inconsistencias en el contenido falso, proporcionando retroalimentación a la red generadora para que mejore.

Este proceso se repite innumerables veces, y con cada iteración, la red generadora se vuelve más hábil en la creación de contenido realista, mientras que la red discriminadora se vuelve mejor en detectar las falsificaciones. Eventualmente, el contenido generado es lo suficientemente convincente como para engañar no solo a la red discriminadora, sino también a los espectadores humanos.

Este sistema de GANs ha revolucionado la creación de deepfakes al permitir que los algoritmos “aprendan” a producir resultados cada vez más naturales. Con el tiempo y suficiente entrenamiento, las GANs pueden crear videos y audios que son casi imposibles de distinguir de los reales.