Glosario

Deepfake

¿Qué es Deepfake?

Un deepfake es una imagen, un vídeo o un audio creado o alterado con IA que muestra de forma engañosamente realista a personas reales diciendo o haciendo cosas que nunca ocurrieron. Además de usos legítimos en cine o doblaje, los deepfakes se emplean para desinformar, dañar reputaciones y estafar, por ejemplo con llamadas falsas de un supuesto jefe que pide una transferencia. Para protegerte: devuelve la llamada por canales conocidos, define procesos de aprobación claros y etiqueta los contenidos generados por IA.

Temas

desinformación
fraude
IA generativa

Probar KI.ordo

Agentes, flujos y plantillas en un solo espacio de trabajo – demo gratuita de 24 horas.

Iniciar demo

← Todos los términos

Términos relacionados

Red generativa antagónica (GAN)

Una red generativa antagónica (Generative Adversarial Network, GAN) está formada por dos redes neuronales que se entrenan una contra otra: el generador crea datos artificiales, como imágenes, y el discriminador intenta distinguirlos de los reales. Gracias a esta competición, los resultados son cada vez más realistas. Las GAN se presentaron en 2014 y marcaron la generación de imágenes antes de que se extendieran los modelos de difusión; se usan, por ejemplo, para datos de entrenamiento sintéticos o para mejorar imágenes.

Redes neuronales
Generación de imágenes
+1

IA generativa

La IA generativa engloba los sistemas de IA que crean contenido nuevo, como textos, imágenes, audio, vídeo o código, en lugar de limitarse a ordenar o valorar datos existentes. Se basa en modelos que aprenden patrones de grandes volúmenes de datos y los usan para producir resultados nuevos y verosímiles. En la empresa se usa, por ejemplo, para borradores de correos, resúmenes, descripciones de producto o ideas visuales. Los resultados pueden tener errores y conviene revisarlos antes de usarlos.

Concepto básico
Creación de contenidos
+1

Ética de la IA

La ética de la IA se ocupa de las cuestiones morales que rodean el desarrollo y el uso de la IA: equidad y discriminación, transparencia y explicabilidad, protección de datos, responsabilidad por los errores, seguridad y efectos sobre el trabajo y la sociedad. En una organización se concreta en directrices, evaluaciones de riesgo, supervisión humana y una comunicación honesta sobre los límites de la IA. Ejemplo: antes de usar un filtro de candidaturas, compruebas que no perjudique a determinados grupos.

Ética
Responsabilidad
+1

Detección de fraude

La detección de fraude agrupa métodos que identifican a tiempo transacciones, pedidos, cuentas o solicitudes sospechosos. Reglas y modelos que aprenden buscan señales de alerta como direcciones de entrega y facturación distintas, cantidades inusuales, prisa llamativa o correos electrónicos desechables. Se usa en comercio electrónico, banca, seguros y servicios de pago. Como las falsas alarmas pueden afectar a clientes reales, una persona debe revisar los casos en lugar de rechazarlos automáticamente.

Prevención del fraude
Gestión de riesgos
+1

Plantilla