Un estudio publicado en Royal Society Open Science compara las respuestas de 230 personas y cinco modelos de inteligencia artificial para analizar si las máquinas atribuyen intención, confianza o juicio moral a partir de un rostro de forma parecida a los humanos.
¿Qué ve una inteligencia artificial cuando mira un rostro? La pregunta parece sencilla, pero toca uno de los debates más delicados del desarrollo tecnológico actual: si las máquinas van a relacionarse cada vez más con las personas, ¿hasta qué punto pueden los modelos de inteligencia artificial interpretar lo que una mirada, una expresión o un gesto parecen decir?
Para responderla, el equipo investigador diseñó un experimento poco habitual: enfrentó a humanos y modelos de IA a una selección de retratos de Velázquez y fotografías de grandes autores.
No se trataba de reconocer si una cara parecía alegre o triste, sino de algo más complejo: decidir si alguien parecía desconfiado, arrepentido, amenazante, seguro de sí mismo o dispuesto a perdonar.
Carlota Márquez-Pedregal, primera autora del trabajo y estudiante del Grado en Psicología de la UFV, explica desde el planteamiento del estudio que el interés no estaba en comprobar si una máquina identifica emociones básicas, sino en llevarla a un terreno más parecido al de la vida cotidiana: “ese momento en el que una persona mira una cara e interpreta, casi sin darse cuenta, si hay confianza, sospecha, culpa, amenaza o juicio moral”.
La investigación comparó las respuestas de 230 participantes humanos con las de cinco modelos de inteligencia artificial -ChatGPT-4o, Claude, Gemini, Grok y Mistral- ante una tarea diseñada para evaluar cognición social.
El trabajo se desarrolló en el entorno del Laboratorio de Investigaciones Biológicas Profesor Giacomo Rizzolatti, dirigido por el Dr.Raúl Alelú-Paz, profesor de la UFV y autor de correspondencia del artículo.
Más allá de una cara triste o alegre
El experimento utilizó ocho imágenes: tres retratos de Diego de Velázquez y cinco fotografías de Arnold Abner Newman y Roger George Clark. Entre ellas figuran Portrait of man, Mother of Jeronima de la Fuente y St Paul, junto a retratos fotográficos de Robert Frost, Bill Brandt, Dwight D. Eisenhower, Shimon Peres y Pablo Picasso.
A cada imagen se le asociaba una pregunta con dos posibles respuestas. Por ejemplo, se pedía imaginar que la persona retratada acababa de ver a alguien hacer algo y se preguntaba si pensaba que esa acción había sido buena o mala. En otros casos, los participantes debían escoger entre confianza o amenaza, arrepentimiento o satisfacción, preocupación o seguridad, venganza o perdón.
Ahí está una de las claves del trabajo. El estudio no pregunta a la IA por emociones elementales, sino por situaciones sociales que los humanos interpretan constantemente. Cuando miramos un rostro, rara vez nos limitamos a pensar “está triste” o “está contento”. También inferimos si esa persona sospecha de alguien, si espera una reacción, si se siente culpable o si juzga algo como correcto o incorrecto.
Para el Dr. Alelú-Paz, el punto relevante es precisamente esa diferencia. No basta con que un algoritmo detecte una expresión facial: lo importante es saber si puede aproximarse a la forma en que los humanos atribuyen intención, confianza o juicio moral a partir de señales visuales. Es decir, si puede responder de manera parecida cuando se le pide interpretar una escena social a partir de un rostro.
No todas las IA miran igual
Los participantes humanos mostraron respuestas muy consistentes en las ocho dimensiones analizadas. “Esa coincidencia permitió establecer una referencia con la que comparar después las respuestas de los sistemas de IA”, explican los autores.
El resultado más llamativo es que ChatGPT-4o, Grok y Gemini formaron un grupo muy próximo al patrón humano. Mistral quedó en una posición intermedia, con coincidencias parciales, mientras que Claude mostró un perfil más distinto en algunas dimensiones, especialmente al interpretar confianza o amenaza.
Esta diferencia entre modelos es una de las conclusiones más relevantes del estudio. No existe una única forma en que “la inteligencia artificial” interpreta un rostro. Dos sistemas pueden mirar la misma imagen y llegar a conclusiones diferentes sobre lo que esa persona parece pensar o sentir. Esa variabilidad puede depender de la arquitectura del modelo, de los datos con los que ha sido entrenado y de los criterios con los que ha sido ajustado para responder.
La cuestión no es menor. Si estos sistemas se utilizan en el futuro en educación, salud mental, asistencia virtual, robótica social o acompañamiento a personas mayores, no bastará con afirmar que la IA interpreta bien las señales humanas. “Habrá que saber qué modelo lo hace, en qué condiciones y con qué límites”, señala Carlota.
Parecer empática no es tener empatía
El estudio tiene un resultado atractivo, pero exige una lectura prudente. Los autores no afirman que la inteligencia artificial tenga empatía en sentido humano. Lo que muestran es que algunos modelos pueden simular de forma funcional ciertos patrones de la cognición social humana.
La diferencia es importante. Una IA puede producir una respuesta muy parecida a la de una persona porque ha aprendido asociaciones complejas entre imágenes, lenguaje y situaciones sociales. Puede detectar regularidades, elegir una opción razonable y sonar convincente. Pero eso no significa que tenga una experiencia subjetiva de lo que ve ni que comprenda al otro como lo hace una persona.
Ese matiz resulta cada vez más necesario. Los sistemas de IA conversacional, como ChatGPT, pueden sonar atentos, sensibles o comprensivos. Pueden responder de forma amable ante una situación delicada y generar una impresión de cercanía. Pero “la coherencia de una respuesta no debe confundirse con empatía real”, comenta.
Una prueba nueva para una frontera sensible
El trabajo también aborda un problema metodológico. Muchas pruebas clásicas de cognición social fueron diseñadas para personas, no para máquinas. Además, algunas podrían haber formado parte de los datos con los que se entrenaron los grandes modelos de lenguaje. En ese caso, una buena respuesta de la IA podría reflejar una exposición previa al test, no necesariamente una inferencia nueva.
Para reducir ese riesgo, el equipo diseñó una tarea específica, con imágenes y preguntas seleccionadas para este estudio. La aportación es relevante porque la inteligencia artificial empieza a entrar en espacios donde interpretar señales humanas puede tener consecuencias prácticas: educación, salud mental, asistencia virtual, robótica social o acompañamiento a personas mayores.
Pero el estudio no debe leerse como una prueba definitiva. La muestra humana estaba formada por jóvenes de entre 19 y 28 años de un mismo contexto cultural y lingüístico.
Además, la tarea incluía solo ocho imágenes y respuestas binarias. Los propios autores advierten de que “el paradigma es preliminar y harán falta nuevas investigaciones con muestras más diversas, más estímulos y situaciones más cercanas a interacciones reales”.
Ahí está precisamente el interés del trabajo. No cierra el debate sobre si la inteligencia artificial entiende a las personas. Plantea una pregunta más concreta y más urgente: si algunos modelos ya imitan con precisión ciertos patrones humanos de interpretación social, ¿cómo debemos evaluarlos antes de confiarles tareas que afectan a la relación entre personas?