PUBLICIDAD

Así funciona Ghost Font, la tipografía que confunde a la IA

Fers Ortiz

2026-07-16

Imagen Ilustrativa News

La inteligencia artificial es capaz de reconocer texto en fotografías, documentos e incluso escritura a mano. Sin embargo, un nuevo experimento llamado Ghost Font demuestra que todavía existen diferencias entre la forma en que las personas y los modelos de IA interpretan la información visual. Creado por el diseñador Eric Lu, el proyecto utiliza puntos en movimiento para revelar palabras que únicamente pueden distinguirse cuando la animación está en reproducción.

Podría interesarte:Así es el Robot Phone de HONOR con cámara robótica e IA

Letras que existen únicamente gracias al movimiento

Ghost Font no dibuja caracteres con líneas o contornos tradicionales. En su lugar, muestra miles de pequeños puntos que se desplazan en distintas direcciones. Los puntos que forman las letras siguen un movimiento diferente al del fondo, lo que permite que el cerebro humano agrupe esa información y reconozca el mensaje. Cuando la animación se pausa, las letras desaparecen y solo permanece un patrón de ruido visual.

El sistema también puede incorporar un mensaje señuelo diseñado para confundir a algunos modelos de inteligencia artificial, haciendo que interpreten un texto distinto al que perciben los observadores humanos.

Un experimento que evidencia diferencias de percepción

Eric Lu explicó que Ghost Font nació como un experimento para explorar cómo humanos y sistemas de IA procesan el movimiento. Según las pruebas compartidas por el creador, algunos modelos analizaron la animación durante varios minutos sin identificar correctamente el mensaje oculto.

Aun así, el propio proyecto aclara que no se trata de un sistema de cifrado ni de una herramienta de seguridad. El objetivo es mostrar una limitación actual de algunos modelos de visión artificial, no desarrollar un método infalible para ocultar información.

Una idea con posibles aplicaciones futuras

Por ahora, Ghost Font permanece como un prototipo experimental. Eric Lu ha planteado que conceptos similares podrían servir en el futuro para desarrollar nuevas generaciones de CAPTCHAs o para evaluar la capacidad de los modelos de inteligencia artificial para comprender videos y movimiento, más allá del análisis de imágenes estáticas.

Al mismo tiempo, distintos especialistas señalan que, conforme evolucionen los modelos multimodales, este tipo de técnicas también podrían dejar de representar un desafío para la IA, convirtiéndose en una referencia útil para medir esos avances.

PUBLICIDAD
Beat 100.9
ESCUCHA LA RADIO EN VIVO AHORA
X