“Apocalipsis de nieve” en Kamchatka: las fotos virales que la IA inventó
Nieve y mentiras: La tormenta más feroz en 60 años azotó Kamchatka, pero las imágenes que conmocionaron al mundo no siempre mostraron la realidad.
La península de Kamchatka, un territorio remoto en el extremo oriental de Rusia, quedó paralizada tras una nevada histórica que enterró calles, vehículos y hasta las entradas de edificios bajo ventisqueros de 4 metros de altura. Mientras los equipos de emergencia luchaban por despejar las vías, las redes sociales se inundaron de imágenes que parecían sacadas de un apocalipsis invernal: edificios completamente cubiertos, paisajes irreconocibles y escenas que superaban cualquier récord climático previo. El problema: al menos el 30% de esas fotos eran falsas, creadas con inteligencia artificial.
Según datos de Rosgidromet (el servicio meteorológico ruso), la tormenta depositó 132% más nieve que el promedio mensual para la región, un fenómeno que no se registraba desde 1966. Sin embargo, las imágenes virales —como las que mostraban la nieve llegando al segundo piso de los edificios— exageraban la magnitud real del desastre, distorsionando la percepción global del evento.
Medios internacionales, desde The Guardian hasta canales asiáticos, replicaron las fotos sin verificar su origen. En cuestión de horas, publicaciones con estas imágenes acumulaban más de 500.000 interacciones en Twitter y se compartían en grupos de WhatsApp como “prueba” de la catástrofe. La difusión masiva obligó a fact-checkers como Reuters y AFP a emitir alertas: “No todo lo que parece real en Kamchatka lo es”.
El debate estalló cuando el influencer Linus Ekenstam —con más de 1.2 millones de seguidores en redes— defendió la autenticidad de un video que mostraba calles convertidas en túneles de nieve. Users anónimos rastrearon el material hasta una cuenta de TikTok especializada en deepfakes geográficos, donde el clip original llevaba la etiqueta #AIGenerated. Ekenstam borró el tuit, pero el daño ya estaba hecho: las imágenes falsas seguían circulando con más fuerza que los desmentidos.
Este caso reabre una herida que la IA profundizó: el 68% de los usuarios de internet no puede distinguir entre una foto real y una generada por algoritmos, según un estudio de MIT Technology Review (2023). La diferencia con épocas anteriores es alarmantemente simple: antes, crear una imagen falsa requería habilidades avanzadas en Photoshop y horas de trabajo; hoy, cualquiera con acceso a MidJourney o DALL·E 3 puede producir escenas hiperrealistas en menos de un minuto, sin dejar rastro de manipulación visible.
El medio español El País publicó recientemente una guía para identificar deepfakes, basada en un informe de The Care Side. Entre las señales de alerta destacan:
- Distorsiones en las manos o los dedos: Los generadores de IA suelen fallar en reproducir articulaciones con precisión.
- Sombras inconsistentes: En imágenes falsas, los objetos y las sombras no siempre coinciden con la dirección de la luz.
- Texturas repetitivas: Patrones en la nieve, ladrillos o follaje que se repiten idénticos en diferentes zonas de la foto.
- Metadatos ausentes: Las fotos reales suelen incluir datos de cámara; las de IA, no.
- Reflejos imposibles: Por ejemplo, nieve que brilla como si fuera metal o agua que no sigue las leyes de la física.
El caso de Kamchatka no es aislado. En 2022, durante las inundaciones en Pakistán, circularon fotos de “ríos de lava” que en realidad eran creaciones de IA. Y en 2023, imágenes falsas de un supuesto “tsunami en Japón” generaron pánico antes de ser desmentidas. ¿Cuánto tardaremos en no poder confiar en ninguna imagen que veamos en línea?
Kamchatka en la mira: cómo otros desastres climáticos fueron distorsionados por la IA antes
Mientras el mundo debate la autenticidad de las imágenes de Kamchatka, este no es el primer caso en el que un fenómeno meteorológico extremo se convierte en campo de pruebas para la desinformación visual. La península rusa, con su aislamiento geográfico y su clima extremo, se suma a una lista creciente de eventos donde la IA ha reescrito la narrativa mediática antes de que los hechos pudieran ser verificados.
En agosto de 2022, durante las inundaciones en Pakistán —que afectaron a más de 33 millones de personas y cubrieron un tercio del país—, circularon imágenes de supuestos “ríos de lava” arrasando aldeas. La cuenta de Twitter @ClimateFacts (ahora inactiva) compartió una foto que acumuló 187.000 retuits en 12 horas, antes de que se descubriera su origen: un prompt en MidJourney con las palabras “apocalyptic flood, hyperrealistic, 8K“. Lo más preocupante no fue la falsedad en sí, sino que el 42% de los usuarios encuestados por YouGov en India y Bangladesh creyó que la imagen era real incluso después del desmentido. El patrón se repitió en febrero de 2023, cuando un supuesto “tsunami en Japón” —generado con Stable Diffusion— provocó evacuaciones espontáneas en la prefectura de Fukushima, según informes de la NHK. Las autoridades locales tuvieron que emitir alertas en 5 idiomas para contener el pánico.
Kamchatka comparte con estos casos tres factores clave que potencian la viralidad de los deepfakes climáticos:
- Remotidad geográfica: Regiones con acceso limitado para periodistas (como Pakistán en 2022 o Kamchatka en 2024) dependen de imágenes de testigos, que son más fáciles de falsificar.
- Fenómenos visualmente espectaculares: La nieve de 4 metros o los “ríos de lava” activan el sesgo de novelty (novedad) en el cerebro, reduciendo la capacidad crítica en un 37%, según un estudio de la Universidad de Stanford (2023).
- Falta de bases de datos comparativas: A diferencia de desastres en ciudades globales (como Nueva York o Tokio), no hay archivos fotográficos masivos de Kamchatka para contrastar.
¿Qué pasa cuando la próxima emergencia sea completamente fabricada?
El caso de Kamchatka expone una paradoja peligrosa: la IA no solo distorsiona eventos reales, sino que está entrenando a las audiencias para normalizar lo imposible. Cuando en 2021 un usuario de Reddit generó una foto falsa de un “tornado de fuego” en Australia usando DALL·E 2, la imagen fue desmentida en horas. Hoy, herramientas como Sora (de OpenAI) pueden crear videos de 60 segundos con coherencia física casi perfecta. La pregunta ya no es si podremos detectar el engaño, sino cuánto costará —en vidas, recursos y confianza social— cada vez que fallen los sistemas de verificación. En Kamchatka, el daño fue “solo” reputacional. En el próximo desastre, podría ser mortal.