¿Realmente la IA entiende lo que ve?

Ayer martes, mientras estaba mirando LinkedIn, vi cómo alguien recomendaba a David Hurtado. Como estaba ocupado en ese momento, abrí el enlace de su página web y lo dejé abierto para verlo cuando tuviera unos minutos. La verdad es que lo olvidé y hoy, un día más tarde, debo decir que llevo una hora leyendo algunos de sus posts, siguiéndole tanto en LinkedIn, como en YouTube, como en X.

Y he estado pensando en lo que leí en uno de sus últimos posts. Concretamente aquí.

Y es que la pregunta que él mismo hace al inicio del artículo me la he hecho varias veces, pero nunca me había parado a analizarla: ¿Realmente la Inteligencia Artificial entiende lo que ve?

Cuando me detuve a pensar en ello, la conclusión a la que llegué fue que no, que simplemente eran modelos entrenados que devolvían determinada información a partir de la orden que les dábamos, consultando miles y miles de volúmenes de datos.

Pero luego pasa que, si haces el mismo ejercicio que propone David, te quedas boquiabierto. Te invito a hacerlo por ti mismo.

Yo lo he hecho.

Coge una fotografía, la que sea, y simplemente pregúntale que te la explique. No le des prompt, ni le des nada de contexto. Solamente dile que te la explique.

No solo te va a describir los elementos que aparecen en la imagen —eso es lo de menos—, es que te va a realizar un análisis de todo lo que sucede en la imagen y te va a dar una valoración que a muchos humanos les costaría dar. Hablamos de que entiende perfectamente lo que sucede; entiende lo que quien ha elaborado esa imagen quiere expresar.

En mi caso, ChatGPT-4o lo detalla así:

Interpretación simbólica:

• Crítica social: La imagen pone en evidencia cómo la mayoría de las personas priorizan el entretenimiento sin sentido por encima de la educación gratuita y accesible.

• Reflexión sobre prioridades: Sugiere que quienes se educan, aunque sean pocos, son los que luego tienen las herramientas para liderar, influir y dominar.

• Humor con crítica: Aunque usa un tono divertido y absurdo (una papa durmiendo), el fondo del mensaje es muy serio.

Nunca habíamos tenido nada similar. E impone y maravilla al mismo tiempo pensar en lo que se podrá conseguir dentro de un tiempo.

Te dejo la imagen y lo que me ha devuelto ChatGPT.

Descripción general:
La imagen está dividida en dos partes principales que contrastan dos transmisiones en vivo muy diferentes:
🧠 Parte izquierda – "Clase gratuita"
Muestra a un profesor dando una clase de matemáticas en una pizarra.
El contador de espectadores en vivo muestra que solo hay 8 personas viendo.
Encabezado: “Clase gratuita”.
Es una escena que representa algo educativo, útil, con valor formativo.
La estética es seria, tradicional, con el profesor enfocado y comprometido.
🥔 Parte derecha – "Una papa durmiendo"
Aparece lo que parece ser una papa (patata) envuelta en una sábana, como si estuviera “durmiendo”.
El contador de espectadores en vivo muestra 5,051 personas conectadas.
Encabezado: “Una papa durmiendo”.
Es completamente absurdo e inútil en términos educativos o formativos.
Representa contenido viral, humorístico o simplemente absurdo, sin valor aparente.
✅ Texto superpuesto: “Cierto”
Reafirma el mensaje de la comparación: que la situación es real, triste y evidente.
💬 Comentario inferior (Eddy Chall):
“Y así es como 8 personas dominan y 5000 obedecen :v”
Este comentario ironiza sobre el poder del conocimiento y cómo pocos se interesan en aprender (8 personas en la clase), mientras miles prefieren entretenimiento superficial o absurdo (5000 viendo una papa dormir).
La carita ":v" aporta un tono sarcástico y resignado.
🎯 Interpretación simbólica:
Crítica social: La imagen pone en evidencia cómo la mayoría de las personas priorizan el entretenimiento sin sentido por encima de la educación gratuita y accesible.
Reflexión sobre prioridades: Sugiere que quienes se educan, aunque sean pocos, son los que luego tienen las herramientas para liderar, influir y dominar.
Humor con crítica: Aunque usa un tono divertido y absurdo (una papa durmiendo), el fondo del mensaje es muy serio.
🧠 Mensaje profundo:
El conocimiento es poder, pero pocos lo buscan.
La viralidad y el entretenimiento sin contenido han reemplazado el valor del aprendizaje.
Las redes sociales son un reflejo de los intereses colectivos… y a veces, no son los más edificantes

Y te invito a probarlo con imagenes de todo tipo. Te vas a sorprender, te lo prometo.

Si te ha gustado esta publicación te animo a suscribirte, y a compartirla con aquellas personas que creas que puede interesarle.

Compartir

Gracias,

Nos vemos pronto!