Inteligencia
artificial y herramientas de edición de imágenes
Artificial intelligence and i=
mage
editing tools
|
1 |
Freddy Javier Pala=
cios
Shinin |
|
https:=
//orcid.org/0000-0002-9355-0575 |
|
|
|
Universidad
Nacional de Chimborazo (UNACH), Riobamba, Ecuador. fjpalacios@unach.edu.e=
|
|||
|
2 |
Antoni Neptalí Vaca
Cárdenas |
|
https:=
//orcid.org/0009-0006-2344-9638 |
|
|
|
Universidad
Nacional de Chimborazo (UNACH), Riobamba, Ecuador. |
|||
|
3 |
Andrés Sebastián
Murillo Pinos |
|
https:=
//orcid.org/0000-0003-3066-5057 |
|
|
|
Universidad Nacion=
al
de Chimborazo (UNACH), Riobamba, Ecuador. |
|||
|
4 |
Cristian Paul Erazo
Tapia |
|
https://orcid.or=
g/0009-0004-8553-5342 |
|
|
|
Universidad Nacion=
al
de Chimborazo (UNACH), Riobamba, Ecuador. |
|
|
Artículo de Investigación
Científica y Tecnológica Enviado: 08/11/2025 Revisado: 10/12/2025 Aceptado: 05/01/2026 Publicado: 27/01/2026 D=
OI: https=
://doi.org/10.33262/concienciadigital.v9i1.3597
|
|||||||
|
|
|
|||||||
|
Cítese: |
|
Palacios Shinin, F. J., Vaca Cárdenas, A.=
N.,
Murillo Pinos, A. S., & Erazo Tapia, C. P. (2026). Inteligencia
artificial y herramientas de edición de imágenes. |
|
|||||
|
|
|
|
|
|||||
|
|
|
Esta revista está protegida bajo una licencia Creative Commons en la =
4.0
International. Copia de la licencia: http://creativecommons.org/licenses/by-nc-sa/=
4.0/ |
|
|||||
|
Palabras
claves: Inteligencia Artificial, edición digital, comunicación visual, periodismo, Redes Generativas Adversariales (GAN). |
|
Introducc=
ión:
la
Inteligencia Artificial (IA) y las herramientas de edición digital=
de
imágenes transformo de manera significativa el periodismo, la comunicación
visual y el diseño contemporáneo. El documento analiza cómo estas tecnolo=
gías
optimizaron los procesos de producción visual, permitiendo desde la
restauración automática de imágenes hasta la generación de contenidos
hiperrealistas mediante modelos avanzados como las Redes Generativas
Adversariales (GAN). =
Objetivos: analizar el impacto de la Inteligencia Artificial (IA) y =
las
herramientas de edición digital de imágenes en el periodismo, la comunica=
ción
visual y el diseño contemporáneo, evaluando tanto sus aportes a la
optimización y creatividad en la producción visual como los riesgos asoci=
ados
a la manipulación de contenidos, la desinformación y los desafíos éticos,
legales y educativos, con especial énfasis en el contexto ecuatoriano. Metodolog=
ía: enfoque cualitativo, de carácter descrip=
tivo
analítico, orientado a comprender e interpretar el impacto de la Intel=
igencia
Artificial (IA) y las herramientas de edición digital de imágenes en =
el
periodismo, la comunicación visual y el diseño contemporáneo. Se adoptó un
diseño documental y de análisis de contenido, que posibilitó el examen
sistemático de fuentes académicas, normativas y profesionales relacionadas
con la aplicación de la IA en la producción visual, la manipulación de
imágenes y los fenómenos de desinformación, como los deepfakes. Resultado=
s: el texto expone cómo=
la
democratización de herramientas basadas en IA incremento el riesgo de
desinformación, al dificultar la distinción entre imágenes auténticas y
contenidos sintéticos. Frente a este escenario, se destacan métodos técni=
cos
de detección, como el análisis de ruido forense y las incoherencias
audiovisuales, que buscan preservar la integridad de la información visua=
l.
Finalmente, el documento aborda las implicaciones éticas, legales y educa=
tivas
del uso de la IA en la edición de imágenes. Conclusiones: se
subraya la necesidad de establecer lineamientos éticos claros, promover la
transparencia en los procesos automatizados y fortalecer la alfabetización
mediática. En el contexto ecuatoriano, se reconoce un avance progresivo,
aunque persisten desafíos relacionados con la brecha digital, la regulaci=
ón y
la confianza del público en los contenidos generados por inteligencia
artificial. Área de estudio general: Comunicación. Área de estu=
dio
específica: Imagen Digital. Tipo de estudio: original. |
|
|||||
|
Keywor=
ds: Artificial
Intelligence, digital edition,=
visual
communication, journalism, Generative Adversarial Networks (GAN). |
|
Abstract Introduction: Artificial Intelligence (AI) and digital ima=
ge
editing tools significantly transformed journalism, visual communication,=
and
contemporary design. The paper analyzes how these technologies optimized
visual production processes, allowing everything from automatic image
restoration to the generation of hyper-realistic content using advanced
models such as Generative Adversarial Networks (GANs). Object=
ives:
to analyze the impact of Artificial Intellige=
nce
(AI) and digital image editing tools on journalism, visual communicat=
ion,
and contemporary design, evaluating both their contributions to optimizat=
ion
and creativity in visual production and the risks associated with content
manipulation, misinformation, and ethical, legal, and educational challen=
ges.
with special emphasis on the Ecuadorian context. Methodology: qualitative approach, of an analytical
descriptive nature, aimed at understanding and interpreting the impact of=
Artificial
Intelligence (AI) and digital image editing tools on journalism, visu=
al communication,
and contemporary design. A documentary and content analysis design was
adopted, which enabled the systematic examination of academic, normative,=
and
professional sources related to the application of AI in visual productio=
n,
image manipulation and disinformation phenomena, such as deepfakes. Result=
s: the text exposes how the democratization of
AI-based tools increased the risk of misinformation, by making it difficu=
lt
to distinguish between authentic images and synthetic content. Faced with
this scenario, technical detection methods stand out, such as forensic no=
ise
analysis and audiovisual inconsistencies, which seek to preserve the
integrity of visual information. Finally, the paper addresses the ethical,
legal, and educational implications of using AI in image editing. =
Conclu=
sions:
the need to establish clear ethical guidelines,
promote transparency in automated processes and strengthen media literacy=
is
highlighted. In the Ecuadorian context, progressive progress is recognize=
d,
although challenges related to the digital divide, regulation, and public
trust in AI-generated content remain. General area of study:
Communication. Specific area of study: Digital Imaging. Type of
study: original. |
|
|||||
=
1. Introducción
La Inteligencia Artificial (IA) y las
herramientas digitales para edición de imágenes, transformaron
significativamente el panorama del periodismo, mejorando tanto los procesos=
de
producción como las consideraciones éticas en torno a la narración visual. =
Las
herramientas digitales y de IA se volvió esenciales para optimizar el traba=
jo
de los periodistas, permitiéndoles manipular imágenes y crear contenidos
interactivos de forma más eficiente. El paso de lo analógico a lo digital m=
arca
la necesidad de que los periodistas se adapten a las nuevas tecnologías y
metodologías que introducen estos avances (Miranda et al., 2023).
El papel de lo digital y la IA en la narrativa
evoluciono, sobre todo en el ámbito de la narración visual, donde ayuda a
generar relatos coherentes a partir de secuencias de imágenes. Esta capacid=
ad
no sólo mejora el proceso de narración, sino que también permite la creación
automática de narraciones que resuenan con el público (Renzi et al., 2023).
Estos sistemas aprovechan los datos abiertos enlazados y las redes neuronal=
es
profundas para crear historias convincentes que atraen a los espectadores a
múltiples niveles, lo que demuestra el potencial de la IA para revolucionar=
la
forma de contar historias a través de imágenes (Renzi et al., 2023).
Sin embargo, la incorporación de la IA y la edició=
n de
imágenes al fotoperiodismo no está exenta de dificultades, sobre todo en lo=
que
respecta a las consideraciones éticas. Su uso plantea importantes dilemas
éticos, como las cuestiones relacionadas con la privacidad, la seguridad y =
el posible
sesgo algorítmico. Las implicaciones van más allá de los meros avances
técnicos; afrontan las nociones tradicionales de autoría y autenticidad en =
los
medios visuales (Zhou, 2022). A medida que se popularizan los contenidos
generados por IA, se hace cada vez más urgente la necesidad de lineamientos
éticos que aborden estos retos y garanticen la integridad de las prácticas
periodísticas (Zhou, 2022).
El objetivo del presente trabajo es analizar el
impacto de la Inteligencia Artificial (IA) y las herramientas de edi=
ción
digital de imágenes en el periodismo, la comunicación visual y el diseño
contemporáneo, evaluando tanto sus aportes a la optimización y creatividad =
en
la producción visual como los riesgos asociados a la manipulación de conten=
idos,
la desinformación y los desafíos éticos, legales y educativos, con especial
énfasis en el contexto ecuatoriano.
1.1. Utilización
de inteligencia artificial y herramientas de edición de fotos en los medios=
de
comunicación a nivel mundial
La integración de la IA en los medios revoluciono =
el
procesamiento visual, permitiendo corregir el deterioro y las distorsiones =
de
color de manera automatizada. Según Buryk (2024) aunque esta evolución faci=
lita
la creación de imágenes estéticamente superiores, también genera una crecie=
nte
preocupación por la autenticidad y la proliferación de contenidos manipulad=
os.
El auge de la IA generativa, impulsada por modelos=
de
difusión y Redes Generativas Adversariales (GAN), democratizaron la
creación de deepfakes. Esta facilidad de acceso permite una manipula=
ción
masiva en diversas plataformas, desafiando la veracidad de la información
visual (Punnappurath et al., 2024). Ante este escenario, es urgente desarro=
llar
técnicas de detección basadas en aprendizaje profundo que identifiquen
falsificaciones y protejan la integridad de la imagen en la era digital (Za=
nardelli
et al., 2022).
1.2. Deepfake
La tecnología deepfake, término que une deep
learning y fake, permite crear medios sintéticos hiperrealistas
mediante Redes Generativas Adversariales (GAN). Estos algoritmos
sintetizan imagen, vídeo y audio para representar a personas en situaciones
ficticias con una convicción alarmante (Westerlund, 2019; Maras &
Alexandrou, 2018).
Este avance plantea un "infopocalipsis",
donde la dificultad para distinguir la verdad de la falsedad socava la
confianza en los contenidos audiovisuales (Fallis, 2020; Twomey et al., 202=
3).
Éticamente, es un arma de doble filo: mientras permite usos creativos en el
entretenimiento y la sátira, también facilita acciones graves como la
difamación, la pornografía no consentida y la manipulación política (Kaan &=
amp;
Kılıç, 2023; Vaccari & Chadwick, 2020).
Ante este panorama, el marco legal evoluciona busc=
ando
un equilibrio entre la libertad de expresión y la protección de derechos
individuales (Kaan & Kılıç, 2023). Es imperativo que tecnólog=
os,
periodistas y legisladores colaboren en el desarrollo de métodos de detecci=
ón
robustos y normativas que mitiguen el uso malicioso de esta tecnología (Muk=
ta
et al., 2023).
1.3. Cómo
identificar Deepfakes
La detección de medios sintéticos es hoy una prior=
idad
debido al avance tecnológico. Un método clave es el análisis de incoherenci=
as
audiovisuales, el cual identifica desajustes entre los movimientos de los
labios y el audio. Este enfoque aprovecha que los deepfakes a menudo
fallan al sincronizar con precisión los patrones del habla humana (Korshunov
& Marcel, 2019). Complementariamente, el análisis de regiones faciales
permite centrarse en rasgos específicos del rostro que suelen ser el blanco
principal de la manipulación (Alanazi et al., 2024).
Por otro lado, el aprendizaje profundo permitió
desarrollar sistemas basados en la detección de ruido. Al analizar tanto el
rostro como el fondo en cada fotograma, es posible extraer rastros de
"ruido forense" que diferencian los vídeos auténticos de los
generados artificialmente, aumentando significativamente la fiabilidad de l=
os
procesos de verificación (Wang & Chow, 2023).
1.4. Las
Redes Generativas Adversariales (GAN) en el periodismo
Las Redes Generativas Adversariales (GAN)
transformaron el periodismo mediante su estructura dual: un generador que c=
rea
datos sintéticos y un discriminador que evalúa su autenticidad. Esta tecnol=
ogía
permite generar imágenes y vídeos hiperrealistas que enriquecen la narrativa
periodística (Wang et al., 2023a; Amirian et al., 2022). No obstante, esta
capacidad conlleva el riesgo de crear noticias falsas, dificultando que el
público distinga entre realidad y ficción (Abdali et al., 2021).
Paradójicamente, las GAN también sirven para comba=
tir
la desinformación. Modelos como el SS-GAN-PLM se emplean para detectar y
moderar discursos de odio en múltiples idiomas, filtrando contenidos nocivos
que amenazan la cohesión social (Mnassri et al., 2024).
El auge de los deepfakes en contextos polít=
icos
subraya la urgencia de establecer marcos éticos sólidos para prevenir la
manipulación de la opinión pública (Hsu et al., 2020). Ante este escenario,=
es
vital promover la alfabetización mediática. Los consumidores deben recibir
formación para evaluar críticamente la autenticidad de los medios, fomentan=
do
una audiencia capaz de discernir las limitaciones del contenido generado po=
r IA
(McCloskey & Albright, 2019; Hsu et al., 2020).
1.5. IA
y Edición en los medios de comunicación de Ecuador
La integración de la Inteligencia Artificial (I=
A)
en los medios ecuatorianos sigue la tendencia global de revolucionar el
periodismo y el marketing, aunque aún se encuentra en una fase inicial. Su
mayor impacto se observa en redes sociales, donde algoritmos personalizan
contenido y filtran información (Mohamed et al., 2024). A nivel académico, =
la
adopción es limitada, destacando la Universidad Nacional de Chimborazo, que=
ya
integra la IA en su currículo de comunicación (Aparicio-Izurieta, 2024).
En el ámbito periodístico, la IA automatiza tareas
rutinarias y análisis de datos, permitiendo a los profesionales enfocarse en
reportajes complejos (Gutiérrez-Caneda, 2023). No obstante, su implementaci=
ón
en Ecuador genera debates éticos sobre la precisión y la falta de empatía
humana en los contenidos automatizados (Moran & Shaikh, 2022).
Por otro lado, el marketing digital en el país
aprovecha la IA para mejorar la segmentación y entender el comportamiento d=
el
consumidor, aumentando la eficiencia operativa (Ziakis & Vlachopoulou,
2023; Krajčovič, 2024). Pese a este potencial, persisten desafíos
críticos como la brecha digital, la falta de alfabetización tecnológica y la
desconfianza del público hacia los contenidos generados por máquinas (Cruz-=
Páez
et al., 2023; Heim & Chan, 2023).
=
1.5.
Ética en la IA y edición de imágenes
periodísticas
El periodismo es fundamental para moldear la
percepción pública, especialmente en crisis humanas. Por ello, la edición de
imágenes mediante IA exige un equilibrio ético entre documentar el dolor y
evitar la mercantilización del trauma (Calain, 2013). Autores como Mäenpää
(2021) sugieren que las organizaciones deben aplicar marcos de ética compar=
tida
para transmitir la gravedad de los hechos sin explotar a los sujetos.
Con el auge de la IA, las directrices se centran e=
n la
autenticidad e integridad. Láb et al. (2019) subrayan que las normas éticas=
son
vitales para guiar al fotoperiodista ante la manipulación digital, un dilema
que, aunque presente desde la era analógica (Mulcahy, 2018), se intensifica=
con
las nuevas tecnologías.
Las implicaciones éticas de la IA en la edición se
dividen en tres áreas críticas. En primer lugar tenemos la transparencia; a=
quí,
muchos algoritmos operan como "cajas negras". Para evitar la
desconfianza, los medios deben informar a la audiencia cuándo y cómo se uti=
liza
la IA en el contenido visual (Ali & Hassoun, 2019). Tenemos además los
sesgos algorítmicos, donde la IA puede replicar prejuicios sociales de sus
datos de entrenamiento, estereotipando a ciertos grupos. Es imperativo usar
conjuntos de datos diversos y pruebas rigurosas para garantizar la
imparcialidad (Hermansyah et al., 2023). Finalmente, el área de la desinfor=
mación,
la cual tiene la capacidad de crear imágenes hiperrealistas difumina la
frontera entre realidad y ficción. Esto obliga a los medios a aplicar normas
estrictas que protejan la veracidad y eviten la difusión de narrativas
fabricadas (Rubio & Ruiz, 2021).
=
1.6.
Herramientas de IA en la edición de
imágenes
La IA revoluciono la edición de atributos, especia=
lmente
en la industria de la moda, donde permite alterar estilos y colores manteni=
endo
la integridad de la prenda. Aunque es vital para el comercio electrónico,
persisten retos técnicos como la generación de detalles redundantes o falta=
ntes
(Wang et al., 2024; Ping et al., 2019).
En el procesamiento fotográfico, el uso de redes
neuronales destaca en la restauración de imágenes, corrigiendo distorsiones=
de
color y daños físicos. Esta automatización mejora la precisión y optimiza el
tiempo tanto en la fotografía personal como en medios profesionales (Buryk,
2024).
Sin embargo, el fácil acceso a estas potentes
herramientas facilita la creación de imágenes falsas. Para combatir esta fa=
lta
de autenticidad, se desarrolló métodos de detección avanzados, como el anál=
isis
del nivel de error mediante redes neuronales convolucionales (Zanardelli et
al., 2022; Gupta et al., 2022).
Finalmente, la tecnología text-to-image (texto a
imagen) cerro la brecha entre el lenguaje natural y el contenido visual,
potenciando la creatividad en arquitectura y diseño (Wang et al., 2024). No
obstante, esta capacidad genera nuevos debates éticos sobre la autoría y
originalidad de las obras generadas (Arya & Sharma, 2023).
=
1.7.
Leonardo
Originalmente, Leonardo se concibió como un sistema
para crear presentaciones animadas educativas. A través de su componente co=
nstructor,
ofrece una interfaz visual y una biblioteca Java que permite generar
animaciones manuales o automatizadas, exportables en formatos como Flash o =
GIF
(Wang, 2024).
En su evolución actual, Leonardo AI destaca como u=
na
herramienta de generación de imágenes mediante algoritmos avanzados. Su
capacidad para transformar descripciones textuales en visuales de alta
precisión es clave para sectores como el desarrollo de videojuegos
independientes, donde optimiza recursos y acelera la producción bajo plazos
ajustados (Qin, 2023).
En el periodismo y las artes, esta herramienta act=
úa
como un socio creativo que reduce los tiempos de posproducción y permite
explorar estilos complejos que antes eran inviables con métodos tradicional=
es (Liao
& Ji, 2023; Chi, 2024).
Finalmente, en el ámbito educativo, Leonardo AI se
aplica en la enseñanza de la arquitectura para generar representaciones
visuales históricas. Esto facilita que los estudiantes comprendan conceptos
abstractos y contextos históricos de manera más interactiva y dinámica (Far=
eed
et al., 2024).
=
1.8.
Freepik
Freepik es una plataforma orientada al diseño gráf=
ico
que integra una vasta biblioteca de vectores, fotos y plantillas
personalizables. Su interfaz intuitiva permite a usuarios, desde principian=
tes
hasta expertos, manipular imágenes y ajustar colores sin conocimientos técn=
icos
profundos, facilitando la creación rápida de diseños profesionales (Liu et =
al.,
2015).
Además de la edición individual, Freepik fomenta el
trabajo colaborativo. Esta función permite que equipos creativos trabajen
simultáneamente en proyectos y reciban comentarios en tiempo real, lo que
optimiza la productividad y agiliza la respuesta a las necesidades del clie=
nte
(Haeussler et al., 2016).
Con la integración de la Inteligencia Artificial, =
la
plataforma evoluciono para ofrecer sugerencias de diseño personalizadas.
Mediante el análisis del comportamiento y las preferencias del usuario, la =
IA
adapta las recomendaciones de recursos y herramientas, mejorando la experie=
ncia
del público y asegurando que los resultados cumplan con requisitos creativos
diversos (Barriga-Fray et
al., 2025).
=
1.9.
Gio
Gio IA es una herramienta avanzada que utiliza =
Procesamiento
de Lenguaje Natural (PLN) y aprendizaje automático para optimizar la
escritura académica y creativa. A diferencia de los métodos tradicionales,
ofrece retroalimentación inmediata sobre gramática, estilo y coherencia,
minimizando los prejuicios personales de un editor humano (Dávila-Eskola et al., 2025).
Más allá de correcciones básicas, Gio IA actúa com=
o un
asistente integral que mejora la calidad y productividad. Es especialmente
valioso para Estudiantes de Inglés como Lengua Extranjera (EFL), al
proporcionar sugerencias contextuales personalizadas que refuerzan sus
habilidades lingüísticas (Dávila-Eskola
et al., 2025).
Sin embargo, su uso conlleva riesgos éticos y
cognitivos. La dependencia excesiva de las sugerencias de la IA puede limit=
ar
la creatividad y el pensamiento crítico de los usuarios (McCloskey &
Albright, 2019). Por ello es fundamental equilibrar la eficiencia de la
herramienta con el desarrollo de las habilidades de escritura propias para =
evitar
que el contenido generado por IA se perciba como una autoridad incuestionab=
le (Hsu
et al., 2020).
=
1.9.
Remini
Remini IA es una aplicación especializada en la
recuperación de fotografías mediante algoritmos que aumentan la escala de l=
as
imágenes, reducen el ruido y restauran detalles perdidos por baja resolució=
n o
el paso del tiempo. Su tecnología se basa en redes neuronales que aprenden =
de
vastos conjuntos de datos para identificar patrones visuales con alta
precisión.
El núcleo técnico de Remini son las Redes
Generativas Adversariales (GAN), que permiten generar versiones de alta
fidelidad a partir de entradas degradadas, marcando un hito en la restaurac=
ión
digital (Stepanov, 2024; Marathe et al., 2022).
Esta herramienta trasciende la fotografía
convencional, aplicándose con éxito en sectores como la radiología, donde
mejora la claridad de las exploraciones médicas y diagnósticas (Hosny et al=
.,
2018). El uso de Remini refleja una tendencia hacia la automatización,
permitiendo a los usuarios obtener resultados profesionales con un esfuerzo
mínimo en el procesamiento de imágenes.
=
1.10. =
Photoshop
Adobe Photoshop es la herramienta líder en
manipulación digital, con aplicaciones que van desde el diseño gráfico hast=
a la
medicina. En el ámbito clínico, permite analizar ecografías y TAC, medir
estructuras anatómicas mediante detección de límites y evaluar la calidad
muscular (Wang et al., 2024; Harris-Love et al., 2016). Su compatibilidad c=
on
el formato DICOM lo hace indispensable para el diagnóstico por imagen (Mand=
ell
et al., 2017).
En el periodismo y el arte, Photoshop facilita la
creación de fotomontajes complejos y la corrección de iluminación, permitie=
ndo
una producción visual de alta calidad (Peskersoy et al., 2014).
Con la integración de la IA, funciones como los
=
1.11. =
Chat GPT
El uso de IA conversacional en la edición de imáge=
nes
representa un avance clave en la interacción humano-computadora. Herramient=
as
como ChatGPT permiten un proceso intuitivo donde los usuarios crean y modif=
ican
visuales mediante lenguaje natural. Este concepto de "edición
conversacional" facilita el acceso a personas sin experiencia previa en
software de edición tradicional (Manuvinakurike et al., 2018).
Estudios sobre modelos basados en lenguaje demuest=
ran
que el uso de redes recurrentes permite realizar tareas complejas como la
segmentación y colorización eficaz de imágenes a partir de descripciones
textuales (Chen et al., 2018). En última instancia, la IA mejora el resulta=
do
final al interpretar con mayor precisión las instrucciones del usuario,
transformando el diálogo en comandos visuales técnicos.
=
1.12. =
Playground IA
Playground IA es una plataforma en línea que utili=
za Redes
Generativas Adversariales (GAN) y modelos de difusión para la creación y
edición de imágenes. Su función principal permite transformar descripciones
textuales en representaciones visuales mediante algoritmos de Procesamie=
nto
de Lenguaje Natural (PLN), facilitando la aplicación de diversos estilos
artísticos y la modificación de archivos existentes.
Un aspecto distintivo de esta herramienta es su
enfoque en el realismo y la coherencia. Para ello, implementa mecanismos de
atención progresiva que permiten editar atributos específicos —como rasgos
faciales— sin alterar la integridad del resto de la imagen (He et al., 2020=
; Liu
et al., 2023). Al equilibrar la estética con la naturalidad, Playground IA
logra producir resultados visualmente atractivos y contextualmente precisos=
(Le
et al., 2022).
=
1.13. =
Canva
La integración de la IA en Canva transformo el dis=
eño
gráfico, haciéndolo accesible para usuarios sin conocimientos técnicos. Su
plataforma destaca por una interfaz intuitiva y una vasta biblioteca de
recursos que permiten generar contenido profesional con mínimo esfuerzo (Syahputri & Nugraha, 2024).
Sus funciones impulsadas por IA, como la eliminaci=
ón
de fondos, el guardado automático y las sugerencias de diseño personalizada=
s,
optimizan la eficiencia y la experiencia del usuario. Estas herramientas son
especialmente valiosas en el ámbito educativo, permitiendo a docentes y alu=
mnos
crear materiales didácticos atractivos, como infografías y presentaciones (=
Saraswati et al., 2025).
Más allá de la funcionalidad, Canva IA actúa como =
un
catalizador de la alfabetización digital. Al priorizar la creatividad sobre=
la
técnica, mejora la motivación y las habilidades visuales de los estudiantes,
fomentando un entorno de innovación y autoexpresión (Syahputri & Nugraha, 2024).
En definitiva, la plataforma facilita la resolución creativa de problemas y=
el
desarrollo de competencias críticas en la era digital.
=
1.14. =
Adobe Firefly IA
Adobe Firefly es una herramienta de IA generativa =
que
permite crear y manipular imágenes mediante indicaciones de texto (promp=
ts).
Su diseño se enfoca en mejorar la productividad y facilitar procesos creati=
vos
de alta calidad para diseñadores, periodistas y artistas (Satrinia et al., =
2023).
Al igual que modelos como DALL-E o Midjourney, Fir=
efly
destaca por generar imágenes fotorrealistas de forma rápida. Esta
automatización permite a los usuarios explorar múltiples posibilidades visu=
ales
sin requerir conocimientos técnicos avanzados, fomentando así la innovación=
y
el ahorro de tiempo (Satrinia et al., 2023).
Un aspecto distintivo es la neutralidad emocional =
que
genera en sus usuarios; a diferencia de otras herramientas, Firefly se perc=
ibe
como una utilidad práctica que no induce reacciones negativas, lo cual favo=
rece
la concentración en entornos profesionales (Casteleiro-Pitrez, 2024).
Finalmente, la plataforma permite refinar y
personalizar los resultados, garantizando el toque individual necesario en =
el
diseño gráfico. Al integrar estas funciones avanzadas, Adobe democratiza el
acceso al diseño de alto nivel, permitiendo que una audiencia más diversa
participe en la creación de contenidos visuales complejos (Satrinia et al.,
2023).
La investigación se desarrolló bajo un enfoque
cualitativo, de carácter descriptivo analítico, orientado a comprender e
interpretar el impacto de la Inteligencia Artificial (IA) y las
herramientas de edición digital de imágenes en el periodismo, la comunicaci=
ón
visual y el diseño contemporáneo. Este enfoque permitió analizar significad=
os,
percepciones, prácticas profesionales y debates éticos asociados al uso de
estas tecnologías, con énfasis en el contexto ecuatoriano.
Se adoptó un diseño documental y de análisis de
contenido, que posibilitó el examen sistemático de fuentes académicas,
normativas y profesionales relacionadas con la aplicación de la IA en la
producción visual, la manipulación de imágenes y los fenómenos de
desinformación, como los deepfakes.
La información se recopiló mediante:
·&nb=
sp;
Revisión bibliográfic=
a de
artículos científicos, libros, informes técnicos y documentos institucional=
es
publicados en bases de datos académicas como Scopus, Web of Science, Google
Scholar y repositorios universitarios.
·&nb=
sp;
Análisis de documentos
normativos y éticos, incluyendo marcos legales, códigos deontológicos del
periodismo y lineamientos sobre el uso de IA en la comunicación visual.
·&nb=
sp;
Estudio de casos
cualitativos, centrado en ejemplos relevantes de uso de IA en medios digita=
les
y proyectos visuales, tanto a nivel internacional como en Ecuador.
Las fuentes fueron seleccionadas considerando los
siguientes criterios:
·&nb=
sp;
Relevancia temática c=
on
relación a IA, edición de imágenes, periodismo y comunicación visual.
·&nb=
sp;
Actualidad de las
publicaciones (preferentemente de los últimos 5 a 10 años).
·&nb=
sp;
Rigor académico y
reconocimiento institucional.
·&nb=
sp;
Pertinencia al contex=
to
latinoamericano y ecuatoriano.
Se
aplicó un análisis de contenido cualitativo, mediante un proceso de
codificación temática. Las categorías de análisis incluyeron:
·&nb=
sp;
Optimización de proce=
sos
de producción visual.
·&nb=
sp;
Creatividad y narrati=
vas
visuales mediadas por IA.
·&nb=
sp;
Manipulación de imáge=
nes
y deepfakes.
·&nb=
sp;
Desinformación y
credibilidad mediática.
·&nb=
sp;
Implicaciones éticas,
legales y educativas.
·&nb=
sp;
Desafíos y oportunida=
des
en el contexto ecuatoriano.
El análisis permitió identificar patrones, tension=
es y
convergencias entre los distintos enfoques teóricos y prácticos abordados en
las fuentes.
=
3. Resultados
la Inteligencia Artificial (IA) y las
herramientas de edición digital de imágenes generaron una transformación
significativa en el periodismo, la comunicación visual y el diseño
contemporáneo, particularmente en los procesos de producción de contenidos
visuales.
En la Tabla 1 se present=
an
una serie de imágenes generadas con distintas aplicaciones y software de
edición de imágenes, donde en primer lugar se identifica que la implementac=
ión
de IA optimiza los flujos de trabajo, reduce tiempos de producción y facili=
ta
el acceso a herramientas de diseño y edición a usuarios con distintos nivel=
es
de formación técnica. Se constata que estas tecnologías amplían las
posibilidades creativas y narrativas, permitiendo la generación de imágenes=
más
atractivas, personalizadas y adaptadas a diversos formatos y plataformas
digitales.
En segundo lugar el análisis revela la existencia =
de
riesgos relevantes asociados a la manipulación visual, especialmente a trav=
és
de fenómenos como los deepfakes y los contenidos sintéticos, los cua=
les
pueden afectar la credibilidad de los medios y favorecer la desinformación.=
En
este sentido existe una tensión entre innovación tecnológica y veracidad
informativa, así como la necesidad de fortalecer mecanismos de detección y
verificación de imágenes generadas o alteradas mediante IA.
Análisis
técnico de imágenes en redes sociales
|
Imagen |
Concepto de imagen |
Retoque |
IA |
Montajes |
|
|
Oveja con signos de rabia |
|
x |
|
Tabla 1
Análisis técnico de imágenes en redes
sociales (continuación)
|
Imagen
Concepto de imagen |
Retoque |
IA |
Montajes |
|
|
|
Persona privada de libertad |
x |
x |
x |
|
|
Persona privada de libertad con animales alrededor |
x |
x |
|
|
|
Silueta de persona provocando un incendio |
|
x |
|
Tabla 1
Análisis técnico de imágenes en redes
sociales (continuación)
|
Imagen
Concepto de imagen |
Retoque |
IA |
Montajes |
|
|
|
Personas a contraluz cargando banderas |
|
x |
|
|
|
Persona en un ático |
|
x |
x |
En
la Tabla 2 las imágenes ponen en evidencia
vacíos normativos y desafíos éticos en el uso de la IA aplicada a la edició=
n de
imágenes en el contexto ecuatoriano. Esto incluye la falta de lineamientos
claros sobre transparencia, autoría, derechos de uso y responsabilidad en la
difusión de contenidos visuales generados por sistemas automatizados.
Todas las imágenes de la
Análisis procesal de
imágenes en redes sociales
|
Imagen |
Descripción |
|
|
Imagen creada a través de un
prompt que detalle a un borrego con cara de ira y envuelto en fondo de ll=
amas
en color naranja y negro. Posibles aplicaciones utilizadas; · &nbs=
p;
Leonardo · &nbs=
p;
Freepik · &nbs=
p;
Gio · &nbs=
p;
Remini · &nbs=
p;
Photoshop · &nbs=
p;
Gpt · &nbs=
p;
Playground · &nbs=
p;
Canva · &nbs=
p;
Adobe Firefly |
|
|
El prompt de preferencia se lo
debería redactar en inglés face of a sheep with rage with
background in orange and black flames |
|
|
Las opciones que brinda la
aplicación dependerán de la versión gratuita o de paga que se disponga
ofreciendo una variedad de imágenes para continuar con la composición.
Posteriormente se sube la imagen del rostro de referencia o el montaje
necesario para alcanzar el resultado esperado. |
|
|
Imagen creada a través de un
prompt que detalle a una persona privada de libertad acostado sobre mantas
sucias, se toma como referencia los rasgos faciales con la subida de imag=
en
de un rostro existente, posteriormente se procede a elaborar el montaje de
las pastillas que se observan en la composición, generando sombras para
lograr fotorrealismo. Posibles aplicaciones utilizadas; · &nbs=
p;
Leonardo · &nbs=
p;
Freepik · &nbs=
p;
Gio · &nbs=
p;
Remini · &nbs=
p;
Photoshop · &nbs=
p;
Gpt · &nbs=
p;
Playground · &nbs=
p;
Canva Adobe Firefly |
Tabla 2
Análisis procesal de imágenes en redes sociales (continuación)
|
Imagen |
Descripción |
|
|
|
El prompt de preferencia se lo
debería redactar en inglés person deprived of liberty ly=
ing
on the floor on dirty blankets in his cell and with suffering features on=
his
face |
|
|
|
Las opciones que brinda la
aplicación dependerán de la versión gratuita o de paga que se disponga
ofreciendo una variedad de imágenes para continuar con la composición.
Posteriormente se sube la imagen del rostro de referencia o el montaje
necesario para alcanzar el resultado esperado. |
|
|
|
Imagen creada a través de un
prompt que detalle un plano medio de un preso vestido de color naranja en=
su
celda y con cicatrices en la cara, con una rata con cara de ira sobre su
hombro, generando sombras para lograr fotorrealismo. Posibles aplicaciones
utilizadas: · &nbs=
p;
Leonardo · &nbs=
p;
Freepik · &nbs=
p;
Gio · &nbs=
p;
Remini · &nbs=
p;
Photoshop · &nbs=
p;
Gpt · &nbs=
p;
Playground · &nbs=
p;
Canva · &nbs=
p;
Adobe Firefly |
|
|
|
El prompt de preferencia se lo
debería redactar en inglés medium shot image of a prisoner
dressed in orange in his cell and with scars on his face, with a rat with=
an
angry face on his shoulder. |
|
Tabla 2
Análisis procesal de imágenes en redes sociales (continuación)
|
Imagen |
Descripción |
|
|
Las opciones que brinda la
aplicación dependerán de la versión gratuita o de paga que se disponga
ofreciendo una variedad de imágenes para continuar con la composición.
Posteriormente se sube la imagen del rostro de referencia o el montaje
necesario para alcanzar el resultado esperado. |
|
|
Imagen creada a través de un
prompt que detalle sombra de una persona con capucha incendiando un bosqu=
e,
de fondo un bosque en llamas con colores naranjas y negros, generando som=
bras
para lograr fotorrealismo. Posibles aplicaciones utilizadas; · &nbs=
p;
Leonardo · &nbs=
p;
Freepik · &nbs=
p;
Gio · &nbs=
p;
Remini · &nbs=
p;
Photoshop · &nbs=
p;
Gpt · &nbs=
p;
Playground · &nbs=
p;
Canva Adobe Firefly |
|
|
El prompt de preferencia se lo
debería redactar en inglés. shadow of a person with a hood
setting a forest on fire, in the background a forest on fire with orange =
and
black colors. |
|
|
Las opciones que brinda la
aplicación dependerán de la versión gratuita o de paga que se disponga
ofreciendo una variedad de imágenes para continuar con la composición.
Posteriormente se sube la imagen del rostro de referencia o el montaje
necesario para alcanzar el resultado esperado. |
Tabla 2
Análisis procesal de imágenes en redes sociales (continuación)
|
Imagen |
Descripción |
|
|
Imagen creada a través de un
prompt que detalle sombras de personas en contraluz cargando las banderas=
de
eeuu ecuador y perú y de fondo un cielo parcialmente nublado, generando
sombras para lograr fotorrealismo. Posibles aplicaciones utilizadas; · &nbs=
p;
Leonardo · &nbs=
p;
Freepik · &nbs=
p;
Gio · &nbs=
p;
Remini · &nbs=
p;
Photoshop · &nbs=
p;
Gpt · &nbs=
p;
Playground · &nbs=
p;
Canva Adobe Firefly |
|
|
El prompt de preferencia se lo
debería redactar en inglés shadows of people in backlight
carrying the flags of the USA, Ecuador and Peru and in the background a
partially cloudy sky |
|
|
Las opciones que brinda la
aplicación dependerán de la versión gratuita o de paga que se disponga
ofreciendo una variedad de imágenes para continuar con la composición.
Posteriormente se sube la imagen del rostro de referencia o el montaje
necesario para alcanzar el resultado esperado. |
|
|
Imagen creada a través de un
prompt que detalle el ático de una casa con cuadros de fotografías de ret=
rato
en el piso y en la pared, generando sombras para lograr fotorrealismo.
Posibles aplicaciones utilizadas; · &nbs=
p;
Leonardo · &nbs=
p;
Freepik · &nbs=
p;
Gio · &nbs=
p;
Remini · &nbs=
p;
Photoshop · &nbs=
p;
Gpt · &nbs=
p;
Playground · &nbs=
p;
Canva Adobe Firefly. |
Tabla 2
Análisis procesal de imágenes en redes sociales (continuación)
|
Imagen |
Descripción |
|
|
El prompt de preferencia se lo
debería redactar en inglés. attic of a house with portrait
photography paintings on the floor and on the wall. |
|
|
Las opciones que brinda la
aplicación dependerán de la versión gratuita o de paga que se disponga
ofreciendo una variedad de imágenes para continuar con la composición.
Posteriormente se sube la imagen del rostro de referencia o el montaje ne=
cesario
para alcanzar el resultado esperado. |
El
uso de herramientas y aplicaciones de edición de imágenes evidencian una ex=
pansión
de las capacidades creativas y productivas, permitiendo a profesionales y u=
suarios
no especializados generar contenidos visuales y textuales de calidad
profesional con mayor eficiencia. Sin embargo, también identifican las tens=
iones
éticas y legales, vinculadas a la manipulación de imágenes, la generación de
contenidos sintéticos y la posible difusión de información visual o textual
engañosa.
3.1. Herramientas basadas en Inteligencia Artifici=
al
Herramientas basadas en Inteligencia Artificial co=
mo Remini
Pro y Gio Pro tienen un impacto significativo en los procesos de
producción visual y textual dentro del periodismo, la comunicación visual y=
el
diseño contemporáneo, al introducir dinámicas de automatización, optimizaci=
ón y
accesibilidad tecnológica.
La Tabla 3 se present=
an
las imágenes de referencia, antes de la aplicación de Remini Pro, do=
nde
se genera varias opciones a partir de retratos existentes.
Retratos
de referencia
|
Imágenes |
Detalle |
Valor |
|
|
Dimensiones Ancho Alto Resolución horizontal Resolución vertical Profundidad de bits |
900 x 160=
0 900 píxel=
es 1600 píxe=
les 96 ppp 96ppp 24 |
En el caso de =
Remini
Pro, se identifica que su uso contribuye de manera notable a la mejora
automática de la calidad visual de imágenes y videos, especialmente mediante
procesos de restauración, aumento de resolución y corrección de detalles. E=
sta
herramienta facilite la reutilización de archivos visuales de baja calidad =
o de
carácter histórico, optimizando tiempos de edición y reduciendo la necesida=
d de
intervención técnica especializada. No obstante su capacidad de modificación
avanzada también plantee riesgos de alteración de la fidelidad visual, lo q=
ue
puede afectar los principios de veracidad y autenticidad en el ámbito perio=
dístico
(Figura 1).
Resultados con “Remini
Pro” versión de paga
La Tabla 4 se present=
an
las imágenes de referencia, antes de la aplicación de Gio Pro, donde=
se
genera varias opciones a partir de retratos existentes.
Retratos
de referencia
|
Imágenes |
Detalle |
Valor |
|
|
Dimensiones Ancho Alto Resolución horizontal Resolución vertical Profundidad de bits |
900 x 160=
0 900 píxel=
es 1600 píxe=
les 96 ppp 96ppp 24 |
En relación co=
n Gio
Pro, su integración de procesamiento de Lenguaje Natural (PLN) y
aprendizaje automático optimiza la escritura académica, periodística=
y
creativa, ofreciendo retroalimentación inmediata sobre gramática, estilo y
coherencia textual. Se prevé que esta automatización reduzca la dependencia=
de
procesos editoriales tradicionales y minimice sesgos subjetivos, aunque tam=
bién
genere debates sobre autoría, originalidad y responsabilidad intelectual en=
la
producción de contenidos escritos (Figura 2).
Resultados con “Gio P=
ro”
versión de paga
En
el contexto ecuatoriano, los resultados reflejen una adopción progresiva de
este tipo de herramientas, principalmente en entornos educativos, mediático=
s y
creativos digitales, acompañada de limitaciones relacionadas con la brecha
digital, la falta de regulaciones específicas sobre el uso de IA y la neces=
idad
de fortalecer la alfabetización mediática y digital. Asimismo el estudio
contribuye a visibilizar la importancia de establecer lineamientos éticos y
normativos que orienten el uso responsable de herramientas como Remini Pro y
Gio Pro en la producción de contenidos informativos y creativos.
4.&n=
bsp;
Conclusiones
· La Inteligencia Artificial se consolido como= una herramienta clave en la edición de imágenes y la narrativa visual, mejorand= o la eficiencia, la calidad técnica y las posibilidades creativas en los medios = de comunicación y el diseño contemporáneo.
· El uso de tecnologías como GAN y sistemas generativos potenciaron la creación de imágenes hiperrealistas, pero tambié= n ha incrementado los riesgos de desinformación, manipulación visual y pérdida de confianza en los contenidos digitales.
· Frente a estos retos, resulta fundamental fortalecer la ética periodística, la regulación tecnológica y la alfabetiza= ción digital, promoviendo un uso responsable de la IA que equilibre innovación, veracidad y respeto a los derechos humanos.
5.&n=
bsp;
Conflicto de intereses
Los autores declaran que no existe conflicto de intereses en relación con el artículo presentado.
6.&n=
bsp;
Declaración de contribución de los autores
Todos autores contribuyeron significativamente en la elaboración del artículo.
7.&n=
bsp;
Costos de financiamiento
La presente investigación fue financiada en su totalidad con fondos propios de los autores.
=
8. Referencias
Bibliográficas
Abdali, S., Vasilescu, M. A. O., & Papalexakis=
, E.
E. (2021). Deepfake representation with multilinear regression. arXiv
(Cornell University). https://doi.org/10.48550/arxiv.21=
08.06702
Alanazi, F., Ushaw, G., & Morgan, G. (2024).
Improving detection of deepfakes through facial region analysis in images. =
Electronics,
13(1), 126. https://doi.org/10.3390/electroni=
cs13010126
Ali, W., & Hassoun, M. (2019). Artificial
intelligence and automated journalism: contemporary challenges and new
opportunities. International Journal of Media Journalism and Mass
Communications, 5(1), 40-49. https://doi.org/10.20431/2454-947=
9.0501004
Amirian, S., Taha, T., Rasheed, K., & Arabnia,=
H.
(2022). Generative adversarial network applications in creating a
meta-universe. arXiv (Cornell University)=
.
https://doi.org/10.48550/arxiv.22=
01.09152
Aparicio-Izurieta, V. (2024). Preferences towards
artificial intelligence in Ecuadorian university professors. Sapienza
International Journal of Interdisciplinary Studies, 5(1), e24009. https://doi.org/10.51798/sijis.v5=
i1.730
Arya, S., & Sharma, G. (2023). Generative ai
images and Indian media industry: an overview of opportunities and challeng=
es. Journal
of Communication and Management, 2(04), 271-274. https://doi.org/10.58966/jcm2023249
Barriga-Fray, S. F., Samaniego-López, M. V.,
Viñan-Carrasco, L. M., & Benítez-Obando, I. F. (2026). Trends and appro=
aches
in inclusive graphic design: a systematic literature review. Societies, 16(1),
25. https://doi.org/10.3390/soc160100=
25
Buryk, R. (2024). Tendencies in the application of
artificial intelligence in the processing of photo materials. Věda a
Perspektivy, 2(33), 449-459. https://doi.org/10.52058/2695-159=
2-2024-2(33)-449-459
Calain, P. (2013). Ethics and images of suffering
bodies in humanitarian medicine. Social Science & Medicine, 98,
278-285. https://doi.org/10.1016/j.socscim=
ed.2012.06.027
Casteleiro-Pitrez, J. (2024). Generative artificial
intelligence image tools among future designers: a usability, user experien=
ce,
and emotional analysis. Digital, 4(2), 316-332. https://doi.org/10.3390/digital40=
20016
Chen, J., Shen, Y., Gao, J., Liu, J., & Liu, X.
(2018). Language-based image editing with recurrent attentive models [20=
18
IEEE/CVF Conference on Computer Vision and Pattern Recognition, 8721–87=
29].
https://doi.org/10.1109/cvpr.2018=
.00909
Chi, J. (2024). The evolutionary impact of artific=
ial
intelligence on contemporary artistic practices. Communications in
Humanities Research, 35(1), 52-57. https://doi.org/10.54254/2753-706=
4/35/20240006
Cruz-Páez, P., Clavijo, M., & Villacrés, C.
(2023). Academia and media in Ecuador: A verification and digital literacy
alliance against disinformation. Advances in Social Science, Education a=
nd
Humanities Research, 41–49. https://doi.org/10.2991/978-2-494=
069-25-1_6
Dávila-Eskola, Ó., Ponce-Cadena, P., Fuertes-Camac=
ás,
B., Bustamante-Granda, R., & Marcillo-Perugachi, L. (2025). Artificial
intelligence tools for the development of writing skills in English language
learners: Revista Ecos de la Academia, 11(22), e1347. =
https://doi.org/10.53358/s3csnd72=
Eleyan, A., & Alboghbaish, E. (2024).
Electrocardiogram signals classification using deep-learning-based incorpor=
ated
convolutional neural network and long short-term memory framework. Compu=
ters,
13(2), 55. https://doi.org/10.3390/computers=
13020055
Fallis, D. (2020). The epistemic threat of deepfak=
es. Philosophy
& Technology, 34(4), 623-643. https://doi.org/10.1007/s13347-02=
0-00419-2
Fareed, M. W., Bou Nassif, A., & Nofal, E. (20=
24).
Exploring the potentials of artificial intelligence image generators for
educating the history of architecture. Heritage, 7(3), 1727-1753. https://doi.org/10.3390/heritage7=
030081
Gupta, A., Joshi, R., & Laban, R. (2022).
Detection of tool based edited images from error level analysis and
convolutional neural network. arXiv (Cornell
University). https://doi.org/10.48550/arxiv.22=
04.09075
Gutiérrez-Caneda, B. (2023). Ai application in
journalism: chatgpt and the uses and risks of an emergent technology. Profesional
de la Información,
32(5), 6. https://dialnet.unirioja.es/servl=
et/articulo?codigo=3D9156966
Haeussler, M., Schönig, K., Eckert, H., Eschstruth,
A., Mianné, J., Renaud, J.-B., Schneider-Maunou=
ry,
Shkumatava,
A., Teboul,
L., Kent<=
/span>,
J., Joly<=
/span>, J.-S., & Concordet=
, J.-P. (2016). Evaluation of off-target and on-ta=
rget
scoring algorithms and integration into the guide RNA selection tool CRISPO=
R. Genome
Biology, 17(1), 148. https://doi.org/10.1186/s13059-01=
6-1012-2
Harris-Love, M., Seamon, B., Teixeira, C., &
Ismail, C. (2016). Ultrasound estimates of muscle quality in older adults:
reliability and comparison of Photoshop and ImageJ for the grayscale analys=
is
of muscle echogenicity. Peerj, 4(e1721). https://doi.org/10.7717/peerj.1721
He, Z., Kan, M., Zhang, J., & Shan, S. (2020).
PA-GAN: progressive attention generative adversarial network for facial
attribute editing. arXiv (Cornell
University). https://doi.org/10.48550/arxiv.20=
07.05892
Heim, S., & Chan-Olmsted, S. (2023). Consumer
trust in ai–human news collaborative continuum: preferences and influencing
factors by news production phases. Journalism and Media, 4(3), 946-9=
65. https://doi.org/10.3390/journalme=
dia4030061
Hermansyah, M., Najib, A., Farida, A., Sacipto, R.,
& Rintyarna, B. (2023). Artificial intelligence and ethics: building an
artificial intelligence system that ensures privacy and social justice. =
International
Journal of Science and Society, 5(1), 154-168. https://doi.org/10.54783/ijsoc.v5=
i1.644
Hosny, A., Parmar, C., Quackenbush, J., Schwartz, =
L.,
& Aerts, H. (2018). Artificial intelligence in radiology. Nature Rev=
iews
Cancer, 18(8), 500-510. https://doi.org/10.1038/s41568-01=
8-0016-5
Hsu, C., Zhuang, Y., & Lee, C. (2020). Deep fa=
ke
image detection based on pairwise learning. Applied Sciences, 10(1),
370. https://doi.org/10.3390/app100103=
70
Kaan Tuysuz, M., & Kılıç, A. (2023).
Analyzing the legal and ethical considerations of deepfake technology. I=
nterdisciplinary
Studies in Society, Law, and Politics, 2(2), 4-10. https://doi.org/10.61838/kman.iss=
lp.2.2.2
Korshunov, P., & Marcel, S. (2019). Vulnerabil=
ity
assessment and detection of deepfake videos [2019 International Conferen=
ce
on Biometrics (ICB), 1–6. IEEE]. https://doi.org/10.1109/icb45273.=
2019.8987375
Krajčovič, P. (2024). The impact of
artificial intelligence on social media. European Conference on Social M=
edia,
11(1), 103-110. https://doi.org/10.34190/ecsm.11.=
1.2237
Láb, F., Štefaniková, S., & Topinková, M. (201=
9).
Photojournalism in central Europe: on authenticity and ethics. Środ=
kowoeuropejskie
Studia Polityczne i Medioznawcze, (2), 73-89. https://doi.org/10.14746/ssp.2016.2.5
Le, Q., Ladret, P., Nguyen, H., & Caplier, A.
(2022). Computational analysis of correlations between image aesthetic and
image naturalness in the relation with image quality. Journal of Imaging=
,
8(6), 166. https://doi.org/10.3390/jimaging8=
060166
Liao, S. & Ji, X. (2023). A study on the
application of generative artificial intelligence technology in image desig=
n [Proceedings
of the 2nd International Conference on Intelligent Design and Innovative
Technology (ICIDIT 2023), 338-350]. https://www.researchgate.net/publ=
ication/374617255_A_Study_on_the_Application_of_Generative_Artificial_Intel=
ligence_Technology_in_Image_Design
Liu, H., Wei, Z., Dominguez, A., Li, Y., Wang, X.,
& Qi, L. (2015). CRISPR-ERA: a comprehensive design tool for
CRISPR-mediated gene editing, repression and activation. Bioinformatics<=
/i>,
31(22), 3676-3678. https://doi.org/10.1093/bioinform=
atics/btv423
Liu, M., Wei, Y., Wu, X., Zuo, W., & Zhang, L.
(2023). Survey on leveraging pre-trained generative adversarial networks for
image editing and restoration. Science China Information Sciences,
66(5). https://doi.org/10.1007/s11432-02=
2-3679-0
Mäenpää, J. (2021). Distributing ethics: filtering
images of death at three news photo desks. Journalism, 23(10),
2230-2248. https://doi.org/10.1177/146488492=
1996308
Mandell, J., Khurana, B., Folio, L., Hyun, H., Smi=
th,
S., Dunne, R., & Andriole, K. (2017). Clinical applications of a CT win=
dow
blending algorithm: radio (relative attenuation-dependent image overlay). <=
i>Journal
of Digital Imaging, 30(3), 358-368. https://doi.org/10.1007/s10278-01=
7-9941-1
Manuvinakurike, R., Bui, T., Chang, W., &
Georgila, K. (2018). Conversational image editing: incremental intent
identification in a new dialogue task [Proceedings of the 19th Annual
SIGdial Meeting on Discourse and Dialogue, 284–295]. https://doi.org/10.18653/v1/w18-5=
033
Maras, M., & Alexandrou, A. (2018). Determining
authenticity of video evidence in the age of artificial intelligence and in=
the
wake of deepfake videos. The International Journal of Evidence & Pro=
of,
23(3), 255-262. https://doi.org/10.1177/136571271=
8807226
Marathe, A., Jain, P., Walambe, R., & Kotecha,=
K.
(2022). Restorex-ai: a contrastive approach towards guiding image restorati=
on
via explainable AI systems. arXiv (Cornell
University). https://doi.org/10.48550/arxiv.22=
04.01719
Mareen, H., Bussche, D., Wallendael, G., Verdoliva,
L., & Lambert, P. (2023). Training data improvement for image forgery
detection using comprint [2023 IEEE International Conference on Consumer
Electronics (ICCE), 1-2]. https://doi.org/10.1109/icce56470=
.2023.10043503
McCloskey, S., & Albright, M. (2019). Detecting
GAN-generated imagery using saturation cues [2019 IEEE International
Conference on Image Processing (ICIP), 4584–4588]. https://doi.org/10.1109/icip.2019=
.8803661
Miranda, C.F., Baldessar, M. J., & Barcelos, M.
(2023). Transformations in the productive routine of photojournalism: from
analogue to visual journalism with artificial intelligence - ai tools. C=
oncilium,
23(21), 242-254. https://www.researchgate.net/publ=
ication/375971634_Transformations_in_the_productive_routine_of_photojournal=
ism_from_analogue_to_visual_journalism_with_Artificial_Intelligence_-_AI_to=
ols_Transformacoes_na_rotina_produtiva_do_fotojornalismo_do_jornalis=
Mnassri, K., Farahbakhsh, R., & Crespi, N. (20=
24).
Multilingual hate speech detection: a semi-supervised generative adversarial
approach. Entropy, 26(4), 344. https://doi.org/10.3390/e26040344
Mohamed, E. A. S., Osman, M. E., & Mohamed, B.=
A. (2024).
The impact of artificial intelligence on social media content. Journal of
Social Sciences, 20(1), 12-16. https://doi.org/10.3844/jssp.2024=
.12.16
Moran, R., & Shaikh, S. (2022). Robots in the =
news
and newsrooms: unpacking meta-journalistic discourse on the use of artifici=
al
intelligence in journalism. Digital Journalism, 10(10), 1756-1774. <=
/span>https://doi.org/10.1080/21670811.=
2022.2085129
Mukta, M., Ahmad, J., Raiaan, M., Islam, S., Azam,=
S.,
Ali, M., & Jonkman, M. (2023). An investigation of the effectiveness of
deepfake models and tools. Journal of Sensor and Actuator Networks,
12(4), 61. https://doi.org/10.3390/jsan12040061
Mulcahy, L. (2018). Revolting consumers: a revisio=
nist
account of the 1925 ban on photography in English and Welsh courts and its
implications for debate about who is able to produce, manage and consume im=
ages
of the trial. International Journal of Law in Context, 14(4), 559-58=
0. https://doi.org/10.1017/s17445523=
18000241
Oppenlaender, J. (2022). The creativity of
text-to-image generation [Proceedings of the 25th International Academic
Mindtrek Conference]. https://doi.org/10.1145/3569219.3=
569352
Peskersoy, C., Tetik, A., Öztürk, V., & Gökay,=
N.
(2014). Spectrophotometric and computerized evaluation of tooth bleaching
employing 10 different home-bleaching procedures: in-vitro study. Europe=
an
Journal of Dentistry, 8(4), 538-545. https://doi.org/10.4103/1305-7456=
.143639
Ping, Q., Wu, B., Ding, W., & Yuan, J. (2019).
Fashion-attgan: attribute-aware fashion editing with multi-objective GAN [<=
i>2019
IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops
(CVPRW), 323–325. IEEE]. https://doi.org/10.1109/cvprw.201=
9.00044
Punnappurath, A., Zhao, L., Abdelhamed, A., &
Brown, M. S. (2024). Advocating pixel-level authentication of camera-captur=
ed
images. IEEE Access: Practical Innovations, Open Solutions, 12,
45839–45846 https://doi.org/10.1109/access.20=
24.3381521
Qin, J. (2023). How does text-to-image ai affect i=
ndie
game designers and artists? Journal of Innovation and Development, 5=
(3),
107-111. https://doi.org/10.54097/f7of9f8k=
Renzi, G., Rinaldi, A., Russo, C., & Tommasino=
, C.
(2023). A storytelling framework based on multimedia knowledge graph using
linked open data and deep neural networks. Multimedia Tools and Applicat=
ions,
82(20), 31625-31639. https://doi.org/10.1007/s11042-02=
3-14398-x
Rubio, L., & Ruiz, M. (2021). Artificial
intelligence and journalism: systematic review of scientific production in =
Web
of Science and Scopus (2008-2019). Communication & Society, 159-=
176.
https://doi.org/10.15581/003.34.2=
.159-176
Saraswati, N. P. R. T. A. K. H., Lastari, N. K. H.,
& Asnadi, I W. S. W. (2025). Integrating Canva and similar digit=
al
design tools in english language teaching: a literature review. Jurnal
Penelitian Ilmu Pendidikan Indonesia, 4(1), 8–13. https://doi.org/10.31004/jpion.v4=
i1.317
Satrinia, D., Firman, R. R., & Fitriati, T. N.
(2023). Potensi artificial intelligence dalam dunia kreativitas desain. =
Journal
of Informatics and Communication Technology (Jict), 5(1), 159-168. https://doi.org/10.52661/j_ict.v5=
i1.164
Stepanov, A. (2024). A brief overview of existing
neural network solutions and services for photographers. Journal of Digi=
tal
Art & Humanities, 5(1), 31-47. https://doi.org/10.33847/2712-814=
9.5.1_3
Syahputri, R. A., & Nugraha, J. (2024). Studen=
t behavior
in using artificial intelligence for Canva instant presentation. Journal=
of
Office Administration: Education and Practice, 4(2), 119–134. https://doi.org/10.26740/joaep.v4=
n2.p119-134
Twomey, J., Ching, D., Aylett, M. P., Quayle, M.,
Linehan, C., & Murphy, G. (2023). Do deepfake videos undermine our
epistemic trust? a thematic analysis of tweets that discuss deepfakes in the
Russian invasion of Ukraine. Plos One, 18(10), e0291668. https://doi.org/10.1371/journal.p=
one.0291668
Vaccari, C., & Chadwick, A. (2020). Deepfakes =
and
disinformation: exploring the impact of synthetic political video on decept=
ion,
uncertainty, and trust in news. Social Media + Society, 6(1),
205630512090340. https://doi.org/10.1177/205630512=
0903408
Wang, H., Ai, L., Xia, Y., Wang, G., Xiong, Z., &a=
mp;
Song, X. (2023a). Software‐based screening for efficient sgRNAs in
Lactococcus lactis. Journal of the Science of Food and Agriculture,
104(2), 1200-1206. https://doi.org/10.1002/jsfa.12946
Wang, Q. (2024). Creation is not like a box of
chocolates: why is the first judgment recognizing copyrightability of
ai-generated content wrong? Grur International, 73(8), 772-777. https://doi.org/10.1093/grurint/i=
kae082
Wang, T., & Chow, K. (2023). Noise based deepf=
ake
detection via multi-head relative-interaction. Proceedings of the AAAI
Conference on Artificial Intelligence, 37(12), 14548-14556. https://doi.org/10.1609/aaai.v37i=
12.26701
Wang, W., Xiao, H., & Fang, Y. (2024). Clothing
image attribute editing based on generative adversarial network, with refer=
ence
to an upper garment. International Journal of Clothing Science=
and
Technology, 36(2), 268-286. https://doi.org/10.1108/ijcst-09-=
2023-0129
Wang, X., Guo, H., Hu, S., Chang, M.-C., & Lyu=
, S.
(2023b). Gan-generated faces detection: a survey and new perspectives. F=
rontiers
in Artificial Intelligence and Applications, 372. https://doi.org/10.3233/faia230558
Westerlund, M. (2019). The emergence of deepfake
technology: a review. Technology Innovation Management Review, 9(11),
39-52. https://www.researchgate.net/publ=
ication/337644519_The_Emergence_of_Deepfake_Technology_A_Review<=
/span>
Zanardelli, M., Guerrini, F., Leonardi, R., &
Adami, N. (2022). Image forgery detection: a survey of recent deep-learning
approaches. Multimedia Tools and Applications, 82(12), 17521-17566. =
https://doi.org/10.1007/s11042-02=
2-13797-w
Zhou, K. (2022). Ethical challenges and coping
strategies of new media network modeling of photojournalistic images. In=
ternational
Journal of Science and Engineering Applications, 11(12), 376-378. https://doi.org/10.7753/ijsea1112=
.1041
Ziakis, C., & Vlachopoulou, M. (2023). Artific=
ial
intelligence in digital marketing: insights from a comprehensive review.
El
artículo que se publica es de exclusiva responsabilidad de los autores y no
necesariamente reflejan el pensamiento de la Revista Conciencia Digital.
El
artículo queda en propiedad de la revista y, por tanto, su publicación parc=
ial
y/o total en otro medio tiene que ser autorizado por el director de la Revista Conciencia Digital.