By Kernel Creativo 
Octubre 6, 2026 Para una persona, reconocer un rostro o distinguir un perro de un gato es instantáneo. Para una computadora, una imagen es solo una enorme cuadrícula de números que representan el color de cada píxel. La visión por computadora es el campo que enseña a las máquinas a extraer significado de esos números.
Durante años, los ingenieros diseñaban a mano reglas para detectar bordes, esquinas y texturas. Funcionaba en situaciones controladas, pero fallaba ante cambios de luz o de ángulo. El gran salto llegó con las redes neuronales convolucionales, que aprenden por sí mismas qué características son útiles analizando millones de imágenes etiquetadas.
Estas redes aplican pequeños filtros que recorren la imagen. Las primeras capas detectan líneas y contrastes; las siguientes combinan esas señales para identificar formas, ojos, ruedas o letras; las últimas reconocen objetos completos. Todo este conocimiento se ajusta durante el entrenamiento sin que nadie programe explícitamente qué buscar.
La clasificación asigna una etiqueta a toda la imagen. La detección localiza varios objetos y los enmarca con recuadros. La segmentación asigna una categoría a cada píxel, por ejemplo para distinguir la carretera de las aceras. También existen el reconocimiento facial, la estimación de la pose del cuerpo y la lectura de texto en imágenes.
En el ámbito médico, estos sistemas ayudan a analizar radiografías, resonancias y fotografías de la piel, resaltando zonas sospechosas para que un especialista las revise. En ciencia se usan para clasificar galaxias, contar células al microscopio o monitorear la vegetación desde satélites. Su papel suele ser de apoyo, no de reemplazo del criterio profesional.
En las fábricas, las cámaras inspeccionan productos y detectan defectos a una velocidad imposible para el ojo humano. En agricultura, los drones identifican plagas o zonas con falta de riego. En los vehículos con asistencia a la conducción, la visión por computadora reconoce señales, peatones y carriles, aunque la conducción completamente autónoma sigue siendo un reto por la enorme variedad de situaciones.
Estos sistemas pueden fallar con imágenes muy distintas a las de su entrenamiento, con mala iluminación o ante pequeñas alteraciones diseñadas para engañarlos. El reconocimiento facial plantea además cuestiones de privacidad y vigilancia, y puede tener un rendimiento desigual entre distintos grupos de personas, lo que exige evaluaciones cuidadosas.
Se reúnen miles o millones de imágenes con etiquetas hechas por personas: aquí hay un peatón, aquí una señal de alto. La red aprende a asociar patrones de píxeles con esas etiquetas. La calidad de los datos es decisiva; si las imágenes no representan la variedad real de situaciones, el sistema fallará justo donde más se necesita. Por eso las empresas invierten tanto en recopilar y revisar sus conjuntos de datos.
Tu teléfono usa visión por computadora para enfocar rostros, aplicar el modo retrato, traducir letreros con la cámara, organizar fotos por personas y lugares, y escanear documentos. Gran parte de este procesamiento ocurre directamente en el dispositivo, lo que mejora la privacidad y reduce la latencia.
La visión por computadora ya forma parte de la vida cotidiana, a veces sin que lo notemos. Entender sus capacidades y sus límites nos permite aprovecharla con criterio y exigir un uso responsable.
