Nos miramos y damos por hecho que el reflejo mantiene un pacto sencillo con el mundo: tal vez altere nuestra perspectiva o nos muestre una escena desfavorable, pero la imagen resultante procede de aquello situado delante. Hasta los espejos de feria respetan esa intuición. Alargan el cuerpo, lo ensanchan o encogen, aunque seguimos reconociendo al mismo objeto deformado.
Ese comportamiento responde a una explicación física sencilla. Una superficie reflectante convencional rebota las ondas luminosas manteniendo su disposición espacial para que nuestros ojos recompongan la escena. La curvatura modifica los recorridos y, con ellos, las proporciones percibidas. Aun así, seguimos dentro de la lógica de una distorsión.
¿Y si fuéramos más lejos? ¿Sería viable fabricar un elemento que escondiera lo que recibe y ofreciera deliberadamente otra apariencia, sin una cámara que capture lo observado, un ordenador que la manipule y una pantalla que enseñe luego el engaño? Esa es la pregunta que un equipo de la Universidad de California en Los Ángeles (UCLA) ha llevado al laboratorio.
Un espejo no refleja objetos: devuelve señales transportadas por la luz
Un espejo no sabe si frente a él hay una camiseta, un número o una cara. Lo que alcanza su cara reflectante es un campo luminoso cuyas variaciones codifican datos sobre aquello que observamos. Después, nuestros ojos captan esas ondas y el cerebro compone con ellas formas, contornos y contrastes.
Lo que alcanza su cara reflectante es un campo luminoso cuyas variaciones codifican datos sobre aquello que observamos; nuestros ojos captan esas ondas y el cerebro compone con ellas formas, contornos y contrastes.
Para entender el nuevo sistema, conviene añadir una propiedad menos intuitiva: la fase. La luz se comporta como una onda y cada porción se encuentra en un punto distinto de su ciclo. Dos partes que llegan acompasadas se refuerzan; si lo hacen desfasadas, el efecto conjunto varía y hasta llega a debilitarse.
Esto implica que preservar la apariencia original no es una obligación de la naturaleza. Si una estructura regula con enorme precisión cómo avanza cada porción del frente luminoso, además modifica la manera en que todas esas contribuciones vuelven a reunirse. El reflejo final dependerá entonces, no solo de aquello que había delante, sino de las reglas físicas inscritas en esa arquitectura.
La difracción permite reorganizar una escena sin dibujarla píxel a píxel
Aquí entra en juego la difracción, el cambio que experimentan las ondas cuando atraviesan o encuentran obstáculos comparables con su longitud de onda. El fenómeno hace posible redistribuir la energía luminosa y determinar dónde unas contribuciones se suman mientras otras se contrarrestan.
Podemos imaginarlo como un director frente a miles de voces. No inventa cantantes nuevos: marca cuándo debe intervenir cada uno para que el sonido colectivo termine siendo diferente. En óptica, tampoco aparecen píxeles desde cero. La superficie ajusta retrasos de fase y se sirve de la propagación de la luz para reorganizar la configuración luminosa que llegará al observador.
Esa distinción separa esta tecnología de una pantalla. Esta última genera una representación con elementos gobernados por circuitos electrónicos. Una estructura difractiva pasiva, en cambio, aprovecha las leyes de dicha propagación para realizar una variación previamente diseñada.
El planteamiento desconcierta porque solemos dividir la secuencia en dos etapas: primero, la óptica lleva una imagen hasta un sensor y, más tarde, un ordenador la transforma. Aquí, parte de ese cálculo queda incorporado al comportamiento físico de la pieza óptica.
Una estructura difractiva pasiva aprovecha las leyes de propagación de la luz para realizar una variación previamente diseñada.
El aprendizaje profundo ideó el engaño, pero no tiene que ejecutarlo después
Yuhang Li, doctorando en Ingeniería Eléctrica e Informática de la UCLA, especializado en imagen computacional y redes neuronales ópticas, y sus compañeros han bautizado su propuesta como lying mirror o “espejo mentiroso”.
Una de sus configuraciones combina un reflector convencional con una capa difractiva estructurada. El trabajo, difundido a través de Nature Communications, utiliza aprendizaje profundo —una técnica de inteligencia artificial basada en redes neuronales capaces de identificar patrones a partir de numerosos ejemplos— para optimizar esa arquitectura.
En esa etapa, los autores alimentaron el modelo con conjuntos de imágenes y compararon las respuestas calculadas con un objetivo engañoso previamente elegido. El algoritmo fue afinando los valores de fase de miles de elementos hasta encontrar una geometría que produjera el patrón deseado.
Combina un reflector convencional con una capa difractiva estructurada que usa aprendizaje profundo, técnica de IA basada en redes neuronales capaces de identificar patrones a partir de ejemplos, para optimizarse.
Lo sorprendente llega al concluir esa preparación. Una vez determinada y fabricada la geometría, el mecanismo no necesita que una red neuronal vuelva a analizar cada objeto. Tampoco hace falta fotografiarlo, sustituirlo digitalmente y enseñar la imagen obtenida en un monitor. La propagación y la difracción ejecutan la transformación en el dominio óptico, sobre la propia luz; según los autores, la versión pasiva no requiere cálculo electrónico durante su funcionamiento.
La inteligencia artificial, por tanto, actúa como arquitecta del dispositivo, no como operadora permanente del truco.
Una camiseta entra en el sistema y aparece un bolso
Las simulaciones muestran de forma muy visual qué supone ese planteamiento. Para explorarlo, recurrieron a tres modelos con Fashion-MNIST, MNIST y QuickDraw, bases de datos que contienen, respectivamente, prendas y accesorios, números manuscritos y dibujos sencillos.
En el primer caso, elementos diferentes —camisetas, zapatos, vestidos o bolsos— terminaban como una silueta semejante a una bolsa; el segundo hacía que distintos dígitos produjeran un 8; y el tercero llevaba dibujos variados hacia una representación parecida a un panda. La figura 2 del paper compara las imágenes originales con las que produce el sistema y permite apreciar de inmediato cómo distintos objetos terminan convertidos en el mismo señuelo.
Sin embargo, lo decisivo no es cambiar un 3 por un 8. Sería relativamente sencillo construir un truco preparado para unos pocos objetos conocidos. Los autores probaron ejemplos que nunca habían intervenido en esa fase previa, junto con datos procedentes de conjuntos distintos. En esos ensayos externos, el sistema siguió generando el objetivo, aunque con cierta pérdida de fidelidad.
Hablamos entonces de generalización: no memorizar una fotografía concreta, sino conservar su cometido ante entradas nuevas.
Camisetas, zapatos, vestidos o bolsos terminan como una silueta semejante a una bolsa; distintos dígitos, como un 8; y dibujos variados, como una representación parecida a un panda.
Mover, girar o degradar la imagen tampoco anuló el truco
Un mecanismo semejante tendría poca utilidad si solo funcionase con una figura perfectamente centrada y colocada siempre del mismo modo. Por eso, los investigadores sometieron uno de los diseños a perturbaciones que no se habían incorporado de manera específica a la optimización.
Rotaron las imágenes aleatoriamente entre -90 y 90 grados, las desplazaron hasta un 25 por ciento del tamaño del campo y cambiaron su escala entre el 50 y el 200 por ciento. El patrón señuelo siguió apareciendo con correlaciones altas respecto al objetivo. A continuación, añadieron ruido gaussiano, una interferencia aleatoria que altera los valores de la imagen. La calidad empeoró al intensificarlo, pero la ocultación continuó funcionando.
Eso no quiere decir que el dispositivo resista toda alteración imaginable. Demuestra algo más concreto: la función aprendida no desaparecía inmediatamente cuando la información recibida se movía, giraba, variaba de tamaño o llegaba degradada.
Luego construyeron una versión física y la iluminaron con luz visible
Hasta ese punto, cabría sospechar que todo era una demostración numérica. El siguiente paso llevó el concepto al laboratorio con una matriz estructurada de 150 elementos por fila y otros 150 por columna, con 22.500 microelementos en total, utilizada como espejo programado para la franja visible del espectro electromagnético, es decir, la luz que percibe el ojo humano.
El montaje empleó longitudes de onda de 480, 550 y 600 nanómetros, correspondientes a azul, verde y rojo. Diez números manuscritos que no habían participado en el ajuste previo fueron presentados al montaje. Bajo las tres iluminaciones, utilizadas tanto secuencial como simultáneamente, las capturas mostraron el 8 definido como señuelo.
Más adelante, desarrollaron una variante para una banda continua entre 520 y 570 nanómetros y la evaluaron desde 500 hasta 600. Incluso fuera del intervalo usado para optimizarlo, las imágenes obtenidas conservaron una similitud muy alta con el patrón objetivo, con valores de correlación de Pearson superiores a 0,85, un número que se refiere al grado de semejanza entre las imágenes y donde 1 indicaría una coincidencia perfecta.
No tenemos todavía un espejo doméstico capaz de reemplazar cualquier reflejo bajo toda iluminación, pero sí una demostración experimental de que el mecanismo es posible.
Eso convierte la propuesta en una prueba de principio. No tenemos todavía un espejo doméstico capaz de reemplazar cualquier reflejo bajo toda iluminación, pero sí una demostración experimental de que la información visual queda camuflada de esta manera mediante luz visible.
Aún está muy lejos del espejo mágico de un cuento
El prototipo conserva limitaciones importantes. Los logros principales parten de iluminación espacialmente coherente: ondas con una relación de fase bien controlada. El artículo explora mediante simulaciones adaptaciones a condiciones parcialmente coherentes o incoherentes; entre ellas, fuentes más cotidianas, pero eso no equivale a un producto preparado para cualquier habitación.
También importa desde qué ángulo se observa el resultado. Un ensayo optimizado para una observación frontal, a cero grados respecto al eje óptico, mantuvo el engaño hasta cinco grados a cada lado de esa posición, con descensos modestos de rendimiento. El paper plantea ampliar ese margen incorporando más direcciones durante la optimización de la estructura difractiva del espejo mentiroso.
Además, la posición axial del plano de salida, la distancia exacta a la que se forma o se recoge la imagen, es de relevancia; y otros parámetros de alineamiento, la correcta alineación de los distintos componentes del sistema, influyen igualmente.
Hay otra cautela: ocultar no significa borrar irreversiblemente. Los propios investigadores atacaron el mecanismo a partir de una red neuronal entrenada con pares de imágenes originales y las engañosas producidas por el dispositivo. Con unos 500 ejemplos reaparecieron detalles finos; alrededor de 10.000 permitieron reconstrucciones de gran calidad.
Por tanto, estamos ante enmascaramiento óptico, no ante una caja fuerte matemática imposible de abrir.
Cuando una superficie comienza a comportarse como un procesador
El equipo apunta a posibles usos en camuflaje, seguridad, antiobservación, entretenimiento y tratamiento óptico de información. Pero la consecuencia conceptual rebasa esas aplicaciones.
Estamos acostumbrados a pensar que una lente o un espejo transportan imágenes y que un ordenador las modifica posteriormente. Este trabajo difumina esa frontera: una estructura física puede ejecutar parte de la transformación aprovechando directamente el comportamiento de la luz.
Ahí reside la rareza del espejo mentiroso. No solo altera lo que vemos; convierte una superficie óptica en una pieza capaz de procesar información antes de que intervengan una cámara, una pantalla o nuestros propios ojos.
El espejo mentiroso tendría posibles usos en camuflaje, seguridad, antiobservación, entretenimiento y tratamiento óptico de información.
Referencias
- Instituto de Ingeniería de UCLA para el Avance de la Tecnología. “«Lying mirror» uses structured surfaces to conceal optical information”. Phys.org, 10 de agosto de 2026.
- Yuhang Li, Shiqi Chen, Bijie Bai y Aydogan Ozcan. “Lying mirror using structured surfaces“. Nature Communications, 7 de agosto de 2026. DOI: 10.1038/s41467-026-76488-2.
