¿Puede la tecnología resucitar un momento del pasado que nunca fue grabado por una cámara? El equipo de investigación de Google DeepMind, en colaboración con la productora Primordial Soup de Darren Aronofsky y la cineasta Liz Garbus, ha presentado en septiembre de 2026 el cortometraje documental Love, Rendered.
Esta pieza cinematográfica aborda el deterioro cognitivo de Burt Shatz, un hombre mayor que lleva más de 70 años casado con su esposa Ethelle, y cuya memoria sobre el día en que se conocieron en Cleveland ha comenzado a desvanecerse. Al no existir fotografías ni metraje de aquel encuentro de su juventud, los ingenieros recurrieron a modelos generativos de inteligencia artificial y a sistemas de captura de rendimiento. Mediante la restauración de imágenes antiguas en blanco y negro y el mapeo de los microgestos actuales de los protagonistas sobre sus versiones jóvenes, el proyecto ha logrado reconstruir digitalmente aquella vivencia perdida. Este avance demuestra cómo la tecnología visual puede apoyar a la terapia de reminiscencia y transformar la preservación del patrimonio emocional familiar.
Una pincelada digital para recuperar la memoria no registrada
El proyecto cinematográfico gira en torno a Burt y Ethelle Shatz, un matrimonio con más de 70 años de convivencia. A medida que Burt afronta un proceso de deterioro cognitivo, algunos de los momentos más significativos de su vida han comenzado a desvanecerse. Entre ellos destaca el día en que ambos se conocieron en una cooperativa de estudiantes en Cleveland, un hito fundamental del que no existe ninguna fotografía ni grabación en vídeo.
Para abordar esta ausencia de registro visual, el equipo técnico implementó una estrategia en dos fases técnicas. En primer lugar, utilizaron modelos generativos de inteligencia artificial para restaurar fotografías antiguas en blanco y negro de la pareja cuando eran jóvenes. Estas imágenes sirvieron como base visual precisa para garantizar que la recreación respetara con fidelidad su apariencia real en la juventud.
En segundo lugar, los especialistas emplearon modelos de captura de rendimiento. Esta técnica consistió en registrar los microgestos actuales de Burt y Ethelle, como la inclinación de la cabeza de Burt o las arrugas que se forman alrededor de sus ojos al sonreír. Al trasladar estos rasgos expresivos a las imágenes restauradas de sus rostros jóvenes, los ingenieros lograron animar una secuencia en movimiento de gran autenticidad emocional.
Implicaciones reales: cuando la IA apoya a la terapia de reminiscencia
Este experimento audiovisual se sitúa en el ámbito de la terapia de reminiscencia, una práctica clínica habitual que utiliza estímulos como canciones o fotografías para estimular la memoria de personas con deterioro cognitivo. La gran aportación de este trabajo reside en ofrecer una solución cuando dichos estímulos visuales no existen, actuando como un pincel digital capaz de rellenar los vacíos de la memoria humana.
El uso de estas herramientas plantea un cambio importante en la forma en que nos relacionamos con el pasado:
- Preservación del patrimonio emocional: Permite construir representaciones visuales de eventos familiares que nunca fueron capturados por una cámara.
- Participación activa de la familia: Durante la producción, Ethelle Shatz colaboró directamente con los desarrolladores, guiando al sistema para ajustar detalles precisos como la curvatura de una escalera o la forma de un zapato.
- Accesibilidad de la tecnología: La tecnología de restauración de imágenes ya está al alcance de cualquier usuario a través de la aplicación de Gemini.
A diferencia de las recreaciones tradicionales con actores, el empleo de los propios patrones de movimiento de los protagonistas mantiene una conexión directa con su identidad presente, lo que aporta una verosimilitud que ayuda a los familiares a reconectar con sus seres queridos.
Un equipo multidisciplinar entre Hollywood y Silicon Valley
Detrás de Love, Rendered se encuentra una alianza entre el cine y la tecnología de vanguardia. El cortometraje fue dirigido por la cineasta Liz Garbus, nominada al Oscar, junto al productor Dan Cogan y al director Darren Aronofsky. La obra se desarrolló en colaboración entre Google DeepMind y Primordial Soup, la compañía creativa de Aronofsky.
El liderazgo técnico en Google estuvo a cargo del ingeniero Michael Chang, quien aportó una visión vinculada a su experiencia personal con el deterioro de memoria de su abuelo. Según explicó el equipo en el blog oficial de Google en septiembre de 2026, el objetivo no era sustituir la memoria real, sino ofrecer una herramienta para revitalizar la conversación y el afecto familiar.
Como señalaron los creadores, los sistemas de aprendizaje automático funcionan como un pincel: instrumentos que solo cobran sentido cuando son guiados por la sensibilidad humana.
El futuro de la memoria en la era de la inteligencia artificial
La iniciativa refleja una tendencia emergente en los algoritmos generativos: su transición desde el entretenimiento hacia el bienestar emocional y la salud mental. Aunque estas reconstrucciones sintéticas exigen una gestión ética rigurosa, los resultados sugieren que la tecnología puede convertirse en un aliado valioso para conservar el legado personal.
De cara a los próximos años, presenciaremos una mayor integración de herramientas de asistencia cognitiva en el ámbito doméstico. La posibilidad de restaurar el archivo visual de las familias o dar movimiento a viejos retratos abre nuevas vías para preservar las historias de nuestros antepasados con rigor y cercanía humana.
