برنده مسابقه تصویربرداری میکروسکوپی به‌دلیل استفاده از AI حذف شد

به گزارش خبرگزاری آنا، به نقل از «Gizmodo»؛ برگزارکنندگان مسابقه «دنیای کوچک در حرکت» نیکون، اثر نینگ شو، پژوهشگر حوزه اپتیک در دانشگاه ملی سنگاپور را پس از بازبینی مجدد از رقابت حذف کردند. سخنگوی این مسابقه اعلام کرد که ویدئوی برنده با مقررات مربوط به استفاده از هوش مصنوعی مولد مطابقت نداشته است.

این تصمیم پس از آن گرفته شد که متخصصان به وجود ساختارهایی در ویدئو مشکوک شدند که با ویژگی‌های زیستی مورد انتظار مطابقت نداشتند. اثر شو حرکت مژک‌ها را در نمونه بافت مجاری تنفسی یک کودک مبتلا به اختلال حرکتی اولیه مژک‌ها نشان می‌داد؛ اختلالی که عملکرد طبیعی این ساختارهای ریز را مختل می‌کند.

هوش مصنوعی دقیقا چه چیزی را تغییر داد؟

شو توضیح داده بود که ویدئو از تصاویر واقعی پژوهشی آغاز شده، اما برای پردازش پس از تصویربرداری از هوش مصنوعی مولد استفاده کرده است. با این حال، بررسی‌های متخصصان درباره ساختارهای رنگی موجود در ویدئو تردیدهایی ایجاد کرد؛ ساختارهایی که ممکن بود تغییر کرده یا به‌ صورت مصنوعی تولید شده باشند.

رابرت هرست، دانشمند دانشگاه لستر،  سال‌هاست با بررسی شکل و اندازه سلول‌ها و الگوی حرکت مژک‌ها در تشخیص اختلال حرکتی اولیه مژک‌ها مشارکت دارد. او معتقد بود آنچه در ویدئوی مورد بحث دیده می‌شود، با نمونه‌های بیماران مبتلا به این اختلال مطابقت ندارد. هرست همچنین هشدار داد که چنین اتفاقی می‌تواند بر بیماران، پزشکان و شبکه‌های حمایتی مرتبط با این بیماری تأثیر منفی بگذارد.

برنده جدید مسابقه معرفی شد

سخنگوی نیکون تاکید کرد تصمیم حذف اثر بر اساس مقررات واجد شرایط بودن آثار اتخاذ شده و نباید آن را قضاوتی درباره اعتبار حرفه‌ای یا قصد پژوهشگر دانست.

پس از حذف اثر شو، نگوین نام نات از ویتنام به‌ عنوان برنده جدید معرفی شد. اثر او ویدئویی از یک کرم لوله‌ای و جاندار تک‌سلولی Dileptus بود. نیکون همچنین اعلام کرد که مقررات و فرایندهای ارزیابی آثار را برای رقابت‌های آینده بازبینی خواهد کرد.

تفاوت بهبود تصویر با ساخت داده غیرواقعی چیست؟

پردازش تصویر در پژوهش‌های علمی سابقه‌ای طولانی دارد؛ از تنظیم روشنایی و کنتراست گرفته تا رنگ‌آمیزی برای نمایش بهتر ساختارهای خاص. با این حال، هوش مصنوعی مولد می‌تواند فراتر از تغییر داده‌های موجود عمل کند و جزئیاتی تازه به تصویر بیفزاید که پشتوانه‌ای در نمونه واقعی ندارند.

ملانی وایت، زیست‌شناس تکوینی دانشگاه کوئینزلند استرالیا، پیش‌تر در گفت‌وگو با مجله نیچر بر این نکته تاکید کرده بود که تصاویر علمی خود نوعی داده محسوب می‌شوند و پژوهشگران باید بتوانند به ارتباط آن‌ها با اندازه‌گیری‌های واقعی اعتماد کنند.

در چنین شرایطی، اگر یک ابزار هوش مصنوعی ساختاری را به تصویر اضافه کند یا شکل واقعی آن را تغییر دهد، نتیجه ممکن است دیگر بازنمایی دقیقی از نمونه مورد مطالعه نباشد. این مسئله به‌ویژه در حوزه‌هایی مانند پزشکی و زیست‌شناسی اهمیت دارد؛ جایی که تفسیر یک تصویر می‌تواند در شناخت یک بیماری یا نتیجه‌گیری پژوهشی نقش داشته باشد.

در دنیای تصاویر، زیباترشدن همیشه به معنای واقعی‌ترشدن نیست. هوش مصنوعی می‌تواند جزئیات را برجسته کند، تصویر را چشم‌نوازتر نشان دهد و حتی بخش‌هایی را که به‌سختی دیده می‌شوند، بازسازی کند؛ اما همین توانایی زمانی به نقطه ضعف تبدیل می‌شود که مرز میان داده واقعی و جزئیات ساخته‌ شده را محو کند.

ماجرای مسابقه نیکون نشان می‌دهد که در علم، تصویر فقط چیزی برای دیدن نیست؛ بخشی از شواهدی است که بر اساس آن‌ها نتیجه‌گیری می‌شود. وقتی ابزار پردازش تصویر بتواند چیزی را نشان دهد که در نمونه واقعی وجود ندارد، مسئله فقط رعایت مقررات یک مسابقه نیست؛ اعتماد به خود تصویر علمی زیر سوال می‌رود.