بیش از ۳۰ سال است که فلیس فرانکل، عکاس علمی، به اساتید، پژوهشگران و دانشجویان MIT کمک می‌کند تا تحقیقات خود را به‌صورت بصری ارائه دهند. در این مدت، او شاهد توسعه ابزارهای مختلفی برای ایجاد تصاویر جذاب بوده است؛ برخی از این ابزارها مفید هستند، در حالی که برخی دیگر مانع از ارائه دقیق و قابل‌اعتماد تحقیقات می‌شوند. در مقاله‌ای که اخیراً در مجله Nature منتشر شده، فرانکل درباره استفاده رو به رشد از هوش مصنوعی مولد (GenAI) در خلق تصاویر و چالش‌های آن در ارتباط علمی صحبت کرده است. او همچنین این سوال را مطرح می‌کند که آیا در آینده، همچنان حرفه‌ای به نام عکاسی علمی در جامعه پژوهشی وجود خواهد داشت یا خیر.

مرز بین ویرایش مجاز و غیرمجاز تصاویر کجاست؟

پرسش: شما گفته‌اید که به محض گرفتن یک عکس، در واقع تصویر «ویرایش‌شده» محسوب می‌شود. شما نیز در برخی مواقع تصاویر خود را تغییر داده‌اید تا پیام مدنظر را بهتر منتقل کنید. مرز بین ویرایش مجاز و غیرمجاز کجاست؟

پاسخ: به‌طور کلی، تصمیماتی که در خصوص نحوه قاب‌بندی، ساختاردهی محتوا و ابزارهای ایجاد تصویر اتخاذ می‌شوند، همگی نوعی ویرایش واقعیات محسوب می‌شوند. باید به یاد داشته باشیم که تصویر، صرفاً نمایشی از یک چیز است، نه خود آن چیز. هنگام تولید تصویر، ناگزیر باید تصمیماتی اتخاذ شود. موضوع حیاتی این است که داده‌های واقعی را تغییر ندهیم، زیرا در اغلب تصاویر، ساختار همان داده محسوب می‌شود.

به‌عنوان مثال، در یکی از تصاویرم، ظرف پتری که کلونی مخمر در آن رشد کرده بود را به‌صورت دیجیتالی حذف کردم تا توجه مخاطب را به ساختار زیبای کلونی جلب کنم. داده مهم در این تصویر همان ساختار کلونی بود که آن را تغییر ندادم. با این حال، همیشه در توضیحات ذکر می‌کنم که چه تغییراتی بر روی یک تصویر انجام داده‌ام. در کتاب خود، «The Visual Elements, Photography»، مفهوم اصلاح تصاویر را بررسی کرده‌ام.

چگونه پژوهشگران می‌توانند تحقیقات خود را به‌درستی و به‌صورت اخلاقی ارائه دهند؟

پرسش: پژوهشگران چگونه می‌توانند اطمینان حاصل کنند که تحقیقات آن‌ها به‌درستی و با رعایت اصول اخلاقی منتقل می‌شود؟

پاسخ: با ظهور هوش مصنوعی، سه مسئله کلیدی درباره نمایش بصری مطرح شده است: تفاوت میان تصویرسازی و مستندسازی، اصول اخلاقی پیرامون ویرایش دیجیتالی، و نیاز به آموزش محققان در حوزه ارتباطات بصری.

مدت‌هاست که تلاش می‌کنم یک برنامه سواد بصری برای پژوهشگران علوم و مهندسی طراحی کنم. در MIT، یک درس ارتباطی ارائه می‌شود که عمدتاً بر مهارت‌های نوشتاری متمرکز است، اما در مورد سواد بصری که نقشی اساسی در مقالات علمی ایفا می‌کند، توجه کافی وجود ندارد. بسیاری از خوانندگان مقالات علمی، پس از مطالعه چکیده، مستقیماً به سراغ نمودارها و تصاویر می‌روند.

ما باید دانشجویان را ملزم کنیم که چگونگی تحلیل انتقادی تصاویر و نمودارهای علمی را بیاموزند و بتوانند تشخیص دهند که آیا دستکاری غیرمجاز در آن‌ها انجام شده است یا خیر. باید درباره اصول اخلاقی «تنظیم» یا تغییر تصاویر برای نمایش یک نتیجه خاص صحبت کرد. در مقاله‌ای که نوشتم، به موردی اشاره کردم که یک دانشجو بدون اجازه من، یکی از تصاویرم را دستکاری کرد تا پیام مدنظر خود را منتقل کند. چنین کاری را نپذیرفتم و ناراحت شدم که این دانشجو به جنبه‌های اخلاقی این تغییرات توجه نکرده بود. باید حداقل گفتگوهایی در این زمینه در دانشگاه‌ها انجام شود و حتی بهتر است که یک درس مرتبط با سواد بصری به همراه دوره‌های نوشتاری ارائه شود.

آینده نمایش بصری علوم در عصر هوش مصنوعی چیست؟

پرسش: هوش مصنوعی مولد موضوعی اجتناب‌ناپذیر است. آینده انتقال اطلاعات علمی به‌صورت بصری را چگونه می‌بینید؟

پاسخ: برای مقاله‌ای که در Nature منتشر کردم، تصمیم گرفتم که تأثیر هوش مصنوعی در خلق تصاویر را از طریق یک مثال واقعی بررسی کنم. از یک مدل دیفیوژن استفاده کردم و این درخواست را مطرح کردم:

«یک عکس از نانوکریستال‌های مونجی باوندی در ویال‌های آزمایشگاهی، قرارگرفته در برابر پس‌زمینه‌ای سیاه، که بسته به اندازه خود، هنگام تحریک با نور UV با طول موج‌های مختلف فلورسانس می‌کنند.»

نتیجه اکثر آزمایش‌هایم با هوش مصنوعی، تصاویری کارتونی بود که به سختی می‌توانستند واقعی به‌نظر برسند، چه برسد به اینکه به‌عنوان مستندات علمی پذیرفته شوند. با این حال، روزی خواهد رسید که این تصاویر بسیار واقعی‌تر خواهند شد. همکاران من در جامعه تحقیقاتی و علوم کامپیوتر نیز معتقدند که باید استانداردهای روشنی در مورد استفاده از تصاویر هوش مصنوعی داشته باشیم. مهم‌ترین اصل این است که هرگز نباید از یک تصویر تولید‌شده توسط هوش مصنوعی به‌عنوان مستند علمی استفاده شود.

با این حال، تصاویر تولیدشده توسط هوش مصنوعی برای اهداف تصویری و آموزشی مفید خواهند بود. اگر چنین تصویری برای انتشار در یک مجله علمی یا ارائه مورد استفاده قرار گیرد، معتقدم که پژوهشگران باید این موارد را به‌طور شفاف ارائه دهند:

  • مشخص کنند که آیا تصویر توسط یک مدل هوش مصنوعی تولید شده است یا خیر.
  • نام مدل مورد استفاده را ارائه دهند.
  • دقیقاً ذکر کنند که از چه دستوری (prompt) برای تولید تصویر استفاده شده است.
  • در صورت وجود، تصویر اصلی که برای راهنمایی مدل استفاده شده است را درج کنند.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *