Širenje znanstvenih slika generiranih umjetnom inteligencijom u javnim prostorima nije samo problem dezinformacija, već i narušavanja povjerenja u znanost u doba umjetne inteligencije.

Alati na koje su se znanstvenici dugo oslanjali kako bi uspostavili vizualnu vjerodostojnost gube svoj utjecaj. Alati umjetne inteligencije već mijenjaju način na koji se znanstvene vizuale stvara, dijeli i objavljuje.

Istraživači ih koriste za generiranje ilustracija, stvaranje sintetičkih podataka, uređivanje laboratorijskih slika i izradu materijala za obrazovanje i informiranje javnosti.

Rastuća prijetnja, odgovori kasne

Iako umjetna inteligencija može pomoći znanstvenicima u kreativnijem i učinkovitijem komuniciranju složenih ideja, isti ti alati zamagljuju granice između ilustracije, poboljšanja i izrade.

Prije dvije godine dva su rada povučena nakon objavljivanja slika generiranih umjetnom inteligencijom koje posjeduju biološki nemoguće strukture.

U travnju 2026. New England Journal of Medicine povukao je rad nakon što je otkrio kako je klinička slika manipulirana umjetnom inteligencijom.

Ovo su samo slučajevi koji su privukli pozornost široke javnosti i vjerojatno tek vrh ledenog brijega.

Istraživači su upozorili kako vizualni prikazi generirani umjetnom inteligencijom predstavljaju sve veće prijetnje u područjima koja uvelike ovise o vizualnim dokazima, poput znanosti o materijalima.

Akademski izdavači počinju usvajati alate za detekciju pomoću umjetne inteligencije. Međutim, sustavi dizajnirani za otkrivanje lažnih slika gotovo će uvijek zaostajati za sustavima dizajniranim za njihovo stvaranje.

Mnogi detektori mogu identificirati samo uzorke slika za koje su obučeni kako bi ih prepoznali. Kako se pojavljuju novi modeli umjetne inteligencije, programeri moraju stalno dobivati ​​nove podatke i ponovno obučavati detektore kako bi ih sustigli.

Najveća briga su realistično izgledajući vizualni prikazi koji suptilno iskrivljuju znanstvene pojedinosti, a istovremeno ostaju dovoljno uvjerljivi kako bi prošli letimični pregled.

Desetljećima su znanstvene slike imale autoritet dijelom i zato što ih je bilo teško izraditi. Izrada mikroskopskih slika, klimatskih grafikona i svemirskih fotografija zahtijevala je skupu opremu, institucionalne resurse i specijaliziranu stručnost.

Većina ljudi pretpostavljala je kako takve slike predstavljaju istinita opažanja jer ih je vrlo malo ljudi moglo napraviti. Istraživanja u znanstvenoj komunikaciji sugeriraju kako ljudi procjenjuju znanstvene vizualne prikaze koristeći nekoliko mentalnih prečaca.

Izgleda li slika tehnički sofisticirano? Dolazi li iz pouzdane institucije? Odgovara li onome što već vjerujem?

Generativna umjetna inteligencija potkopava sva ta tri elementa.

Transparentnost i odgovorno korištenje

Danas svatko može stvoriti uglađenu, znanstveno izgledajuću sliku iz tekstualnog upita. Slike su također odvojene od svog izvornog izvora kada kruže online.

Kada vizualna kvaliteta i institucionalna atribucija postanu nepouzdani znakovi za procjenu vjerodostojnosti znanstvenih slika, ljudi se obično oslanjaju na vlastita prethodna uvjerenja.

Kao rezultat toga, autentične znanstvene slike koje osporavaju nečija postojeća uvjerenja sada mogu biti odbačene kao materijal generiran umjetnom inteligencijom, dok će izmišljene slike koje ih potvrđuju biti lako prihvaćene kao dokaz.

Umjetna inteligencija na ovaj način može pojačati motivirano razmišljanje, sklonost ljudi prema prihvaćanju onog sa čime se već slažu i propitivanju onog sa čime se ne slažu.

Ova promjena je važna jer vizualni elementi dugo služe kao dokaz za znanstvene tvrdnje.

Nestručna publika oslanja se na slike ne samo kako bi vidjela što su znanstvenici otkrili, već i kako bi razvila emocionalnu vezu i percipirala vjerodostojnost znanosti koja se predstavlja.

Ako publika potpuno prestane vjerovati vizualnim dokazima, znanost gubi jedan od svojih najmoćnijih alata za javnu komunikaciju.

Alati umjetne inteligencije nude stvarne koristi istraživačima koji komuniciraju svoj rad raznolikoj publici.

Izazov je korištenje ovih alata bez tihog prenošenja deficita vjerodostojnosti umjetne inteligencije na znanost koju slike trebaju prenijeti. Istraživači bi stoga trebali tretirati porijeklo slike - odakle slika dolazi i kako je nastala - s istom ozbiljnošću koju već primjenjuju na porijeklo podataka.

Transparentnost daje publici potreban kontekst za procjenu onoga što vide, ali možda neće riješiti svaki spor o tome kako se slike izrađuje.

Odgovorno korištenje znanstvenih slika generiranih umjetnom inteligencijom zahtijevat će iskrenost, pridržavanje profesionalnih normi i kolektivni razvoj standarda utemeljenih na dokazima u svim područjima.

Bez smjernica i standarda, znanost riskira ulazak u svijet u kojem se svaka slika može dovesti u pitanje, a nijedna slika ne nosi inherentnu vjerodostojnost, piše Conversation.