Durante más de 30 años, la fotógrafa de ciencias Felice Frankel ha ayudado a los profesores, investigadores y estudiantes de MIT a comunicar su trabajo visualmente. A lo largo de ese tiempo, ha visto el desarrollo de varias herramientas para apoyar la creación de imágenes convincentes: algunas útiles y otros antitéticos al esfuerzo de producir una representación confiable y completa de la investigación. En un artículo de opinión reciente publicado en Naturaleza La revista, Frankel analiza el floreciente uso de la inteligencia artificial generativa (Genai) en las imágenes y los desafíos e implicaciones que tiene para comunicar la investigación. En una nota más personal, ella pregunta si todavía habrá un lugar para un fotógrafo científico en la comunidad de investigación.
P: Has mencionado que tan pronto como se toma una foto, la imagen puede considerarse «manipulada». Hay formas en que ha manipulado sus propias imágenes para crear una visual que comunique con más éxito el mensaje deseado. ¿Dónde está la línea entre la manipulación aceptable e inaceptable?
A: En el sentido más amplio, las decisiones tomadas sobre cómo enmarcar y estructurar el contenido de una imagen, junto con la cual las herramientas utilizadas para crear la imagen, ya son una manipulación de la realidad. Necesitamos recordar que la imagen es simplemente una representación de la cosa, y no la cosa misma. Se deben tomar decisiones al crear la imagen. El problema crítico no es manipular los datos, y en el caso de la mayoría de las imágenes, los datos son la estructura. Por ejemplo, para una imagen que hice hace algún tiempo, eliminé digitalmente la placa de Petri en la que crecía una colonia de levadura, para llamar la atención sobre la impresionante morfología de la colonia. Los datos en la imagen son la morfología de la colonia. No manipulé esos datos. Sin embargo, siempre indico en el texto si he hecho algo a una imagen. Discuto la idea de la mejora de la imagen en mi manual, «Los elementos visuales, la fotografía».
P: ¿Qué pueden hacer los investigadores para asegurarse de que su investigación se comunique de manera correcta y ética?
A: Con el advenimiento de la IA, veo tres problemas principales sobre la representación visual: la diferencia entre ilustración y documentación, la ética en torno a la manipulación digital y una necesidad continua de que los investigadores sean capacitados en la comunicación visual. Durante años, he estado tratando de desarrollar un programa de alfabetización visual para las clases actuales y futuras de investigadores de ciencias e ingeniería. MIT tiene un requisito de comunicación que aborda principalmente la escritura, pero ¿qué pasa con el visual, que ya no es tangencial para la presentación de una revista? Apuesto a que la mayoría de los lectores de artículos científicos van directamente a las cifras, después de leer el resumen.
Necesitamos exigir a los estudiantes que aprendan cómo mirar críticamente un gráfico o imagen publicada y decidir si hay algo extraño con él. Necesitamos discutir la ética de «empujar» una imagen para ver una cierta manera predeterminada. Describo en el artículo un incidente cuando un estudiante alteró una de mis imágenes (sin pedirme) que coincida con lo que el estudiante quería comunicar visualmente. No lo permití, por supuesto, y me decepcionó que no se considerara la ética de tal alteración. Necesitamos desarrollar, al menos, conversaciones en el campus y, aún mejor, crear un requisito de alfabetización visual junto con el requisito de escritura.
P: La IA generativa no va a desaparecer. ¿Qué ves como el futuro para comunicar la ciencia visualmente?
A: Para el Naturaleza Artículo, decidí que una forma poderosa de cuestionar el uso de la IA en la generación de imágenes era con el ejemplo. Utilicé uno de los modelos de difusión para crear una imagen utilizando el siguiente mensaje:
«Cree una foto de los nano cristales de Moungi Bawendi en viales contra un fondo negro, fluorescando a diferentes longitudes de onda, dependiendo de su tamaño, cuando se excita con la luz UV».
Los resultados de mi experimentación de IA a menudo fueron imágenes de dibujos animados que difícilmente podrían pasar como realidad, y mucho menos documentación, pero habrá un momento en que lo serán. En conversaciones con colegas en investigaciones y comunidades de ciencia informática, todos están de acuerdo en que debemos tener estándares claros sobre lo que está y no está permitido. Y lo más importante, una visual de Genai nunca debe permitirse como documentación.
Pero las imágenes generadas por IA serán útiles, de hecho, para fines de ilustración. Si se enviará una visual generada por IA a una revista (o, para el caso, se muestra en una presentación), creo que el investigador debe
- Etiqueta claramente si una imagen fue creada por un modelo AI;
- Indique qué modelo se usó;
- incluir qué aviso se usó; y
- Incluya la imagen, si hay una, que se usó para ayudar al aviso.
