حذف برنده رقابت Nikon Small World به دلیل استفاده از هوش مصنوعی: بازنگری در مرزهای علمی و بصری

در اتفاقی قابل‌تأمل در دنیای عکاسی علمی، سازمان‌دهندگان رقابت مشهور Nikon Small World in Motion اعلام کردند که اثر برنده پیشین این مسابقه به دلیل استفاده غیرمجاز از ابزارهای هوش مصنوعی (AI) از رتبه‌بندی حذف شده است. این رخداد که در مهرماه ۱۴۰۵ بازتاب گسترده‌ای در محافل علمی داشت، بحث‌های داغی را پیرامون اصالت داده‌های بصری میکروسکوپی و ضرورت شفافیت در به‌کارگیری فناوری‌های نوین پردازش تصویر ایجاد کرده است.

ماجرای حذف و تغییر جایگاه برندگان

رقابت Nikon Small World in Motion که از سال ۲۰۱۱ به عنوان زیرمجموعه‌ای از رقابت اصلی عکاسی میکروسکوپی نیکون (با قدمت ۱۹۷۴) برگزار می‌شود، با هدف نمایش زیبایی و پیچیدگی دنیای ذره‌بینی از طریق تصاویر ویدئویی و تایم‌لپس شکل گرفته است. نینگ شو (Ning Xu) از دانشگاه تسینگ‌هوا چین، در ابتدا به عنوان برنده انتخاب شده بود، اما پس از طرح ادعاهایی مبنی بر وجود ناهنجاری‌های ساختاری در ویدئوی وی، تحقیقات رسمی آغاز شد.

بررسی‌ها نشان داد که در ویدئوی ارسالی، ویژگی‌های سلولی به نحوی ظهور و ناپدید می‌شدند که با قوانین زیست‌شناسی سلولی در تضاد بود. همچنین گزارش‌هایی از وجود واترمارک‌های مرتبط با ابزارهای تولید تصویر هوش مصنوعی در فایل‌های منبع به دست آمد. در نهایت، نیکون اعلام کرد که اثر نینگ شو با قوانین مسابقه مطابقت نداشته و او را از جایگاه اول حذف کرد. در نتیجه، جایگاه نخست به Nguyen Nam Nhat از ویتنام واگذار شد که ویدئویی خیره‌کننده از تعامل یک کرم گرد (Roundworm) با یک موجود تک‌سلولی ثبت کرده بود.

پاسخ نینگ شو و چالش‌های پردازش تصویر

نینگ شو در دفاع از خود اذعان کرد که از هوش مصنوعی صرفاً برای «تمایز و بصری‌سازی ویژگی‌ها در تصاویر بازسازی‌شده خاکستری» استفاده کرده است، اما قویاً استفاده از AI برای تولید کلیت ویدئو یا شبیه‌سازی حرکت مژک‌ها (Cilia) را رد کرد. این موضوع شکاف عمیقی را در جامعه علمی میان «بهینه‌سازی تصاویر» و «تولید محتوای مصنوعی» باز کرده است. ابزارهای مدرن بازسازی تصویر (Reconstruction tools) که بر پایه شبکه‌های عصبی عمیق کار می‌کنند، می‌توانند جزئیاتی را که در مرز نویز و سیگنال قرار دارند بازیابی کنند، اما مرز میان «بازیابی داده‌های واقعی» و «توهم هوش مصنوعی» بسیار باریک است.

اهمیت اصالت در مستندات میکروسکوپی

در رقابت‌های علمی، اصالت تصویر هم‌ارز با اصالت داده‌های آزمایشگاهی است. در میکروسکوپی مدرن، ابزارهایی مانند Nikon Small World نیازمند پایبندی به اصول اخلاق علمی هستند تا نتایج، قابل استناد باقی بمانند. ناهنجاری‌های مشاهده شده در ویدئوی نینگ شو (ناپدید شدن ناگهانی ساختارهای سلولی) زنگ خطری برای داوران مسابقات علمی است که نشان می‌دهد حتی تکنیک‌های اصلاحی هوش مصنوعی اگر تحت نظارت سخت‌گیرانه نباشند، می‌توانند واقعیت بیولوژیکی را مخدوش کنند.

این رویداد نشان می‌دهد که در سال ۱۴۰۵، ابزارهای Python و کتابخانه‌های یادگیری ماشین که در پردازش تصاویر علمی استفاده می‌شوند، باید با پروتکل‌های شفاف‌سازی همراه باشند تا از انحراف در ثبت وقایع طبیعی جلوگیری شود.