به گزارش ایسنا، پژوهشگران می‌گویند ویدئوی برنده مسابقه دنیای کوچک متحرک (Small World in Motion) امسال، ساختارهایی را نشان می‌دهد که از نظر زیستی امکان‌پذیر به نظر نمی‌رسند و ممکن است توسط یک ابزار هوش مصنوعی «توهم‌سازی» شده باشند.

به نقل از نیچر، ملانی وایت زیست شناس تکوینی در دانشگاه کوئینزلند در بریزبن استرالیا می‌گوید: تصاویر علمی صرفا تصویرسازی نیستند. آن‌ها داده هستند و باید بتوانیم اطمینان داشته باشیم چیزی که می‌بینیم، بر پایه اندازه‌گیری‌های واقعی و داده‌های زیربنایی قرار دارد.

مارکس زاوئر، پژوهشگر حوزه میکروسکوپی با وضوح فوق‌العاده در دانشگاه وورتسبورگ آلمان، می‌گوید استفاده از ابزارهای هوش مصنوعی برای نمایش تصاویری که داده‌های آزمایشی را نشان می‌دهند، لزوما مشکل‌ساز نیست. به گفته او، زمانی این موضوع به مشکل تبدیل می‌شود که تصاویر یا ویدئوهای تولیدشده یا تغییر داده‌شده با هوش مصنوعی، یافته‌های آزمایشی را نادرست نشان دهند، اغراق کنند یا تغییر دهند.

برنده مسابقه

در ۱۵ سپتامبر، نینگ شو (Ning Xu)، مهندس اپتیک در دانشگاه ملی سنگاپور، به‌عنوان برنده مسابقه سالانه‌ای معرفی شد که توسط Nikon Instruments برگزار می‌شود و ویدئوهای گرفته‌شده با استفاده از میکروسکوپ نوری را به نمایش می‌گذارد.

اثر شو حرکت ساختارهای موشکل موسوم به مژک‌ها (cilia) را نشان می‌دهد که بخش‌هایی از ریه را می‌پوشانند. نمونه بافت از کودکی مبتلا به یک اختلال ژنتیکی نادر به نام دیسکینزی مژگانی اولیه (Primary Ciliary Dyskinesia) گرفته شده است؛ بیماری‌ که موجب عفونت‌های مزمن ریه، سینوس‌ها و گوش می‌شود.

در این ویدئو، مژک‌ها روی ساختارهایی به رنگ قرمز، بنفش و آبی قرار گرفته‌اند، اما در مطلب وبلاگی وب‌سایت مسابقه درباره شو و ویدئوی او، توضیحی درباره ماهیت این ساختارها ارائه نشده است.

چند روز پس از اعلام برنده، متخصصان میکروسکوپی در شبکه‌های اجتماعی شروع به زیر سؤال بردن دقت این ویدئو کردند.

ادوارد فلپس، پژوهشگر مهندسی زیستی در دانشگاه فلوریدا در گینزویل، در شبکه اجتماعی لینکدین نوشت: ساختارهای بنفش شبیه میتوکندری هستند، اما چنین ساختار زیر اپی‌تلیالی متشکل از میتوکندری‌های خارج‌سلولی با اندازه‌ای مشابه هسته سلول‌ها، در زیست‌شناسی وجود ندارد.

او همچنین گفت اگرچه ساختارهای آبی از نظر ظاهری شبیه هسته سلول هستند، اما رفتاری مانند هسته‌ها ندارند. او اضافه کرد که مشخص نیست رنگ قرمز قرار است نشان‌دهنده چه چیزی باشد.

در ۲۲ سپتامبر، شرکت Nikon Instruments مطلب وبلاگی مربوط به اثر شو را به‌روزرسانی کرد و در آن توضیح داد که او برای کمک به فرایند پس‌پردازش (post-processing) از یک مدل هوش مصنوعی بدون نظارت (unsupervised) استفاده کرده است.

شو به درخواست نیچر برای اظهارنظر درباره پرسش‌های پژوهشگران در مورد صحت زیستی ویدئوی خود پاسخ نداد. اما در واکنش به نگرانی‌هایی که در لینکدین مطرح شده بود، نوشت تیم او از پس‌پردازش برای بهبود نمایش بصری نواحی زیر مژک‌ها استفاده کرده است، بدون اینکه درباره ماهیت آن ساختارهای پردازش‌ شده ادعای آناتومیکی داشته باشد.

شو نوشت که هوش مصنوعی برای تولید فیلم آزمایشی، مژک‌ها یا حرکت آن‌ها استفاده نشده است. او توضیح داد: هوش مصنوعی پس از آن، روی داده‌های بازسازی‌شده خاکستری اعمال شد تا ساختارهایی با شکل مشابه از یکدیگر متمایز و رنگ‌آمیزی شوند.

او همچنین نوشت این ویدئو برای مسابقه‌ای آماده شده بود که زیبایی میکروسکوپی را جشن می‌گیرد؛ بنابراین می‌خواستیم ارائه نهایی علاوه بر جذابیت بصری، از نظر علمی نیز جالب باشد.

آیا تصویر واقعاً بازنمایی دقیقی از داده‌هاست؟

وایت می‌گوید مشخص نیست این ویدئو تا چه اندازه اطلاعات ثبت شده توسط میکروسکوپ را به‌ طور دقیق بازنمایی کرده است. به گفته او، این احتمال وجود دارد که ابزار هوش مصنوعی ساختارهای زیستی‌ را به تصویر اضافه کرده باشد که در واقع در داده‌های اصلی وجود ندارند.

زاوئر می‌گوید تصاویر تولید شده با هوش مصنوعی معمولا زیست‌شناسی پیچیده را ساده می‌کنند و این موضوع می‌تواند این تصور را ایجاد کند که یک سازوکار زیستی خاص کاملا شناخته و درک شده است، در حالی که داده‌های زیربنایی ممکن است همچنان مبهم باشند.

وایت می‌گوید شو باید ویدئوی اصلی و پردازش نشده‌ میکروسکوپی را همراه با توضیحی درباره نحوه پردازش آن و چگونگی استفاده از ابزار هوش مصنوعی منتشر کند.

او اضافه می‌کند: اگر داده‌های اصلی نشان دهند که فیلم نهایی به‌طور دقیق اطلاعات زیستی ثبت شده را بازنمایی می‌کند، این موضوع باید بسیاری از نگرانی‌ها را برطرف کند.

سخنگوی Nikon Small World گفت این شرکت در حال بازبینی اطلاعات ارائه‌شده درباره این تصویر در جریان فرایند «ارزیابی اولیه» است.

او افزود: دکتر نینگ شو با احترام در حال همکاری با این فرایند است و مستندات فنی دقیقی درباره تجهیزات میکروسکوپی، روش‌های تصویربرداری و تکنیک‌های پردازشی مورد استفاده برای تولید ویدئوی اصلی ارائه کرده است.

وایت می‌گوید پژوهشگران بیش از گذشته از ابزارهای هوش مصنوعی برای استخراج اطلاعات از مجموعه داده‌های پیچیده استفاده می‌کنند و باید به روشنی مشخص کنند کدام اطلاعات از داده‌های واقعی به دست آمده و کدام بخش توسط هوش مصنوعی تولید شده است؛ به‌ ویژه اکنون که مدل‌های هوش مصنوعی روزبه‌روز پیشرفته‌تر می‌شوند.