AI年代科研視覺化：MIT專家教你分真假，咪做科學盲！

3個問題：在人工智能時代視覺化研究

Felice Frankel 討論生成性人工智能在視覺傳達科學時的影響。

在過去30多年裡，科學攝影師 Felice Frankel 一直幫助麻省理工學院的教授、研究人員和學生以視覺方式傳達他們的工作。在這段時間內，她見證了各種工具的發展，這些工具支持創造引人注目的圖像：有些是有幫助的，有些則與產生可信和完整的研究表達相悖。在最近發表於《自然》雜誌的一篇意見文章中，Frankel 討論了生成性人工智能（GenAI）在圖像中的迅速使用，以及它對傳達研究所帶來的挑戰和影響。她也從個人角度質疑，科學攝影師在研究社群中是否仍有一席之地。

Q: 你提到一旦拍攝照片，圖像就可以被視為“操控”。你曾經對自己的圖像進行過操控，以創造更成功地傳達所需信息的視覺效果。可接受的操控和不可接受的操控之間的界限在哪裡？

A: 從廣義上講，對於如何構圖和結構圖像內容的決定，以及使用哪些工具來創造圖像，已經是一種現實的操控。我們需要記住，圖像僅僅是事物的表現，而不是事物本身。在創建圖像時必須做出決策。關鍵問題是不要操控數據，而在大多數圖像中，數據是結構。例如，對於我之前創作的一幅圖像，我數字刪除了培養皿，以突出酵母菌落的驚人形態。圖像中的數據是菌落的形態。我並沒有操控這些數據。然而，我總是會在文本中指出我是否對圖像做過任何處理。我在我的手冊《視覺元素，攝影》中討論了圖像增強的理念。

Q: 研究人員可以做些什麼來確保他們的研究正確且道德地傳達？

A: 隨著人工智能的興起，我看到關於視覺表現的三個主要問題：插圖和文檔之間的區別、數字操控的倫理，以及研究人員繼續需要在視覺傳達方面接受培訓。多年來，我一直試圖為當前和未來的科學和工程研究人員開發一個視覺素養計劃。麻省理工學院有一個主要針對寫作的溝通要求，但視覺部分又如何呢？我敢打賭，大多數科學文章的讀者在閱讀摘要後會直接查看圖表。

我們需要要求學生學會批判性地查看已發表的圖表或圖像，並判斷其中是否有不正常的地方。我們需要討論“推動”圖像以達到某種預定效果的倫理。我在文章中提到過一個事件，一位學生在沒有詢問我的情況下，修改了我的一幅圖像，以符合他想要的視覺傳達。我當然不允許這樣的行為，並對這種修改的倫理問題感到失望。我們至少需要在校園內展開對話，甚至更好的是，創建一個視覺素養要求，與寫作要求一起。

Q: 生成性人工智能不會消失。你認為未來的科學視覺傳達會是怎樣的？

A: 在《自然》文章中，我決定用例子來質疑使用人工智能生成圖像的方式。我使用了一個擴散模型，創建了一個圖像，使用以下提示：

“創建一張顯示 Moungi Bawendi 的納米晶體在黑色背景下的試管照片，根據其大小在紫外光激發下發出不同波長的螢光。”

我的人工智能實驗的結果往往是卡通風格的圖像，幾乎無法被視為現實——更不用說作為文檔了——但將來會有這樣的時候。在與研究和計算機科學社區的同事交談中，大家一致認為我們應該有明確的標準，明確什麼是允許的，什麼是不允許的。最重要的是，生成的人工智能視覺永遠不應該被當作文檔。

但人工智能生成的視覺確實會在插圖方面有用。如果一幅人工智能生成的視覺要提交給期刊（或者說在演示中展示），我認為研究人員必須：

– 清楚標示圖像是否由人工智能模型創建；
– 指明使用的模型；
– 包括使用的提示；
– 包括幫助提示的圖像（如果有的話）。

在這篇文章中，Frankel 不僅僅是在探討科技的進步，更是在呼籲學術界對於圖像的倫理使用進行更深入的思考。隨著科技的發展，如何保持學術表達的真實性和可信性，將成為未來研究者必須面對的挑戰。這不僅是技術上的問題，更是對於學術誠信和科學傳播的重要考量。

以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。