Felice Frankel discute las implicaciones de la IA generativa al comunicar la ciencia visualmente.
Durante más de 30 años, la fotógrafa científica Felice Frankel ha ayudado a profesores, investigadores y estudiantes del 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 otras antitéticas al esfuerzo de producir una representación confiable y completa de la investigación. En un artículo de opinión reciente publicado en Naturaleza la revista Frankel discute el uso creciente 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, se pregunta si todavía habrá un lugar para un fotógrafo de ciencias en la comunidad de investigación.
P: Youatve mencionó 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 imagen 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 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 de la cosa misma. Se deben tomar decisiones al crear la imagen. El problema crítico es no 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, Fotografía.”
P: ¿Qué pueden hacer los investigadores para asegurarse de que su investigación se comunique correcta y éticamente?
A: Con el advenimiento de la IA, veo tres temas principales relacionados con la representación visual: la diferencia entre la ilustración y la documentación, la ética en torno a la manipulación digital y la necesidad continua de que los investigadores se capaciten en comunicación visual. Durante años, he estado tratando de desarrollar un programa de alfabetización visual para las clases actuales y futuras de investigadores de ciencia e ingeniería. El MIT tiene un requisito de comunicación que aborda principalmente la escritura, pero ¿qué pasa con lo visual, que ya no es tangencial a la presentación de una revista? Apuesto a que la mayoría de los lectores de artículos científicos van directamente a las figuras, 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 ella. Necesitamos discutir la ética de “nudging” una imagen para mirar de cierta manera predeterminada. Describo en el artículo un incidente cuando un estudiante alteró una de mis imágenes (sin preguntarme) para 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, mejor aún, 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:
“Crea una foto de nano cristales de Moungi Bawendiiks en viales sobre un fondo negro, fluorescentes en diferentes longitudes de onda, dependiendo de su tamaño, cuando se excitan con luz UV.”
Los resultados de mi experimentación con IA a menudo eran imágenes de dibujos animados que apenas podían pasar como realidad — y mucho menos documentación —, pero habrá un momento en que lo serán. En conversaciones con colegas en comunidades de investigación y ciencias de la computación, todos están de acuerdo en que debemos tener estándares claros sobre lo que está y lo que no está permitido. Y lo más importante, nunca se debe permitir un visual GenaI como documentación.
Pero las imágenes generadas por IA, de hecho, serán útiles para fines ilustrativos. Si un visual generado por IA se envía a una revista (o, para el caso, se muestra en una presentación), creo que el investigador DEBE
- etiquetar claramente si una imagen fue creada por un modelo de IA;
- indicar qué modelo se utilizó;
- incluya qué mensaje se utilizó; y
- incluya la imagen, si hay una, que se usó para ayudar al mensaje.
MIT News. M. M. K. Traducido al español
Contacto