ניקון פסלה זוכה בתחרות מיקרוסקופיה אחרי שהתברר שהסרטון נעזר בבינה מלאכותית

הסרטון שזכה במקום הראשון בתחרות Small World in Motion של ניקון נפסל לאחר שהחברה קבעה כי הוא מפר את כללי התחרות בנוגע לשימוש בבינה מלאכותית יוצרת. הסרטון, שהוגש על ידי ד"ר נינג שו (Ning Xu), הציג לכאורה תנועה של ריסונים (cilia), מבנים דמויי שיער זעירים, בדרכי הנשימה של ילד הסובל מ-PCD, מחלה גנטית נדירה הפוגעת בתנועת הריסונים. בעקבות ספקות שעלו ברשת לגבי אותנטיות התיעוד, ניקון פתחה בבדיקה והודיעה בשבוע שעבר על הפסילה.

ההודאה בלינקדאין

בתגובה שפרסם בלינקדאין, הודה ד"ר שו כי נעשה שימוש בשיטה המבוססת על רשת נוירונים בלתי מפוקחת (unsupervised neural-network method) לצורך עיבוד-לאחר (post-processing) בסיוע AI. לדבריו, המטרה הייתה להבחין ולהמחיש מאפיינים בתמונות אפורות שפותחו בטכניקת הדמיה אופטית ברזולוציית-על (super-resolution optical imaging). בניקון הבהירו כי ההחלטה לפסול את הסרטון "אינה צריכה להתפרש כשיפוט של המוניטין המקצועי, התרומות המדעיות או הכוונה של המגיש".

הזוכה החדש ועדכון הכללים

לאחר הפסילה, הסרטון של נגוין נאם נהאט (Nguyen Nam Nhat) תפס את המקום הראשון בדירוג המעודכן של התחרות. הסרטון של ד"ר שו הוסר מאתר ניקון. בחברה הודיעו כי בכוונתם "לבחון מחדש את הכללים ונהלי ההערכה עבור הגשות עתידיות", מהלך שמשקף את הקושי הגובר להבחין בין עיבוד תמונה מדעי לגיטימי לבין יצירת תוכן סינתטי שמשנה את המציאות הנצפית.

קו דק בין עיבוד ליצירה

המקרה מדגים את הבעיה המרכזית שעומדת בפני תחרויות הדמיה מדעית בעידן הנוכחי: הגבול בין שיפור אותות רועשים, פרקטיקה מקובלת וותיקה במיקרוסקופיה, לבין הוספת פרטים שלא נקלטו בחיישן, הולך ומיטשטש. שיטות המבוססות על רשתות נוירונים מסוגלות "להשלים" מידע חסר באופן שנראה משכנע לחלוטין לעין אנושית, אך עלול להציג מבנים שלא קיימים בדגימה המקורית. בניקון בחרו שלא לפרט איזה חלק בדיוק בסרטון נוצר על ידי המודל, והסתפקו בקביעה הכוללת שהכללים הופרו.

תקדים שיחייב את התחום כולו

תחרות Small World in Motion נחשבת לאחת הבמות היוקרתיות להדמיה מדעית בתנועה, והפסילה הפומבית צפויה לאלץ מארגני תחרויות דומות, וגופי פרסום מדעיים, להגדיר מדיניות ברורה יותר לגבי שימוש בכלי AI בתהליך ההדמיה. עד כה, רוב התקנונים התייחסו לעריכה ידנית או לפילטרים קלאסיים; כעת נדרשת התייחסות מפורשת למודלים גנרטיביים שיכולים לייצר פרטים ברמת הפיקסל הבודד.