В апреле 2026 года взгляды многих людей приковала к себе фотография Земли, сияющей в глубоком космосе, на фоне испещренного кратерами лунного горизонта. Снимок был сделан астронавтами миссии «Артемида II», и, подобно знаменитому «Восходу Земли» с «Аполлона-8», это изображение мгновенно показалось публике подлинным и вдохновляющим.
Но когда практически любой человек способен за считанные секунды создать визуально неотличимое изображение с помощью текстовой команды для искусственного интеллекта, как люди решают, какой снимок настоящий?
Распространение созданных ИИ научных картинок в публичном пространстве — это не просто проблема дезинформации. Как исследователь, изучающий визуальную научную коммуникацию и общественное доверие, я убеждена, что это также способствует кризису доверия к науке в эпоху ИИ, а инструменты, на которые ученые долгое время полагались для установления визуальной достоверности, теряют свою силу.
Созданные ИИ изображения проникают в науку
Инструменты на базе ИИ уже меняют способы создания, распространения и популяризации научных визуальных материалов. Исследователи используют их для генерации иллюстраций, синтеза данных, редактирования лабораторных снимков и производства материалов для образования и работы с общественностью. И хотя ИИ помогает ученым более творчески и эффективно объяснять сложные идеи, эти же инструменты стирают грань между иллюстрацией, улучшением качества и прямой фабрикацией.
В 2024 году были отозваны две научные статьи после публикации в них сгенерированных ИИ иллюстраций, содержащих биологически невозможные структуры. В апреле 2026 года Медицинский журнал Новой Англии отозвал статью, обнаружив, что клиническое изображение было изменено нейросетью. И это лишь случаи, которые привлекли массовое общественное внимание; скорее всего, это лишь верхушка айсберга. Исследователи предупреждают, что сгенерированные ИИ визуальные материалы представляют растущую угрозу в областях, сильно зависящих от визуальных доказательств, таких как материаловедение.
Академические издательства начинают внедрять инструменты обнаружения ИИ. Однако системы, призванные выявлять поддельные изображения, почти всегда будут отставать от систем, создающих их. Многие детекторы способны распознавать лишь те шаблоны, на которых их обучали. С появлением новых моделей ИИ разработчикам приходится постоянно добывать свежие данные и переобучать детекторы, чтобы не отстать. Но самую большую проблему представляют реалистично выглядящие визуальные материалы, которые незаметно искажают научные детали, оставаясь при этом достаточно правдоподобными, чтобы пройти первоначальную проверку.
Доверие к научным изображениям
Десятилетиями научные изображения обладали авторитетом отчасти потому, что их было трудно создать. Для получения микрофотографий, климатических графиков и снимков космоса требовалось дорогостоящее оборудование, институциональные ресурсы и специальные знания. Большинство людей считали такие изображения отражением истинных наблюдений, потому что мало кто мог их изготовить.
Исследования в области научной коммуникации, включая мои собственные, показывают, что люди судят о научных визуальных материалах, используя несколько ментальных shortcuts («коротких путей»). Выглядит ли изображение технически сложным? Исходит ли оно от организации, которой я доверяю? Соответствует ли оно тому, во что я уже верю? Генеративный ИИ подрывает все три эти эвристики. Теперь любой желающий может создать безупречную, наукообразную картинку по текстовому запросу. К тому же, циркулируя в интернете, изображения отрываются от своего первоисточника.
Когда визуальное качество и принадлежность к институту становятся ненадежными критериями для оценки достоверности научных снимков, люди склонны прибегать к иному способу — собственным устоявшимся убеждениям. В результате подлинные научные изображения, бросающие вызов чьим-то взглядам, теперь могут отвергаться как «созданные ИИ», тогда как сфабрикованные картинки, подтверждающие эти убеждения, легко принимаются за доказательство. Таким образом ИИ способен усиливать мотивированное мышление — склонность людей принимать то, с чем они уже согласны, и подвергать сомнению то, с чем не согласны.
Этот сдвиг имеет значение, поскольку визуальные образы долгое время служили доказательством научных утверждений. Неспециалисты полагаются на изображения не только чтобы увидеть, что открыли ученые, но и чтобы установить эмоциональную связь и воспринять достоверность представленной науки. Если аудитория совсем перестанет доверять визуальным доказательствам, наука лишится одного из своих самых мощных инструментов публичной коммуникации.
Прозрачность, а не запреты
Инструменты ИИ предлагают реальные преимущества для исследователей, рассказывающих о своей работе широкой аудитории. Задача в том, чтобы использовать их, не перенося незаметно дефицит доверия к ИИ на саму науку, которую эти изображения призваны донести. Один из практических путей — относиться к провенансу изображения (его происхождению и способу создания) с той же серьезностью, которая уже применяется к провенансу данных.
Ученые и так обычно раскрывают источники финансирования, методологию и конфликты интересов. Теперь аналогичные стандарты могут потребоваться и для научных изображений. Использовался ли ИИ для создания или модификации этого снимка? Это прямое наблюдение, симуляция или иллюстрация? Что конкретно представляет изображение и как оно было верифицировано? Может ли оно быть воспроизведено другими исследователями? Мы с коллегами выяснили, что знакомство людей с ИИ существенно влияет на оценку ими достоверности сгенерированных изображений. Те, кто был знаком с инструментарием, чаще рассматривали раскрытие информации об ИИ как признак прозрачности, а некоторые даже оценивали четко промаркированный ИИ-контент как более заслуживающий доверия, чем немаркированный.
Прозрачность дает аудитории необходимый контекст для оценки, но, возможно, не разрешит каждый спор о том, как были сделаны изображения. Ответственное использование научных изображений, созданных ИИ, потребует честности, соблюдения профессиональных норм и коллективной разработки научно обоснованных стандартов во всех дисциплинах.
Почему подлинные изображения остаются сильными
Оригинальная фотография «Восход Земли» с «Аполлона-8» 1968 года обладает колоссальным эмоциональным воздействием. Как и снимки «Артемиды II» 2026 года. Их значимость не только в красоте. Она — в прослеживаемой связи с научной реальностью. Когда люди смотрят на эти фотографии планет, они также знают, что за снимками стоят астронавты, физические камеры, задокументированные миссии и проверяемые наблюдения. В этом смысле подлинность — это задокументированная связь между изображением и миром.
В эпоху генеративного ИИ научные институты больше не могут предполагать, что аудитория будет автоматически доверять их визуальным материалам. Теперь доверие зависит от прозрачности, документации и четкого информирования о том, как были получены визуальные доказательства. Без руководящих принципов и стандартов наука рискует войти в мир, где любое изображение может быть поставлено под сомнение, и ни одно из них не будет обладать врожденной достоверностью.
Источники:
-
NASA / Artemis II Mission Imagery (2026).
-
Retraction Watch Database (2024, 2026).
-
New England Journal of Medicine, Editorial Retraction Notice (April, 2026).
-
Исследования автора в области визуальной научной коммуникации и общественного доверия к ИИ-контенту.
Ваш комментарий