Japon optik şirketi Nikon, Singapur Ulusal Üniversitesi'nden mühendis Ning Xu'nun 16. Small World in Motion yarışmasında kazanan girişinde yapay zeka kullanılmış olabileceği yönündeki eleştirileri değerlendirmek için işlemi yeniden inceliyor. Xu'nun sunduğu video, kronik bir hastalık olan primer sili displazisine sahip bir çocuğun akciğer dokularında silia hareketini gösteriyor.

Bilim İnsanlarından Yapısal Uyumsuzluk Tespitleri

Florida Üniversitesi'nden biyomühendislik araştırmacısı Edward Phelps, videodaki yapıların biyolojik açıdan imkansız olduğunu iddia etti. Phelps'e göre, mor renkli yapılar mitokondri benzetse de, hücre çekirdekleri ile aynı boyutta ekstrasellüler mitokondrialardan oluşan bu tür bir yapı doğada bulunmamaktadır. Ayrıca mavi nodüller çekirdek gibi görünmesine rağmen çekirdek gibi davranmadığını belirten Phelps, kırmızı renkli yapıların ne olduğu hakkında hiçbir fikri olmadığını söyledi.

Yapay Zeka Üretimini İşaret Eden İmzalar

Southwestern Tıp Merkezi'nden doktora öğrencisi Ian Donovan ise, videonun Google DeepMind'ın öncü olduğu SynthID filigranı taşıdığını tespit etti. Bu tür filigramlar çok sayıda yapay zeka şirketi tarafından benimsenmiş olup, yapay zeka içeriğini tanımlamak için en güvenilir yöntemlerden biri olarak kabul ediliyor. Standart yapay zeka dedektörleri ise genellikle düşük başarı oranları göstermektedir.

Yarışmanın Amacı ve Tartışmacı Konumu

Small World in Motion, ışık mikroskobu fotoğrafçılığının güzelliğini kutlayan bir etkinliktir. Beşinci sırada yer alan katılımcı Patrick Hickey, mikroskopcuların çalışmalarını sergileme imkanının nadiren geldikleri ve bu çalışmaların çoğu zaman çok soyut ve artistik nitelikte olduğunu BBC'ye söyledi. Bilim topluluğunda geçerli yönergeler, renklendirilen örneklerin veya renklendirilmiş görüntülerin kullanılmasına izin vermektedir, ancak bu değişikliklerin açıklanması ve tanımlanması gerekmektedir.

Ne anlama geliyor?

Yapay zeka sistemleri, gerçek verilerden yola çıkarak insan gözüne kanıtlı görünen fakat bilimsel açıdan tutarsız veya imkansız görüntüler üretebilir. Bu tür teknolojiler, mikroskobu görüntüler gibi yüksek derecede teknik ve uzmanlaşmış alanlarda özellikle sorunlu hale gelmektedir. Çünkü bu alanlar, görüntünün doğruluğu ve bilimsel açıdan temeline dayanmasını kritik biçimde gerektirir.

Yarışmalar ve bilimsel yayınlar geleneksel olarak orijinallik ve doğruluk ilkesine dayanır. Görüntü işleme ve sanat kullanımı kabul edilebilirse bile, bu değişikliklerin açık biçimde bildirilmesi gerekir. İçeriğin kaynağının belirsiz olması, bilimsel güven ve akademik integriteyle ilgili sorular oluşturur.

Teknik anlamda, söz konusu filigran sistemleri yapay zeka ürünü içeriğini tanımlamada önemli rol oynamaktadır. Ancak herhangi bir filigran olmadığında, özellikle karmaşık ve profesyonel düzeyde sahte içeriğin gerçekten ayırt edilmesi oldukça zorlashir. Bu durum, müzik, tasarım ve bilimsel araştırma dahil pek çok alanda yeni doğrulama ve sertifikasyon mekanizmalarının geliştirilmesinin gerekliliğini göstermektedir.