Чёрно-белые изображения кластеров, похожих на помпоны, полупрозрачные поля крошечных тёмно-серых звёздочек на бледном фоне и бесчисленные другие абстрактные узоры — привычное зрелище в научных статьях, описывающих формы и свойства новых инженерных материалов.
Когда на исследовательских изображениях показаны частицы, напоминающие вспученный попкорн или идеально гладкие «Тик-таки», это может не вызвать у нас подозрений об искусственном происхождении, но исследователи в [недавнем исследовании](https://www.nature.com/articles/s41565-025-02009-9) предостерегают от этого.
Микроскопические изображения незаменимы в науке о наноматериалах
Микроскопические изображения незаменимы в науке о наноматериалах, поскольку они раскрывают скрытые сложности и удивительные формы, которые принимают крошечные частицы, кажущиеся невооружённому глазу просто пылью.
Учёные опасаются, что генеративный искусственный интеллект снижает значимость этих изображений, загрязняя пул поддельными фотографиями, созданными ИИ, которые неотличимы от настоящих. Даже опытным исследователям становится всё труднее различать настоящие [микроскопические изображения](https://phys.org/tags/microscopy+images/) наноматериалов и изображения, созданные ИИ.
В исследовании, опубликованном в Nature Nanotechnology, эксперты смогли правильно идентифицировать настоящие и поддельные изображения только в 40–51% случаев по четырём из шести пар изображений, не обнаружив существенной разницы в своей способности их различать.
Угроза поддельных микроскопических изображений в науке о наноматериалах
Исследователи из пяти разных стран объединили усилия, чтобы разработать исследование, в котором изучалась угроза поддельных микроскопических изображений, созданных ИИ, в науке о наноматериалах. Они продемонстрировали, как размытие границ между реальным и созданным угрожает основам научной честности.
Используя подлинные микроскопические данные, они обучили платформу генерации изображений getimg.ai менее чем за час и создали поддельные изображения, которые были очень похожи на экспериментальные результаты. Они включали шесть различных микроскопических методов, таких как [просвечивающая электронная микроскопия](https://phys.org/tags/transmission+electron+microscopy/) (ПЭМ), [атомно-силовая микроскопия](https://phys.org/tags/atomic+force+microscopy/) (АСМ), сканирующая просвечивающая электронная микроскопия (СПЭМ) и другие.
Чтобы проверить, насколько убедительными были эти изображения, команда провела анонимный опрос среди более чем 250 учёных. Каждому участнику была представлена либо подлинная, либо созданная ИИ версия изображений, и их просили решить, является ли изображение настоящим, поддельным или они не уверены. Когда дело дошло до того, чтобы отличить настоящее от поддельного, их экспертиза была точной только в половине случаев.
Исследователи отмечают, что эта закономерность добавляет ещё один уровень сложности в уже запутанную систему публикации, подрывая надёжность рецензирования и доверие общественности к нанонауке.
Решение проблемы
Чтобы преодолеть эту проблему, они призвали к использованию упрощённой структуры хранения данных, называемой подходом Minimal Arrangement of Instrument Files (MAIF), где каждая рукопись будет иметь одну основную папку с подпапками для каждой фигуры, а каждая подпапка будет содержать исходные файлы приборов для этой фигуры.
Команда признаёт, что возможности ИИ впечатляют, поскольку традиционные методы обнаружения подделок терпят неудачу, а ИИ продолжает совершенствоваться. Однако рассматривать ИИ исключительно как угрозу для научной честности не стоит.
Вместо того чтобы рассматривать ИИ исключительно как опасность, авторы призывают к прозрачному и дальновидному диалогу в сообществе специалистов по наноматериалам. Признание как рисков, так и потенциала может дать научному сообществу возможность установить чёткие стандарты и гарантии.
© 2025 Science X Network
Больше материалов по [материаловедению и химической инженерии](https://www.physicsforums.com/forums/materials-and-chemical-engineering.105/)