Durante más de tres décadas, la fotógrafa científica Felice Frankel ha apoyado a la facultad, investigadores y estudiantes del MIT en la comunicación visual de su trabajo. A lo largo de este tiempo, ha sido testigo de la aparición de diversas herramientas—algunas beneficiosas, otras perjudiciales—para crear representaciones honestas de la investigación. En un reciente artículo de opinión para *Nature*, Frankel aborda el aumento del uso de la inteligencia artificial generativa (GenAI) en la creación de imágenes y sus implicaciones para la comunicación de la investigación. También reflexiona sobre el futuro potencial de la fotografía científica dentro de la comunidad investigadora. **P: Has mencionado que las fotos pueden considerarse “manipuladas” tan pronto como se toman. ¿Qué distingue la manipulación aceptable de la inaceptable?** **R:** La manipulación comienza con el enmarcado y la estructuración del contenido de una imagen, ya que las herramientas elegidas moldean la realidad. Una imagen sirve como una representación, no como una replicación exacta. Es crucial evitar alterar los datos en sí. Por ejemplo, una vez removí digitalmente una placa de Petri para enfatizar la morfología de una colonia de levadura, asegurándome de que los datos—la morfología—permanecieran intactos.

Siempre divulgo cualquier cambio que haga en mis imágenes, como se discute en mi manual, “Los Elementos Visuales, Fotografía”. **P: ¿Cómo pueden los investigadores comunicar sus hallazgos de manera ética y precisa?** **R:** Con el auge de la inteligencia artificial, emergen tres preocupaciones centrales sobre la representación visual: distinguir entre ilustración y documentación, la ética de la manipulación digital y la necesidad de capacitación en comunicación visual. En el MIT, donde se prioriza la escritura, la alfabetización visual a menudo se pasa por alto, a pesar de que muchos lectores interactúan directamente con las figuras primero en los artículos científicos. Los investigadores deben estar equipados para evaluar críticamente los visuales publicados, identificando posibles discrepancias. Debemos fomentar discusiones sobre la ética de la alteración de imágenes—como el estudiante que modificó una de mis imágenes sin consentir para ajustarla a su narrativa. Es esencial cultivar estas conversaciones e idealmente establecer un requisito de alfabetización visual junto con la escritura. **P: ¿Qué depara el futuro para la comunicación visual científica a la luz de la inteligencia artificial generativa?** **R:** En mi artículo de *Nature*, ilustré los desafíos de las imágenes generadas por IA creando una a través de un modelo de difusión usando un aviso específico sobre los nano cristales de Moungi Bawendi. Los resultados eran a menudo caricaturescos y lejos de ser realistas, pero a medida que la tecnología avanza, esto podría cambiar. Las conversaciones dentro de las comunidades de investigación y ciencias de la computación destacan la necesidad de directrices claras sobre prácticas aceptables. Es importante que los visuales generados por IA nunca reemplacen la documentación real, aunque pueden servir como ilustraciones útiles. Los investigadores deben etiquetar claramente cualquier imagen generada por IA que se presente a revistas o se muestre públicamente.