I over tre tiår har vitenskapsfotograf Felice Frankel støttet MITs fakultet, forskere og studenter i å kommunisere arbeidet sitt visuelt. Gjennom denne tiden har hun vært vitne til fremveksten av ulike verktøy - noen gunstige, andre skadelige - for å lage ærlige representasjoner av forskning. I et nylig meningsinnlegg for *Nature*, tar Frankel opp den økende bruken av generativ kunstig intelligens (GenAI) i bildeproduksjon og dens implikasjoner for forskningskommunikasjon. Hun reflekterer også over den potensielle fremtiden for vitenskapsfotografi innen forskningsmiljøet. **Q: Du har nevnt at bilder kan betraktes som “manipulerte” så snart de er tatt. Hva skiller akseptabel fra uakseptabel manipulering?** **A:** Manipulering begynner med å ramme inn og strukturere innholdet i et bilde, ettersom de valgte verktøyene former virkeligheten. Et bilde fungerer som en representasjon, ikke en nøyaktig gjentakelse. Det er avgjørende å unngå å endre selve dataene. For eksempel, en gang digitalt fjernet jeg en petriskål for å fremheve morfologien til en gjærcellekoloni mens jeg sikret at dataene - morfologien - forble intakt.

Jeg avslører alltid eventuelle endringer jeg gjør i bildene mine, som diskutert i håndboken min, “The Visual Elements, Photography. ” **Q: Hvordan kan forskere etisk og nøyaktig kommunisere funnene sine?** **A:** Med AI's fremkomst dukker det opp tre sentrale bekymringer rundt visuell representasjon: å skille mellom illustrasjon og dokumentasjon, etikken ved digital manipulering og behovet for opplæring i visuell kommunikasjon. Ved MIT, hvor skriving er prioritert, blir visuell forståelse ofte oversett, til tross for at mange lesere først engasjerer seg med figurer i vitenskapelige artikler. Forskere bør være i stand til å kritisk vurdere publiserte bilder, og identifisere mulige avvik. Vi må fremme samtaler om etikken ved bildeendringer - som en student som endret ett av bildene mine uten samtykke for å passe deres narrativ. Det er essensielt å dyrke disse samtalene, og ideelt sett etablere et krav om visuell forståelse i tillegg til skriving. **Q: Hva har fremtiden å tilby for visuell vitenskapskommunikasjon i lys av generativ AI?** **A:** I min *Nature*-artikkel illustrerte jeg utfordringene med AI-genererte bilder ved å lage ett gjennom en diffusjonsmodell ved hjelp av et spesifikt prompt om Moungi Bawendis nano-krysstaller. Resultatene var ofte karikaturaktige og langt fra realistiske, men etter hvert som teknologien utvikler seg, kan dette endre seg. Samtaler innen forskning og datavitenskap fremhever nødvendigheten av klare retningslinjer for akseptable praksiser. Viktig er det at AI-genererte bilder aldri bør erstatte faktisk dokumentasjon, selv om de kan tjene som nyttige illustrasjoner. Forskere må tydelig merke eventuelle AI-genererte bilder som sendes inn til tidsskrifter eller presenteres offentlig.