
在醫學研究領域,圖像是證據的重要載體。顯微鏡下的組織切片、細胞排列、染色情況,這些看似枯燥的視覺信息背后,往往隱藏著醫學突破的關鍵線索。然而,當人工智能能夠“憑空”生成幾乎可以亂真的組織學圖像時,這些圖像的真實性便不再理所當然。
根據德國耶拿大學醫院的研究人員在《自然》雜志發表的一項實驗結果,科學界或許已經步入一個“假圖像時代”。他們讓816名德國大學生分別判斷哪些組織學圖像是真實的,哪些是AI生成的。結果顯示,即使是有相關經驗的學生,也只有70%的正確識別率;而對于毫無醫學圖像經驗的參與者來說,識別準確率僅略高于擲硬幣的概率——55%。
研究的共同作者之一、腎臟病專家拉爾夫·姆羅卡(RalfMrowka)對此表示震驚:“只需要花費很少的功夫,我們就可以生成足以以假亂真的組織學圖像。”他的這番話直指問題的本質:偽造的門檻正在迅速降低,而識別的門檻卻不斷升高。
這對攝影提出了一個根本性挑戰。傳統攝影、科學攝影,甚至新聞攝影的價值建立在圖像作為現實記錄的能力之上。但當一張圖像無須任何現實存在便可生成,并且以幾乎無法察覺的方式進入學術論文甚至數據庫,其所承載的“可信度”就變得岌岌可危。
在當前階段,已有的圖像篡改檢測技術主要集中于識別復制、粘貼或圖像拼接等人工修改行為。然而,對于從零生成的AI圖像——尤其是高質量、具備高度醫學特征的圖像——這些檢測手段幾乎無效。
為了應對這一風險,姆羅卡和其研究團隊提出了多項應對建議,其中之一是提高學術期刊的圖像提交門檻。例如,要求作者一并提交所有原始圖像數據和實驗過程記錄,以便驗證圖像的真實性。另一位研究合作者、神經學家簡·哈同(JanHartung)指出,如果每一個實驗圖像必須原始上傳,甚至可追溯到生成源,那么發表偽造數據的門檻將顯著上升。
這正是攝影與科學研究的一大共通點:信任建立在“原始性”的基礎上。無論是暗房時代的一張底片,還是如今科研實驗室中帶有時間戳的數字圖像,可信度的核心始終是可追溯性。
因此,數字實驗室筆記本也成為研究者推薦的新解決方案。它能通過內置時間戳功能記錄數據生成的全過程,確保圖像“出生”的真實性。這種“數字底片”或許將成為未來科研圖像的新標準。
與此同時,更多技術方案也正在被考慮,比如區塊鏈技術的引入。天普大學的生物學家恩里科·布奇(EnricoBucci)便開發了一款圖像篡改檢測軟件,并強烈建議科研領域采用區塊鏈技術來追蹤圖像的“生命周期”——從拍攝到編輯、上傳再到使用,每一個步驟都有明確記錄,從而最大限度保障圖像的可信性。
“你可以追蹤圖像的來源、涉及的人員以及圖像處理的每個步驟,”布奇說,“這樣你就可以驗證圖像自生成以來發生了什么。”換言之,科學圖像也需要一套類似攝影作品的“元數據檔案”。
但問題在于,科學出版商是否愿意在大規模層面采納這些工具。“這絕對是一個多方面的問題,”哈同坦言,“不僅僅是技術門檻,還有學術倫理、成本考量以及全球出版體系之間的標準差異。”
在這里,我們不難看到一個新的“攝影倫理議題”的雛形正在科研領域醞釀:當生成圖像與真實圖像無從分辨之際,我們如何重建“可信圖像”的體系?而攝影——這個起源于科學實驗室的媒介,是否也需要在自身內部進行一次關于“真實性”的倫理反思?
回顧攝影史,這并非第一次危機。從攝影術初創時期關于“照相能否忠實記錄現實”的爭議,到數碼攝影普及后圖像篡改的合法性討論,再到如今AI圖像生成技術帶來的“現實解構”挑戰,攝影始終處于“真假之間”的震蕩帶。而醫學圖像作為攝影在專業科學領域的重要分支,如今正首當其沖地遭遇這場人工智能浪潮的沖擊。
或許,我們不能完全阻止技術的發展,但我們可以重新審視圖像的價值體系。正如攝影師會珍視底片、保留拍攝元數據、維護圖像的拍攝流程透明,科學圖像的“可信機制”也需要從源頭構建起相似的信任鏈條。
而對于每一位從事攝影、熱愛圖像的讀者來說,這不僅是科研領域的問題,也關系到我們如何看待圖像與真實、圖像與權力、圖像與知識之間的關系。
在AI技術能夠輕松造假之際,圖像的意義已不再是“它是否真實”,而是“我們如何驗證它的真實”。這場技術與倫理的較量,注定不會在短期內落幕。但正如每一次攝影危機所帶來的反思與進化,我們或許正站在新一輪圖像革命的起點。