Когда снимку Земли больше не верят: как ИИ разрушает доверие к научным изображениям

Фотография Земли, светящейся в глубоком космосе, с кратерированным горизонтом Луны, протянувшимся на переднем плане, привлекла внимание многих в апреле 2026 года. Астронавты сделали этот снимок на борту миссии NASA Artemis II, и, подобно знаменитому снимку «Восход Земли» с «Аполлона-8», изображение мгновенно показалось людям подлинным и вдохновляющим.

Но когда практически любой желающий способен за секунды создать визуально похожее изображение по текстовому запросу с помощью искусственного интеллекта, как людям решить, какой снимок настоящий?

Распространение созданных ИИ научных изображений в публичном пространстве — это не просто проблема дезинформации. Как исследователь, изучающий визуальную научную коммуникацию и общественное доверие, я полагаю, что это также усугубляет кризис доверия к науке в эпоху ИИ, а инструменты, на которые учёные долгое время полагались для установления визуальной достоверности, теряют свою силу.

ИИ проникает в науку

Инструменты искусственного интеллекта уже меняют то, как создаются, распространяются и популяризируются научные визуальные материалы. Исследователи используют их для создания иллюстраций, генерации синтетических данных, редактирования лабораторных снимков и производства материалов для образования и публичной презентации.

Хотя ИИ помогает учёным доносить сложные идеи более творчески и эффективно, эти же инструменты стирают границы между иллюстрацией, улучшением и фабрикацией. В 2024 году две статьи были отозваны после публикации сгенерированных ИИ рисунков, содержавших биологически невозможные структуры. В апреле 2026 года Медицинский журнал Новой Англии отозвал публикацию, обнаружив, что клиническое изображение было изменено с помощью ИИ. Это лишь случаи, привлёкшие массовое общественное внимание, и, вероятно, лишь верхушка айсберга. Исследователи предупреждали, что созданные ИИ визуальные материалы представляют растущую угрозу в областях, сильно зависящих от визуальных доказательств, таких как материаловедение.

Академические издатели начинают внедрять инструменты обнаружения ИИ. Однако системы, предназначенные для выявления поддельных изображений, почти всегда будут отставать от систем, предназначенных для их создания. Многие детекторы способны опознавать лишь те шаблоны изображений, на распознавание которых их обучали. С появлением новых моделей ИИ разработчикам приходится постоянно получать новые данные и переучивать детекторы, чтобы не отставать.

Самое большое беспокойство вызывают реалистично выглядящие визуальные материалы, которые тонко искажают научные детали, оставаясь при этом достаточно правдоподобными, чтобы пройти первичную проверку.

Почему мы верили научным снимкам

Десятилетиями научные изображения обладали авторитетом отчасти потому, что их было трудно создать. Для получения микроскопических снимков, климатических графиков и космических фотографий требовалось дорогостоящее оборудование, институциональные ресурсы и специализированная экспертиза. Большинство людей предполагали, что такие изображения отражают подлинные наблюдения, потому что сделать их могли очень немногие.

Исследования в области научной коммуникации, включая мои собственные, показывают, что люди оценивают научные визуальные материалы с помощью нескольких ментальных shortcuts, или когнитивных упрощений. Выглядит ли изображение технически сложным? Исходит ли оно из надёжного института? Соответствует ли оно тому, во что я уже верю? Генеративный ИИ подрывает все три эвристики.

Сегодня любой может создать отполированное, наукообразное изображение по текстовому запросу. К тому же при циркуляции в интернете изображения отрываются от своего первоисточника. Когда визуальное качество и институциональная принадлежность становятся ненадёжными ориентирами для суждения о достоверности научных образов, люди склонны опираться на нечто иное: собственные предшествующие убеждения.

В результате подлинные научные снимки, бросающие вызов существующим взглядам человека, теперь могут отвергаться как созданные ИИ, тогда как сфабрикованные изображения, подтверждающие их, легко принимаются за доказательство. Таким образом, ИИ способен усиливать мотивированное мышление — склонность людей принимать то, с чем они уже согласны, и подвергать сомнению то, с чем они не согласны.

Этот сдвиг имеет значение, потому что визуальные образы долгое время служили доказательством научных утверждений. Неспециализированная аудитория полагается на изображения не только для того, чтобы увидеть, что учёные открыли, но и чтобы установить эмоциональную связь и ощутить достоверность представляемой науки. Если аудитория вообще перестанет доверять визуальным доказательствам, наука потеряет один из самых мощных инструментов публичной коммуникации.

Прозрачность, а не ограничения

Инструменты ИИ предлагают реальные преимущества для исследователей, доносящих свою работу до разнообразной аудитории. Задача — использовать эти инструменты, незаметно не перенося дефицит доверия к ИИ на саму науку, которую эти изображения призваны отражать.

Один из практических путей вперёд — чтобы исследователи относились к происхождению изображения — откуда оно взялось и как было создано — с той же серьёзностью, с какой они уже относятся к происхождению данных. Учёные routinely раскрывают источники финансирования, методологию исследований и конфликты интересов. Теперь аналогичные стандарты могут потребоваться и для научных изображений. Использовался ли ИИ для создания или изменения этого изображения? Является ли оно прямым наблюдением, симуляцией или иллюстрацией? Что именно оно отображает и как это было проверено? Может ли оно быть воспроизведено другими исследователями?

Мы с коллегами обнаружили, что знакомство людей с ИИ значительно формирует то, как они оценивают достоверность созданных ИИ визуальных материалов. Те, кто был знаком с инструментами ИИ, с большей вероятностью воспринимали раскрытие информации об ИИ как признак прозрачности, а некоторые оценивали явно маркированный контент, созданный ИИ, как более заслуживающий доверия, чем немаркированный.

Прозрачность даёт аудитории необходимый контекст, чтобы оценить то, что они видят, но она, возможно, не разрешит все споры о том, как создаются изображения. Ответственное использование созданных ИИ научных изображений потребует честности, соблюдения профессиональных норм и коллективной выработки научно обоснованных стандартов в разных областях.

Почему подлинные снимки сохраняют силу

Оригинальная фотография «Восход Земли» с «Аполлона-8» 1968 года несёт значительный эмоциональный заряд. Как и снимки Artemis II 2026 года.

Значимыми их делает не просто красота. Это их прослеживаемая связь с научной реальностью. Когда люди смотрят на эти фотографии планет, они также знают, что за изображениями стоят астронавты, физические камеры, задокументированные миссии и проверяемые наблюдения. В этом смысле подлинность — это задокументированная связь между изображением и миром.

В эпоху генеративного ИИ научные институты больше не могут предполагать, что аудитория автоматически будет доверять их визуальным материалам. Доверие теперь зависит от прозрачности, документации и ясной коммуникации о том, как производятся визуальные доказательства.

Без руководящих принципов и стандартов наука рискует войти в мир, где каждое изображение может быть поставлено под сомнение и ни одно изображение не обладает изначальным авторитетом.

Источники:
Публикация в The Conversation (перепечатано под лицензией Creative Commons); данные об отзыве статей с AI-изображениями (2024–2026 годы); твит о ретракции в New England Journal of Medicine (2 мая 2026 года); фотография Artemis II (NASA); исторический снимок «Восход Земли» (Apollo 8, 1968).