AI出現「幻覺」的問題，現在也燒進科學影像！9月30日，《Nature》報導指出，今年全球知名顯微影像競賽Nikon Small World in Motion的首獎作品，因使用AI進行影像後製引發爭議，多名研究人員及顯微影像專家指出，影片中部分結構在生物學上並不合理，AI可能在處理實驗影像時「補出」原始數據中不存在的結構，也引發科學界對AI後製影像能否忠實反映實際量測結果的討論。
 
此次引發爭議的作品，是北京清華大學精密儀器系、現任新加坡國立大學光學工程師徐寧(Ning Xu)利用繞射超解析度顯微技術(diffractive super-resolution microscopy)，呈現一名罹患原發性纖毛運動障礙(primary ciliary dyskinesia, PCD)兒童的呼吸道纖毛運動。
 
PCD是一種罕見遺傳疾病，患者因呼吸道纖毛運動功能異常，影響黏液及病原體的清除，容易反覆出現呼吸道感染，包括肺部、鼻竇及耳部感染。
 

首獎影片爆爭議  專家：部分結構「生物學上不存在」

 
不過，得獎結果公布後不久，多名顯微影像專家開始在社群平台質疑影片的準確性。
 
美國佛羅里達大學(University of Florida)生物工程研究人員Edward Phelps指出，影片中的紫色結構雖然看起來類似粒線體(mitochondria)，但這種位於上皮下方、由細胞外粒線體組成，且大小與細胞核相近的結構，在生物學上並不存在，另外藍色結構外觀看似細胞核，但其表現並不像細胞核；至於紅色染色代表什麼，目前也不清楚。
 
爭議發生後，Nikon Instruments於9月22日更新作品界造，補充說明研究團隊曾使用「非監督式」(unsupervised) AI模型協助進行「後製」(post-processing)。
 
不過，徐寧並未回覆《Nature》針對影片生物學準確性的詢問。他之後在LinkedIn回應相關質疑時表示，團隊利用後製方式強化纖毛下方區域的視覺呈現，但並未宣稱經過處理後呈現出的結構具有特定解剖學意義。
 
徐寧也強調，AI並未用於生成實驗影片本身，也沒有生成纖毛或纖毛的運動，AI是在灰階影像資料完成重建後才導入，用來區分並為形態相似的結構上色。
 
他表示，由於這部影片是為一項展現顯微影像之美的競賽所準備，因此團隊希望最終作品能在視覺上更具吸引力。
 

AI後製有沒有「加料」? 科學影像可信度掀討論

 
不過，真正引發科學界關注的問題在於，經過AI後製後的影像，究竟還有多大程度忠實反映顯微鏡實際取得的資料？
 
澳洲昆士蘭大學發育生物學家Melanie White指出，目前尚不清楚影片多忠實地呈現顯微鏡實際捕捉到的資訊，也不能排除AI工具加入原始數據中實際不存在的生物結構。她強調，科學影像並非單純的視覺插圖，本身就是研究數據，因此影像中呈現的內容，應該要對應到實際量測取得的原始數據。
 
德國維爾茨堡大學超解析度顯微研究專家Markus Sauer則認為，利用AI協助科學影像視覺化本身並非問題，真正的關鍵在於，AI處理後的結果是否扭曲、誇大甚至改變原始實驗發現。
 
目前公司正在重新評估徐寧在「初步審核」過程中所提供的影像相關資訊。Nikon Small World發言人指出，徐寧相當配合此次審查，並已提供詳細技術文件，說明製作原始影片所使用的顯微鏡設備、成像方法及影像處理技術。
 
過去科學影像本就會經過染色、對比調整、去雜訊或影像重建等處理，但隨著生成式AI逐漸導入科研影像，影像處理可能不再只是調整既有訊號，而可能依據模型學習結果「補出」原始數據中不存在的影像特徵。
 
此次爭議也凸顯，當AI介入程度愈來愈高，如何辨別最終呈現的結構究竟來自實際量測，或是演算法處理產生，也成為科學影像可信度的新挑戰。
 
資料來源：https://www.nature.com/articles/d41586-026-03086-z
 
(編譯/彭梓涵)