Las herramientas basadas en inteligencia artificial se han convertido en aliadas indispensables para producir imágenes de diversa índole, incluyendo aquellas que acompañan a publicaciones científicas. Esta tecnología simplifica la elaboración de ilustraciones complejas y gráficos que, hasta hace poco, demandaban destrezas técnicas muy especializadas.
No obstante, este salto tecnológico también ha abierto la puerta a nuevos desafíos y riesgos que los investigadores deben conocer para impedir equivocaciones que puedan socavar la credibilidad de su labor.
En 2024, una imagen divulgada en una revista científica provocó un intenso debate en redes sociales. La ilustración mostraba un ratón con genitales desproporcionados y fallos anatómicos notorios, incluyendo cuatro testículos y texto con errores ortográficos, todo generado por Midjourney. El hecho de que esta representación superara la revisión por pares evidenció una fisura en los mecanismos de control de calidad frente a los contenidos creados por IA.
El caso fue examinado por Elisabeth Bik, consultora en integridad científica, quien señaló que, si bien las herramientas han avanzado velozmente y hoy es complicado diferenciar lo auténtico de lo artificial, los fallos continúan existiendo y pueden impactar tanto en la reputación individual como en la validez profesional de los estudios. Por ello, es fundamental evitar estos desaciertos y la revista Nature proporciona tres pautas esenciales.
Cómo prevenir equivocaciones al generar imágenes con IA
- Emplea el potencial de la IA con sentido de responsabilidad
La inteligencia artificial brinda ventajas indiscutibles para democratizar la generación de contenido. Programas como Midjourney o DALL-E permiten que científicos sin formación en diseño creen ilustraciones atractivas y fáciles de entender, optimizando la comunicación y el acceso a información visual en menos tiempo y con menor inversión.
Según un análisis basado en ocho millones de gráficos científicos, existe una relación directa entre el impacto de los artículos y la cantidad de diagramas que incluyen. Por lo tanto, disponer de materiales gráficos de calidad puede incrementar la difusión y la comprensión de los trabajos de investigación.
A pesar de ello, el uso de IA en imágenes sigue siendo un campo novedoso y en permanente cambio. Los errores, desde detalles anatómicos imposibles hasta textos ilegibles, pueden pasar desapercibidos incluso en las evaluaciones más meticulosas.
- Consulta siempre las normativas editoriales
El primer paso para quienes piensen utilizar imágenes creadas con IA en artículos científicos es examinar las reglas de las revistas donde pretenden publicar.
No hay un acuerdo unánime entre los editores acerca de la admisión de este tipo de recursos: algunas publicaciones autorizan su empleo siempre que se indique cómo y con qué herramientas se generaron las imágenes, mientras que otras lo vedan por completo.
Por ejemplo, la editorial PLOS acepta imágenes producidas con IA, pero exige que los autores detallen el procedimiento: nombre del programa utilizado, modo de uso, evaluación de los resultados y secciones del artículo donde se aplicó. Otras editoriales, como Cell Reports, prohíben el uso de IA para resúmenes gráficos y limitan su aplicación en visualizaciones de datos.
De su lado, Springer Nature prohíbe el uso de IA para imágenes, excepto en manuscritos que aborden específicamente la inteligencia artificial, y solo tras un análisis particularizado. Además, permite emplear herramientas de IA que hayan sido desarrolladas con conjuntos de datos científicos verificables, siempre que se acaten las normas de ética, derechos de autor y condiciones de uso.
- No modifiques los datos originales
Uno de los peligros más serios es manipular información primaria mediante IA. En abril, un equipo en China vio retractado su estudio en el New England Journal of Medicine por una figura alterada: una cinta métrica digitalizada por IA mostraba numeraciones incorrectas, lo que reveló el ajuste artificial de la imagen.
Uno de los autores explicó que recurrieron a una herramienta de IA para corregir la posición de la cinta durante una emergencia, pero el error numérico fue un efecto colateral no intencionado.
La alteración de imágenes que constituyen evidencia primaria en investigaciones es una práctica extremadamente peligrosa. La biotecnóloga Mikael Elias ilustró este riesgo al generar, con un simple comando en ChatGPT, imágenes de western blots que imitaban experimentos publicados en revistas científicas.
Aunque existen indicios para identificar falsificaciones, como apunta Bik, estos no siempre son evidentes y el peligro de que imágenes fabricadas se cuelen en publicaciones es real.
Fuente: Infobae