ویدئوهای حیوانات ساخته شده با هوش مصنوعی میلیونها بار در اینترنت دیده میشود، اما پژوهشگران هشدار میدهند این روند درک رفتار حیاتوحش را مخدوش و حمایت از حفاظت را تضعیف میکند.
یک پژوهش نشان میدهد تصاویر ساختگی از حیوانات در شبکههای اجتماعی تلاشها برای حفاظت را مخدوش میکند و ممکن است حمایت افکار عمومی از گونههای در معرض خطر را تضعیف کند.
آگهی
آگهی
به نوشته یک مقاله (منبع به زبان انگلیسی) منتشر شده در نشریه Conservation Biology به قلم پژوهشگران دانشگاه کوردوبا، ابزارهای هوش مصنوعی مولد اکنون قادرند ویدیوها و عکسهای قانعکنندهای از حیاتوحش تولید کنند که هرگز رخ ندادهاند.
نویسندگان، خوسه گوئررو کاسادو، تامارا مورییو خیمنس، آنتونیو کارپییو، فرانسیسکو تورتوسا و روسیو سرانو رودریگز، معتقدند این محتوا هر چه بیشتر در شکلدادن به درک عموم از رفتار حیوانات نقش دارد؛ آن هم اغلب به شکلی نادرست.
یکی از نمونههایی که این پژوهشگران برجسته میکنند ویدیوی وایرالِ ساختهشده با هوش مصنوعی است که در آن چندین گونه پرنده دیده میشوند که جوجههایشان را از باران پناه میدهند؛ ویدیویی که با زیرنویسهایی از جمله «عشق واقعی مادر» بهطور گسترده به اشتراک گذاشته شده است.
اما چنین روایتگری یک واقعیت تثبیتشده را نادیده میگیرد: در ۹۰ درصد گونههای پرندگان، نرها هم در بزرگکردن جوجهها مشارکت میکنند، در حالیکه بسیاری از خزندگان، دوزیستان و ماهیها اصلا مراقبت والدینی ندارند.
مقاله همچنین به تعاملات ساختگی میان گونهها اشاره میکند؛ برای مثال، ویدیوهای جعلی از شکارچیان و شکارها یا انگلها و میزبانهایشان که در آنها با مهربانیای غیرواقعبینانه با هم رفتار میکنند.
نویسندگان جداگانه به ویدیوهایی میپردازند که در آن پیوندهایی خیالی میان انسان و حیوانات وحشی به تصویر کشیده میشود؛ از جمله کلیپی که در آن صیادان یک خرس قطبی را نجات میدهند و این حیوان با قدردانیای اغراقآمیز واکنش نشان میدهد.
به گفته نویسندگان، اینگونه صحنهها خطر آن را دارند که در مردم احساس امنیتی کاذب در برابر حیوانات وحشی ایجاد کنند و تقاضا برای حیوانات خانگی خاص و عجیب را تشویق کنند؛ تقاضایی که به نوبه خود میتواند به تجارت غیرقانونی حیاتوحش دامن بزند.
حفاظت از حیوانات «بامزه»
پژوهشگران همچنین انتظار دارند محتوای تولیدشده با هوش مصنوعی بیشتر بر پستانداران متمرکز شود، زیرا این گونهها همین حالا هم در شبکههای اجتماعی بیشترین توجه را جلب میکنند.
آنها هشدار میدهند این روند میتواند نابرابریهای موجود در تامین بودجه را تشدید کند و پروژههای حفاظتی مربوط به گروههای کمتر محبوبِ جانوری را بیش از پیش کنار بزند.
همچنین هشدار میدهند تصاویر ساختگی از حیاتوحش که با برچسب مکان منتشر میشوند میتوانند گردشگران را به نقاطی بکشانند که آن حیوان هرگز در آن حضور نداشته است و در نتیجه فشار بیشتری بر اکوسیستمها وارد کنند.
این مطالعه راهحلی مشخص پیشنهاد نمیکند و میپذیرد که تنظیمگری جهانی محتوای هوش مصنوعی در کوتاهمدت بعید است، و در عوض بر لزوم آموزش گستردهتر سواد رسانهای تاکید میکند تا مخاطبان بیاموزند آنچه را که آنلاین میبینند زیر سوال ببرند.
دادههای علم شهروندی در معرض تهدید
این یافتهها بازتابدهنده هشدار جداگانهای است که این هفته از سوی پژوهشگرانی که در نشریه Nature Ecology and Evolution مطلب نوشتهاند منتشر شد. آنها استدلال میکنند عکسها، صداها و ویدیوهایی که با هوش مصنوعی دستکاری شده و در پلتفرمهای علم شهروندی بارگذاری میشود میتواند دادههایی را که پژوهشگران برای رصد محل حضور گونهها و رفتارشان به آن تکیه میکنند آلوده کند و در نهایت به نتیجهگیریهای نادرست زیستمحیطی بینجامد.
به گفته این پژوهشگران، مشکل رایجتر نه جعل کامل، بلکه «زیادهپردازی» و اغراق در بهبود تصاویر است.
ابزارهای ویرایشی میتوانند ویژگیهای ظاهریِ ملاکِ تشخیص گونهها را حذف یا تغییر دهند و گاه باعث شوند گونه بهکلی اشتباه شناسایی شود.
آنها به یک مورد واقعی اشاره میکنند: عکسی که تصور میشد پرندهای سیاه با بالهای سرخ (red-winged blackbird)، گونهای از آمریکای شمالی که هرگز پیشتر در برزیل ثبت نشده بود، را نشان میدهد و به عنوان نخستین مشاهده احتمالی به پلتفرم iNaturalist ارسال شد.
اما پرنده در واقع از گونهای به نام epaulet oriole بود که در آن منطقه بسیار رایج است. تصویر با استفاده از ویرایشگر تصویریِ هوش مصنوعی گوگل «بازسازی» شده بود؛ ابزاری که نشانههایی شبیه پرنده آمریکای شمالی به عکس اضافه کرده بود؛ احتمالا به این دلیل که این گونه در دادههای آموزشی آن ابزار نمایندگی بیشتری دارد.
پژوهشگران تاکید میکنند فردی که عکس را ارسال کرده هیچ قصدی برای گمراهکردن دیگران نداشته است. به گفته آنها، هدف او صرفا زیبایی بوده است: عکسی خوشنمایتر.
این تیم میگوید توانسته است با استفاده مستقل از ابزارهای ویرایش مبتنی بر هوش مصنوعی همان خطا را تکرار کند. به گفته آنها، باید هر چه سریعتر مشارکتکنندگان را از این موضوع آگاه کرد که چنین دستکاریهایی تا چه حد میتواند به دادههای علمی آسیب بزند.