Գեներատիվ արհեստական բանականությունը սկսել է ստեղծել գոյություն չունեցող կենդանիների տեսակներ և իրական տեսակների վերաբերյալ կեղծ դիտարկումներ, ինչը վտանգ է ստեղծում կենսաբազմազանության մասին գիտական տվյալների բազաների համար։
Գիտնականների եզրակացությունները հրապարակվել են Nature Ecology and Evolution ամսագրում։
Հետազոտողները զգուշացնում են, որ նման պատկերներ արդեն հայտնվում են քաղաքացիական գիտության հանրահայտ հարթակներում և որոշ դեպքերում բավական համոզիչ են թվում, որպեսզի մոլորեցնեն նույնիսկ մասնագետներին։
Այդպիսի դեպքերից մեկը հայտնաբերել է անկախ հետազոտող և աղոթարար մորեխների մասնագետ Քրիս Անդերսոնը։ Դիտարկելով iNaturalist հարթակը, որտեղ օգտատերերը հրապարակում են կենդանիների և բույսերի լուսանկարներ ու դիտարկումներ, նա հանդիպել է Deroplatys ցեղի անսովոր աղոթարար մորեխի պատկերին, որն իբր լուսանկարվել էր Մալայզիայի արևադարձային անտառում։
Միջատը նման էր տիպիկ տերևանման աղոթարար մորեխի․ նրա մարմինը հիշեցնում էր չոր տերև, իսկ բնորոշ ձևը կօգներ նրան թաքնվել գիշատիչներից և դարանակալել որսին։ Սակայն Անդերսոնը նկատել է անհամապատասխանություններ գլխի ձևի, բեղիկների և մարմնի նախշի մեջ։ Արդյունքում՝ պարզվել է, որ պատկերը ստեղծվել էր գեներատիվ ԱԲ-ի միջոցով, իսկ այդ մորեխն ինքնին բնության մեջ գոյություն չունի։
Հետազոտողի խոսքով՝ նման դեպքերը կարող են լուրջ խնդիր դառնալ քաղաքացիական գիտության հարթակների համար, ինչպիսին են iNaturalist-ը և eBird-ը, քանի որ այնտեղ տեղադրված դիտարկումներն օգտագործվում են գիտական հետազոտություններում։ Կեղծ պատկերները հետագայում կարող են հայտնվել գիտական հոդվածներում, էկոլոգիական ուսումնասիրություններում և շրջակա միջավայրի վիճակի գնահատումներում։
Նմանատիպ խնդիր հայտնաբերել է նաև թռչունների բրիտանացի մասնագետ Ալեքսանդր Լիսը՝ Մանչեսթրի մայրաքաղաքային համալսարանից։ 2025 թվականի նոյեմբերին համացանցում հայտնվել էր Շոտլանդիայի հյուսիս-արևելքի համար հազվադեպ ճահճային սևագլխիկի լուսանկարը։ Ուշադիր ուսումնասիրելով այն՝ Լիսը նկատել է ձևախեղված թաթեր և կտուց ու եկել է այն եզրակացության, որ թռչունը ստեղծվել է ԱԲ օգնությամբ։
Հետազոտողը նշել է, որ վտանգ են ներկայացնում ոչ միայն ամբողջովին արհեստական պատկերները։ Պակաս լուրջ խնդիր չէ նաև իրական լուսանկարների մշակումը նեյրոցանցերի միջոցով։ Օրինակ՝ օգտատերը կարող է ԱԲ-ին խնդրել «բարելավել» իրական թռչնի լուսանկարը, որից հետո ալգորիթմը կավելացնի մանրամասներ, որոնք իրականում չկան։
Այդպիսի դեպք արդեն տեղի է ունեցել iNaturalist-ում։ Օգտատիրոջ մշակած լուսանկարը հանգեցրել է տվյալների բազայում Բրազիլիայում կարմրաթև սև կեռնեխի մասին առաջին հաղորդման հայտնվելուն։ Կեղծիքը բացահայտվել է, որից հետո պատկերը հանել են բազայից։
Միաժամանակ, բնության մասին տվյալներում կեղծիքների խնդիրը ծագել է ԱԲ ի հայտ գալուց շատ առաջ։ Գիտության պատմությանը հայտնի են նմուշների միտումնավոր կամ պատահական կեղծման դեպքեր։ Օրինակներից մեկն այսպես կոչված Չարլթոնյան դեղնուկն է՝ թիթեռի գոյություն չունեցող տեսակ, որը XVIII դարում հայտնվել էր գիտական գրականության մեջ։ Ավելի ուշ պարզվել է, որ սովորական դեղնուկի թևերի բնորոշ կապույտ բծերն արվել էին մարդու կողմից։
Սակայն գեներատիվ ԱԲ-ն զգալիորեն հեշտացնում է նման կեղծիքների ստեղծումը։ Կենդանիների կեղծ տեսակներն արդեն տարածվում են սոցիալական ցանցերում՝ նրանց վարքագծի և կենսամիջավայրի մասին հորինված նկարագրությունների հետ միասին, և օգտատերերը հաճախ նման հրապարակումներն իրական են ընդունում։
Փորձագետները մտահոգվում են, որ հաջորդ փուլը կարող է լինել գեներացված տվյալների ներթափանցումն անմիջապես գիտական գրականություն։ Անդերսոնը նման սցենարը լիովին հավանական է համարում։ Լիսը նույնպես նշում է, որ գիտնականի համար համեմատաբար հեշտ կլիներ ԱԲ-ի կողմից ստեղծված պատկերը ներկայացնել որպես նոր տեսակի հայտնաբերման ապացույց։ Եթե դա արվում է գիտակցաբար, ապա խոսքն արդեն գիտական խարդախության մասին է։
Միևնույն ժամանակ, հետազոտողներն ընդգծում են, որ քաղաքացիական գիտության հարթակներն իրենք ունեն հզոր պաշտպանություն․ դրանց համայնքները բաղկացած են հազարավոր փորձառու դիտորդներից, որոնք ունակ են նկատել կասկածելի հրապարակումները։ iNaturalist-ում արդեն հայտնվել են գործիքներ, որոնք թույլ են տալիս բացահայտել ԱԲ-ի միջոցով հնարավոր ստեղծված կոնտենտը։
Մասնագետներն առաջարկում են ուժեղացնել պատկերների ստուգումը, օգտագործել նույնականացում և մետատվյալների վերլուծություն, ինչպես նաև ուսուցանել օգտատերերին՝ ճանաչել գեներատիվ տեխնոլոգիաների հետ կապված ռիսկերը։
Միևնույն ժամանակ, գիտնականները կոչ չեն անում ամբողջությամբ հրաժարվել ԱԲ-ից։ Մեքենայական ուսուցումը, որը չի ստեղծում պատկերներ, այլ վերլուծում է իրական տվյալները, արդեն օգտագործվում է բնապահպանական խնդիրների լուծման համար։ Օրինակ՝ ալգորիթմներն օգնում են կանխատեսել թռչունների միգրացիան, բացահայտել ջրիմուռների ծաղկման նշանները և մշակել ֆոտոթակարդների միլիոնավոր պատկերներ։
Գլխավոր պայմանը մնում է մարդու մասնակցությունը․ ԱԲ-ն կարող է տեսակավորել և վերլուծել տեղեկատվության հսկայական զանգվածներ, բայց դիտարկումների վերջնական ստուգումը պետք է մնա մասնագետների վրա։