Nagrania zwierząt tworzone przez AI zdobywają miliony odsłon, ale zdaniem naukowców zaburzają obraz zachowań dzikich zwierząt i osłabiają poparcie dla ochrony przyrody.
Badania wykazały, że spreparowane nagrania zwierząt w mediach społecznościowych wypaczają działania na rzecz ochrony przyrody i mogą podkopywać poparcie społeczne dla gatunków zagrożonych.
REKLAMA
REKLAMA
Narzędzia generatywnej sztucznej inteligencji potrafią dziś tworzyć przekonujące filmy i zdjęcia dzikich zwierząt, które w rzeczywistości nigdy nie powstały, wynika z artykułu (źródło w Angielski) opublikowanego w czasopiśmie „Conservation Biology” przez badaczy z Uniwersytetu w Kordobie.
Autorzy, José Guerrero-Casado, Tamara Murillo-Jiménez, Antonio Carpio, Francisco Tortosa i Rocío Serrano-Rodríguez, przekonują, że takie treści coraz silniej wpływają na to, jak opinia publiczna postrzega zachowania zwierząt – często w sposób błędny.
Jednym z przywołanych przykładów jest wiralowe nagranie stworzone przez AI, na którym różne gatunki ptaków osłaniają pisklęta przed deszczem. Film był masowo udostępniany z podpisami opisującymi scenę jako „prawdziwą matczyną miłość”.
Taki sposób przedstawienia pomija dobrze znany fakt: u 90 proc. gatunków ptaków w opiece nad potomstwem uczestniczą także samce, a wiele gatunków gadów, płazów i ryb w ogóle nie sprawuje opieki rodzicielskiej.
Artykuł zwraca też uwagę na zmyślone interakcje między gatunkami, na przykład spreparowane nagrania drapieżników i ofiar czy pasożytów i ich żywicieli, które zachowują się wobec siebie z nieprawdopodobną czułością.
Autorzy opisują również filmy pokazujące fikcyjne więzi między ludźmi a dzikimi zwierzętami, w tym nagranie, na którym niedźwiedź polarny jest ratowany przez rybaków i reaguje przesadną wdzięcznością.
Ostrzegają, że takie sceny mogą dawać ludziom fałszywe poczucie bezpieczeństwa w kontaktach z dzikimi zwierzętami i zwiększać popyt na egzotyczne zwierzęta domowe, co napędza nielegalny handel dziką fauną.
Ochrona „słodkich” zwierząt
Badacze spodziewają się też, że treści tworzone przez AI będą koncentrować się głównie na ssakach, bo to one już dziś najlepiej „sprzedają się” w mediach społecznościowych.
Ostrzegają, że może to utrwalać nierównowagę w finansowaniu: projekty ochrony mniej popularnych grup zwierząt będą przegrywać w wyścigu o środki.
Zwracają także uwagę, że fałszywe nagrania dzikich zwierząt z oznaczoną lokalizacją mogą ściągać turystów w miejsca, gdzie pokazane na nagraniu zwierzę nigdy nie występowało, co dodatkowo obciąża lokalne ekosystemy.
Autorzy nie proponują konkretnego rozwiązania. Przyznają, że globalne uregulowanie treści tworzonych przez AI w najbliższym czasie jest mało realne, i apelują zamiast tego o szerszą edukację medialną, aby odbiorcy nauczyli się kwestionować materiały, które widzą w internecie.
Dane z projektów nauki obywatelskiej zagrożone
Te wnioski współbrzmią z innym ostrzeżeniem, opublikowanym w tym tygodniu (źródło w Angielski) przez naukowców na łamach „Nature Ecology and Evolution”. Autorzy twierdzą, że zdjęcia, nagrania dźwiękowe i filmy zmienione przez AI, a następnie zgłaszane na platformy nauki obywatelskiej, mogą zanieczyszczać dane, na których badacze polegają, śledząc występowanie gatunków i ich zachowania. To z kolei może prowadzić do błędnych wniosków ekologicznych.
Badacze podkreślają, że częściej problemem jest nadmierne „upiększanie” materiałów niż ich całkowite fałszowanie.
Narzędzia do edycji mogą usuwać lub zmieniać cechy morfologiczne wykorzystywane do oznaczania gatunku, co niekiedy prowadzi do jego całkowitej pomyłkowej identyfikacji.
Przytaczają rzeczywisty przypadek, gdy fotografia uznana za przedstawiającą red-winged blackbird, północnoameryjski gatunek dotąd nigdy nieodnotowany w Brazylii, została zgłoszona na platformę iNaturalist jako możliwe pierwsze stwierdzenie.
Na zdjęciu widniał w rzeczywistości epaulet oriole, gatunek powszechny w tym regionie. Obraz został „odbudowany” za pomocą edytora zdjęć Google opartego na AI, który dodał oznaczenia przypominające północnoameryjskiego ptaka – najpewniej dlatego, że ten gatunek jest silniej reprezentowany w danych treningowych narzędzia.
Badacze zaznaczają, że autor zgłoszenia nie miał zamiaru nikogo wprowadzać w błąd. Chodziło mu wyłącznie o efekt wizualny – ładniejsze zdjęcie.
Zespół badaczy twierdzi, że niezależnie udało mu się odtworzyć ten sam błąd, korzystając z narzędzi do edycji obrazów opartych na AI. Konkluzja jest jednoznaczna: osoby przesyłające materiały muszą jak najszybciej zdać sobie sprawę, jak poważnie taki rodzaj edycji może zaszkodzić danym naukowym.