فوق مكتب الباحث، تومض صورة — حسبها الحاسوب لتُظهر كيف يصطدم كوكبان. قد نرغب في تعديل الظلال قليلاً، أو إزالة البقع ليرى المشاهد الجوهر. لكن أين ينتهي مجرد تحسين المنظر ويبدأ التزوير؟ عرض الباحثون على 95 متخصصًا في رؤية حاسوبية (Computer Vision) (تحليل الصور) 15 طريقة مختلفة لتنقيح الصور العلمية — بدءًا من تدوير الكاميرا غير الضار وصولًا إلى إضافة تفاصيل غير موجودة. نصف التعديلات أجراها بشر، والنصف الآخر برنامج يعتمد على التعلم الآلي (الذي يتعلم من الأمثلة).

شكّلت التقييمات سلّمًا واضحًا. حصل التدوير وضبط الإضاءة وتنعيم الضوضاء على درجات عالية (نحو 3 من 5). أما تحريك الجسم أو تغيير شكله فكانا إجراءين شبه ممنوعين (أقل من 2). الأكثر إثارة للدهشة: عندما أجرى البرنامج التعديلات نفسها، أعطى الخبراء تقييمات أقل. لماذا؟ يُنسب للبشر فهم النوايا والحذر، بينما يبدو البرنامج غير موثوق — فقد «يخترع» تفاصيل غير موجودة. حتى لو حاول البرنامج أن يكون الذكاء الاصطناعي القابل للتفسير (XAI) (أي يُبلغ عن خطواته)، فإن الثقة لا تزداد.

هذه النتائج مهمة لمطوري أدوات معالجة الصور الرقمية (Digital Image Processing, DIP). تُستخدم الشبكات العصبية (Neural Networks) الحديثة — بما فيها نماذج الانتشار (Diffusion Models)، والشبكات التوليدية التنافسية (GANs)، والشبكات القائمة على المُحَوِّلات (Transformers) — بشكل متزايد في التنقيح. لكن، كما اتضح، يجب على أي خوارزميات تغيّر الشكل أن تُحذّر المستخدم. علاوة على ذلك، ينبغي تسجيل أي تعديلات، مثل سجل التصفح. فالأهم في العلم ليس الصورة المثالية، بل الثقة بما تُظهره. بعد تنقيح نزيه، يمكن لتلك الصورة لاصطدام الكواكب أن تُعرض على صفحات المجلات. ليس كل تجميل خداعًا. الشفافية هي العملة الحقيقية.