모든 과학 저널은 이제 AI 기반 검사를 수행하여 이미지가 사기가 아닌지 확인합니다.

목요일, 연구 출판사 사이언스(Science)는 자사의 모든 저널이 부적절하게 조작된 이미지를 탐지하는 프로세스를 자동화하는 상용 소프트웨어를 사용하기 시작할 것이라고 발표했습니다. 이러한 움직임은 우리가 디지털 데이터와 출판으로의 전환으로 인해 이미지를 변경하여 연구 사기를 저지르기가 더 쉬워졌다는 사실을 깨달은 지 수년 후에 나온 것입니다.

이는 중요한 첫 번째 단계이지만 프로그램의 한계를 인식하는 것이 중요합니다. 가장 심각한 사진 조작 사례를 감지할 수 있지만 진취적인 사기꾼은 소프트웨어 작동 방식을 알면 쉽게 잡히지 않을 수 있습니다. 불행하게도 우리는 이에 대해 설명해야 한다고 생각합니다(공정하게 말하자면, 프로그램을 개발한 회사는 웹 사이트에서 설명합니다).

매혹적인 사기와 이를 잡는 방법

우리가 보아온 이미지 기반 사기의 대부분은 많은 과학자들이 직면한 딜레마에서 발생합니다. 실험을 실행하는 것은 문제가 아니지만 그들이 생성하는 데이터는 원하는 데이터가 아닌 경우가 많습니다. 아마도 컨트롤만 작동할 수도 있고, 실험에서 컨트롤과 구별할 수 없는 데이터가 생성될 수도 있습니다. 비윤리적인 사람들의 경우, 어떤 이미지가 어떤 샘플에서 나온 것인지 본인 외에는 아무도 모르기 때문에 이는 문제가 되지 않습니다. 실제 데이터의 이미지를 실제 데이터가 아닌 것으로 표현하는 것은 상대적으로 쉽습니다.

이를 설명하기 위해 다음과 같은 절차를 통해 데이터를 볼 수 있습니다. 웨스턴 블롯, 항체를 사용하여 단백질 크기에 따라 분리된 복잡한 혼합물에서 특정 단백질을 식별합니다. 일반적인 웨스턴 블롯 데이터는 오른쪽 이미지와 같습니다. 밴드의 어두운 부분은 다양한 조건에서 다양한 수준으로 존재하는 단백질을 나타냅니다.

밴드는 상대적으로 특징이 없으며 원시 데이터의 더 큰 이미지에서 잘려 원래 컨텍스트와 연결이 끊어집니다. 하나의 실험에서 밴드를 가져와 완전히 다른 실험의 이미지와 연관시켜 존재하지 않는 “증거”를 부정하게 생성하는 것이 가능합니다. 그래프, 셀 이미지 등을 사용하여 유사한 작업을 수행할 수 있습니다.

데이터를 얻기 어렵고 사기꾼이 게으른 경우가 많기 때문에 동일한 논문에 사용된 데이터에서 원본 이미지와 사기 이미지를 추출하는 경우가 많습니다. 자신의 흔적을 감추기 위해 비윤리적인 연구자들은 밝기/대비 이미지를 회전, 확대/축소, 자르기 또는 변경하여 동일한 논문에서 두 번 이상 사용하는 경우가 많습니다.

모든 사람이 그렇게 게으른 것은 아닙니다. 그러나 이러한 이미지 재활용은 매우 흔하며 아마도 가장 실망스러운 연구 사기 형태일 것입니다. 모든 증거는 신문에 있으며, 일단 가리키면 대개 쉽게 확인할 수 있습니다. 하지만 처음부터 이를 감지하는 것은 매우 어려울 수 있습니다.

“처음에 자리잡기” 도전은 과학이 그것에 관심을 갖게 된 이유입니다 Proofig라는 서비스 문제를 더 쉽게 감지할 수 있도록 합니다.