在麻省理工学院工作的好处之一，是能够窥见未来科技的轮廓——从量子计算的突破、可持续性能源的生产，到新型抗生素设计。若问我是否对这些领域都有深刻理解？答案是否定的。但当研究者邀请我为他们的工作拍摄纪实图像时，我能够理解其中的大部分内容。
科学摄影师的职业乐趣在于，我必须了解自己正在记录的事物，才能为那些向我敞开实验室大门的研究者拍摄出兼具信息传递功能与可信度的图像，究其本质，
这些图像本身也是一种实验数据存在。
载玻片上的油滴内含铁微粒，对下方磁体产生响应。图片来源：Felice Frankel
然而，随着生成式人工智能工具的广泛普及，一系列问题亟待探讨。是否会存在某个时刻，科学家仅需几次键盘输入与提示，就能像我用相机那样创建研究的“视觉化”成果，并将该图像视为工作的记录？
科研人员、期刊编辑与读者能否准确辨识人工合成图像，并理解其本质并非真实研究过程的记录？
以及，最后我的个人关心的问题
在人工智能时代，是否仍需要科学摄影师这类角色来推动科研传播？
通过亲身体验人工智能图像生成工具，我有了一些看法。
作者 · Author
Felice Frankel
科学摄影师
麻省理工学院化学工程系研究员，她因科学照片的高审美以及有效地通过图像传达复杂科学信息的能力而获得多项奖项。她鼓励研究人员质疑各种图像调整和增强技术。著有
The visual elements - photography，Picturing science and engineering
等。
真实与表征之辨
我们首先需要明确传统摄影与AI生成图像的本质差异，前者每个像素都对应真实世界的光子，后者则通过扩散模型构建。这种复杂计算过程可以生成看似真实却可能从未存在的事物。
为探究这种差异，我在哈佛大学科学可视化专家Gaël McGill的帮助下，尝试用Midjourney和OpenAI的DALL-E复现我拍摄的经典科学影像。
1997年，麻省理工学院的化学家穆恩吉·鲍温迪（Moungi Bawendi）邀请我拍摄他的纳米晶体（nanocrystals，即量子点）。这些晶体在紫外光激发下会发出荧光，其发射波长随着晶体尺寸的不同而变化。鲍温迪因这项工作后来获得了诺贝尔奖，但他并不喜欢这张照片，当时我将试管平放在实验台上俯拍得到的第一张照片（参见图示）。你可以从画面中管内的气泡看出我的摆放方式。这是有意为之，我认为它增强了图像的视觉吸引力。
三重视角。组图呈现三种试管影像：首幅为摄影师视角，试管内气泡清晰可见；第二幅呈现科学家对颜色的重视；第三幅由AI生成，并非真实刻画。 Credit: Felice Frankel
修改后的第二版照片被选用为1997年11月《物理化学B期刊》（
Journal of Physical Chemistry B
）封面。这幅影像不仅为研究提供了直观记录，更凸显了科学摄影师与研究者协作的重要性，这正是我工作流程中不可或缺的环节。
为在DALL-E中生成类似的图像，我输入以下提示词：