Nikon Small World in Motion descalifica video con IA: premió la belleza, no los datos

Nikon descalificó el video ganador de su concurso Small World in Motion, y el motivo oficial cabe en dos palabras: IA generativa. El video, enviado por el ingeniero óptico Ning Xu, prometía mostrar cilios, las estructuras con forma de pelo que barren el moco de las vías respiratorias, latiendo de forma anormal en un niño con discinesia ciliar primaria, un trastorno genético raro conocido como PCD. Varios científicos advirtieron que partes de esas imágenes no podían existir en un cuerpo vivo. Nikon volvió a revisar el trabajo, consultó a su jurado y concluyó que violaba las reglas del concurso.

Si se lee como un escándalo de trampa, la historia termina ahí. No debería. La lectura más incómoda es que el concurso recibió justo el trabajo que estaba diseñado para premiar. Small World in Motion califica los videos por originalidad, contenido informativo, dominio técnico e impacto visual, y el paso que hundió a Xu era el que más probabilidades tenía de subir esa última nota. Un video de microscopio es una medición antes que una imagen. Nikon juzgó la imagen y aceptó la medición a ciegas, y esa brecha, más que cualquier participante, es lo que ahora tiene que cerrar.

Lo que está en juego va mucho más allá de un premio de nicho. Casi todo el mundo ve el interior de una célula, si acaso, gracias a la microscopía, y estas imágenes viajan: llegan a las aulas, a los videos de divulgación y a los foros de pacientes donde las familias intentan entender un diagnóstico. Robert Hirst, científico principal del centro de diagnóstico de PCD del NHS en la University of Leicester, dijo a la BBC que la polémica “afectó a muchos pacientes, científicos, médicos y redes de apoyo a la PCD en todo el mundo”. Cuando la imagen impactante de una enfermedad resulta estar en parte renderizada, los que más pierden son quienes viven con ella.

Lo que decidió Nikon y lo que Ning Xu dice que hizo

El comunicado de Nikon, enviado a PetaPixel, está calculado palabra por palabra. “Tras reevaluar a fondo el video y los materiales de apoyo y consultar con miembros de nuestro jurado, Nikon determinó que el video ganador no cumplía las reglas del concurso sobre IA generativa”, dijo un portavoz. La compañía agregó que la decisión “no debe interpretarse como un juicio sobre la reputación profesional, las contribuciones científicas o la intención del participante”. Nguyen Nam Nhat, que había quedado en segundo lugar con un video de un diminuto gusano nematodo y un Dileptus unicelular, ahora ocupa el primer puesto, de acuerdo con The Verge y PetaPixel.

Xu nunca negó haber usado IA. En un comentario en LinkedIn citado por The Verge, escribió que “posteriormente se utilizó un método de red neuronal no supervisada para un posprocesamiento asistido por IA, con el fin de distinguir y visualizar características en las imágenes reconstruidas en escala de grises obtenidas con imagen óptica de superresolución”. En otra publicación que retomó la BBC, trazó la línea que, según él, nunca cruzó: “No se usó IA para generar la película experimental, los cilios ni su movimiento”. Amateur Photographer reportó que describió el procesamiento como algo pensado “principalmente para mejorar la presentación visual, más que para ofrecer una reconstrucción anatómica”.

Los críticos fueron más allá del estilo. Edward Phelps, investigador en bioingeniería de la University of Florida, escribió en LinkedIn que “unas estructuras moradas aparecen y desaparecen” y que “también surgen cilios verdes de la nada que no coinciden con el tamaño conocido”, según PetaPixel. Citado por Gizmodo, fue más contundente: una estructura subepitelial hecha de mitocondrias extracelulares del tamaño de núcleos celulares “no ocurre en la biología”. Ian Donovan, estudiante de MD/PhD en el UT Southwestern Medical Center, dijo que pasó el video por Gemini, de Google, y que la herramienta detectó una marca de agua SynthID, el marcador invisible que desarrolló Google DeepMind para identificar contenido generado por IA, según PetaPixel y la CNN citada por Gizmodo. La BBC reportó que dos exjurados del concurso también tenían dudas.

Vale la pena recordar dónde empezó Nikon. Al inicio de la polémica, la empresa le dijo a la BBC: “Por el momento, no vemos que se haya violado ninguna regla”. El trabajo ya había pasado el filtro del concurso. La primera nota pública de Nikon decía que estaba “revisando con cuidado la información proporcionada durante la verificación inicial”, una manera amable de admitir que aquel control no lo detectó.

Un concurso que califica el impacto visual atrae a la herramienta que lo fabrica

El detalle que mejor cuenta esta historia es una frase que publicó la propia Nikon. Antes de la descalificación, la empresa actualizó la entrada de su blog sobre el video ganador para explicar, como la citó Gizmodo, que “posteriormente se utilizó un método de red neuronal no supervisada como parte del flujo de posprocesamiento y visualización para distinguir y visualizar características en los datos en escala de grises, creando un video más vívido y visualmente atractivo”.

Vale la pena releer ese final. Nikon no presentó el paso de IA como una confesión. Lo presentó como una virtud, con el vocabulario exacto de sus propios criterios de evaluación: vívido, atractivo, visual. A la red neuronal se le dio el crédito de que la ciencia se viera mejor, y verse mejor es una categoría que suma puntos. Nadie en esa frase pregunta qué agregó la red.

Ese es el problema de fondo. Cuando ganó, Xu le dijo a PetaPixel que Nikon Small World “ha repetido un mensaje sencillo: la ciencia es bella”. Los participantes entienden la tarea. Patrick Hickey, que terminó en quinto lugar, contó a la BBC que los microscopistas casi nunca pueden mostrarle su trabajo al público y que “muchas de las imágenes que hacen los científicos tienen cualidades muy abstractas y artísticas”. Un concurso que celebra la belleza de los datos tarde o temprano atraerá a la única tecnología diseñada para producir belleza sin datos nuevos. Los modelos generativos son buenos para inventar detalle verosímil. Para eso existen. En una galería, el detalle verosímil gana. En un laboratorio se llama artefacto.

Sarah Goetz resumió el lado emocional sin rodeos en Bluesky, en un mensaje que citó PetaPixel: “Si es IA, y parece probable, hay algo profundamente cínico y triste en usar imágenes sintéticas para hacer trampa en un concurso que se supone que trata de lo hermosa y genial que es la biología”. Tiene razón. Pero ese cinismo, si es que lo fue, se encontró con una institución que ya había escrito “más vívido y visualmente atractivo” en su propia descripción del trabajo.

El argumento más fuerte a favor de Ning Xu

Los defensores de Xu tienen un argumento serio, y merece exponerse como ellos lo harían. La microscopía nunca fue cruda. Los investigadores tiñen muestras, aplican falso color, unen mosaicos, eliminan el desenfoque por deconvolución y reconstruyen cuadros de superresolución a partir de datos que ningún ojo humano podría leer directamente. La BBC señala que el color artificialmente brillante es común en microscopía y está permitido en el concurso. Gizmodo recuerda que unas pautas de imagen científica muy citadas, escritas antes de la era de la IA generativa, aceptan imágenes coloreadas y procesadas siempre que los cambios se declaren y se describan.

Con ese criterio, argumenta la defensa, Xu hizo lo que le tocaba. Declaró el paso de la red neuronal. Nikon lo publicó. La regla del concurso que cita PetaPixel dice que “no se permiten videos generados por IA”, y Xu insiste en que su video no fue generado: los cilios y su movimiento salieron de su instrumento, y la red solo separó y coloreó estructuras en datos que ya existían. Si un algoritmo que ordena píxeles por colores cuenta como generación, buena parte de la imagen computacional moderna queda bajo sospecha. Y descalificar al participante que declaró su método le enseña al siguiente a quedarse callado. A eso se suma la evidencia que detonó la revisión, una avalancha de comentarios en LinkedIn y una prueba de marca de agua hecha con un chatbot comercial, y el proceso se parece menos a una revisión por pares que a una turba que resultó tener razón.

Por qué el argumento del color no se sostiene

La defensa falla en sus propios términos, porque los críticos nunca se quejaron del color. El falso color vuelve a etiquetar píxeles que el microscopio sí midió. La queja de Phelps es sobre la existencia: estructuras que aparecen y se esfuman, cilios en la escala equivocada, una disposición de organelos que, en sus palabras, “no ocurre en la biología”. Hirst, que le contó a la BBC que lleva dos décadas diagnosticando PCD a partir de la forma de onda de los cilios, su longitud y el tamaño y la forma de las células, dijo que las células y los cilios “no se parecen en nada a los de los pacientes con PCD”. No son juicios sobre la paleta. Son juicios sobre si lo que aparece en pantalla está ahí.

Todo el caso gira en torno a una distinción. El falso color pinta lo que vio el microscopio. Un modelo generativo pinta lo que el microscopio debió haber visto.

Las propias palabras de Xu, reportadas por Nature y citadas por Gizmodo, agravan el problema en vez de resolverlo. Dijo que las estructuras debajo de los cilios se procesaron “sin hacer afirmaciones anatómicas sobre lo que representan esas características renderizadas”. Pero una imagen científica no puede renunciar a afirmar. Cada forma visible en un video de microscopía se lee como anatomía, y ningún descargo de responsabilidad viaja con los píxeles. Melanie White, bióloga del desarrollo de la University of Queensland, le dijo a Nature que los científicos “necesitan poder confiar en que lo que ven está sustentado en la medición de base”. Andrew Moore, exjurado de Small World in Motion, le ofreció a The Telegraph una analogía que cualquiera siente: “La foto en alta resolución y a color puede verse bonita, pero si a quien le cambiaron la cara fue a tu abuela, va a ser perturbador”.

Declarar es necesario. No alcanza. Describir un método en un párrafo no le dice a nadie qué píxeles se midieron y cuáles se infirieron. El único documento que habría resuelto la duda era el que los críticos pedían una y otra vez, según PetaPixel: el video crudo en escala de grises. Nikon afirma que Xu entregó documentación técnica detallada durante la revisión. El público nunca vio ese material, y la discusión se dio, como suele pasar ahora, a punta de marcas de agua y ojo experto.

Archivos crudos, no detectores de IA

Los concursos de fotografía ya pasaron por esto. Amateur Photographer recuerda que el ganador de la categoría Creative Open de los Sony World Photography Awards en 2023 resultó ser una creación de IA, y que este año se retiró por uso de IA el trabajo de un finalista del concurso Hasselblad Masters 2026. Pero un concurso científico es otra cosa. En la fotografía artística, la IA plantea una pregunta de autoría. En microscopía, plantea una pregunta de verdad. Un paisaje sintético es una obra en disputa. Una célula sintética es una afirmación falsa sobre el cuerpo.

La detección no va a aguantar ese peso. Lo que delató este trabajo fue una marca de agua SynthID, que solo existe porque una empresa decidió incrustarla. Gizmodo señala que la mayoría de los detectores de IA que dependen de otras señales funcionan mal, y que sin esas marcas puede ser difícil o imposible establecer con certeza el origen de una imagen. Un participante que usara un modelo sin marca no caería de la misma forma. Depender de las marcas de agua es depender de la cortesía del fabricante.

La solución duradera es aburrida y viene del laboratorio, no de la galería: la trazabilidad. En la lectura de MCM, cualquier concurso de imagen científica debería exigir los archivos crudos de adquisición de cada trabajo preseleccionado, un registro de procesamiento que nombre cada paso y su software, y una comparación entre el material crudo y el final que el jurado revise de verdad antes de que el impacto visual entre en la conversación. Nikon dice ahora que “los avances en imagen e inteligencia artificial siguen evolucionando con rapidez y crean nuevos retos para organizaciones de muchos campos”, y que el episodio “mostró la necesidad” de “revisar las reglas y los procedimientos de evaluación para futuras participaciones”. Es el instinto correcto. La regla que necesita no es una lista más larga de herramientas prohibidas. Es una petición permanente de ver los datos.

Lo que está comprobado y lo que sigue en discusión

Comprobado: Small World in Motion anunció a sus ganadores de 2026 a mediados de septiembre, con el video de cilios de Xu en primer lugar. El 9 de octubre de 2026, Nikon descalificó el video por no cumplir sus reglas sobre IA generativa, afirmó que la decisión no juzgaba la reputación, las contribuciones científicas ni la intención de Xu, y subió a Nguyen Nam Nhat al primer lugar, según la BBC, The Verge y PetaPixel. Xu reconoció que se usó una red neuronal no supervisada en el posprocesamiento. La BBC cifró el premio en 3,000 dólares. Nikon dice que revisará sus reglas y sus procedimientos de evaluación.

En discusión: si los cilios y su movimiento son imágenes genuinas, como sostiene Xu, o están en parte renderizados, como creen críticos como Phelps y Hirst; si el paso de la red neuronal cuenta como generación o como visualización; y qué elemento exactamente consideró Nikon fuera de las reglas, algo que su comunicado público no especifica. MCM no examinó los datos crudos, y el argumento anterior sobre el diseño del concurso es interpretación, no un hallazgo forense.

El ganador del próximo año seguirá teniendo que ser bello. La pregunta que Nikon tiene que agregar es la primera que haría cualquier laboratorio: muéstrennos el archivo crudo.

Etiquetas: IA generativa, Concursos de fotografía, Discinesia ciliar primaria, Nikon, Nikon Small World in Motion, Ning Xu