Nikon squalifica il video vincitore di Small World in Motion per l’uso dell’AI

Quando un video scientifico viene premiato, è naturale pensare che ciò che mostra corrisponda a ciò che uno strumento ha osservato. Il caso del concorso Nikon Small World in Motion riguarda anche chi non usa un microscopio: nell’epoca dell’intelligenza artificiale (AI), distinguere una misurazione dalla sua elaborazione è diventato essenziale per capire a quali immagini possiamo affidarci.

Il 9 ottobre 2026 Nikon ha squalificato il video inizialmente classificato primo nell’edizione 2026, realizzato da Ning Xu. Dopo aver riesaminato il filmato e la documentazione di supporto con alcuni giudici, l’azienda ha concluso che l’opera non rispettava le regole del concorso sull’AI generativa, cioè i sistemi capaci di produrre o modificare contenuti visivi. Nikon ha aggiornato la classifica: il primo posto è passato a Nguyen Nam Nhat, autore di un video su un minuscolo verme e un organismo unicellulare.

Non è una prova che il movimento delle ciglia filmate sia stato inventato, né una valutazione della ricerca di Xu. È una decisione sull’ammissibilità di quel video in quel concorso: una distinzione che Nikon stessa ha voluto sottolineare nel suo comunicato sul riesame, riprodotto anche da Ars Technica.

Il 15 settembre Xu era stato annunciato come vincitore di Small World in Motion, la competizione dedicata ai video ripresi attraverso un microscopio ottico, uno strumento che usa la luce per osservare campioni troppo piccoli per essere visti a occhio nudo. Il filmato era presentato come una rappresentazione del movimento anomalo delle ciglia nelle vie respiratorie di un bambino. Secondo Nature, nei giorni successivi alcuni specialisti hanno contestato la plausibilità di elementi visibili nella sequenza.

Il 22 settembre Nikon aveva aggiornato la presentazione del lavoro indicando l’uso di un modello AI nella post-produzione, ossia nelle modifiche effettuate dopo l’acquisizione delle immagini. All’inizio di ottobre l’azienda ha comunicato che stava riesaminando i materiali forniti dal concorrente; il 9 ottobre è arrivata la squalifica. Questa successione di passaggi conta: le perplessità pubbliche hanno portato a una verifica, ma la decisione finale è stata dichiaratamente basata sul regolamento, non sui soli commenti online.

Nikon ha corretto la graduatoria del concorso. Il nuovo vincitore, Nguyen Nam Nhat, aveva presentato un incontro fra un verme microscopico e un Dileptus, organismo formato da una sola cellula. Anche gli altri lavori premiati sono saliti di una posizione.

Le ciglia respiratorie sono minuscole strutture simili a peli che rivestono parte delle vie aeree. Si muovono in modo coordinato per spingere il muco, insieme a particelle e microrganismi intrappolati, verso l’esterno. Immaginiamole come una fila di spazzole che lavora senza sosta per tenere pulito un corridoio.

Il campione descritto nel video proveniva, secondo la presentazione del lavoro, da un bambino con discinesia ciliare primaria (Primary Ciliary Dyskinesia, PCD), una malattia ereditaria in cui le ciglia non funzionano correttamente. Il National Heart, Lung, and Blood Institute statunitense stima che interessi circa una persona ogni 10.000-30.000. Se il movimento delle ciglia non riesce a trasportare efficacemente il muco, possono aumentare i problemi respiratori e le infezioni. La stima descrive la malattia, non il singolo caso mostrato nel concorso.

Qui il movimento è parte dell’informazione, non un semplice effetto spettacolare. Nikon spiega che Small World in Motion, introdotto nel 2011 accanto al concorso fotografico, premia proprio i filmati microscopici e li valuta anche per il contenuto informativo. Nell’edizione 2026 erano state presentate 347 candidature video da 40 Paesi, secondo i dati riportati da IFLScience al momento dell’annuncio iniziale dei vincitori.

Xu ha sostenuto che l’AI non fosse stata usata per generare il filmato sperimentale, le ciglia o il loro movimento. Come riportato da Nature, ha spiegato che un modello era intervenuto successivamente sui dati ricostruiti in scala di grigi per distinguere e colorare strutture dall’aspetto simile. Un modello neurale è un programma che apprende schemi dai dati: può aiutare a rendere leggibile un’immagine, ma il suo risultato resta un’elaborazione, non una nuova osservazione del microscopio.

La differenza somiglia a quella fra aumentare il contrasto di una fotografia poco nitida e chiedere a un software di ridisegnarne le zone difficili da interpretare. Nel primo caso si rende più visibile un segnale acquisito; nel secondo possono comparire dettagli che sembrano convincenti senza essere direttamente verificabili nel dato di partenza. Questo paragone aiuta a capire il problema, ma non stabilisce da solo quali parti del filmato di Xu siano state alterate.

Gli esperti citati da Nature non considerano automaticamente scorretto usare l’AI per visualizzare dati sperimentali. Il punto critico nasce quando il risultato può rappresentare in modo inesatto, esagerare o modificare ciò che è stato misurato. Per questo sono importanti i dati originali, la descrizione dei passaggi di elaborazione e la possibilità di confrontare il video finale con la registrazione acquisita: una sorta di percorso che permette di risalire dal piatto servito agli ingredienti.

Alcuni ricercatori hanno segnalato strutture colorate che sembravano apparire e scomparire o comportarsi in modo difficile da conciliare con l’anatomia cellulare. Nella discussione sotto un post di Nikon Small World, sono state chieste spiegazioni sul metodo di acquisizione, sui dati originali e sull’entità dell’elaborazione. Nature ha raccolto il punto centrale della critica: un’immagine scientifica può essere bella, ma deve rimanere riconducibile alle misure da cui deriva.

Quelle osservazioni meritavano un controllo, non una sentenza anticipata. Un dettaglio inatteso in un video può avere più spiegazioni, dalla tecnica di ripresa alla ricostruzione digitale. Allo stesso modo, un’affermazione comparsa sui social — per esempio quella relativa a una presunta filigrana che identificherebbe contenuti sintetici — non equivale, senza una verifica documentata, a una prova indipendente su come sia stato prodotto l’intero filmato.

Nel regolamento consultabile sul portale Nikon per il ciclo di iscrizioni successivo, i video generati dall’AI non sono ammessi e l’organizzazione si riserva il diritto di chiedere il filmato originale per verificarli. Le opere devono essere riprese attraverso un microscopio ottico, durare al massimo 60 secondi e non includere suoni o elementi grafici. Sono requisiti concreti, ma il caso Xu mostra quanto sia delicato interpretare il confine fra un aiuto nell’elaborazione e un intervento che cambia la rappresentazione finale.

Per valutare un’immagine microscopica non basta dunque una domanda secca — «è stata usata l’AI?» — perché strumenti diversi possono intervenire in fasi diverse. È più utile sapere su quali dati ha lavorato il software, quali parti ha modificato e che cosa il pubblico è invitato a leggere come osservazione biologica. È una proposta di metodo, non una nuova regola già annunciata da Nikon.

Nikon ha dichiarato che riesaminerà regole e procedure di valutazione per le future edizioni. Non ha però presentato, nel comunicato sulla squalifica, un elenco di nuove soglie tecniche già approvate. Va anche distinta la decisione sul concorso 2026 dal testo del portale oggi consultabile, che indica le date di partecipazione del ciclo successivo: non è corretto trattare automaticamente ogni sua formulazione come una descrizione completa della valutazione già svolta.

Una strada ragionevole sarebbe chiedere ai concorrenti di conservare il file originale e di accompagnare ogni opera con una breve descrizione delle trasformazioni effettuate: acquisizione, ricostruzione, miglioramento della visibilità e colorazione. Per i lavori finalisti, una commissione potrebbe confrontare a campione il risultato con i dati di partenza. Sarebbe l’equivalente, per un video, di mostrare non solo il prodotto finito ma anche le tappe della sua lavorazione. Nikon già prevede la possibilità di richiedere l’originale nelle regole consultabili; le altre misure sono proposte editoriali, non impegni annunciati dall’azienda.

Servirebbero anche etichette comprensibili per chi guarda: «ripresa originale», «colorazione convenzionale» o «visualizzazione assistita da AI» comunicano differenze che un’immagine, da sola, non può spiegare. Un concorso artistico-scientifico può lasciare spazio alla creatività; deve però chiarire quando il colore o una struttura rappresentano una misura e quando sono una scelta di presentazione. È proprio la compresenza di valore visivo e informativo a rendere importante questa distinzione.

Le verifiche richiedono tempo e competenze, soprattutto quando la tecnica di ripresa è specialistica. Ma il caso dimostra il costo dell’alternativa: se il pubblico non sa dove finiscono i dati e dove comincia l’interpretazione, anche un risultato scientifico autentico può diventare difficile da valutare. La trasparenza non serve a escludere ogni uso dell’AI; serve a rendere controllabile ciò che l’AI ha fatto.

La squalifica di Ning Xu cambia il vincitore di Small World in Motion 2026, ma pone una domanda più ampia per la divulgazione scientifica: quanto possiamo capire di una scoperta se vediamo soltanto la sua versione più rifinita? Un’immagine può aiutare a osservare l’invisibile e, insieme, nascondere il modo in cui è stata costruita. La risposta più utile non è diffidare di ogni video spettacolare, bensì chiedere che sia possibile seguirne il percorso, dal campione al risultato finale.

Nota sulle fonti: per le pagine Nikon prive di una data di pubblicazione esplicita, la data indicata nell’elenco delle fonti è quella della consultazione, il 9 ottobre 2026.