Miért olyan undorító az AI által generált étel

Az AI képgenerátorok által létrehozott ételképek számos technikai problémát mutatnak. A diffúziós modellek zajból indulva fokozatosan építik fel a képeket, de gyakran már az alapstruktúra szintjén hibáznak, majd részletgazdag textúrákat helyeznek a hibás szerkezetre. Chris Russell, az Oxfordi Egyetem AI és számítógépes látás szakértője szerint ez hasonló ahhoz, mintha hat ujjú embereket generálnának. Giovanbattista Califano, a nápolyi Federico II Egyetem viselkedéstudósa hozzáteszi, hogy a diffúziós modellek különösen gyengék a vékony, folytonos struktúrák, például a tésztaszálak vagy a csipkék generálásában, ami miatt ezek olyan helyekre terjednek, ahol semmi közük sincs.

A probléma gyökerében az áll, hogy az AI-modellek nem értik meg, mi is az valójában egy szendvics, egy tészta vagy egy burrito. Statisztikai szinten tanulták meg, hogyan néznek ki ezek az objektumok, de nem értik a fizikai világban való viselkedésüket. Roland Meyer, a Zürichi Egyetem digitális kultúrák professzora szerint az AI képgenerálás »a megértés nélküli megjelenítés«. Michael Cook, a King's College London számítástudósa rámutat, hogy az olyan textúrák, mint a repedezett beton vagy a kőből készült burgerek, építészeti kontextusban normálisnak tűnnének, de élelmiszerként undorítóak.

A képgenerátorok tanítási adatai is súlyosbítják a problémát. Az ételek fotózása gyakran erősen stilizált, éles kontrastokkal, intenzív színekkel és túlzott formákkal. Az AI-modellek ezeket a felszíni tulajdonságokat és vizuális konvenciókat utánozzák, de a mögöttük álló kontextus megértése nélkül. Meyer szerint az AI »tökéletesen utánozza a fotózás megjelenését, de nem annak professzionális esztétikai stratégiáit«, ami végül az unsettling hatást okozza.