El uso de imágenes generadas por inteligencia artificial en las promociones de alimentos de restaurantes, cafeterías y marcas está dando lugar a resultados poco apetecibles, como gambas con forma de rosquilla, fideos parecidos a gusanos, pollos fibrosos, hamburguesas que parecen rocas y burritos cubiertos de agujeros. Las deformaciones presentes en estas imágenes ponen de manifiesto las limitaciones técnicas de los sistemas de inteligencia artificial en la generación visual y los problemas de sus datos de entrenamiento.
La mayoría de los principales generadores de imágenes utiliza modelos de difusión. Estos sistemas crean imágenes partiendo del ruido puro y reduciéndolo gradualmente; primero generan la estructura general y después los detalles más finos. Según Chris Russell, de University of Oxford, cuando el modelo construye incorrectamente la forma básica de un objeto en una etapa temprana, posteriormente puede añadir detalles de tejido vivo sobre esa estructura defectuosa. Esto se compara con representar a una persona con seis dedos.
Giovanbattista Califano, de University of Naples Federico II, señala que los modelos de difusión son débiles a la hora de generar estructuras finas, continuas y que terminan en un punto. Por eso, los fideos, las fibras y las extensiones curvadas pueden desplazarse a lugares incorrectos; las texturas repetitivas, como burbujas y semillas, también pueden salir de límites lógicos. Las formas excesivamente parecidas a fideos y los agujeros agrupados presentes en las imágenes pueden desencadenar el miedo a los agujeros, conocido como trypophobia.
Según los expertos, la inteligencia artificial no sabe realmente qué es un sándwich, un fideo o un burrito. Solo aprende estadísticamente cómo suelen verse estos objetos en internet; no comprende sus funciones ni su comportamiento en el mundo físico. Roland Meyer, de University of Zurich, afirma que los sistemas imitan el aspecto de una fotografía, pero no entienden el contexto que subyace a la estética de la fotografía profesional. Por eso, el helado puede parecer de hormigón y la hamburguesa, de piedra.
Los datos de entrenamiento también pueden agravar el problema. La luz intensa, los colores saturados y las formas exageradas de las fotografías de alimentos se transfieren a veces al modelo junto con alimentos que no existen en la realidad. Simon Colton, de Queen Mary University of London, señala que los contenidos extraños y virales suelen recibir más atención en internet que las imágenes ordinarias. Además, que los contenidos generados por inteligencia artificial entrenen nuevos modelos puede provocar distorsiones visuales y similitudes excesivas mediante el “model collapse”.
Las indicaciones ambiguas, la ampliación de imágenes de baja resolución y unas instrucciones de sistema insuficientes hacen que los errores sean más visibles. En cambio, las personas detectan rápidamente las anomalías en los alimentos debido a la sensación de asco desarrollada frente a los peligros de los parásitos, la contaminación y el deterioro. Por eso, los alimentos generados por inteligencia artificial no solo parecen irreales, sino también instintivamente incorrectos.
Por qué es importante
Este problema demuestra que las promociones de alimentos preparadas con inteligencia artificial no son solo una cuestión estética; las deformaciones de la imagen pueden afectar directamente a que el espectador considere el producto apetecible o fiable. Para los restaurantes, cafeterías y marcas, la cuestión es la necesidad de someter a supervisión humana los resultados que surgen porque el modelo combina únicamente imágenes similares sin comprender la estructura física del objeto. En particular, detalles como los fideos, las fibras, las burbujas y los agujeros hacen visibles los errores técnicos y también pueden provocar reacciones de asco en algunos espectadores. El hecho de que las imágenes extrañas y generadas artificialmente de internet vuelvan a incorporarse a los datos de entrenamiento deja abierta la pregunta de si las distorsiones se repetirán.