L’uso di immagini generate dall’intelligenza artificiale nelle promozioni alimentari di ristoranti, caffè e brand produce risultati poco appetitosi, come gamberetti a forma di ciambella, noodles simili a vermi, polli filamentosi, hamburger che sembrano rocce e burritos ricoperti di buchi. Le distorsioni presenti in queste immagini rivelano i limiti tecnici dei sistemi di intelligenza artificiale nella generazione visiva e i problemi presenti nei dati di addestramento.
La maggior parte dei principali generatori di immagini utilizza modelli di diffusione. Questi sistemi creano le immagini partendo dal rumore puro e riducendolo gradualmente; prima emerge la struttura generale, poi i dettagli più fini. Secondo Chris Russell della University of Oxford, quando il modello costruisce erroneamente la forma di base di un oggetto nelle fasi iniziali, può in seguito aggiungere dettagli di tessitura vivida sulla struttura sbagliata. Questo fenomeno è paragonabile alla rappresentazione di una persona con sei dita.
Giovanbattista Califano della University of Naples Federico II afferma che i modelli di diffusione sono poco efficaci nel generare strutture sottili, continue e terminanti in un punto. Per questo noodles, fibre ed estensioni ricurve possono spostarsi nei posti sbagliati; anche le texture ripetute, come bolle e semi, possono oltrepassare confini plausibili. Le forme estremamente simili a noodles e i buchi raggruppati nelle immagini possono scatenare la paura dei buchi, nota come tripofobia.
Secondo gli esperti, l’intelligenza artificiale non sa davvero che cosa siano un panino, un piatto di noodles o un burrito. Apprende soltanto in modo statistico come questi oggetti appaiono generalmente su internet; non comprende la loro funzione né il loro comportamento nel mondo fisico. Roland Meyer della University of Zurich afferma che i sistemi imitano l’aspetto della fotografia, ma non comprendono il contesto alla base dell’estetica della fotografia professionale. Per questo il gelato può sembrare cemento e l’hamburger può sembrare una pietra.
Anche i dati di addestramento possono aggravare il problema. La luce brillante, i colori intensi e le forme esagerate presenti nelle fotografie di cibo vengono talvolta trasferiti al modello insieme a cibi irreali. Simon Colton della Queen Mary University of London osserva che, su internet, i contenuti strani e virali attirano più attenzione rispetto alle immagini ordinarie. Inoltre, il fatto che i contenuti generati dall’intelligenza artificiale vengano utilizzati per addestrare nuovi modelli può portare, attraverso il “model collapse”, a distorsioni visive e a una crescente omologazione.
I comandi ambigui, l’ingrandimento di immagini a bassa risoluzione e istruzioni di sistema insufficienti rendono gli errori più evidenti. Gli esseri umani, invece, individuano rapidamente le anomalie negli alimenti a causa del senso di disgusto sviluppatosi contro i pericoli rappresentati da parassiti, contaminazione e deterioramento. Per questo gli alimenti generati dall’intelligenza artificiale non sembrano soltanto irreali, ma anche istintivamente sbagliati.
Perché è importante
Questo problema dimostra che le promozioni di cibo realizzate con l’intelligenza artificiale non sono soltanto una scelta estetica; le deformazioni presenti nell’immagine possono influire direttamente sulla percezione degli spettatori, determinando se considereranno il prodotto appetitoso o affidabile. Per ristoranti, caffè e brand, la questione riguarda la necessità di sottoporre al controllo umano i risultati che emergono dal fatto che il modello combina soltanto immagini simili senza comprendere la struttura fisica dell’oggetto. In particolare, dettagli come noodles, fibre, bolle e fori rendono visibili gli errori tecnici e possono anche provocare una reazione di disgusto in alcuni spettatori. Il fatto che le immagini strane e generate artificialmente presenti su internet rientrino nuovamente nei dati di addestramento lascia aperta la questione se le distorsioni continueranno a ripetersi.