O uso de imagens geradas por inteligência artificial em materiais de divulgação de alimentos por restaurantes, cafés e marcas vem produzindo resultados pouco apetitosos, como camarões em formato de rosquinha, macarrões que lembram vermes, frangos semelhantes a fios, hambúrgueres parecidos com pedras e burritos cobertos de buracos. As deformações nessas imagens revelam as limitações técnicas dos sistemas de inteligência artificial na geração visual e problemas nos dados usados para seu treinamento.
A maioria dos principais geradores de imagens utiliza modelos de difusão. Esses sistemas começam com ruído puro e criam a imagem reduzindo gradualmente esse ruído; primeiro surge a estrutura geral e, depois, os detalhes mais finos. Segundo Chris Russell, da University of Oxford, quando o modelo estabelece incorretamente a forma básica de um objeto em uma etapa inicial, ele pode posteriormente acrescentar detalhes de textura vívidos sobre uma estrutura equivocada. A situação é comparável à criação de uma pessoa com seis dedos.
Giovanbattista Califano, da University of Naples Federico II, afirma que os modelos de difusão são fracos na produção de estruturas finas, contínuas e que terminam em um ponto. Por isso, macarrões, fibras e extensões sinuosas podem ser deslocados para os lugares errados; texturas repetidas, como bolhas e sementes, também podem ultrapassar limites coerentes. As formas excessivamente semelhantes a macarrões e os buracos agrupados nas imagens podem desencadear a trypophobia, conhecida como medo de buracos.
Segundo especialistas, a inteligência artificial não sabe realmente o que é um sanduíche, um macarrão ou um burrito. Ela apenas aprende estatisticamente como esses objetos costumam ser vistos na internet; não compreende suas funções e comportamentos no mundo físico. Roland Meyer, da University of Zurich, afirma que os sistemas imitam a aparência da fotografia, mas não entendem o contexto por trás da estética da fotografia profissional. Por isso, o sorvete pode parecer concreto, enquanto o hambúrguer pode se assemelhar a uma pedra.
Os dados de treinamento também podem agravar o problema. A luz intensa, as cores fortes e as formas exageradas presentes nas fotos de alimentos às vezes são transmitidas ao modelo junto com alimentos que não existem na realidade. Simon Colton, da Queen Mary University of London, afirma que conteúdos estranhos e virais despertam mais interesse na internet do que imagens comuns. Além disso, o treinamento de novos modelos com conteúdos gerados por inteligência artificial pode levar à degradação e à homogeneização das imagens por meio do “model collapse”.
Comandos ambíguos, a ampliação de imagens de baixa resolução e instruções de sistema insuficientes tornam os erros mais visíveis. Já as pessoas percebem rapidamente as anormalidades nos alimentos devido ao sentimento de repulsa desenvolvido contra os riscos de parasitas, contaminação e deterioração. Por isso, os alimentos produzidos por inteligência artificial não apenas parecem irreais, mas também instintivamente errados.
Por que isso é importante
Esse problema mostra que as divulgações de alimentos preparadas com inteligência artificial não são apenas uma questão estética; as deformações visuais podem afetar diretamente a percepção do público sobre se o produto parece apetitoso ou confiável. Para restaurantes, cafés e marcas, a questão é a necessidade de submeter à supervisão humana os resultados gerados porque o modelo apenas combina imagens semelhantes, sem compreender a estrutura física do objeto. Especialmente detalhes como macarrão, fibras, bolhas e buracos tornam os erros técnicos visíveis e também podem provocar uma reação de repulsa em alguns espectadores. O retorno de imagens estranhas e geradas artificialmente na internet aos dados de treinamento, por sua vez, deixa em aberto a questão de saber se as deformações continuarão a se repetir.