As imagens de alimentos em cardápios de restaurantes produzidas por inteligência artificial chamam a atenção por suas simetrias perfeitas, sua suavidade excessiva e pelo fato de serem perturbadoras, apesar de parecerem realistas. Alex Lisle, CTO da Reality Defender, compara essas imagens a uma tentativa de um alienígena de fazer pizza sem entender seus princípios básicos. Em alguns exemplos, o queijo excessivamente inflado ou a aparência de que os camarões estão comendo as próprias caudas tornam evidente a produção artificial, enquanto, na maioria das imagens, o problema só é percebido quando se observa mais de perto.
Segundo Lisle, essa estética está ligada à forma como os modelos de inteligência artificial são treinados. Os grandes modelos de linguagem e os modelos de difusão usados em sistemas como ChatGPT e Midjourney aprendem padrões em conjuntos de dados muito grandes e tentam produzir conteúdo de acordo com as solicitações dos usuários. Por isso, quando se pede o cardápio de um restaurante de hambúrgueres, eles podem se basear nos estilos de cardápios semelhantes de redes como Wendy’s, Burger King ou McDonald’s. Lisle também atribui ao conjunto de dados usado para alimentar os modelos o motivo pelo qual as imagens resultantes às vezes parecem “um cardápio do Chili’s de 2015”.
A inclusão de conteúdos gerados por inteligência artificial nos dados de treinamento pode fazer com que os modelos sejam alimentados com as próprias saídas. Quando isso se intensifica, surge o risco de “colapso do modelo”. Lisle compara esse fenômeno à consanguinidade causada pela devolução repetida das saídas de um modelo a ele próprio. No entanto, afirma que o que se vê nos cardápios não é diretamente um colapso do modelo, mas uma “convergência” que reduz a qualidade das saídas. Lee Rainie, diretor do Imagining the Digital Future Center da Elon University, afirma que otimizar os modelos para que prefiram conteúdos não ofensivos e “agradáveis” leva à homogeneização, eliminando características distintivas das imagens e da linguagem.
Em um teste realizado no X por um usuário chamado Labtec, constatou-se que, após editar 100 vezes um cardápio criado com ChatGPT, as imagens dos alimentos foram ficando cada vez mais arredondadas e lisas. A TechCrunch também repetiu um experimento semelhante. Afirma-se que a edição repetida dos cardápios por restaurantes para alterar preços ou nomes de produtos poderia produzir o mesmo efeito.
Pesquisadores da University of Duisburg-Essen, na Alemanha, constataram a presença do efeito do “vale da estranheza” em imagens de alimentos geradas por inteligência artificial. Imagens que parecem quase reais provocam mais repulsa e inquietação do que aquelas claramente falsas. Essa reação se soma à desconfiança cultural em relação aos conteúdos gerados por inteligência artificial. Lisle afirma que chegou ao fim a era em que gravações de imagens e sons eram aceitas como provas sem serem questionadas, e que isso afeta áreas mais amplas, incluindo os tribunais.
Por que isso é importante
Essas descobertas mostram que os restaurantes, ao elaborarem seus cardápios, devem considerar não apenas a qualidade visual, mas também a uniformidade que o processamento repetido das saídas de inteligência artificial pode criar. À medida que os nomes dos produtos e os preços são alterados, o fato de as imagens se tornarem cada vez mais semelhantes pode enfraquecer os elementos que diferenciam as marcas dos estabelecimentos e afetar a confiança dos clientes nas fotos dos cardápios. O fato de o problema não ser diretamente o colapso dos modelos, mas sim a convergência resultante da tendência dos modelos a recorrer a exemplos semelhantes e apreciados, indica que a solução pode não se limitar ao uso de mais dados. O desconforto provocado por alimentos que parecem quase reais, por sua vez, desloca o debate da estética para a questão de como imagens geradas por inteligência artificial serão avaliadas na publicidade, como prova e na comunicação cotidiana.