రెస్టారెంట్లు, కేఫ్లు తమ ఆహారాన్ని ప్రమోట్ చేసుకోవడానికి AI ఇమేజ్ జనరేటర్లను (టెక్స్ట్ ప్రాంప్ట్ ద్వారా చిత్రాలను సృష్టించే సాఫ్ట్వేర్) ఎక్కువగా వాడుతున్నాయి. అయితే, ఈ సాంకేతికత ద్వారా వస్తున్న చిత్రాల్లో డోనట్ రొయ్యలు, పురుగుల వంటి నూడుల్స్, రంధ్రాలతో కూడిన బర్గర్లు వంటి వికృతమైన రూపాలు కనిపిస్తున్నాయి. ఈ చిత్రాలు ఆకలిని కలిగించడానికి బదులుగా వికారాన్ని కలిగిస్తున్నాయి.
చాలా ఇమేజ్ జనరేటర్లు 'డిఫ్యూజన్ మోడల్స్' అనే పద్ధతిని ఉపయోగిస్తాయి. ఆక్స్ఫర్డ్ విశ్వవిద్యాలయ ప్రొఫెసర్ క్రిస్ రస్సెల్ ప్రకారం, ఇవి మొదట శబ్దం (స్టాటిక్) వంటి చిత్రంతో ప్రారంభమై, క్రమంగా ఆ శబ్దాన్ని తొలగిస్తూ స్పష్టమైన రూపాన్ని సృష్టిస్తాయి. ఈ ప్రక్రియలో ప్రారంభ దశలోనే వస్తువు ప్రాథమిక నిర్మాణాన్ని మోడల్ తప్పుగా గుర్తిస్తే, ఆ పైన వచ్చే వివరాలన్నీ తప్పుగానే తయారవుతాయి.
నేపుల్స్ ఫెడెరికో II విశ్వవిద్యాలయానికి చెందిన గియోవాన్బాటిస్టా కాలిఫానో మాట్లాడుతూ, డిఫ్యూజన్ మోడల్స్ సన్నని, నిరంతర నిర్మాణాలను రూపొందించడంలో బలహీనంగా ఉన్నాయని చెప్పారు. నూడుల్స్ వంటి పదార్థాలను సృష్టించేటప్పుడు, అవి ఎక్కడ ఆగిపోవాలో తెలియక శరీర నిర్మాణ సంబంధమైన తర్కం లేని చోట కూడా వ్యాప్తి చెందుతాయి. దీనివల్ల బుడగలు, గింజలు వంటి నమూనాలు ఉండకూడని ప్రాంతాల్లోకి వచ్చేస్తాయి.
ఈ సమస్యకు ప్రధాన కారణం AIకి అసలు ఆహారం అంటే ఏమిటో తెలియకపోవడమేనని నిపుణులు చెబుతున్నారు. యూనివర్శిటీ ఆఫ్ జూరిచ్ ప్రొఫెసర్ రోలాండ్ మేయర్ అభిప్రాయం ప్రకారం, AI ప్రపంచం గురించి అవగాహన లేకుండా కేవలం రూపాన్ని మాత్రమే అనుకరిస్తుంది. కింగ్స్ కాలేజ్ లండన్ లెక్చరర్ మైఖేల్ కుక్ మాట్లాడుతూ, ఆహారేతర చిత్రాల్లో సాధారణంగా కనిపించే అల్లికలను, ఆహార చిత్రాల్లో వాడటం వల్లే అవి పగిలిన కాంక్రీటులా కనిపిస్తున్నాయని వివరించారు.
శిక్షణ కోసం ఉపయోగించే చిత్రాలు కూడా ఈ లోపాలను పెంచుతున్నాయి. ఫుడ్ ఫోటోగ్రఫీలో ఉండే పదునైన కాంట్రాస్ట్లు, నిగనిగలాడే లైటింగ్ను AI అనుకరిస్తుంది కానీ, వాటి వెనుక ఉన్న సందర్భాన్ని అర్థం చేసుకోలేదు. అంతేకాకుండా, ఇంటర్నెట్లో సాధారణ ఆపిల్ చిత్రాల కంటే విచిత్రమైన చిత్రాలకే ఎక్కువ ఆదరణ ఉండటంతో, AI మోడల్స్ అటువంటి వింత అనుబంధాలనే నేర్చుకుంటున్నాయి.
