O problema da padronização nos menus gerados por inteligência artificial

A adoção de inteligência artificial generativa pelo setor de restaurantes, frequentemente vista como um atalho para modernizar cardápios e materiais de marketing, esbarra em um obstáculo inesperado: a repulsa visual dos consumidores. As ilustrações geradas por esses modelos apresentam uma estética padronizada e artificial, criando pratos que, embora pareçam agradáveis à primeira vista, provocam uma sensação de estranhamento quando observados com mais atenção.

O fenômeno é particularmente visível em grandes centros urbanos, onde anúncios de alimentos gerados por IA se tornaram comuns. Em alguns casos, as imagens são grotescamente falsas, apresentando queijos excessivamente derretidos ou texturas que mais parecem arte de vanguarda do que comida real. Na maioria das vezes, porém, o problema é mais sutil, com detalhes anatômicos ou culinários distorcidos que só são percebidos em um segundo olhar.

Alex Lisle, diretor de tecnologia da Reality Defender, empresa especializada em detecção de conteúdo gerado por IA, compara o processo a um alienígena tentando fazer uma pizza sem compreender seus princípios fundamentais. Segundo ele, a estética peculiar dessas imagens — onde bolas de sorvete são perfeitamente esféricas e camarões parecem devorar a própria cauda — é um reflexo direto da forma como os modelos de difusão e grandes modelos de linguagem são construídos e treinados.

Esses modelos, que alimentam ferramentas como ChatGPT e Midjourney, identificam padrões em vastos conjuntos de dados para prever e gerar o que o usuário solicita. Lisle aponta que a homogeneidade visual é inevitável, dado o corpus de dados utilizado. “Muita coisa parece um cardápio do Chili’s de 2015, e há um motivo para isso”, explica o executivo, referindo-se ao fato de que os modelos extraem suas funções exatamente desse acervo de trabalho passado e padronizado.

A busca por dados de treinamento é intensa no setor de tecnologia, com empresas chegando a escanear materiais raros para expandir seus bancos de dados. No entanto, a inevitável contaminação desses conjuntos com o próprio conteúdo gerado por IA cria um ciclo de retroalimentação estética. À medida que a saturação de imagens sintéticas cresce, o problema da padronização tende a se acentuar, limitando a criatividade e a autenticidade visual que o setor de alimentação busca alcançar.

Imagem: Valeria Boltneva / Pexels — Pexels License