La Chi-Town Deli din Chicago, inteligența artificială a primit o misiune aparent imposibil de ratat: să facă niște sandvișuri să arate apetisant. Rezultatul a demonstrat încă o dată că progresul tehnologic nu înaintează întotdeauna în direcția stomacului. Chris Murphy, care intrase să-și cumpere prânzul, a observat imediat că fotografiile din meniu erau generate cu AI: toate sandvișurile aveau aceeași strălucire artificială, salata părea construită din cărămizi, iar un Reuben căpătase o înfățișare pe care Murphy a descris-o drept „Lovecraftiană”. În alte meniuri devenite virale au apărut creveți suspect de perfect rotunzi, burrito cu texturi aproape organice și ingrediente care par să fi continuat să evolueze după ce bucătarul a plecat acasă. Managerul localului, Ali Malik, a explicat că imaginile fuseseră făcute de un angajat și erau doar provizorii, până la sosirea unui panou cu fotografii reale. Economisești, deci, fotograful, lumina, aranjarea farfuriei și aparatul foto; singura problemă este că după aceea trebuie să convingi clientul că sandvișul adevărat nu va arăta ca fotografia.

De ce greșește AI-ul tocmai așa? Generatoarele moderne de imagini sunt, în mare parte, modele de difuzie: ele pornesc de la zgomot vizual și reconstruiesc treptat o imagine care este statistic compatibilă cu promptul și cu imaginile văzute în antrenare. Modelul nu posedă însă o „rețetă internă” a unui sandviș și nici nu verifică dacă fiecare frunză de salată, felie de carne sau crevete formează un obiect fizic coerent. De aici apar erorile de consistență structurală: elemente care se contopesc, ingrediente care se repetă nefiresc, forme cu geometrie imposibilă sau texturi care continuă dintr-un obiect în altul. Mai apare și texture repetition, tendința modelului de a repeta modele vizuale locale, motiv pentru care salata poate căpăta aspect de cărămizi, găuri sau solzi, precum și erori de specular highlights, reflexii și luciu exagerat, care dau alimentelor acel aspect umed, plastic și artificial atât de ușor de recunoscut. Modelele noi au devenit foarte bune la compoziția generală a unei imagini, dar pot rămâne surprinzător de slabe la coerența locală: de la distanță văd un sandviș; când te apropii, descoperi că unele dintre ingredientele lui par să provină dintr-o specie încă nedescrisă de biologie.