La comida que quita el apetito – la investigación explica por qué la IA lucha con fideos, helado y hamburguesas

Fideos enloquecidos y helado que parece un cerebro

Se ha convertido en un género en sí mismo en las redes sociales: capturas de pantalla de imágenes de comida claramente generadas por IA de la marketing de restaurantes, recopiladas e incluidas comentarios burlones. Una hamburguesa con carne que fluye en la dirección equivocada. Una bola de helado que parece un tumor. Espagueti que parece tener vida propia.

Lo divertido es que no se trata de empresas emergentes desconocidas sino de marcas establecidas que quisieron ahorrar tiempo y dinero en producción de imágenes. El resultado ha sido, en muchos casos, lo opuesto a lo previsto: atención viral, pero del tipo incorrecto.

Pero detrás de las risas hay una pregunta técnica genuinamente interesante: ¿Por qué los sistemas de imágenes modernos son tan sorprendentemente malos precisamente con la comida?

El ruido que nunca desaparece realmente

La mayoría de los sistemas líderes para generación de imágenes se basan en la llamada tecnología de difusión. El proceso comienza con una imagen de ruido puro – piensa en el ruido de televisión antiguo – y luego limpia progresivamente la imagen deseada, capa tras capa. Las estructuras más gruesas se crean primero, se añaden detalles más finos hacia el final.

Esto suena elegante, y lo es – en muchos contextos. Pero como explica Chris Russell, profesor de inteligencia artificial y visión por computadora en la Universidad de Oxford, en The Verge: si la estructura básica es incorrecta desde el comienzo, entonces los detalles se colocan sobre una forma ya defectuosa. El error se refuerza en lugar de corregirse. Es exactamente el mismo mecanismo que está detrás del problema clásico de IA de demasiados dedos en las manos.

La comida es un caso extremo de este problema, por varias razones.

Fideos, semillas y caos geométrico

El científico del comportamiento Giovanbattista Califano de la Universidad Federico II en Nápoles señala que los modelos de difusión son notoriamente débiles con estructuras finas y conectadas. Fideos, hilos, formas en espiral – precisamente la geometría que reaparece en innumerables platos – es una especie de talón de Aquiles para la tecnología.

Tiene que ver con cómo se entrenan los modelos. Han aprendido a reconocer y recrear patrones a partir de enormes cantidades de imágenes, pero no tienen comprensión real de la física o las propiedades de los materiales. Un modelo no sabe que los fideos se mantienen unidos, que el queso derretido se estira de cierta manera, o que una manzana medio comida tiene una relación lógica con lo que falta.

Esta es una distinción importante: la tecnología de generación de imágenes actual es fundamentalmente un sistema avanzado de reconocimiento de patrones, no un sistema que comprenda el mundo. Puede producir algo que parece comida de una manera estadísticamente promedio, pero tan pronto como los detalles requieren contexto y lógica – cómo un bollo se comprime contra un plato, cómo la salsa fluye a lo largo de una superficie específica – el sistema pierde el control.

Las marcas pagan el precio

Lo interesante desde una perspectiva empresarial es que el error a menudo es doblemente costoso. Por un lado, la imagen se ve mal. Pero por otro lado, envía una señal de negligencia y falta de conciencia sobre la calidad – exactamente lo opuesto a lo que una marca de alimentos quiere comunicar.

La fotografía de comida es una forma de arte con décadas de refinamiento detrás. La iluminación, los accesorios, el styling, el timing – todo trabaja junto para evocar una sensación de apetito y disfrute. Es un área donde el juicio humano aún tiene una clara ventaja, no menos porque nosotros como observadores somos excepcionalmente buenos para reconocer cuando algo no se ve bien.

Es fascinante realmente: no siempre podemos explicar con palabras por qué un plato generado por IA se ve raro, pero lo notamos inmediatamente. Nuestro cerebro tiene años de entrenamiento evaluando comida – si es segura de comer, si está madura, si se ve deliciosa. La herencia evolutiva nos hace críticos muy exigentes.

Una tecnología en desarrollo – pero no lista aún

Sería incorrecto concluir que las imágenes generadas por IA nunca funcionan. La tecnología ya es sorprendentemente poderosa para motivos abstractos, paisajes, gráficos conceptuales y branding sin alimentos en el foco. Y el desarrollo es rápido – los modelos mejoran con cada generación.

Pero la comida es uno de los casos de prueba más difíciles que existen, y es instructivo estudiar exactamente por qué. Revela limitaciones fundamentales en cómo los modelos de difusión representan el mundo: la similitud estadística no es lo mismo que la comprensión.