¿Puedes notar la diferencia? El estudio explora el atractivo de las fotografías de alimentos generadas por IA frente a las fotografías de alimentos reales.

recién Calidad y preferencias de los alimentos. El estudio compara el atractivo visual de imágenes de alimentos (IA) reales y artificiales.

Estancia: Evaluación del atractivo visual de imágenes de alimentos reales o generadas por IA. Crédito de la imagen: Pinkyone/Shutterstock.com

fondo

Los recientes avances en los modelos de IA generativa han desdibujado la distinción entre lo real y lo artificial. Estos modelos son muy sofisticados y pueden aprender a generar contenido nuevo en función del conjunto de datos de entrenamiento subyacente. ChatGPT de OpenAI es un ejemplo de un modelo de IA generativa que ha recibido una atención significativa en todo el mundo.

Las imágenes de alimentos generadas por IA son un campo relativamente nuevo que tiene importantes implicaciones para las plataformas de comestibles en línea, el sector hotelero y los servicios directos al consumidor. Una encuesta reciente realizada en el Reino Unido en 2023 analizó la percepción pública de las imágenes de alimentos originales generadas por IA, dada su importancia para una amplia gama de empresas, incluidas aquellas que tienen escasos recursos, tiempo o presupuesto.

Las posibles preocupaciones sobre las imágenes de alimentos basadas en IA incluyen la intensificación del «hambre visual», que implica inducir el apetito y los antojos de comida cuando se ven las imágenes, y la necesidad de políticas de divulgación claras sobre la naturaleza de las imágenes de alimentos generadas por IA. Estas preocupaciones motivan más estudios sobre los vínculos entre la percepción del consumidor y las imágenes de alimentos basadas en IA.

Sobre el estudio

Utilizando dos subestudios, los investigadores exploraron la capacidad de los participantes del estudio para distinguir entre imágenes de alimentos originales y aquellas generadas por inteligencia artificial y si esto se veía afectado por el grado de procesamiento de los alimentos. También evaluaron el atractivo percibido de las imágenes de alimentos generadas por IA y el papel del procesamiento de alimentos en relación con las imágenes originales. También se estudió el efecto de revelar la naturaleza de la imagen en estas evaluaciones.

Leche: real (fila superior) y generada por IA (fila inferior) en sus variantes sin procesar (izquierda), procesada (centro) y ultraprocesada (derecha).

Patatas: reales (fila superior) y generadas por IA (fila inferior) en sus variantes sin tratar (izquierda), tratadas (centro) y altamente procesadas (derecha).

Manzanas: reales (fila superior) y generadas por IA (fila inferior) en sus variantes sin procesar (izquierda), procesadas (centro) y altamente procesadas (derecha).

Resultados

Los participantes en el primer estudio obtuvieron muy buenos resultados en la identificación de imágenes de alimentos generadas por IA, especialmente cuando utilizaron el modo de evaluación combinado. Según la teoría general de la evaluabilidad, los individuos pueden utilizar características de la imagen para evaluar otra imagen en evaluaciones conjuntas, lo que aumenta la evaluabilidad de la imagen y la sensibilidad de las personas a su valor.

A diferencia de la evaluación separada, el modo de evaluación conjunta puede haber ayudado a los individuos a distinguir con precisión entre las imágenes de alimentos originales y las generadas por la IA. Para los alimentos ultraprocesados ​​(UPF), el reconocimiento fue mayor, lo que puede deberse al alto grado de manipulación asociado con los UPF, y las modificaciones de la IA potencialmente hacen que los UPF sean más artificiales y obvios.

De acuerdo con otros estudios, la tasa de reconocimiento de las imágenes generadas por IA fue menor que la de las imágenes reales, lo que puede deberse a la exposición de los participantes a alimentos reales durante toda su vida. Es importante destacar que la capacidad de identificar alimentos reales generados por la IA no estaba correlacionada. Con la edad, la capacidad de distinguir entre imágenes reales y generadas por IA disminuyó.

El segundo estudio evaluó el efecto del etiquetado sobre el atractivo percibido de las fotografías de alimentos. Sin divulgación, las imágenes originales fueron constantemente calificadas como menos apetecibles que sus contrapartes generadas por IA. Relativamente, con la divulgación, las preferencias de los participantes tendieron a cambiar hacia imágenes consideradas reales, independientemente de la naturaleza real de la comida.

En los casos en que los participantes fueron engañados o desconocían la naturaleza de los alimentos, los alimentos no procesados ​​se consideraron más atractivos en sus formatos basados ​​en IA. En la condición de «informado» o calificado correctamente, las imágenes reales se consideraban más apetitosas que sus contrapartes generadas por IA.

Conclusiones

Los resultados del estudio proporcionan nuevos conocimientos sobre la relación precisa entre las percepciones de los consumidores y las imágenes de alimentos generadas por IA. Además, este estudio explora la compleja interacción entre las respuestas humanas y la innovación tecnológica en el marketing digital de alimentos.

Si bien los hallazgos apuntan a oportunidades para los especialistas en marketing y la industria, también existe una posible exacerbación del «hambre visual», que tiene el potencial de contribuir a conductas alimentarias poco saludables. Para abordar esta cuestión, es extremadamente importante una divulgación clara del origen del contenido.

Una limitación importante del estudio tiene que ver con la representatividad de la población general. El grupo de edad de 65 años mencionado anteriormente estuvo menos representado, lo que limita la generalización de los resultados.

En este estudio se utilizaron estímulos específicos generados por un modelo de inteligencia artificial específico. Esto significa que es posible que los resultados no se apliquen a otros modelos de IA, lo que puede dar lugar a diferentes grados de realismo.

Es importante destacar que los modelos generativos están avanzando rápidamente; Por lo tanto, los resultados del presente estudio corresponden a una instantánea particular en el tiempo y tienen limitaciones asociadas. Se necesitan investigaciones futuras para validar y desarrollar aún más estas observaciones.

En el futuro, se deberían realizar más investigaciones sobre los “alimentos reconfortantes”, donde la conexión emocional puede mediar la aceptación del contenido digital. Este tipo de estudios deberían considerar las diferencias en la definición de alimentos reconfortantes entre ubicaciones geográficas y géneros. Otra línea de investigación interesante es la evaluación del papel de los olores de los alimentos en la percepción de la naturaleza.