האם אתה יכול לזהות את ההבדל? מחקר בוחן את המשיכה של תמונות שנוצרו בינה מלאכותית לעומת תמונות מזון אמיתיות

לאחרונה איכות והעדפת מזון מחקר משווה את המשיכה החזותית של תמונות מזון שנוצרו בבינה אמיתית ומלאכותית (AI).

לימוד: הערכת המשיכה החזותית של תמונות מזון אמיתיות/בינה מלאכותיות. קרדיט תמונה: Pinkyone / Shutterstock.com

רקע כללי

ההתקדמות האחרונה במודלים של AI גנרטיביים טשטשה את ההבחנה בין מציאות למלאכותיות. מודלים אלה מתוחכמים ביותר ויכולים ללמוד ליצור תוכן חדש על בסיס מערך ההדרכה הבסיסי. ChatGPT של OpenAI הוא דוגמה למודל AI מחולל שזכה לתשומת לב משמעותית ברחבי העולם.

תמונת מזון שנוצרת בינה מלאכותית היא תחום חדש יחסית עם השלכות משמעותיות על פלטפורמות מכולת מקוונות, מגזר האירוח ושירותים ישירות לצרכן. סקר שנערך לאחרונה בבריטניה, שנערך בשנת 2023, חקר את התפיסה הציבורית של תמונות מזון שנוצרו בינה מלאכותית ואותנטית, בהתחשב בחשיבותה עבור מגוון רחב של עסקים, כולל אלה בעלי משאבים, זמן או תקציבים דלים.

חששות פוטנציאליים עם תמונות מזון מבוססות בינה מלאכותית כוללות את העצמת 'רעב חזותי', שגוררת הפעלת תיאבון ותשוקה לאוכל בעת צפייה בתמונות, והצורך במדיניות חשיפה ברורה לגבי האופי שנוצר על ידי בינה מלאכותית של תמונות מזון. חששות אלו מניעים מחקר נוסף על הקשרים בין תפיסת צרכנים לבין דימויים של מזון מבוסס בינה מלאכותית.

לגבי המחקר

באמצעות שני מחקרים משנה, החוקרים בחנו את יכולתם של משתתפי המחקר להבדיל בין תמונות מזון אותנטיות לתמונות שנוצרו על ידי AI והאם זה מושפע ממידת עיבוד המזון. הם גם העריכו את המשיכה הנתפסת של תמונות מזון שנוצרו בינה מלאכותית ואת התפקיד של עיבוד מזון ביחס לתמונות אותנטיות. גם ההשפעה של חשיפת אופי התמונה על הערכות אלו נחקרה.

חלב: אמיתי (שורה עליונה) ונוצר בינה מלאכותית (שורה תחתונה) בגרסאותיו הלא מעובדות (משמאל), מעובדות (האמצעיות) והאולטרה מעובדות (ימין).

תפוחי אדמה: אמיתיים (השורה העליונה) ו-AI שנוצרו (שורה התחתונה) בגרסאות הלא מעובדות (השמאליות), המעובדות (האמצעיות) והאולטרה מעובדות (הימנית).

תפוחים: אמיתיים (השורה העליונה) ו-AI שנוצרו (השורה התחתונה) בגרסאות הלא מעובדות (השמאליות), המעובדות (האמצעיות) והאולטרה מעובדות (הימנית) שלהם.

ממצאי המחקר

משתתפי המחקר הראשון הצליחו מאוד בזיהוי תצלומי מזון שנוצרו בינה מלאכותית, במיוחד כאשר נעשה שימוש במצב הערכה משותף. על פי תיאוריית ההערכה הכללית, אנשים יכולים להשתמש בתכונות של תמונה כדי להעריך אחרת בהערכות משותפות, מה שמגדיל את יכולת ההערכה של התמונה ואת הרגישות של אנשים לערכה.

בניגוד להערכה נפרדת, ייתכן שמצב ההערכה המשותפת עזר לאנשים להבחין במדויק בין תמונות מזון אותנטיות לתמונות שנוצרו על ידי בינה מלאכותית. עבור מזונות מעובדים במיוחד (UPFs), ההכרה הייתה גבוהה יותר, מה שיכול לנבוע מהדרגה הגבוהה של מניפולציה הקשורה ל-UPFs, כאשר שינויי AI עלולים להפוך את ה-UPF למלאכותיים ובולטים יותר.

בהתאם למחקרים אחרים, שיעור ההכרה עבור תמונות שנוצרו בינה מלאכותית היה נמוך יותר מאשר עבור תמונות אמיתיות, דבר שיכול לנבוע מחשיפה לכל החיים של המשתתפים לאוכל אמיתי. חשוב לציין, היכולת לזהות מזון שנוצר בינה מלאכותית ואמיתית הייתה חסרת קורלציה. עם התקדמות הגיל, ירדה היכולת להבדיל בין תמונות שנוצרו בינה מלאכותית לבין תמונות אמיתיות.

המחקר השני העריך את ההשפעה של תיוג על המשיכה הנתפסת של תמונות מזון. ללא חשיפה, תמונות אותנטיות דורגו באופן עקבי פחות מעורר תיאבון מאשר עמיתיהם שנוצרו בינה מלאכותית. בהשוואה, עם חשיפה, העדפות המשתתפים נטו להשתנות לכיוון של תמונות שסומנו כאמיתיות, ללא תלות באופי הממשי של המזון.

במקרים בהם המשתתפים הונו או לא מודעים לאופי המזון, מזון לא מעובד נחשב מושך יותר בפורמטים המבוססים על בינה מלאכותית שלהם. במצב "מיודע" או תווית נכונה, תמונות אמיתיות נחשבו למעוררות תיאבון יותר ממקבילותיהן שנוצרו בבינה מלאכותית.

מסקנות

ממצאי המחקר מספקים תובנות חדשות לגבי הקשר הניואנסי בין תפיסות צרכנים לבין דימויים של מזון שנוצר בינה מלאכותית. יתרה מכך, מחקר זה בוחן את יחסי הגומלין המורכבים בין תגובות אנושיות לחדשנות טכנולוגית בשיווק מזון דיגיטלי.

בעוד שהתוצאות מצביעות על הזדמנות למשווקים ולתעשייה, יכולה להיות גם החרפה פוטנציאלית של 'רעב חזותי', שיש לו פוטנציאל לתרום להתנהגויות אכילה לא בריאות. כדי להתמודד עם זה, חשיפה ברורה של מקור התוכן חשובה ביותר.

מגבלה מרכזית של המחקר כוללת את הייצוגיות של האוכלוסייה הכללית. קבוצת הגיל שלמעלה בת 65 הייתה מיוצגת פחות, ובכך הגבילה את יכולת ההכללה של הממצאים.

גירויים ספציפיים שנוצרו על ידי מודל AI ספציפי שימשו במחקר זה. זה מרמז שהממצאים עשויים שלא לחול על מודלים אחרים של בינה מלאכותית, שיכולים להניב דרגות שונות של ריאליזם.

חשוב לציין, מודלים גנרטיביים מתקדמים במהירות; לכן, ממצאי המחקר הנוכחיים תואמים לתמונת מצב מסוימת בזמן ויש להם מגבלות קשורות. יש צורך במחקר עתידי כדי להמשיך לאמת ולהתבסס על תצפיות אלה.

בעתיד, יש לערוך מחקר נוסף על "מזונות מנחמים", כאשר חיבור רגשי יכול לתווך את קבלת התוכן הדיגיטלי. סוגים אלה של מחקרים חייבים להסביר את ההבדלים בהגדרה של מזון מנחם בין מיקומים גיאוגרפיים ומגדרים. כיוון מחקרי מסקרן נוסף יכול להיות הערכת תפקידם של ניחוחות מזון על תפיסת הטבעיות.