Los peligros de la IA generativa aplicada a la gastronomía

Un estudio determinó que los usuarios prefieren las imágenes de alimentos realizadas con IA a las reales. Estas son las posibles consecuencias.
Estudio sobre la percepción de los usuarios ante imágenes de comida real versus la generada por IA generativa
15 de abril, de 2024
Copiar enlace

ScienceDirect, la plataforma que permite acceder a una gran base de datos de búsqueda científica y médica, ha lanzado un estudio que analiza si los usuarios son capaces de diferenciar las imágenes de alimentos reales y las generadas por IA generativa, además de revelar cuál de las dos opciones resulta más atractiva para los usuarios.

La principal conclusión es que la mayoría de los participantes consideran más apetitosas a las imágenes generadas con IA, cuando desconocen que fueron creadas con esta tecnología.

En ese sentido, el uso de IA en la gastronomía puede generar dos consecuencias negativas: una a nivel salud y otra a nivel ético. Por un lado, estas imágenes creadas artificialmente fomentan el «hambre virtual» y pueden promover el consumo de alimentos poco saludables. Por otro lado, pueden generar confusión o engaño en los usuarios, que en varios casos se ven imposibilitados de distinguir entre imágenes reales y falsas.

Alimentos escogidos para el estudio

Para recopilar los datos, la plataforma envió una encuesta a través de Google Forms a usuarios de entre 15 y 70 años en el Reino Unido, en noviembre de 2023, que visualizaron las imágenes de alimentos desde ordenadores de mesa (excluyendo móviles y tablets). El estudio se centró en cinco alimentos base (leche, papa, manzana, zanahoria y maní) y sus variaciones procesadas y ultraprocesadas, como muestra el siguiente cuadro:

Tabla con los alimentos escogidos para ser estudiados

De cada uno de los alimentos y sus variantes se obtuvieron fotografías libres de derechos de autor. Por cada imagen real, se creó una similar utilizando la herramienta DALL-E 3 de OpenAI integrado en ChatGPT-4. De esta forma, se obtuvieron 30 fotografías en total para comprobar si los usuarios podrán identificar la imagen generada por IA y cuál les parecía más apetitosa.

Ejemplo de imágenes que se mostraron a los participantes del estudio, en la categoría «zanahoria»

Capacidad para identificar imágenes reales

Luego de seleccionar los alimentos y las fotografías, se dividió a los participantes en tres grupos: 1A, 1B y 1C. 

Grupo de estudio 1A

A los encuestados se les mostraba las imágenes de los alimentos reales junto a las imágenes de los alimentos generadas por IA y debían identificar cuál era la artificial. 

En este caso, el resultado mostró que la proporción de alimentos identificados correctamente como generados por IA fue muy elevada, con un rango de precisión desde el 62% para el jugo de zanahorias, hasta el 91% en las golosinas con chocolate de maní. Algo muy curioso es que las personas de mayor edad tenían menos probabilidad de identificar las imágenes que fueron creadas con IA.

Aquí puedes ver la tabla de resultados con todos los alimentos estudiados, donde el porcentaje indica la proporción de participantes que supo identificar el origen de las imágenes.

Tabla que muestra el rango de precisión de las.imagenes escogidas correctamente

Grupo de estudio 1B

A los participantes de este grupo se les mostró una sola imagen (real o artificial) y debían determinar si era real o no. Aunque la tasa de identificación correcta de los alimentos fue en general elevada, en algunos casos, como la salsa de manzana, solo el 26% de los encuestados pudo identificar correctamente la imagen. Por el contrario, las golosinas de chocolate con maní obtuvo una tasa de identificación correcta del 93%.

Al igual que en el caso anterior, las personas de mayor edad tenían menos probabilidad de identificar de manera correcta las imágenes generadas por IA, mientras que en las imágenes reales la edad no influyó para su identificación correcta.

Aquí puedes ver la tabla de resultados con todos los alimentos estudiados.

Rango de precisión en la detección de imágenes falsas o reales

Grupo de estudio 1C

A los participantes también se les mostró una sola imagen, que podía ser real o artificial, pero en este caso debían calificar su confianza en la autenticidad de la misma, a través de una escala de puntos (1= Definitivamente generada por IA; 9= Definitivamente real).

En este caso, aunque la confianza de los participantes fue mucho mayor con las fotos reales, en las imágenes de alimentos ultraprocesados sí se notó una disparidad en la confianza.

Imagen que muestra el nivel de confiabilidad que tenían las personas

Las imágenes artificiales son más apetitosas que las reales

Por otro lado, utilizando el mismo conjunto de 30 imágenes, ScienceDirect estudió si el origen de las mismas influía en el apetito, con base en la opinión de 297 participantes de Reino Unido. Para esto, a los usuarios se les mostró la imagen de un alimento (real o artificial) para que califiquen su atractivo según una escala de puntos (1=Nada apetecible; 9=Extremadamente apetecible).

De igual forma, los participantes fueron divididos en 3 grupos: sin etiquetar, donde debían evaluar las imágenes sin saber si eran reales o artificiales; etiquetado, imágenes que habían sido identificadas como reales o artificiales; y mal etiquetado, las imágenes reales fueron etiquetadas como artificiales y viceversa.

En este caso, el estudio concluyó: 

  • Las imágenes artificiales fueron consideradas más apetitosas cuando los participantes no sabían que habían sido generadas por IA.
  • Cuando se etiquetan correctamente, ambas imágenes reciben resultados atractivos para los usuarios.
  • Cuando las imágenes se etiquetaron incorrectamente, los participantes afirmaron que las más apetitosas eran las que creen reales, aunque estas habían sido generadas por IA.

Imagen que muestra que tan apetecibles eran las imágenes según la etiqueta

Los peligros del «hambre visual» y el engaño en el marketing

Una de las principales conclusiones del estudio, es que la integración de la IA en las imágenes de alimentos trae consigo preocupaciones notables, entre la que destaca el impacto potencial sobre el «hambre visual», especialmente si dichas imágenes se difunden amplia y rápidamente. El hambre visual se refiere a la forma en que ver imágenes de alimentos desencadena el apetito y los antojos de alimentos y, al mismo tiempo, crea potencialmente referencias internas inapropiadas para el tamaño de porción adecuado.

La IA tiene la capacidad, a través del análisis de patrones en los datos, de identificar e, incluso, amplificar aquellas características específicas en las imágenes de alimentos que mejoran su atractivo, como la simetría, la forma, la frescura, el brillo, la presentación dinámica, fondo/iluminación ambiental/color, etc.

Estas mejoras podrían conducir a conductas alimentarias poco saludables, creando expectativas poco realistas sobre la comida. Además, la disponibilidad generalizada y la facilidad de uso de la IA podrían conducir a aún más difusión y «engaño».

Otra preocupación es que el avance de la IA hace que las imágenes reales y las artificiales sean casi imperceptibles, lo que pone el foco en la ética y la importancia de la transparencia en el contexto del marketing digital.

Foto: ChatGPT

 

Publicado por

Content Manager de Marketing4ecommerce
Periodista y Content Manager de Marketing4ecommerce desde 2021. Más de 180 artículos publicados sobre marketing y comercio online. Especializada en entrevistas, y en edición y producción de textos.

Suscríbete a M4C

Únete a nuestro canal de Whatsapp

¡Todo lo que necesitas saber!

Apúntate a nuestra newsletter y recibe gratis en tu correo nuestros mejores artículos sobre eCommerce y marketing digital.