మీరు తేడా చూడగలరా? నిజమైన ఆహార చిత్రాలకు వ్యతిరేకంగా AI- రూపొందించిన చిత్రాల ఆకర్షణను అధ్యయనం పరిశోధిస్తుంది

ఇటీవలి ఆహార నాణ్యత మరియు రుచి ఈ అధ్యయనం కృత్రిమ మేధస్సు (AI) ద్వారా రూపొందించబడిన నిజమైన ఆహార చిత్రాలు మరియు ఆహార చిత్రాల దృశ్యమాన ఆకర్షణను పోల్చింది.

అధ్యయనం: నిజమైన లేదా AI రూపొందించిన ఆహార చిత్రాల దృశ్యమాన ఆకర్షణను అంచనా వేయండి. చిత్ర క్రెడిట్: Pinkyone / Shutterstock.com

నేపథ్య

ఉత్పాదక AI మోడల్‌లలో ఇటీవలి పురోగతులు వాస్తవికత మరియు కృత్రిమత మధ్య వ్యత్యాసాన్ని అస్పష్టం చేశాయి. ఈ నమూనాలు అత్యంత అధునాతనమైనవి మరియు అంతర్లీన శిక్షణ డేటాసెట్ ఆధారంగా కొత్త కంటెంట్‌ని సృష్టించడం నేర్చుకోవచ్చు. OpenAI యొక్క ChatGPT అనేది ఒక ఉత్పాదక AI మోడల్‌కు ఉదాహరణ, ఇది ప్రపంచవ్యాప్తంగా గణనీయమైన ట్రాక్షన్‌ను పొందుతోంది.

ఆన్‌లైన్ కిరాణా ప్లాట్‌ఫారమ్‌లు, హాస్పిటాలిటీ సెక్టార్ మరియు డైరెక్ట్-టు-కన్స్యూమర్ సర్వీస్‌లకు గణనీయమైన చిక్కులను కలిగి ఉన్న AI- రూపొందించిన ఆహార చిత్రాలు సాపేక్షంగా కొత్త ఫీల్డ్. 2023లో నిర్వహించిన UK-ఆధారిత ఇటీవలి అధ్యయనం పరిమిత వనరులు, సమయం మరియు బడ్జెట్‌తో సహా అనేక రకాల వ్యాపారాలకు AI ద్వారా రూపొందించబడిన నిజమైన ఆహార చిత్రాల ప్రాముఖ్యతను పరిగణించింది. ప్రామాణికమైన ఆహార చిత్రాలపై ప్రజల అవగాహన పరిశోధించబడింది.

AI-ఆధారిత ఆహార చిత్రాల గురించిన సంభావ్య ఆందోళనలు “విజువల్ హంగర్” యొక్క తీవ్రతను కలిగి ఉంటాయి, ఇక్కడ చిత్రాన్ని వీక్షించడం ఆకలి మరియు ఆహార కోరికలను ప్రేరేపిస్తుంది మరియు AI ద్వారా రూపొందించబడిన ఆహార చిత్రాల స్వభావానికి సంబంధించి స్పష్టమైన బహిర్గతం విధానాల అవసరం. వీటిలో ఆవశ్యకత కూడా ఉంటుంది. ఈ ఆందోళనలు వినియోగదారు అవగాహన మరియు AI-ఆధారిత ఆహార చిత్రాల మధ్య సంబంధాన్ని మరింత పరిశోధనకు దారితీస్తాయి.

పరిశోధన గురించి

అధ్యయనంలో పాల్గొనేవారి నిజమైన మరియు AI- రూపొందించిన ఆహార చిత్రాల మధ్య తేడాను గుర్తించే సామర్థ్యాన్ని మరియు ఇది ఫుడ్ ప్రాసెసింగ్ స్థాయి ద్వారా ప్రభావితం చేయబడిందా అని పరిశీలించడానికి పరిశోధకులు రెండు సబ్‌స్టడీలను ఉపయోగించారు. వారు AI- రూపొందించిన ఆహార చిత్రాల యొక్క గ్రహించిన ఆకర్షణను మరియు వాస్తవ చిత్రాలతో పోలిస్తే ఆహార ప్రాసెసింగ్ పాత్రను కూడా అంచనా వేశారు. ఈ రేటింగ్‌లపై ఛాయాచిత్రాల స్వభావాన్ని బహిర్గతం చేయడం వల్ల కలిగే ప్రభావం కూడా పరిశోధించబడింది.

పాలు: అసలైన (ఎగువ వరుస) మరియు AI- రూపొందించిన (దిగువ వరుస) యొక్క ముడి (ఎడమ), ప్రాసెస్ చేయబడిన (మధ్య) మరియు అల్ట్రా-ప్రాసెస్ చేయబడిన (కుడి) సంస్కరణలు.

బంగాళాదుంపలు: ముడి (ఎడమ), ప్రాసెస్ చేయబడిన (మధ్య) మరియు అల్ట్రా-ప్రాసెస్ చేయబడిన (కుడి) వాస్తవ (పై వరుస) మరియు AI- రూపొందించిన (దిగువ వరుస).

యాపిల్స్: అసలైన (ఎగువ వరుస) మరియు AI- రూపొందించిన (దిగువ వరుస) యొక్క ముడి (ఎడమ), ప్రాసెస్ చేయబడిన (మధ్య) మరియు అల్ట్రా-ప్రాసెస్ చేయబడిన (కుడి) వెర్షన్‌లు.

పరిశోధన ఫలితం

మొదటి అధ్యయనంలో పాల్గొనేవారు AI ద్వారా రూపొందించబడిన ఆహార చిత్రాలను గుర్తించడంలో చాలా బాగా పనిచేశారు, ప్రత్యేకించి సహకార అసెస్‌మెంట్ మోడ్‌ను ఉపయోగిస్తున్నప్పుడు. సాధారణ మూల్యాంకన సిద్ధాంతం ప్రకారం, వ్యక్తులు ఉమ్మడి మూల్యాంకనంలో మరొక చిత్రాన్ని అంచనా వేయడానికి చిత్ర లక్షణాలను ఉపయోగించవచ్చు, ఇది ఫోటో యొక్క మూల్యాంకనం మరియు దాని విలువకు వ్యక్తుల సున్నితత్వాన్ని పెంచుతుంది.

వ్యక్తిగత మూల్యాంకనానికి విరుద్ధంగా, ఒక సహకార మూల్యాంకన మోడ్ వ్యక్తులు వాస్తవ మరియు AI- రూపొందించిన ఆహార చిత్రాల మధ్య ఖచ్చితమైన తేడాను గుర్తించడంలో సహాయపడుతుంది. అల్ట్రా-ప్రాసెస్డ్ ఫుడ్స్ (UPFలు)పై అవగాహన ఎక్కువగా ఉంది, ఇది UPFలతో అనుబంధించబడిన అధిక స్థాయి మానిప్యులేషన్ వల్ల కావచ్చు మరియు AI-మధ్యవర్తిత్వ మార్పులు UPFలను మరింత కృత్రిమంగా మరియు గుర్తించదగినవిగా మార్చవచ్చు.

ఇతర అధ్యయనాలకు అనుగుణంగా, AI- రూపొందించిన ఫోటోల గుర్తింపు రేట్లు నిజమైన చిత్రాల కంటే తక్కువగా ఉన్నాయి, పాల్గొనేవారు నిజమైన ఆహారాన్ని జీవితాంతం బహిర్గతం చేయడం వల్ల కావచ్చు. ముఖ్యంగా, AI-ఉత్పత్తి చేసిన ఆహారం మరియు నిజమైన ఆహారం మధ్య తేడాను గుర్తించే సామర్థ్యానికి మధ్య ఎలాంటి సంబంధం లేదు. ప్రజలు పెద్దయ్యాక, AI- రూపొందించిన చిత్రాలు మరియు నిజమైన చిత్రాల మధ్య తేడాను గుర్తించే వారి సామర్థ్యం తగ్గింది.

రెండవ అధ్యయనం ఆహార చిత్రాల యొక్క గ్రహించిన ఆకర్షణపై లేబులింగ్ ప్రభావాన్ని అంచనా వేసింది. బహిర్గతం లేకుండా, వాస్తవ చిత్రాలు స్థిరంగా AI- రూపొందించిన చిత్రాల కంటే తక్కువ ఆకలి పుట్టించేవిగా రేట్ చేయబడ్డాయి. తులనాత్మకంగా, బహిర్గతం చేసిన తర్వాత, పాల్గొనేవారి ప్రాధాన్యతలు ఆహారం యొక్క వాస్తవ స్వభావంతో సంబంధం లేకుండా ప్రామాణికమైనవిగా లేబుల్ చేయబడిన చిత్రాల వైపు మొగ్గు చూపుతాయి.

పాల్గొనేవారు మోసపోయినట్లయితే లేదా ఆహారం యొక్క లక్షణాల గురించి తెలియకుంటే, AI- ఆధారిత ఆకృతిలో ప్రాసెస్ చేయని ఆహారం మరింత ఆకర్షణీయంగా పరిగణించబడుతుంది. “సమాచారం” లేదా సరిగ్గా లేబుల్ చేయబడినప్పుడు, AI ద్వారా రూపొందించబడిన చిత్రాల కంటే నిజమైన చిత్రాలు మరింత ఆకలి పుట్టించేవిగా పరిగణించబడతాయి.

ముగింపు

పరిశోధనలు వినియోగదారుల అవగాహనలు మరియు AI- రూపొందించిన ఆహార చిత్రాల మధ్య సున్నితమైన సంబంధానికి కొత్త అంతర్దృష్టులను అందిస్తాయి. ఇంకా, ఈ అధ్యయనం డిజిటల్ ఫుడ్ మార్కెటింగ్‌లో మానవ ప్రతిస్పందనలు మరియు సాంకేతిక ఆవిష్కరణల మధ్య సంక్లిష్ట పరస్పర చర్యను పరిశీలిస్తుంది.

ఫలితాలు విక్రయదారులు మరియు పరిశ్రమల కోసం ఒక అవకాశాన్ని సూచిస్తున్నాయి, కానీ “దృశ్య ఆకలి”ని కూడా తీవ్రతరం చేయవచ్చు, ఇది అనారోగ్యకరమైన తినే ప్రవర్తనలకు దోహదం చేస్తుంది. దీన్ని పరిష్కరించడానికి, మీ కంటెంట్ మూలాన్ని స్పష్టంగా వెల్లడించడం చాలా ముఖ్యం.

ఈ అధ్యయనం యొక్క ముఖ్యమైన పరిమితి సాధారణ జనాభా యొక్క దాని ప్రాతినిధ్యాన్ని కలిగి ఉంటుంది. 65 ఏళ్లు మరియు అంతకంటే ఎక్కువ వయస్సు గలవారు తక్కువగా ప్రాతినిధ్యం వహించారు, ఇది ఫలితాల సాధారణీకరణను పరిమితం చేస్తుంది.

ఈ అధ్యయనం నిర్దిష్ట AI మోడల్ ద్వారా ఉత్పత్తి చేయబడిన నిర్దిష్ట ఉద్దీపనలను ఉపయోగించింది. దీనర్థం ఈ ఫలితం ఇతర AI మోడల్‌లకు వర్తించకపోవచ్చు, ఇది విభిన్న స్థాయి వాస్తవికతను కలిగి ఉండవచ్చు.

ముఖ్యంగా, ఉత్పాదక నమూనాలు వేగంగా అభివృద్ధి చెందుతున్నాయి. అందువల్ల, ప్రస్తుత అధ్యయన ఫలితాలు సమయానికి సంబంధించిన స్నాప్‌షాట్‌కు అనుగుణంగా ఉంటాయి మరియు అనుబంధిత పరిమితులను కలిగి ఉంటాయి. ఈ పరిశీలనలను ధృవీకరించడం మరియు నిర్మించడం కొనసాగించడానికి భవిష్యత్ పరిశోధన అవసరం.

భవిష్యత్తులో, “కంఫర్ట్ ఫుడ్స్”పై మరిన్ని పరిశోధనలు నిర్వహించబడాలి, ఇక్కడ భావోద్వేగ కనెక్షన్‌లు డిజిటల్ కంటెంట్ ఆమోదానికి మధ్యవర్తిత్వం వహించవచ్చు. ఈ రకమైన పరిశోధన భౌగోళిక స్థానం మరియు లింగం ద్వారా సౌకర్యవంతమైన ఆహారం యొక్క నిర్వచనంలో తేడాలను పరిగణనలోకి తీసుకోవాలి. సహజత్వం యొక్క అవగాహనలో ఆహార వాసన యొక్క పాత్రను అంచనా వేయడం మరొక ఆసక్తికరమైన పరిశోధన దిశ.