Mục lục
TL;DR: Hình ảnh đồ ăn do AI tạo thường dễ nhận biết và có nhiều điểm sai lệch. Những sai lệch đó lại chạm đúng các tín hiệu ghê sợ bản năng của con người.
Những chiếc burger như ghép từ đá, kem trông như bê tông nứt, món cuộn đầy lỗ hay sợi mì mọc ra ở nơi không thể có mặt ngày càng xuất hiện trong ảnh quảng cáo của nhà hàng, quán cà phê và thương hiệu. Chúng có thể bắt mắt theo một cách không mong muốn, nhưng hiếm khi khiến người xem muốn ăn.
Vấn đề không chỉ nằm ở một prompt kém cụ thể. Theo các chuyên gia được trích dẫn trong nguồn, cảm giác “sai” của đồ ăn AI hình thành từ nhiều lớp: cách các mô hình tạo ảnh dựng hình, giới hạn khi xử lý chi tiết, dữ liệu học từ internet và cách não người đánh giá liệu thực phẩm có an toàn hay không.
Sai cấu trúc trước, chi tiết sai theo sau
Nhiều hệ thống AI tạo ảnh phổ biến dùng mô hình diffusion. Nói đơn giản, mô hình bắt đầu bằng một khung hình nhiễu như màn hình đầy hạt, sau đó loại nhiễu dần để tạo ra hình ảnh theo yêu cầu.
Chris Russell, giáo sư về AI, chính phủ và chính sách tại Đại học Oxford, giải thích rằng cấu trúc thô thường được khôi phục trước, còn texture và chi tiết mịn được thêm vào sau. Vì vậy, nếu mô hình hiểu sai khung cơ bản của một món ăn ngay ở giai đoạn đầu, các chi tiết sống động được phủ thêm về sau không sửa được lỗi mà còn khiến nó lộ rõ hơn.
Đây là dạng lỗi cùng họ với hình người có sáu ngón tay: hình ảnh có vẻ chi tiết và sắc nét, nhưng các phần phải tuân theo cấu trúc rõ ràng lại không khớp. Với thực phẩm, sai lệch đó có thể biến một chiếc bánh, miếng thịt hoặc món kẹp thành một khối vật chất khó xác định.
Vì sao sợi mì và các cụm lỗ xuất hiện khắp nơi
Ngay cả khi cấu trúc chính không quá sai, AI vẫn gặp khó với các hình dạng mảnh, liên tục và có điểm kết thúc rõ ràng. Giovanbattista Califano, nhà khoa học hành vi nghiên cứu phản ứng với ảnh AI tại Đại học Naples Federico II, cho biết sợi mì, dây, tua hay các dải mảnh là loại hình học mà mô hình diffusion đặc biệt dễ xử lý lỗi.
Khi đã bắt đầu tạo một sợi, mô hình có thể không xác định tốt nó phải dừng ở đâu hoặc gắn vào bộ phận nào. Kết quả là các chi tiết giống spaghetti tràn sang những nơi không có logic ẩm thực hay vật lý.
Các texture lặp như bọt khí, hạt hoặc lỗ cũng có thể vượt khỏi ranh giới hợp lý. Đó là một lý do ảnh đồ ăn AI dễ có bề mặt dày đặc chấm, mảng lặp và cụm lỗ. Với một số người, kiểu thị giác này còn có thể gợi trypophobia, tức cảm giác khó chịu trước các cụm lỗ dày đặc.
AI học vẻ ngoài của món ăn chứ không hiểu món ăn
Một giới hạn cốt lõi là AI không thực sự biết sandwich, mì hay burrito là gì. Nó học các tương quan thống kê về việc những thứ này thường trông ra sao, thay vì hiểu vật thể, công dụng, quy luật vật lý hay lý do một món ăn không nên giống vật liệu xây dựng.
Roland Meyer, giáo sư về văn hóa và nghệ thuật số tại Đại học Zurich, mô tả AI tạo ảnh là tái tạo vẻ ngoài mà không có tri thức đúng nghĩa về thế giới. Michael Cook, giảng viên cao cấp ngành khoa học máy tính tại King’s College London, cũng lưu ý rằng một texture có thể hoàn toàn bình thường trong bối cảnh kiến trúc, nhưng trở nên sai ngay khi người xem phải hình dung nó là thứ có thể ăn được.
Dữ liệu huấn luyện có thể làm tình hình phức tạp hơn. Ảnh food photography thường được dàn dựng mạnh, dùng màu đậm, tương phản cao, ánh sáng bóng và hình khối cường điệu; đôi khi vật được chụp còn không phải thực phẩm thật. Mô hình có thể học các dấu hiệu bề mặt đó nhưng không nắm được chiến lược thẩm mỹ và bối cảnh chuyên nghiệp phía sau chúng.
Internet và ảnh AI có thể làm lệch hình dung của mô hình
Chất liệu trên internet không phản ánh thế giới theo cách cân bằng. Simon Colton, giáo sư về sáng tạo tính toán, game và AI tại Queen Mary University of London, nêu khả năng rằng ảnh một quả táo đỏ bình thường có thể ít hơn những hình ảnh lạ thường, meme hoặc nội dung gây chú ý được lan truyền rộng.
Điều này có thể khiến mô hình hình thành các liên tưởng bất thường về thực phẩm. Cook cũng cho biết các hệ thống AI hiện được huấn luyện trên cả nội dung do AI khác tạo ra. Nghiên cứu được nguồn dẫn lại cho thấy việc này có thể dẫn đến “model collapse” — hiện tượng đầu ra dần suy giảm về chất lượng thị giác và ngày càng giống nhau hơn.
Prompt mơ hồ, hoặc chỉ dẫn không phù hợp với tạo ảnh như yêu cầu “chính xác”, cũng có thể làm kết quả tệ hơn. Ngoài ra, khi một ảnh độ phân giải thấp bị phóng lớn quá mức, các lỗi nhỏ dễ bị khuếch đại; phần hình ảnh còn thiếu có thể được AI tự lấp đầy nhưng không chính xác.
Vì sao đáng chú ý?
Con người đặc biệt nhạy với thực phẩm trông không an toàn. Cảm giác ghê sợ được cho là đã tiến hóa một phần để giúp nhận ra ký sinh trùng, mầm bệnh, độc tố và các nguy cơ khác. Vì thế, những tua giống giun, cụm lỗ gợi liên tưởng đến sự xâm nhiễm, màu sắc lạ hoặc texture như ôi hỏng có thể kích hoạt phản ứng mạnh hơn cả hình người gần giống người nhưng vẫn bất thường.
Đó là lý do đồ ăn AI không chỉ đơn thuần trông “không ngon”. Nó có thể chạm vào một hệ thống cảnh báo rất nguyên thủy: món ăn nhìn gần giống thực phẩm, nhưng não người vẫn nhận ra có điều gì đó không ổn.
- Theo báo chí: Why AI food looks like that — The Verge AI — 04/09/2026
