1711078954
2024-03-22 03:14:00
最近の 食品の品質と好み この研究では、本物の食品画像と人工知能 (AI) によって生成された食品画像の視覚的魅力を比較しています。
勉強： 本物の食品画像または AI によって生成された食品画像の視覚的な魅力を評価します。 画像クレジット: Pinkyone / Shutterstock.com
背景
生成 AI モデルの最近の進歩により、現実と人工性の区別があいまいになりました。 これらのモデルは非常に洗練されており、基礎となるトレーニング データセットに基づいて新しいコンテンツの作成を学習できます。 OpenAI の ChatGPT は、世界中で大きな注目を集めている生成 AI モデルの一例です。
AI によって生成された食品画像は比較的新しい分野であり、オンライン食料品プラットフォーム、ホスピタリティ分野、および消費者直販サービスに大きな影響を及ぼします。 2023 年に英国を拠点として実施された最近の調査では、リソース、時間、予算が限られている企業を含む幅広いビジネスにとって AI が生成した本物の食品画像の重要性を考慮して、AI によって生成された本物の食品画像に対する一般の認識が調査されました。
AI ベースの食品画像に関する潜在的な懸念としては、画像を見ると食欲や食べ物への渇望が引き起こされる「視覚的飢餓」の激化や、AI によって生成された食品画像の性質に関する明確な開示ポリシーの必要性などが挙げられます。 こうした懸念により、消費者の認識と AI ベースの食品画像との関係についてさらなる研究が行われることになります。
研究について
研究者らは2つの下位研究を用いて、本物の食品画像とAIが生成した食品画像を区別する研究参加者の能力と、これが食品加工の程度に影響されるかどうかを調査した。 彼らはまた、AI が生成した食品画像の知覚された魅力と、本物の画像と比較した食品加工の役割も評価しました。 写真の性質を開示することがこれらの評価に及ぼす影響も調査されました。
牛乳: 本物 (上段) と AI 生成 (下段) の未加工 (左)、加工済み (中)、および超加工済み (右) の各バージョン。
ジャガイモ: 本物 (上段) と AI 生成 (下段) の未加工 (左)、加工済み (中)、超加工済み (右) の各バージョン。
リンゴ: 本物 (上段) と AI 生成 (下段) の未加工 (左)、加工済み (中)、および超加工 (右) の各バージョン。
研究結果
最初の研究の参加者は、特に共同評価モードを使用した場合に、AI によって生成された食べ物の写真を識別することに非常に優れた成績を収めました。 一般評価理論によると、個人は共同評価で画像の特徴を使用して別の画像を評価することができ、これにより写真の評価可能性とその価値に対する人々の感受性が高まります。
個別の評価とは対照的に、共同評価モードは、個人が本物の食品画像と AI によって生成された食品画像を正確に区別するのに役立つ可能性があります。 超加工食品 (UPF) の認知度は高く、これは UPF に関連する高度な操作が原因である可能性があり、AI による改変により UPF がより人工的で目立つものになる可能性があります。
他の研究と一致して、AI が生成した写真の認識率は実際の画像よりも低かったが、これは参加者が生涯にわたって本物の食べ物に触れていたことが原因である可能性がある。 重要なのは、AI が生成した食品と本物の食品を識別する能力には相関関係がなかったことです。 加齢に伴い、AIが生成した画像と実際の画像を区別する能力が低下した。
2 番目の研究では、食品画像の知覚された魅力に対するラベル表示の影響を評価しました。 開示がなければ、本物の画像は、AI が生成した画像よりも食欲をそそらないと一貫して評価されていました。 比較的、開示すると、参加者の好みは、食べ物の実際の性質とは関係なく、本物としてラベル付けされた画像に移る傾向がありました。
参加者がだまされたり、食品の性質に気づいていなかったりした場合、AI ベースの形式では未加工食品の方が魅力的であると考えられました。 「情報を与えられた」、つまり正しくラベルが付けられた状態では、実際の画像は、AI によって生成された画像よりも食欲をそそると考えられました。
結論
この調査結果は、消費者の認識と AI が生成した食品画像との間の微妙な関係について新たな洞察を提供します。 さらに、この研究では、デジタル食品マーケティングにおける人間の反応と技術革新の間の複雑な相互作用を調査しています。
この結果はマーケティング担当者や業界にとってチャンスであることを示唆しているが、不健康な食行動の一因となる可能性のある「視覚的飢餓」が悪化する可能性もある。 これに対処するには、コンテンツの出所を明確に開示することが非常に重要です。
この研究の重要な限界には、一般集団の代表性が関係しています。 65 歳以上の年齢層はあまり代表されていないため、調査結果の一般化可能性が制限されています。
この研究では、特定の AI モデルによって生成された特定の刺激が使用されました。 これは、この結果が他の AI モデルには当てはまらない可能性があることを意味しており、異なる程度の現実性が得られる可能性があります。
重要なのは、生成モデルが急速に進歩していることです。 したがって、現在の研究結果は特定の時点のスナップショットに対応しており、関連する制限があります。 これらの観察を継続的に検証し、それに基づいて構築するには、今後の研究が必要です。
将来的には、感情的なつながりがデジタルコンテンツの受け入れを媒介する可能性がある「コンフォートフード」について、さらに研究が行われる必要があります。 この種の研究では、地理的場所や性別によるコンフォートフードの定義の違いを考慮する必要があります。 もう 1 つの興味深い研究の方向性は、自然さの認識における食品の香りの役割を評価することかもしれません。
参考雑誌:
- Califano, G. および Spence, C. (2024) 本物の/AI で生成された食品画像の視覚的な魅力を評価します。 食品の品質と好み 116; 105149。 土井:10.1016/j.foodqual.2024.105149
#違いが分かりますか #生成の画像と実際の食べ物の画像の魅力を調査する研究