A IA já está gerando imagens e vídeos perfeitos, então o ciclo da nostalgia começou: saudades do DALL-E 2

Nas últimas semanas, uma comparação se espalhou pelo X entre a mesma imagem gerada com o DALL-E 2 e com modelos mais recentes: uma natureza-morta de um biscoito mergulhado em leite, com o mesmo texto em ambos os casos. A resposta da maioria não foi "que avanço incrível!", mas sim "eu prefiro a antiga".

O DALL-E 2 chegou em abril de 2022 e a OpenAI o descontinuou na primavera passada, substituindo-o por modelos como os que agora alimentam o ChatGPT Images 2.0. Quatro anos foram suficientes para um modelo que parecia mágico se tornar um objeto de nostalgia.

Em detalhes

O padrão se repete com as mesmas palavras: "granulação", "pinceladas", "textura Holga", "tinta de verdade". Uma usuária que começou a usar o DALL-E 2 em 2022 diz que foi o modelo que a fez entender o espaço latente e lamenta que o DALL-E 3 tenha pendido para o que ela chama de "vazio colorido" da Midjourney. Outra admite que teria preferido que o DALL-E 2 tivesse sido o fim da linha: "bom no que importava, ruim no que importava, e mesmo assim eu o amava".

O ruído, essa falha que os engenheiros passaram anos aprimorando até que desaparecesse, é precisamente o que faz falta hoje: o rastro de que algo foi improvisado, não montado.

Nas entrelinhas

Com o DALL-E 2, o resultado nunca era totalmente previsível: o modelo interpretava, cometia erros e surpreendia. Os modelos atuais funcionam mais como um formulário: quanto mais detalhado o comando, mais literal a resposta, com menos espaço para erros.

Um modelo que ignorava metade das instruções às vezes produzia mais personalidade do que um que as seguia integralmente.

Robomojo era aquela coleção de pôsteres de filmes recriados com a DALL-E 2, outra homenagem a esse modelo

Por que isso importa?

A indústria treinou seus modelos para maximizar o fotorrealismo, partindo do pressuposto de que mais detalhes equivalem a uma imagem melhor. Mas o gosto humano não funciona assim: muitas vezes, uma pintura é apreciada não por sua fidelidade à realidade, mas pelo que ela escolhe não mostrar.

Entre os estudiosos desses modelos, o fenômeno tem um nome: superotimização por reforço com feedback humano.

• Sistemas de pontuação premiam composições simétricas, cores saturadas e detalhes extremos porque obtêm melhores resultados em testes cegos rápidos.
• Ser atraente em um teste de cinco segundos e manter o interesse em uma parede não são a mesma coisa.
• O resultado é reconhecível à primeira vista: bordas nítidas, contraste exagerado e uma perfeição que denuncia a intervenção humana. E isso nos deixa intrigados.

Contexto

Não é a primeira vez que uma tecnologia melhora naquilo que se propôs a medir e piora naquilo que ninguém mediu. Aconteceu com a fotografia digital, cuja nitidez excessiva levou muitos fotógrafos a voltarem à granulação analógica. Aconteceu com o áudio digital, cuja limpeza levou alguns produtores a adicionarem ruído de fita para soar "ao vivo" e, aliás, é por isso que nosso colega John Tones ainda ouve fitas cassete em 2026. A IA generativa repete o ciclo, só que mais rápido.

• DALL-E 2 (2022): interpretação livre, resultados irregulares, textura pictórica.
• DALL-E 3 (2023): maior fidelidade ao pedido, estética saturada e uniforme.
• Modelos atuais: fotorrealismo quase total, correção técnica, pouca surpresa.

Sim, mas

O DALL-E 2 também produziu as mãos deformadas e as composições quebradas que, na época, eram consideradas falhas, não um estilo a ser valorizado. Parte do que hoje é visto como intenção artística era simplesmente uma limitação técnica não resolvida na época.

Nem todos concordam com essa avaliação: alguns argumentam que o mérito técnico atual é inquestionável, enquanto outros apontam para alternativas existentes, como o Krea, que buscam recapturar essa margem de imperfeição sem sacrificar as capacidades técnicas atuais.

E agora?

O fenômeno já deixou sua marca: diversos estúdios de design oferecem filtros para simular a aparência do DALL-E 2 em imagens geradas com novos modelos — o mesmo impulso que levou o Instagram a construir um império com filtros que envelheceram fotos digitais bastante respeitáveis ​​entre 2011 e 2014.

Quando uma tecnologia atinge seu limite técnico, a próxima batalha não é sobre aumentar a resolução, mas sobre encontrar a imperfeição que ela escolhe preservar.

Imagens | @Dylanmcd8, Robomojo