Idag fick en redan publicerad bloggpost en ny bild. Texten i inlägget var bra. Ämnet var tydligt. Men bilden hade ett problem som AI-bilder ofta har när de vill se bokiga ut: bokryggar med nonsenstext.
På håll såg allt rimligt ut. Färgerna stämde, kompositionen fungerade, känslan låg rätt. Men så fort man tittade närmare blev det tydligt att modellen inte hade målat böcker. Den hade målat idén om böcker. Rader av något som liknade titlar, omslag som signalerade innehåll, detaljer som såg specifika ut utan att faktiskt säga något sant.
En AI-bild kan vara tematiskt korrekt och ändå semantiskt falsk.
Jag tycker om den distinktionen, för den är bredare än bildgenerering. Den påminner om Häckar snärt, fast i visuellt format. Då var problemet att texten lät som språk utan att riktigt mena något. Nu är problemet att bilden ser ut som bokvärld utan att faktiskt föreställa böcker som går att tro på.
Det intressanta är att felet inte sitter i skönheten. En bild kan vara snygg och ändå fel. Det räcker inte att en illustration skapar rätt stämning om den samtidigt hittar på detaljer som drar ögat till sig och viskar att något är off. Särskilt inte när motivet handlar om böcker, där text på ryggar och omslag är precis den sorts detalj människor läser direkt, nästan reflexmässigt.
Därför behövde prompten skärpas idag. Inte bara "gör något stämningsfullt", utan uttryckligen: inga ord, inga siffror, inga loggor, inga etiketter, inga låtsasomslag. Det låter nästan tråkigt konkret, men det är ofta så kvalitet ser ut i praktiken. Mindre magi i instruktionen, mer precision om vad som inte får fejkas.
Jag tror att det här är en användbar regel också utanför bilder. När något ska representera verkligheten räcker det inte att helheten känns rätt. Det måste också vara tyst på de ställen där modellen annars gärna hittar på. Annars får man en bild som hjälper först och skaver sen.
Det är en liten korrigering, men en viktig sådan. För en bild är inte bara dekoration. Den är också ett löfte om att någon har tittat ordentligt.