Есть особый вид тревоги, знакомый каждому, кто хоть раз тщательно разглядывал сгенерированное лицо. Черты вроде бы на месте - глаза, нос, улыбка, - но… неприятно. Это ощущение придумали не блогеры и не критики нейросетей. Термин «Зловещая долина» старше любого генератора картинок на полвека: в 1970 году его сформулировал японский робототехник Масахиро Мори, разглядывая мимику андроида на выставке в Осаке. 

С тех пор, как генеративные сети стали доступным «всеобщим уравнителем», мы наблюдаем толпы визуальных ревенантов, заполонивших соцсети, публикации, презентации и рекламу. Когда на изображении вроде живое, но воспринимающееся как чуждое и неестественное.

Суть явления обманчиво проста. Чем ближе объект к человеку внешне, тем симпатичнее он нам кажется - до определённой точки. А потом кривая нашей симпатии резко проваливается вниз, будто на американских горках, и объект, который ещё секунду назад казался почти своим, начинает вызывать отвращение или необъяснимый страх. Отсюда и название - не метафора ради нагнетания, а довольно точное описание того, что происходит с восприятием на границе между "человек" и "почти человек". 

За эту реакцию отвечает не мистический инстинкт, а вполне материальная префронтальная кора. Немецкие исследователи показали /исследование/: мозга работают два процесса параллельно - один быстро сортирует увиденное на «человек или нет», другой отдельно оценивает, насколько это приятно смотреть. Когда классификация буксует, то парасимпатический выдаёт реакцию тревоги. На этом же принципе мгновенного определения «свой-чужой» работают и такие якобы социальные феномены, как ксенофобия (неприятие чужих), или  дисабилизм (неприятие людей с физическими или ментальными особенностями). Мозг реагирует в три захода /исследование/ - молниеносное считывание микросбоя в лице или движении, попытка понять, что перед нами, и только потом эмоция: чувство, что здесь что-то не так.

Как говорил один из персонажей вселенной Терри Пратчетта - самый страшный кошмар, это когда обычные вещи ведут себя необычным образом.

Триггеров у этой реакции достаточно, и все они основаны на несоответствии. Застывшее лицо с дёрганой мимикой. Речь, где артикуляция чуть отстаёт от смысла. Резкие, рассинхронизированные движения, будто тело управляется на долю секунды позже намерения. Взгляд «не туда» на статичных картинках. Вспомним доктора Лайтмана из «Обмани меня», который за доли секунды определял вранье клиентов по отсутствию синхронизации слова и жеста, эмоции и мимики. И такая заявка на телепатию не домыслы продюсеров сериала. Человек имеет врожденных механизм распознавания невербальных сигналов, единый для всех культур и наций.

Еще один важный триггер несоответствия - похож или «слегка похож» персонаж на человека. Кожа, которая выглядит натуральной ровно до того момента, пока не приглядишься к текстуре. Смешение человеческого и нечеловеческого без внятной причины: рога на живом лице, чешуя там, где ей быть не положено. Мозг не против фантастики как таковой, он против фантастики без объяснений.

Никто не сочтет Малефисенту отвратительной именно потому, что персонаж Джоли и не пытается притворяться человеком.

У этой пропасти есть два безопасных берега. Первый - стилизация: намеренный отказ от реализма в пользу мультяшности или абстракции. Именно поэтому персонажи студии Pixar или аватары из The Sims никого не пугают - мозг просто не выставляет им счёт за стопроцентное сходство с человеком, потому что и не ждёт его. Здесь важно соблюдение стилистического подхода в жанре, а не антропоморфность.

Второй берег куда более рискованный - гиперреализм, доведённый до состояния, когда обмануть уже невозможно, потому что разница с живым человеком стёрта почти полностью. Этот путь требует внимания к деталям, насмотренности, времени и бюджета.

Для тех, кто работает с визуализацией через генерацию изображений и видео, эта карта двух берегов прямо перекладывается в рабочие приёмы.

Стиль. Стиль генерации стоит выбирать один и держаться его до конца - реализм, трёхмерная графика, иллюстрация, аниме, - потому что смешение стилей не создаёт оригинальности, оно создаёт ощущение поломки.
Опишите критично важные элементы выбранного стиля, начиная от элементов: тип линии и наличие контура, объем пятна, фактура, плотность заполнения пространства. Затем - способ движения персонажей. Они двигаются в двух плоскостях, или трех? Похожи на марионеток, или имитируют человеческие движения? Создаваемый вами мир должен быть непротиворечивым и жить по определенным общим законам. Явная и частая ошибка - попытка смешения, когда плоскостной рисованный персонаж вдруг поворачивается как 3Д модель, а гипер-реалистичный человек вдруг раскрашивается плоскостями в манга-стиле.

Концепт.  Гиперреалистичные лица в запросе - гарантированная лотерея, если нет уверенности в качестве модели; куда безопаснее прямо обозначить стилизацию, чем надеяться на удачу. Смешивать человеческое и нечеловеческое можно, но только если у этого смешения есть визуальное и логическое обоснование, а не потому что так получилось. И отдельного внимания заслуживают руки, пальцы, глаза и зубы - именно они чаще всего выдают генерацию, потому что мозг проверяет их придирчивее всего остального.

Формулировка. В каждом элементе генерации работает похожий принцип точности. Описание вроде "естественная улыбка" или "расслабленное выражение" работает лучше, чем размытое "счастливое лицо", потому что оставляет меньше пространства для интерпретации, которая почти всегда сваливается в тот самый провал. А запросы на «идеальное лицо» или «ультрареалистичную кожу» стабильно превращаются в стеклянный взгляд и восковую поверхность. В видео добавляется ещё один слой сложности: рассинхрон между жестом и выражением лица считывается мгновенно, даже если зритель не сможет объяснить, что именно его насторожило.

Правдоподобие. С движением работает та же логика точности, причем независимо от выбранного стиля и уровня реалистичности персонажа. Плавность цикла ходьбы или жеста - не эстетическое пожелание, а требование к правдоподобию: резкие переходы в анимации выдают искусственное происхождение быстрее, чем любая деталь лица. И здесь есть парадоксальное наблюдение: персонажи с явно нечеловеческими чертами, как обитатели Пандоры из "Аватара", воспринимаются мягче и убедительнее, чем существа, застрявшие в положении "почти человек".

При работе с генеративными образами выбор бинарен: либо объект явно нечеловеческий, либо он безупречно реалистичен. Всё, что оказалось посередине, рискует свалиться в ту самую долину - и никакая художественная смелость не спасёт от этого падения, если середина выбрана случайно, а не осознанно - как деталь хоррора, характеристика антагониста или намеренный триггер подсознательной тревоги.