Взять, к примеру, фотографию. У реальной камеры есть своя оптика, а фотограф, выставив свет, обеспечивает предсказуемый результат на протяжении всей съёмки. У нейросети этой «физической памяти» нет. Ты можешь десятки раз прописывать ту же камеру и время суток, но генератор на каждом шаге «забывает» правила, выдавая новый фрагмент чужого сна.