For at designe AI til brugere med aphantasi – folk der mangler det indre blik – skal man flytte fokus fra visuel generering til semantisk og strukturel understøttelse. En praktisk tilgang er at bygge arkitekturer, der prioriterer tekstuelle beskrivelser, logiske relationer og konceptuelle kort fremfor blot at producere billeder. Ved at styrke modellens evne til at dekonstruere visuelle koncepter til præcise ord og logiske rammer, kan man hjælpe brugeren med at navigere i verden uden et indre billede.
Der er dog to forskellige veje at gå. Nogle mener, at løsningen er at skabe tekst-til-billede modeller, der fungerer som et eksternt visuelt protese-lag. Her fungerer AI'en som en visuel repræsentation for brugeren. Andre argumenterer for, at den bedste støtte er at optimere sprogmodeller til at være ekstremt præcise i deres deskriptive detaljer, så brugeren kan opbygge mentale modeller gennem ord fremfor billeder. Begge tilgange har deres berettigelse.
Vi antager her, at aphantasi er en stabil kognitiv tilstand, og ikke noget der ændrer sig gennem træning. Ved at integrere multimodale input, hvor AI'en kan oversætte komplekse visuelle data til detaljerede, logiske beskrivelser, skaber man et værktøj, der ikke bare ser, men forklarer verden på en måde, der passer til brugerens logiske sans.
