Лучше всего нейросетка схватывает шаблоны и предвзятость. Ее обучали на миллионах картинок из интернета, поэтому если какие-то слова и выражения часто иллюстрируют в характерной манере, она ее подхватывает. Например, на запрос "смысл жизни" она часто рисует что-то похожее на сочетание моря, пляжа и заката - потому что эти образы чаще всего используют всякие продавцы осознанности, которые наклепали тысячи сайтов про смысл жизни, которые потом сграбили ученые из OpenAI, чтобы набрать побольше данных для обучения. Естественно, на осмысленность все эти 650 миллионов пар картинка-текст никто вручную не проверял. Подозреваю, расширенный контекст оно тоже не учитывает, его тоже было бы сложно парсить, а потом закладывать в нейросеть. А ведь смысл жизни в контексте инфоцыганства это одно, а христианства или Дугласа Адамса - совсем другое.