Los datos sobre el funcionamiento de los genes suelen verse como una larga fila de números, similar a una franja de arcoíris (espectro) sin conexiones visibles. En el modelo scVision, estos números se transforman en una imagen con sentido: no una lista de ingredientes, sino la foto de un plato terminado. Los genes se colocan en un 'mapa de recetas' común: los genes que cooperan están juntos, su actividad es el brillo, como en la medición de la iluminación (fotometría). Se obtiene una imagen donde los programas genéticos se ven por su textura, como capas de masa.

Una IA visual, entrenada con 72 millones de células, sin preparación (con experiencia solo en fotos comunes) superó a sus análogos en el reconocimiento de células. Giro inesperado: al mezclar los genes aleatoriamente, la precisión caía catastróficamente, incluso más que al desactivar el propio modelo. La disposición con sentido —como la colocación de los alimentos en el plato— aporta más información que el algoritmo más perspicaz.