Генеративные искусственные интеллекты создают проблему «одинаковости» в дизайне меню: почему еда выглядит странно?
Ресторанщики все чаще обращаются к генеративному искусственному интеллекту для создания привлекательных иллюстраций меню, однако клиенты интуитивно ощущают неладное. Изображения, созданные алгоритмами, отличаются чрезмерной симметричностью и «слишком идеальной» текстурой, что вызывает у потребителей чувство отторжения и подозрения во лжи. Эксперты объясняют эту проблему как следствие обучения моделей на данных, ориентированных на визуальную «привлекательность», а не на реальность.
# Проблема «одинаковости» в меню, созданных искусственным интеллектом
В последние месяцы владельцы кафе и ресторанов начали массово использовать генеративные модели для оформления своих меню. Цель была ясна: получить быстрые, аппетитные иллюстрации, которые усилят привлекательность блюд. Однако реакция посетителей оказалась неожиданной. Вместо аппетита у людей возникает чувство тревоги и отторжения. Люди смотрят на фотографию бутерброда с багетом или тако и чувствуют, что «что-то не так», даже если не могут объяснить, почему.
Эксперты называют это явление «проблемой одинаковости» (sameness problem). Алгоритмы, обученные на огромных массивах данных интернета, часто создают изображения, которые выглядят слишком безупречно, симметрично и гладко. Такой стиль, который кажется чужеродным человеческому восприятию, порождает подсознательный сигнал о том, что изображение не соответствует реальности.
Как создаются «монстры Лавкрафта»
Корень проблемы кроется в том, как обучаются большие языковые модели (LLM) и диффузионные модели (диффузионные), лежащие в основе таких инструментов, как Midjourney или ChatGPT. Эти системы анализируют гигантские объемы данных, пытаясь угадать, что пользователь хочет увидеть при запросе «сделай меню для бургерного ресторана».
По словам Алекса Лисла, технического директора компании Reality Defender, которая разрабатывает инструменты для выявления сгенерированного контента, многие образцы, на которых обучаются модели, датируются примерно 2015 годом. В этот период доминировал стиль визуальной коммуникации, напоминающий меню сетей типа «Чилийз» или рекламные брошюры, где изображения часто были стилизованы, а не реалистичны.
«Многие из этих вещей выглядят как меню Chili's 2015 года, и есть причина этому», — отметил Лисл.
Более того, существует риск так называемого «модельного коллапса» (model collapse). Если модель обучается на данных, включающих изображения, созданные самой же моделью, качество генерации деградирует. Это похоже на инбридинг: с каждым новым поколением выходная продукция становится более однородной и теряет сложность. Хотя Лисл уточняет, что в случае с меню это скорее «сходимость» (convergence), когда качество понижается, но система не ломается полностью, результат один: пицца или гамбургер выглядят неестественно.
Алекс Лисл приводит пример, который ярко иллюстрирует проблему: это выглядит как «алien, пытающийся сделать пиццу, не понимая ее основных принципов». Визуальный ряд часто характеризуется идеальными сферами мороженого или креветками, которые выглядят так, будто они генетически модифицированы и едят свои собственные хвосты. Пользователь Labtec из Twitter (X) провел эксперимент, создавая меню в ChatGPT и редактируя его 100 раз подряд. Результатом стали «унылые супы», которые, по его словам, вызывают физический дискомфорт.
Научное объяснение и эффект «зловещей долины"
Почему люди так остро реагируют на эти изображения? Исследователи из Университета Дуйсбурга-Эссен (Германия) обнаружили, что изображения еды, сгенерированные искусственным интеллектом, вызывают эффект «зловещей долины» (uncanny valley). Если фотография выглядит почти реальной, но при этом имеет микроскопические отклонения от физических законов или текстурной естественности, это вызывает у людей больше отвращения и дискомфорта, чем откровенно фальшивое изображение.
Лидер центра «Визуализация цифрового будущего» в Университете Элона, Ли Рейни, поясняет: «Человеческий мозг обладает почти необъяснимым чувством, когда мы смотрим на что-то, сгенерированное ИИ, в отличие от чего-то, что существовало в реальности». Существует интуитивная уверенность в подлинности объекта, которую сложно сформулировать словами.
Одной из причин этого является сама природа обучения нейросетей. Алгоритмы оптимизируются на «привлекательность» (pleasingness) и безопасность содержания. Они стремятся «срезать углы», убирая все шероховатости и случайности, характерные для реального мира, чтобы создать идеализированный образ. В реальной жизни гамбургер McDonald's в рекламе уже выглядит идеальным благодаря работе продюсеров, но генеративный ИИ усугубляет этот эффект, доводя его до абсурда.
Последствия для доверия и общества
Проблема выходит за рамки простого дизайна меню. Алекс Лисл подчеркивает важность этого феномена для общества в целом. «Видеть и слышать — значит верить. До сих пор суды строились на идеях о том, что золотым стандартом доказательств являются записанные признания и видеоматериалы», — говорит он. Однако природа доказательств фундаментально изменилась.
Если люди начинают испытывать отвращение или недоверие к изображениям еды, которые должны вызывать аппетит, это создает серьезные вопросы о доверии к визуальному контенту в будущем. Если ИИ-генерированные изображения настолько искажают реальность, что становятся неприятными для восприятия, это может иметь последствия для журналистики, маркетинга и даже правосудия, где визуальные доказательства играют ключевую роль.
Рестораны, использующие такие меню, рискуют отпугнуть клиентов своим же инструментом улучшения. Фактически, попытка привлечь внимание через ИИ может привести к обратному эффекту, заставляя посетителей чувствовать себя неловко в самом кафе. Пока технологии не научатся воспроизводить неидеальность и сложность реального мира, генеративные изображения пищи останутся в статусе «кулинарных хороров» для наблюдателей.