تلفت صور الأطعمة في قوائم المطاعم التي يُعدّها الذكاء الاصطناعي الانتباه بسبب تماثلها المثالي ونعومتها المفرطة، وبالرغم من مظهرها الواقعي، فإنها تثير شعورًا بالانزعاج. ويشبّه Alex Lisle، المدير التقني CTO في Reality Defender، هذه الصور بكائن فضائي يحاول إعداد البيتزا من دون فهم مبادئها الأساسية. ففي بعض الأمثلة، يؤدي انتفاخ الجبن بشكل مفرط أو ظهور الروبيان كما لو كان يأكل ذيله بنفسه إلى كشف مصدرها الاصطناعي بوضوح، بينما لا تتضح المشكلة في معظم الصور إلا عند النظر إليها عن كثب.
ويرى Lisle أن هذه الجمالية مرتبطة بالطريقة التي تُدرَّب بها نماذج الذكاء الاصطناعي. فالنماذج اللغوية الكبيرة ونماذج الانتشار المستخدمة في أنظمة مثل ChatGPT وMidjourney تتعلم الأنماط من مجموعات بيانات ضخمة، وتحاول إنتاج محتوى يتوافق مع طلبات المستخدمين. لذلك، عند طلب قائمة طعام لمطعم برغر، قد تستند إلى أساليب قوائم متشابهة لسلاسل مثل Wendy’s أو Burger King أو McDonald’s. ويربط Lisle أيضًا سبب ظهور الصور الناتجة أحيانًا كما لو كانت «قائمة طعام من Chili’s تعود إلى 2015» بمجموعة البيانات التي تتغذى عليها النماذج.
قد يؤدي دخول المحتوى الذي تنتجه الذكاء الاصطناعي مجددًا في بيانات التدريب إلى تغذية النماذج بمخرجاتها الخاصة. وعندما يتفاقم هذا الوضع، ينشأ خطر «انهيار النموذج». ويشبّه Lisle ذلك بحدوث قرابة جينية نتيجة إدخال مخرجات نموذج ما إليه مرارًا وتكرارًا. لكنه يوضح أن الحالة التي تظهر في قوائم الطعام ليست انهيارًا مباشرًا للنموذج، بل «تقاربًا» يؤدي إلى خفض جودة المخرجات. أما Lee Rainie، مدير Imagining the Digital Future Center في Elon University، فيقول إن تحسين النماذج بحيث تفضّل المحتوى غير العدواني و«المحبوب» يؤدي إلى تجانس، من خلال صقل السمات المميزة في الصور واللغة.
في تجربة أجراها مستخدم باسم Labtec على X، تبيّن أن تعديل قائمة طعام أُنشئت باستخدام ChatGPT 100 مرة جعل صور الأطعمة أكثر استدارة ونعومة تدريجيًا. وكررت TechCrunch تجربة مماثلة أيضًا. ويُشار إلى أن تعديل المطاعم قوائمها مرارًا وتكرارًا لتغيير الأسعار أو أسماء المنتجات قد يُحدث التأثير نفسه.
رصد باحثون في University of Duisburg-Essen في ألمانيا تأثير «الوادي الغريب» في صور الأطعمة التي ينتجها الذكاء الاصطناعي. فالصور التي تبدو واقعية تقريبًا تثير قدرًا أكبر من الاشمئزاز والقلق مقارنة بالصور الزائفة بوضوح. وتتضافر هذه الاستجابة مع انعدام الثقة الثقافي تجاه محتوى الذكاء الاصطناعي. ويشير Lisle إلى أن الحقبة التي كانت تُقبل فيها تسجيلات الصور والصوت بوصفها أدلة من دون التشكيك فيها قد انتهت، وأن ذلك يؤثر في مجالات أوسع، بما في ذلك المحاكم.
لماذا هذا مهم
تشير هذه النتائج إلى أن المطاعم، عند إعداد قوائم الطعام، ينبغي أن تراعي ليس الجودة البصرية فحسب، بل أيضًا الرتابة التي قد يسببها إخضاع مخرجات الذكاء الاصطناعي للمعالجة مرارًا وتكرارًا. فقد يؤدي ازدياد تشابه الصور تدريجيًا أثناء تغيير أسماء المنتجات والأسعار إلى إضعاف العناصر التي تميز العلامات التجارية للمطاعم، والتأثير في ثقة العملاء بصور قوائم الطعام. ويشير كون المشكلة لا تتمثل في انهيار النماذج مباشرة، بل في التقارب الناجم عن توجّه النماذج نحو أمثلة متشابهة ومستحسنة، إلى أن الحل قد لا يقتصر على استخدام مزيد من البيانات. أما شعور الناس بالانزعاج من الأطعمة التي تبدو واقعية تقريبًا، فينقل النقاش من الجماليات إلى مسألة كيفية تقييم الصور التي ينتجها الذكاء الاصطناعي في الإعلانات والأدلة والتواصل اليومي.