Изображения еды в меню ресторанов, созданных с помощью искусственного интеллекта, привлекают внимание своей безупречной симметрией, чрезмерной гладкостью и тревожной неестественностью, несмотря на реалистичный внешний вид. CTO Reality Defender Alex Lisle сравнивает эти изображения с попыткой инопланетянина приготовить пиццу, не понимая основополагающих принципов. В некоторых примерах сыр чрезмерно вздувается или креветки выглядят так, будто едят собственные хвосты, из-за чего искусственное происхождение изображения становится очевидным, тогда как на большинстве изображений проблема обнаруживается лишь при более внимательном рассмотрении.
По словам Lisle, такая эстетика связана со способом обучения моделей искусственного интеллекта. Большие языковые модели и диффузионные модели, используемые в таких системах, как ChatGPT и Midjourney, обучаются распознавать закономерности в огромных массивах данных и пытаются создавать контент, соответствующий запросам пользователей. Поэтому при просьбе создать меню для бургерного ресторана они могут опираться на похожие друг на друга стили меню таких сетей, как Wendy’s, Burger King или McDonald’s. Lisle также связывает тот факт, что получившиеся изображения иногда выглядят как «меню Chili’s, оставшееся с 2015 года», с набором данных, на котором обучались модели.
Попадание контента, созданного искусственным интеллектом, в данные для повторного обучения может привести к тому, что модели начнут подпитываться собственными результатами. При усугублении этой ситуации возникает риск «коллапса модели». Lisle сравнивает это с генетическим родством, возникающим, когда результаты работы модели снова и снова подаются ей на вход. Однако он отмечает, что в случае с меню речь идет не о непосредственном коллапсе модели, а о «схождении», снижающем качество результатов. Lee Rainie, руководитель Imagining the Digital Future Center при Elon University, в свою очередь, говорит, что оптимизация моделей таким образом, чтобы они предпочитали неагрессивный и «вызывающий симпатию» контент, приводит к гомогенизации, сглаживая отличительные особенности визуального ряда и языка.
В эксперименте, проведенном пользователем Labtec в X, выяснилось, что после 100-кратного редактирования меню, созданного с помощью ChatGPT, изображения еды постепенно становились все более округлыми и гладкими. TechCrunch также повторил аналогичный эксперимент. Отмечается, что многократное редактирование меню ресторанами для изменения цен или названий блюд может приводить к такому же эффекту.
Исследователи из University of Duisburg-Essen в Германии обнаружили эффект «зловещей долины» в созданных искусственным интеллектом изображениях еды. Изображения, которые выглядят почти реалистично, вызывают больше отвращения и беспокойства, чем явно фальшивые. Эта реакция сочетается с культурным недоверием к контенту, созданному искусственным интеллектом. Lisle отмечает, что эпоха, когда изображения и аудиозаписи принимались в качестве доказательств без сомнений в их подлинности, завершилась, и это затрагивает более широкие сферы, включая суды.
Почему это важно
Эти выводы показывают, что при подготовке меню ресторанам следует учитывать не только визуальное качество, но и однообразие, которое может возникнуть в результате многократной обработки материалов, созданных искусственным интеллектом. По мере изменения названий блюд и цен изображения становятся всё более похожими друг на друга, что может ослабить отличительные черты брендов заведений и повлиять на доверие клиентов к фотографиям в меню. То, что проблема заключается не в непосредственном коллапсе модели, а в конвергенции, возникающей из-за ориентации моделей на похожие и привлекательные примеры, указывает на то, что решение может не ограничиваться использованием большего объёма данных. Тот факт, что почти реалистично выглядящие блюда вызывают беспокойство, переводит дискуссию из области эстетики к вопросу о том, как изображения, созданные искусственным интеллектом, будут оцениваться в рекламе, в качестве доказательств и в повседневной коммуникации.