Yapay zekâyla üretilen restoran menüleri neden hep aynı, tekinsiz bir görünüme sahip

İştah açıcı ama tanıdık biçimde yanlış bir tür

Son zamanlarda bir kafeye girip menü illüstrasyonlarının kusursuzluğuna dikkat etmiş olabilirsiniz: simetrisi kusursuz çizilmiş bagel sandviçler, bir mutfaktan çok bir sanat enstalasyonından fırlamış gibi eriyen peynirler. TechCrunch'a göre bu paranoya değil. Üretken yapay zekâ restorancilik sektörüne girdi ve ürettiği içerik, birçok kişinin sezebildiği ama açıklamakta zorlandığı imzalı bir estetiğe sahip.

Reality Defender CTO'su Alex Lisle bu etkiyi "çekirdek ilkelerini anlamadan pizza yapmaya çalışan bir uzaylıya" benzetti. Şirketi yapay zekâ tespiti ve içerik doğrulama araçları satıyor; böyle bir pazarın var olmasının nedenlerinden biri de tam olarak bu tür sorunlar.

Geçmişin kurumsal yemek fotoğrafçılığıyla eğitildi

Mekanizma basit. Görüntü üreticilerinin ve chatbotların arkasındaki teknoloji olan diffusion modelleri ve büyük dil modelleri, devasa veri kümelerinden istatistiksel örüntüler öğrenir ve sonra bir burger restoranı menüsü talebi gibi bir prompt'tan kullanıcının ne istediğini tahmin eder. Eğitim gövdesinin estetiği sonuçlara yansır.

"Bu şeylerin çoğu 2015 tarihli bir Chili's menüsüne benziyor," dedi Lisle TechCrunch'a, "ve bunun bir nedeni var." Modeller, eğitim verilerine hâkim olan cilalı, zincir restoran yemek fotoğraflarından öğrendi. TechCrunch ayrıca taze eğitim materyaline olan iştahın o kadar güçlü olduğunu, Amazon'un reportedly nadir kitapları tarayarak topladığını ve yüklendikten sonra yok ettiğini belirtiyor; bu hem model geliştiricilerin veri uğruna ne kadar ileri gideceğinin hem de yapay zekâ çıktısının bu veri kümelerine ne kadar kolay sızabildiğinin bir göstergesi.

Elon Üniversitesi'ndeki Imagining the Digital Future Center'ın yöneticisi Lee Rainie bu benzerliği bir optimizasyon sorunu olarak çerçeveliyor. Veri kümeleri, TechCrunch'a söylediğine göre, hoş ve incitici olmayan olmaya göre ayarlanıyor ve bu itiş "homojenleşmeye dönüşüyor." Yapay zekânın görüntülerde de dilde de yapmaya meyilli olduğu şey "kenarları törpülemek."

Çöküş değil yakınsama

İlgili ve daha ağır bir başarısızlık modu daha var: model çöküşü, yani modellerin kendi yapay zekâ üretimi çıktılarıyla ağır şekilde eğitildiğinde ortaya çıkan durum. Lisle bunu deli dana hastalığına benzetiyor: bir modelin çıktılarını modele geri beslerseniz, sonunda akraba evliliği fazla olur ve her şey çöker.

Menü görsellerinde görülen durum daha hafif. Yakınsama, çıktı kalitesini düşürür ama modeli kullanılmaz hale getirmez. Bir fast-food menüsü isteyin, model büyük zincirlerin birbirine benzeyen menülerine yaslanır; o yapay zekâ menüsü daha sonra eğitim verisine geri girerse benzerlik katlanarak artar.

Tekrarlanan düzenlemeler hasarı katlıyor

X'te yaygın şekilde paylaşılan bir deney mekanizmayı gözler önüne seriyor. Labtec adlı bir kullanıcı ChatGPT'de bir restoran menüsü üretti ve sonra 100 kez düzenledi; her geçişte yemeğin yenilebilir her şeyden biraz daha uzaklaştığını izledi. "Sonuç gerçekten beni rahatsız ediyor," yazdı Labtec. TechCrunch deneyi tekrarladığını ve benzer sonuçlar aldığını söylüyor.

Bu örüntü muhtemelen restoranların gerçekte yaptığını yansıtıyor: bir menü üretip fiyatları veya ürün adlarını düzeltmek için tekrar tekrar revize etmek ve her düzenlemeyle yemek görselini biraz daha yumuşatıp yuvarlatmak.

Öğle yemeğinin tekinsiz vadisi

Bu tiksintinin arkasında araştırma da var. Almanya'daki Duisburg-Essen Üniversitesi'ndeki araştırmacılar, yapay zekâyla üretilmiş yemek göresellerinin tekinsiz vadi etkisi yarattığını buldu: neredeyse gerçek görünen yemek görselleri, bariz olarak sahte olan görsellerden daha fazla tiksinti ve huzursuzluk uyandırıyor. Rainie, insanların yapay zekâ üretimi içeriğe karşı güvenilir ama dile getirmesi zor bir içgüdüye sahip olduğunu savunuyor; bu da yapay zekâ menülerini kullanan restoranlara yönelik erken tepkinin neden bu kadar belirgin olduğunu açıklamaya yardımcı oluyor.

Neden önemli

Acil ders ticari: müşteriler görsellerden ürkiyorsa, yapay zekâ menüleri tasarruf değil bir yük haline gelir. Ama iş başındaki dinamikler — yakınsama, homojenleşme ve eğitim verisine geri beslenen yapay zekâ çıktısı — yemek masasının çok ötesine uzanıyor. Lisle'nin TechCrunch'a ifade ettiği gibi, görmek ve duymak uzun süre inanmak olarak kabul edildi; öyle ki mahkeme sistemleri kayıtlı itirafları ve video kanıtları altın standart sayıyor. Bu varsayım, ona göre, artık geçerli değil. Üretilen içeriğin varsayılan estetiği tek tip ve bariz şekilde yanlış hale geldiğinde, asıl kayıp görsel medyaya olan güvenin kendisi olur.