Problema uniformității din spatele meniurilor generate de AI

Prima dată când ți se întâmplă, crezi că ai înnebunit. Intri într-o cafenea, arunci o privire peste meniul cu sandvișuri cu bagel, dar fiecare ilustrație pare suspect de perfectă: simetrie impecabilă, contururi netede, o luminozitate artificială care îți provoacă un fior inexplicabil. Îți spui că ești paranoic, dar nu, nu ți-ai pierdut mințile. Meniurile generate de inteligența artificială au invadat industria restaurantelor, datorită unor modele antrenate pe o estetică îngustă, „plăcută”, care pare greșită chiar și atunci când nu poți spune exact de ce. Uneori, ilustrațiile sunt evident false – un burrito cu brânza atât de topită și de buleasă încât arată mai degrabă ca o instalație de artă avangardistă decât ca un prânz. De cele mai multe ori, însă, sunt atât de obișnuite încât observi că ceva nu e în regulă doar dacă te uiți mai atent. „E aproape ca și cum un extraterestru ar încerca să facă o pizza fără să înțeleagă principiile de bază”, mi-a spus Alex Lisle, CTO al Reality Defender, o companie care vinde instrumente de detectare a conținutului generat de AI. (Reality Defender face parte dintr-o categorie tot mai mare de startup-uri care oferă soluții de verificare a autenticității – o afacere care există, parțial, din cauza unor astfel de probleme.) Aruncă o piatră în New York și vei nimeri un anunț alimentar generat de AI, ușor respingător. Lisle explică faptul că modul în care sunt construite aceste modele poate explica de ce ilustrațiile par să îmbrățișeze o estetică atât de specifică – una în care fiecare cupă de înghețată este perfect rotundă, iar creveții par modificați genetic să-și mănânce propria coadă, creând noi „orori alimentare lovecraftiene”. Modelele de limbaj de mari dimensiuni (LLM) și modelele de difuzie – genul de modele AI care fac posibile chatboți aparent omniscienți și generatoare de imagini precum ChatGPT și Midjourney – sunt antrenate pe cantități uriașe de date. Modelele identifică apoi tipare în seturile de date pentru a prezice ce caută un utilizator atunci când cere, de exemplu, „fă-mi un meniu pentru un restaurant de burgeri”. „O mulțime din aceste lucruri arată ca un meniu de la Chili’s din 2015, și există un motiv pentru asta”, spune Lisle. „Acela a fost corpusul de lucrări din care modelele și-au extras funcția.” Datele noi de antrenament sunt extrem de valoroase pentru companiile care construiesc modele AI – Amazon a fost chiar surprinsă că procură cărți rare pentru a le scana și adăuga în datele de antrenament, doar ca apoi să distrugă acele cărți după ce au fost încărcate. Este inevitabil ca o parte din conținutul generat de AI să se infiltreze în aceste seturi de date incomprehensibil de mari. Dar când modelele AI se antrenează prea mult pe propriul conținut generat, riscă un „colaps al modelului”. „Colapsul modelului este aproape ca boala vacii nebune... când hrănești un model cu propriile ieșiri, în cele din urmă consangvinizarea devine prea mare, și totul se prăbușește”, explică Lisle. „Ceea ce vedem aici este convergență, care nu este neapărat colaps.” Convergența este ceva mai puțin extrem, degradând calitatea ieșirilor unui AI fără a-l face complet inutil. Dacă cineva cere unui model AI să genereze un meniu pentru un restaurant de fast-food, modelul va face probabil referire la meniurile de la Wendy’s, Burger King, McDonald’s sau alt lanț popular. Aceste meniuri au deja un stil similar, ceea ce înseamnă că ieșirile generate de AI vor imita același stil, doar pentru a-l întări și mai mult dacă meniul generat ajunge înapoi în datele de antrenament. Dar meniurile și reclamele pentru mâncare vor arăta întotdeauna mai bine decât realitatea, ca un Big Mac dintr-o reclamă McDonald’s, unde fiecare strat al sandvișului este aranjat de un scenograf pentru a părea cât mai apetisant. Acest efect poate deveni și mai pronunțat în ieșirile AI. „Optimizarea seturilor de date este pentru plăcere, sau, știți, pentru a nu fi ofensator, și astfel există un mod în care asta se transformă în omogenizare”, spune Lee Rainie, director al Centrului Imagining the Digital Future de la Universitatea Elon. „Ceea ce se știe că face AI, atât în imagini cât și în limbaj, este să răzuiască marginile.” La o scară mai locală, această netezire a imaginilor pare să se întâmple atunci când folosești un generator de imagini AI pentru a crea un meniu și apoi aplici editări. Pe X, un utilizator numit Labtec a arătat ce se întâmplă când faci un meniu în ChatGPT, apoi îl editezi. Rezultatul? O uniformitate și mai pronunțată, ca și cum AI-ul ar fi încercat să „corecteze” orice abatere de la norma sa învățată. Această problemă a uniformității nu este doar o curiozitate estetică. Ea reflectă o tendință mai profundă în dezvoltarea AI: tendința de a netezi specificul, de a elimina surpriza și de a produce conținut care este „sigur” și „plăcut” pentru mase. În domeniul alimentar, acest lucru duce la meniuri care par desprinse dintr-un vis plat, fără personalitate, fără caracter. Restaurantele care folosesc astfel de meniuri riscă să-și piardă identitatea vizuală, să devină indistincte într-o mare de imagini generate de AI. Și consumatorii, chiar dacă nu conștientizează, simt că ceva lipsește – acea scânteie de creativitate umană, acea imperfecțiune care face mâncarea reală și apetisantă. Pe măsură ce AI-ul devine tot mai prezent în industria restaurantelor, de la meniuri la reclame și chiar la rețete, întrebarea nu este doar dacă aceste instrumente sunt utile, ci dacă ele ne vor uniformiza gusturile și așteptările. Dacă toate meniurile arată la fel, dacă toate burgerii par perfect simetrici, nu vom mai ști să apreciem un burger cu adevărat bun, cu marginile lui crocante și neregulate? Poate că problema nu este că AI-ul face meniuri „greșite”, ci că ne face să uităm cum arată un meniu „corect” – unul care reflectă unicitatea unui loc, a unui bucătar, a unei culturi. Iar asta, într-o lume în care autenticitatea devine tot mai rară, este o pierdere pe care nu ne putem permite să o ignorăm.### De ce este important:Această problemă a uniformității în meniurile generate de AI nu este doar o curiozitate tehnologică. Ea semnalează o tendință mai largă de omogenizare culturală, în care instrumentele AI, antrenate pe seturi de date dominate de conținut mainstream, tind să șteargă specificul local și creativitatea. Pentru restaurante, folosirea unor astfel de meniuri poate duce la pierderea identității de brand și la o experiență clientului mai săracă. Pentru consumatori, înseamnă că ne obișnuim cu imagini artificiale care ne modelează așteptările, făcându-ne să găsim mai puțin apetisantă mâncarea reală, cu imperfecțiunile ei firești. În plus, această convergență estetică este un avertisment timpuriu despre cum AI-ul poate uniformiza nu doar imagini, ci și limbaj, idei și gusturi, dacă nu suntem atenți la datele pe care le folosim pentru antrenament. Înțelegerea acestui fenomen ne poate ajuta să dezvoltăm instrumente AI mai diverse, care să celebreze diferențele în loc să le netezească, și să păstrăm un loc pentru autenticitate într-o lume tot mai digitalizată.