Ste se že kdaj zazrli v fotografijo hamburgerja na jedilniku in pomislili, da je videti predobro, da bi bil resničen? Kruh je popolnoma sijoč, sir se idealno razliva čez meso, solata nima niti ene zmečkane liste, vsak kozarec omake pa je postavljen pod skoraj matematično natančnim kotom. Podoba naj bi vzbudila apetit, toda namesto tega lahko sproži nelagodje.
Takšni občutki niso naključni. Restavracije in manjši lokali vse pogosteje uporabljajo slike, ustvarjene z generativno umetno inteligenco, za jedilnike, objave na družbenih omrežjih in oglaševanje. Rezultat je pogosto vizualno privlačen, a hkrati nenavadno sterilen: hrana je preveč gladka, preveč simetrična in preveč popolna, da bi delovala pristno.
Težava ni zgolj estetska. Če podoba hrane pri gostu vzbudi nezaupanje, lahko škoduje odločitvi za nakup in ugledu lokala. Še širše pa takšni primeri odpirajo vprašanje, koliko časa bomo še lahko zaupali temu, kar vidimo na spletu.
Hrana, kot bi jo ustvaril nekdo, ki je ni nikoli jedel
Pri nekaterih primerih je uporaba umetne inteligence očitna. Burrito ima nenavadno tekoč sir, kozice so zvite v nelogične oblike, kosi pice pa so videti, kot da jih je sestavil računalnik brez razumevanja, kako hrana dejansko nastane.
Pogosteje so napake manj očitne. Hamburger je videti skoraj pravi, vendar ima nenaravno popolno kupolo kruha. Slanina je razporejena v idealnih valovih, vsak list solate je enako zelen, sir pa deluje bolj kot sijoča plast plastike kot stopljen cheddar. Na pici so kolobarji salame popolnoma enaki, skorja nima nobene nepravilnosti, sir pa je razporejen tako enakomerno, kot ga v resnični kuhinji skoraj ni mogoče pripraviti.
Alex Lisle, tehnični direktor podjetja Reality Defender, je takšne podobe za TechCrunch primerjal z izdelkom »vesoljca, ki skuša narediti pico, ne da bi razumel njena temeljna načela«. Primerjava je zgovorna: sistem lahko prepozna, da pica običajno vsebuje sir, testo in dodatke, ne razume pa nujno fizike topljenja sira, nepredvidljivosti pečenja in drobnih nepravilnosti, zaradi katerih je resnična hrana videti prepričljiva.
Reality Defender razvija orodja za zaznavanje vsebin, ustvarjenih z umetno inteligenco. Po Lislejevem mnenju težava izvira tudi iz podatkov, na katerih se modeli učijo.
Zakaj so si jedilniki, ustvarjeni z UI, tako podobni?
Generativni modeli za slike se učijo iz zelo velikih zbirk obstoječih podob. Ko uporabnik zahteva jedilnik za lokal s hamburgerji, model ne razmišlja kot oblikovalec ali kuhar. Prepoznava statistične vzorce in ustvarja podobo, ki je podobna velikemu številu primerov v podatkih.
Zato se lahko pri takšnih jedilnikih ponavljajo znani elementi: temne podlage, velike fotografije sendvičev, močne kontrastne barve, bleščeče omake in izdelki, ki spominjajo na oglase velikih verig hitre prehrane. Lisle je za TechCrunch dejal, da veliko teh podob spominja na jedilnike ameriških verig iz okoli leta 2015, ker so bile takšne podobe pomemben del gradiva, iz katerega so modeli črpali vzorce.
Če sistem ustvarja jedilnik za burgerje, lahko posredno posnema estetiko oglasov Wendy’sa, Burger Kinga, McDonald’sa ali podobnih znamk. Te podobe so že same po sebi zasnovane tako, da je hrana videti bolj urejena in vabljiva, kot je v resničnosti. Profesionalne oglasne fotografije pogosto nastajajo s pomočjo stilistov za hrano, natančno postavljeno osvetlitvijo in večurnim aranžiranjem posameznih sestavin.
Umetna inteligenca lahko ta učinek še zaostri. Ne ustvari le nekoliko lepšega hamburgerja, ampak povprečje številnih idealiziranih hamburgerjev. Rezultat je podoba, ki je na videz popolna, vendar ji manjka naključnost resničnega sveta.
Od idealizacije do homogenizacije
Lee Rainie, direktor centra Imagining the Digital Future na univerzi Elon, je za TechCrunch opozoril, da so modeli pogosto optimizirani za všečnost in za izogibanje vsebinam, ki bi lahko delovale neprijetno ali sporno. Posledica je lahko homogenizacija: vsebine postajajo bolj varne, bolj gladke in bolj podobne druga drugi.
»Umetna inteligenca je pri slikah in jeziku znana po tem, da obrezuje robove,« je dejal Rainie.
Pri hrani to pomeni, da izginjajo drobne posebnosti. Ni več rahlo ožganega roba, neenakomerno nanesene omake, nepravilno narezane zelenjave ali kruha, ki bi se pri rezanju malce posedel. Prav takšne podrobnosti pa ljudem sporočajo, da je nekaj resnično.
Dodaten problem nastane pri večkratnem urejanju slik. Uporabnik omrežja X z imenom Labtec je ustvaril jedilnik v ChatGPT in ga nato uredil stokrat. Njegov poskus je pokazal, da lahko ponavljajoče se spremembe postopoma vodijo do vedno bolj nenavadnih podob hrane. Labtec je zapisal, da mu je bil končni rezultat neprijeten, TechCrunch pa navaja, da je pri ponovitvi poskusa opazil podoben učinek.
Za restavracije je to pomembno opozorilo. Lastnik lokala lahko najprej ustvari povsem sprejemljivo podobo, nato pa začne spreminjati cene, imena jedi, postavitev elementov ali drobne sestavine. Če vsaka sprememba vključuje novo generiranje ali popravljanje slike, se lahko prvotna podoba postopoma oddaljuje od realistične predstavitve hrane.
Zakaj nas skoraj resnična hrana odbija?
Ta odziv je mogoče razložiti s pojavom, znanim kot srhljiva dolina oziroma *uncanny valley*. Gre za občutek nelagodja, ki se lahko pojavi, kadar je nekaj zelo podobno resničnemu človeku, predmetu ali – v tem primeru – hrani, vendar ni povsem prepričljivo.
Pri očitno risani pici gledalec nima posebnih pričakovanj. Jasno je, da ne gleda fotografije. Tudi povsem abstraktna ali očitno umetno ustvarjena podoba praviloma ne povzroča zmede. Težava se pojavi, ko slika želi delovati kot resnična fotografija, a človeško oko zazna drobna odstopanja.
Morda so sence premehke. Morda je tekstura mesa preveč enotna. Morda se sir topi na načine, ki niso povsem skladni s fiziko. Morda je krožnik videti brezhibno, kot da ga ni nihče nikoli uporabljal. Posamezne napake so lahko zanemarljive, skupaj pa ustvarijo občutek, da nekaj ni v redu.
Raziskovalci z univerze Duisburg-Essen v Nemčiji so ugotovili, da lahko slike hrane, ustvarjene z umetno inteligenco, pri ljudeh sprožijo tak učinek. Podobe, ki so bile skoraj realistične, so pri sodelujočih vzbudile več gnusa in nelagodja kot slike, ki so bile očitno umetne.
To je za gostinstvo precej neposreden problem. Namen fotografije hrane je povečati željo po naročilu. Če podoba namesto lakote vzbudi dvom, lahko doseže nasprotni učinek. Gost se lahko vpraša, ali je tudi dejanska ponudba tako umetna, pretirana ali zavajajoča, kot je videti na jedilniku.
Vprašanje zaupanja presega restavracije
Nenavadni jedilniki so morda banalna posledica širšega tehnološkega premika, vendar jasno kažejo, kako generativna umetna inteligenca spreminja naš odnos do vizualnih dokazov.
Dolga desetletja je fotografija veljala za razmeroma zanesljiv zapis dogodka. Seveda je bilo mogoče fotografije obdelovati in prirejati že prej, toda generativna UI je izdelavo prepričljivih ponaredkov bistveno poenostavila, pocenila in pospešila. Danes lahko posameznik v nekaj minutah ustvari podobo, ki je nikoli ni posnel noben fotograf in ki prikazuje dogodek, osebo ali izdelek, ki nikoli ni obstajal.
V svetu novic, politike in javnega življenja se to povezuje z deepfake posnetki, lažnimi podobami kriznih dogodkov, izmišljenimi izjavami javnih osebnosti ter zavajajočimi oglasi. Pri jedilniku je posledica morda le manjši apetit. Pri političnem videoposnetku, lažni novici ali ponarejenem zvočnem posnetku pa lahko vpliva na ugled ljudi, poslovne odločitve ali javno mnenje.
Lisle je za TechCrunch opozoril, da sta bila videno in slišano dolgo razumljena kot pomemben dokaz resničnosti. Generativna umetna inteligenca to predpostavko spodkopava. To ne pomeni, da moramo avtomatično dvomiti o vsaki fotografiji, pomeni pa, da bo preverjanje izvora vsebin postajalo pomembnejši del digitalne pismenosti.
Kaj lahko storijo potrošniki in restavracije?
Potrošniki lahko pri sumljivo popolnih podobah hrane pogledajo podrobnosti: nenavadne oblike sestavin, nejasne robove krožnikov in pribora, ponavljajoče se vzorce, nelogične sence ali teksture, ki so videti bolj kot plastika kot hrana. Noben znak sam po sebi ni dokončen dokaz, vendar kombinacija več takšnih podrobnosti pogosto razkrije, da slika ni fotografija.
Za restavracije in oglaševalce pa je ključno vprašanje zaupanje. Umetna inteligenca je lahko uporabno orodje za skice, idejne zasnove in oblikovanje, vendar fotografija dejanske jedi gostu pove nekaj bistveno pomembnejšega: to je tisto, kar lahko pričakuješ na krožniku.
Ponudniki bi zato morali razmisliti tudi o jasnem označevanju vizualij, ustvarjenih z umetno inteligenco. Transparentnost sicer ne odpravi estetskega problema, lahko pa prepreči občutek zavajanja. V času, ko postaja vse težje ločiti resnično od ustvarjenega, pristnost ni le oblikovalska prednost, temveč postaja konkurenčna vrednost.
