ปัญหาความเหมือนกันในเมนูอาหารที่สร้างโดย AI ที่ไม่น่าอร่อย

คุณหยิบเมนูขึ้นมา มองดูรูปถ่ายอาหาร แล้วรู้สึกว่ามีบางอย่างผิดปกติ — ไม่ผิดพอที่จะบอกได้ชัดเจน แต่ผิดพอที่จะทำให้คุณวางเมนูลง ปัญหาความเหมือนกันในเมนูอาหารที่สร้างโดย AI ที่ไม่น่าอร่อยนี้เป็นเรื่องจริงแล้ว จนลูกค้าสามารถรู้สึกได้อย่างชัดเจน แม้ว่าพวกเขาอธิบายไม่ได้ว่าพวกเขาเห็นอะไร นี่ไม่ใช่ข้อร้องเรียนด้านการออกแบบเพียงเล็กน้อย มันเป็นสัญญาณเกี่ยวกับวิธีที่ AI สร้างสรรค์ล้มเหลวเมื่อนำไปใช้โดยไม่มีทักษะ บริบท หรือการยับยั้ง — และมีผลกระทบที่ขยายออกไปไกลกว่าอุตสาหกรรมร้านอาหารมาก

ตามรายงานของ TechCrunch โดย Amanda Silberling ภาพประกอบเมนูที่สร้างโดย AI ได้เริ่มปรากฏในคาเฟ่และร้านอาหารในขนาดใหญ่ ภาพเหล่านี้มีความสามารถทางเทคนิค — สมมาตรอย่างแม่นยำ เรียบเนียนอย่างแปลก ไร้ที่ติอย่างน่ากลัว — แต่ทำให้เกิดความรู้สึกทันทีว่ามีบางอย่างผิดปกติ CTO ของ Reality Defender Alex Lisle กล่าวไว้อย่างตรงไปตรงมา: "มันเหมือนกับว่ามนุษย์ต่างดาวกำลังพยายามทำพิซซ่าโดยไม่เข้าใจหลักการพื้นฐาน" ภาพบางภาพเห็นได้ชัดว่าเป็นของปลอม เช่น บูริโต้ที่มีชีสฟูมากจนดูเหมือนศิลปะสมัยใหม่ ส่วนภาพอื่นๆ ละเอียดอ่อนพอที่คุณจะสังเกตเห็นความผิดปกติในการมองครั้งที่สอง ไม่ว่าจะด้วยวิธีใด ผลลัพธ์ก็เหมือนกัน: ความไม่ไว้วางใจ

เกิดอะไรขึ้น

เจ้าของร้านอาหารเริ่มหันไปใช้ AI สร้างสรรค์เป็นทางลัดสำหรับการออกแบบเมนู เศรษฐศาสตร์นั้นสมเหตุสมผลบนกระดาษ — การจ้างช่างถ่ายรูปอาหารมีค่าใช้จ่ายสูง และโมเดลข้อความเป็นรูปภาพสามารถสร้างภาพประกอบเมนูได้สิบภาพในเวลาไม่กี่นาทีด้วยต้นทุนส่วนเพิ่มเกือบเป็นศูนย์ ปัญหาคือโมเดลเหล่านี้ได้รับการฝึกอบรมบนสุนทรียศาสตร์ที่แคบ "ความน่ารัก" — ค่าเฉลี่ยทางสถิติของรูปถ่ายอาหารที่มีลักษณะอย่างไรในภาพนับล้านภาพที่ดึงมาจากเว็บ ผลลัพธ์คือภาพที่เพิ่มประสิทธิภาพสำหรับความน่าสนใจระดับพื้นผิวในขณะที่ลบความไม่สมบูรณ์ที่ทำให้อาหารดูเป็นจริง: ลักษณ์ที่ไม่เท่ากันเล็กน้อยบนเปลือกพิซซ่า วิธีที่ซอสไหลออกมาอย่างไม่สมมาตร ความยุ่งเหยิงที่ซื่อสัตย์ของแซนวิชจริง

ผู้ใช้โซเชียลมีเดียเริ่มชี้ให้เห็นปรากฏการณ์นี้ในโพสต์ที่ไปไวรัล ชี้ให้เห็นเมนูที่อาหารดูเหมือนการเรนเดอร์จากวิดีโอเกมมากกว่าสิ่งที่ครัวสามารถสร้างได้จริง ภาพประกอบไม่ได้ทำให้เสียใจ — มันแค่ประหลาด และความประหลาดนั้นคือประเด็น ลูกค้าไม่จำเป็นต้องใช้เครื่องมือตรวจจับ AI เพื่อรู้สึกว่ามีบางอย่างผิดปกติ พวกเขาแค่รู้

นี่คือรูปแบบความล้มเหลวหลัก: AI สร้างสรรค์ เมื่อนำไปใช้โดยไม่มีความรู้เกี่ยวกับโดเมนหรือการตัดสินใจด้านบรรณาธิการของมนุษย์ จะบรรจบกันที่ค่าเฉลี่ย มันสร้างผลลัพธ์ที่มีความเป็นไปได้ทางสถิติมากกว่าที่ดีจริงๆ ในการถ่ายรูปอาหาร การบรรจบกันนั้นสร้างภาพที่ดูเหมือนภาพอาหาร AI อื่นๆ — เรียบเนียน สมมาตร และในที่สุดก็ไม่น่าอร่อยเพราะมันสมบูรณ์เกินไป ความเหมือนกันคือปัญหา ไม่ใช่ AI เอง

เป็นที่น่าสังเกตว่าบริษัทสตาร์ทอัพตรวจจับ AI เช่น Reality Defender มีอยู่เพราะเหตุผลนี้โดยเฉพาะ ตลาดสำหรับเครื่องมือตรวจสอบเนื้อหาได้เกิดขึ้นควบคู่ไปกับการแพร่หลายของเนื้อหาที่สร้างโดย AI — อุตสาหกรรมรองที่สร้างขึ้นจากการขาดความเชื่อถือที่การนำ AI ไปใช้อย่างไม่ระมัดระวังสร้างขึ้น

ทำไมมันถึงสำคัญสำหรับเอเชีย

อุตสาหกรรมอาหารและเครื่องดื่มของเอเชียมีขนาดใหญ่ กระจัดกระจาย และมีลักษณะเป็นภาพมาก ตั้งแต่ผู้ประกอบการแผงขายอาหารในสิงคโปร์ที่สร้างเมนูดิจิทัลครั้งแรก ไปจนถึงห่วงโซ่ร้านอาหารขนาดกลางในจาการ์ตาหรือโฮจิมินห์ซิตี้ที่ขยายตัวข้ามแพลตฟอร์มการจัดส่ง ความกดดันในการสร้างเนื้อหาภาพคุณภาพสูงอย่างราคาถูกนั้นรุนแรง ความล่อใจที่จะใช้เครื่องกำเนิดรูปภาพ AI นั้นเข้าใจได้อย่างสมบูรณ์

แต่ปัญหาความเหมือนกันนั้นกระทบหนักกว่าในวัฒนธรรมอาหารของเอเชียมากกว่าในตลาดอื่นๆ อาหารที่นี่คือตัวตน ชามบักกูเตะ จานชาวกวยเตียว ชามราเมนโทนโคตสึที่เหมาะสม — จานอาหารเหล่านี้มีความภูมิใจด้านภูมิภาค ประวัติศาสตร์ครอบครัว และความเฉพาะเจาะจงของท้องถิ่น โมเดล AI ที่ได้รับการฝึกอบรมเป็นหลักบนชุดข้อมูลรูปถ่ายอาหารตะวันตกจะไม่เข้าใจว่าปริมาณที่เหมาะสมของ wok hei บนจานข้าวผัดนั้นมองเห็นได้ในลักษณ์ ไม่ใช่ในความเงาวาวสีทองเรียบ มันจะสร้างสิ่งที่ดูเหมือนข้าวผัดแบบคลุมเครือ เช่นเดียวกับที่รูปภาพสต็อกดูเหมือนสถานที่จริงแบบคลุมเครือ — ถูกต้องทางเทคนิค แต่ว่างเปล่าทางอารมณ์

สำหรับผู้ก่อตั้ง Asian ที่สร้างในพื้นที่เทคโนโลยีอาหาร — แพลตฟอร์มการจัดส่ง SaaS การจัดการร้านอาหาร เครื่องมือเมนูดิจิทัล — นี่คือปัญหาการออกแบบผลิตภัณฑ์ ไม่ใช่เพียงปัญหาสุนทรียศาสตร์ หากแพลตฟอร์มของคุณสร้างภาพ AI สำหรับผู้ค้า และภาพเหล่านั้นทำให้เสื่อมความเชื่อถือของลูกค้า แพลตฟอร์มของคุณจะต้องรับต้นทุนชื่อเสียงนั้น ผู้ค้าโทษอาหาร ลูกค้าโทษร้านอาหาร แต่แพลตฟอร์มทำให้มันเป็นไปได้

นอกจากนี้ยังมีแนวโน้มเทคโนโลยี Asia ที่กว้างขึ้นเล่นอยู่ที่นี่ เมื่อเครื่องมือ AI กลายเป็นราคาถูกและเข้าถึงได้มากขึ้น ความแตกต่างระหว่างผลิตภัณฑ์จะมาจากรสนิยมมากขึ้น ไม่ใช่เพียงความสามารถทางเทคนิค นักพัฒนาคนใดก็ได้สามารถเรียก API การสร้างรูปภาพได้ คำถามคือว่าผลิตภัณฑ์ของคุณใช้ความรู้เกี่ยวกับโดเมนเพียงพอ บริบทวัฒนธรรมเพียงพอ และการเฝ้าดูของมนุษย์เพียงพอเพื่อสร้างผลลัพธ์ที่ดีจริงๆ แทนที่จะเพียงพอ นั่นคือการตัดสินใจด้านผลิตภัณฑ์ และมันมีความสำคัญมากขึ้นในตลาดที่เนื้อหาที่สร้างขึ้นมีน้ำหนักทางวัฒนธรรม

นี่หมายถึงอะไรสำหรับนักพัฒนา

ปัญหาเมนูเป็นกรณีศึกษาที่มีประโยชน์สำหรับนักพัฒนาคนใดก็ตามที่สร้างการสร้างเนื้อหาที่ขับเคลื่อนด้วย AI ลงในผลิตภัณฑ์ รูปแบบความล้มเหลวนั้นสอดคล้องกัน: ใช้โมเดลวัตถุประสงค์ทั่วไป นำไปใช้กับปัญหาเฉพาะโดเมน ข้ามขั้นตอนการปรับแต่งและการตรวจสอบของมนุษย์ และจัดส่ง ผลลัพธ์จะใช้งานได้ทางเทคนิคและเป็นสุนทรียศาสตร์ปานกลาง ผู้ใช้จะสังเกตเห็น แม้ว่าพวกเขาไม่สามารถอธิบายได้ว่าทำไม

บทเรียนที่เป็นรูปธรรมบางประการที่ควรจดจำ:

• โมเดลวัตถุประสงค์ทั่วไปเป็นจุดเริ่มต้น ไม่ใช่จุดสิ้นสุด โมเดลข้อความเป็นรูปภาพที่ได้รับการฝึกอบรมบนข้อมูลเว็บกว้างจะสร้างผลลัพธ์ที่เฉลี่ยกว้าง หากกรณีการใช้งานของคุณต้องการความเฉพาะเจาะจงทางวัฒนธรรม — และกรณีการใช้งานตลาด Asian ส่วนใหญ่ต้องการ — คุณต้องการการปรับแต่งบนข้อมูลที่เกี่ยวข้องกับโดเมน หรือชั้นบรรณาธิการของมนุษย์ที่กรองและคัดสรรผลลัพธ์ก่อนที่จะถึงผู้ใช้
• ผลกระทบหุบเขาน่ากลัวไม่ได้จำกัดเฉพาะใบหน้า แนวคิดหุบเขาน่ากลัวดั้งเดิมใช้กับหุ่นยนต์ที่มีลักษณะคล้ายมนุษย์ที่ดูเกือบแต่ไม่ใช่มนุษย์ กลไกการรับรู้เดียวกันนี้ใช้กับอาหาร การเขียน สำเนา UI และโดเมนใดๆ ที่มนุษย์มีความรู้เชิงสัญชาตญาณลึกเกี่ยวกับว่า "ถูก" ดูเหมือนไร หากคุณสร้างเนื้อหาในโดเมนใดๆ เหล่านี้ ให้ทดสอบกับผู้ใช้จริงจากวัฒนธรรมเป้าหมาย — ไม่ใช่เพียงผู้ตรวจสอบภายใน
• ความเหมือนกันเป็นความเสี่ยงเชิงระบบ ไม่ใช่บัก เมื่อร้านอาหารทุกแห่งที่ใช้แพลตฟอร์มของคุณสร้างเมนูจากโมเดลพื้นฐานเดียวกันกับการตั้งค่าเริ่มต้นเดียวกัน ผลลัพธ์จะบรรจบกัน ลูกค้าที่กินอาหารในร้านอาหารหลายแห่งจะเริ่มสังเกตเห็น ความเหมือนกันกลายเป็นสัญญาณว่ามีบางอย่างเป็นอัตโนมัติ และอัตโนมัติเริ่มหมายถึงไม่น่าเชื่อถือ สร้างการเปลี่ยนแปลงและการปรับแต่งลงในไปป์ไลน์การสร้างของคุณตั้งแต่วันแรก
• ความเชื่อถือนั้นยากที่จะสร้างใหม่มากกว่าที่จะสูญเสีย ร้านอาหารที่นำเอา AI เมนูรูปภาพมาใช้ในช่วงแรกกำลังจัดการกับสัญญาณชื่อเสียงที่พวกเขาไม่ได้คาดการณ์ สำหรับนักพัฒนาที่สร้างแพลตฟอร์ม บทเรียนคือการจัดส่งอย่างรวดเร็วด้วยเนื้อหาที่สร้างโดย AI นั้นมีความเสี่ยงต่ำเท่านั้นหากคุณภาพเนื้อหานั้นสูงจริงๆ มิฉะนั้น คุณกำลังยืมเงินกับความเชื่อถือของผู้ใช้

ในด้านโครงสร้างพื้นฐาน นักพัฒนาที่สร้างบน MonstarX สามารถวางจุดตรวจสอบการตรวจสอบของมนุษย์ลงในเวิร์กโฟลว์การสร้างเนื้อหา AI โดยตรง — ปฏิบัติต่อผลลัพธ์ AI เป็นร่างที่ผ่านขั้นตอนการตรวจสอบ