AI destekli menü furyası: Yapay zeka neden iştah açıcı yemek görselleri üretemiyor?

Gıda markaları, restoranlar ve kafeler, son dönemlerde giderek artan oranda yapay zeka üretimi görsellere başvuruyor. Hemen hemen tüm ana akım sohbet robotları, fotogerçekçi görseller üretme konusunda son derece yetenekli hâle gelmiş olsa da konu gıda olunca ortaya oldukça ilginç görüntüler çıkıyor. 

Donut şeklinde karidesler, solucana benzeyen noodle’lar, kurtçuk dolu burrito’lar ve plastik gibi görünen makarnalar, bu tuhaflıklardan yalnızca birkaçı… Tam da bu tuhaflıklar nedeniyle yapay zeka üretimi menüler, iştah açıcı görünmek yerine, “mide bulandıran” etkileriyle viral hâle geliyor. 

• Bu durum karşısında şu soruyu sormadan edemiyoruz: Fotogerçekçi görüntüler üretme konusunda bu denli yetenekli hâle gelen yapay zeka modelleri, neden iştah açıcı yemek görselleri üretemiyor?

Geniş açı: Her geçen gün çok daha fazla tüketici, çevrimiçi teslimat platformları üzerinden yemek siparişi veriyor. Restoranlar da teslimat uygulamalarında görünürlüklerini artırmak amacıyla fotoğraf çekimi için herhangi bir harcama yapmadan yapay zeka üretimi görsellere yöneliyor. 

Fakat bu menülerin görünürlüğü, artık yalnızca teslimat uygulamalarıyla sınırlı kalmıyor. Bu içerikler, hızla fiziksel dünyadaki şubelere ve tabelalara da genişliyor. 

• Toast’un yakın tarihli bir anketine göre restoran sahiplerinin %85'ine yakını yapay zeka araçlarını kullanma konusunda kendilerini "rahat" hissediyor ve gelecekte bu araçları daha da yaygın bir şekilde kullanmayı planlıyor. 

Öte yandan: Bugün artık birçok tüketici, bir kafeye girdiğinde ve menünün asılı olduğu panoya baktığında ürkütücü derecede kusursuz, simetrik ve pürüzsüz yiyecek görselleriyle karşılaşıyor. Üretken yapay zeka üretimi menüler, oldukça dar bir estetik anlayış üzerine eğitilen modeller nedeniyle tam olarak açıklanamayan bir şekilde “Burada yanlış bir şey var” duygusu yaratıyor. 

Aynı dar estetik anlayış, bu görsellerin bir “aynılık” hissi yaratmasına da yol açıyor. Büyük dil modelleri, büyük miktarda veriyle eğitilse de birçok yapay zeka üretimi menü, 2015’ten kalma bir BigChefs menüsüne benziyor. Zira modeller, tam olarak bu tip bir içerik külliyatıyla eğitiliyor. Bu da çıktılardaki estetik tercihlerin birbirine benzemesine yol açıyor. 

• Bir kullanıcı, bir yapay zeka modelinden fast food restoranı için bir menü oluşturmasını isterse model, çoğunlukla Wendy’s, Burger King ve McDonald’s gibi popüler bir zincir restoranın menülerini referans alıyor. Hâlihazırda benzer bir stile sahip bu menüler, bir eğitim verisine ve referansa dönüştüğünde çıktılar da aynı stili taklit ediyor ve birbirine benzemeye başlıyor. 

Çıktıların kendisi de bir eğitim verisine dönüştüğünde ise stil daha da güçleniyor.

AI neden iştah açıcı görseller üretemiyor?

Yapay zeka üretimi yiyecek görselleri, modellerin görsel üretirken kullandığı teknik süreçler, model eğitiminde kullanılan materyaller ve insanların görüntüleri algılarken yaşadığı psikolojik süreçler nedeniyle iştah açıcı görünmekten uzak kalıyor. 

Difüzyon tekniği: Görsel üreten modellerin birçoğu, difüzyon tekniğini kullanıyor. Bu teknikte model, televizyondaki paraziti andıran rastgele piksellerden, yani “saf gürültüden” oluşan bir görüntüyle işe başlıyor. Ardından istenen görsel ortaya çıkana kadar bu gürültü adım adım azaltılıyor. Bu süreçte önce görüntünün genel hatları ve kaba yapısı belirginleşiyor. İnce dokular ve küçük ayrıntılar ise en son ortaya çıkıyor. 

Tüketiciler tarafından “rahatsız edici” olarak nitelendirilen yapay zeka üretimi yemek görsellerinin pek çoğunda ince ayrıntılar eklenmeye başlandığında işler hâlihazırda çoktan ters gitmiş oluyor. Model, sürecin daha erken bir aşamasında bir nesnenin temel yapısını yanlış oluşturabiliyor ve ardından bu hatalı yapının üzerine son derece canlı ve gerçekçi doku ayrıntıları ekliyor. 

• Yapay zeka üretimi insan görsellerinde zaman zaman görülen altı parmak hatası da aynı mekanizmadan kaynaklanıyor. 

Temel yapı doğru oluşturulsa bile ince ayrıntılara gelindiğinde işler yine ters gidebiliyor. Çünkü yapay zeka modelleri, özellikle ince, kesintisiz ya da belirli bir noktada sona ermesi gereken yapıları üretmekte zorlanıyor. 

Örneğin: Noodle ve spagetti gibi uzun ve ince yiyecekler ya da ipliksi yapılar, modellerin zorlandığı geometriler arasında yer alıyor. Model, bu tip bir yapı üretmeye başladığında nerede sona ermesi veya neye bağlı olması gerektiğini belirlemekte zorlanıyor. Bu nedenle yapay zeka üretimi görsellerde oldukça tuhaf spagetti benzeri şekiller ortaya çıkabiliyor. 

Baloncuk ve çekirdek gibi tekrar eden dokularda da benzer bir sorun yaşanıyor. Modeller, bu dokuları mantıklı sınırlar içinde tutmakta zorlandığı için dokular ait olmadıkları bölgelere taşabiliyor. Bu durum, kimi zaman görselin tripofobiyi tetikleyebilecek miktarda kümelenmiş küçük deliklerle dolmasına yol açıyor. 

Modellerin yiyecekleri algılama biçimi: Görsellerdeki tuhaf dokular, yapay zekanın yiyecekleri algılama şeklinden de kaynaklanabiliyor. Yapay zeka modellerinin, esasında bir sandviçin, noodle’ın ya da dürümün ne olduğuna dair hiçbir fikri olmuyor. Ürettiği nesneleri veya bu nesnelerin içinde bulunduğu fiziksel dünyayı algılayamayan modeller, bunların neye benzediğini genellikle istatistiksel düzeyde öğreniyor. Ancak bu bilgi, o nesnelerin neden öyle göründüğünü ya da fiziksel dünyada nasıl davranması gerektiğini açıklamıyor. 

Başka bir deyişle yapay zeka, dünyaya ilişkin gerçek bir bilgiye sahip olmadan yalnızca nesnelerin görünüşlerini yeniden üretiyor. Bunun sonucunda ortaya yemeğin kendisinin ne olduğuna dair herhangi bir anlayıştan kopuk, yalnızca yiyeceğin görüntüsünü taklit eden bir görsel çıkıyor. 

Önemli ayrıntı: Bu anlayış eksikliği, görsellere bakan insanlar açısından zaman zaman iştah kaçırıcı estetik sonuçlar doğurabiliyor. Uzmanlar, yapay zeka üretimi görsellerde çatlamış betonu andıran dondurmaların ya da kayadan yapılmış gibi görünen hamburgerlerin ortaya çıkmasının nedeninin de bu olduğunu söylüyor. 

Günün sonunda yapay zeka modelleri, bir yiyeceğin, neden yiyecek olmayan başka bir nesneye benzememesi gerektiğini bilmiyor. Aynı dokular, mimari bir görselde kullanıldığında son derece normal gözükebiliyor; fakat yenilebilir bir materyalin üzerinde kullanıldığında bir anda yanlış ve rahatsız edici görünmeye başlıyor. 

Eğitim materyalleri: Yapay zeka modellerini eğitmek için kullanılan görseller de sorunu daha karmaşık hâle getiriyor. Pazarlama materyali olarak kullanılan yemek fotoğrafları, hâlihazırda keskin kontrastlar, yoğun renkler, parlak ışıklar ve abartılı derecede stilize bir görsel dil sunuyor. Bu fotoğraflarda kimi zaman fotoğraflanan yiyecek, gerçekte “yenebilecek” bir materyal bile olmayabiliyor. 

Bu fotoğraflar, bir eğitim verisine dönüştüğünde yapay zeka modelleri, bu yüzeysel özellikleri ve görsel kalıpları öğreniyor ve bunların ardındaki bağlamı anlamadan aynı stili yeniden üretiyor. 

• Bir diğer deyişle yemek fotoğrafçılığını başarıyla taklit eden yapay zeka, profesyonel fotoğrafçıların bu estetik tercihleri neden ve nasıl kullandığını bilmiyor. Bunun sonucunda yine ortaya iştah açıcılıktan son derece uzak görseller çıkıyor. 

Dahası: Sosyal medya da yapay zeka şirketleri için artık devasa bir eğitim verisi havuzuna dönüşüyor. Her gün sosyal medyada binlerce yemek fotoğrafı paylaşılıyor. Fakat bu fotoğrafların birçoğu sıradan görseller yerine, dikkat çekici ve maksimalist içerikler sunuyor. Zira pek çok kullanıcı, sosyal medya hesabında sıradan bir kırmızı elma paylaşmak istemiyor. 

• Bu internet kültürü de yapay zeka modellerinin yiyeceklerin neye benzemesi gerektiğine dair garip bağlantılar kurmasına yol açıyor.

Bununla birlikte: Yapay zeka modelleri, artık bizzat yapay zeka tarafından üretilen sentetik verilerle de eğitiliyor. Bu da kimi zaman “model çöküşü” adı verilen bir fenomene yol açıyor. Bir model, kendi çıktılarıyla eğitildiğinde veriler iç içe geçtiği için sistem çöküyor. Bu da görsellerin bozulmasına ve üretilen çıktılar arasında büyük bir benzerlik olmasına neden oluyor. 

Ayrıca yapay zeka araçlarıyla çalışırken üretilen bir görsel üzerinde tekrar tekrar düzenleme yapmak da görüntüde bozulmaya yol açıyor. Restoranlar, fiyat veya ürün adı gibi küçük ayrıntıları değiştirmek için aynı menü üzerinde tekrar tekrar düzenleme yaptığında her yeni müdahale, yemeklerin biraz daha pürüzsüz ve gerçeklikten uzak bir görüntüye ulaşmasına yol açıyor. 

AI’a direnen işletmeler mevcut

Diğer yandan tüm işletmeler, menülerinde yapay zeka dokunuşuna yer vermek istemiyor. Sentetik yemek görselleri, yapay zekaya yönelik büyüyen toplumsal tepkinin sembollerinden biri hâline geliyor. ABD’de bazı yerel restoranlar, tepki olarak üretken yapay zekayla hazırlanmış afişler kullanmayacaklarını el yazısıyla yazdıkları notlarla duyuruyor. 

Ayrıca: Yemeklerin pazarlama materyalleri ve gerçek dünyada nasıl göründüğü arasındaki fark, yapay zeka patlamasından çok daha eski bir zamana dayanıyor. Yemek fotoğrafçıları, yiyecekleri daha iştah açıcı göstermek için uzun yıllardır çeşitli yaratıcı yöntemlere başvuruyor. 

Örneğin reklam görsellerinde çoğu zaman dondurma yerine patates püresi kullanılabiliyor veya hamburger köftelerinin üzerine kusursuz ızgara izleri elle eklenebiliyor. Fakat bu müdahaleler, yemeklerin gerçek dünyada nasıl göründüğü ve davrandığına dair anlayışa sahip bir insan tarafından yapıldığı için ortaya tuhaf sonuçlar çıkmıyor. 

Perspektif: Uzmanlara göre yapay zeka üretimi yiyecek görsellerine yönelik “tiksinti” duygusunun ardında bilimsel bir neden de yatıyor. Almanya'daki Duisburg-Essen Üniversitesi'nde görev alan araştırmacılar, bu görsellerin “tekinsiz vadi” etkisi yarattığına ve neredeyse gerçek gibi görünen yapay zeka üretimi yemek görsellerinin, yapay olduğu açıkça belli olan görsellere kıyasla insanlarda daha fazla tiksinti ve huzursuzluk duygusu oluşturduğuna işaret ediyor. 

• “Tekinsiz vadi” terimi, çoğu zaman robotik bir nesnenin insan benzeri bir görünümle yarattığı huzursuzluk duygusunu ifade etmek için kullanılıyor. 

Bunun yanı sıra bilim insanları, iğrenme ve tiksinti duygusunun evrim sürecinde insanı parazit, patojen ve toksin gibi potansiyel tehditlerden koruyan bir mekanizma olarak ortaya çıktığına dikkat çekiyor. İnsanlar, bu duygu sayesinde bir şeyi yemenin güvenli olmadığını anlayabiliyor. Dolayısıyla yapay zeka üretimi yiyecek görsellerinde bu duygular, görselde gerçekten yenebilecek bir materyal bulunmadığına dair içgüdüsel bir ses olarak da ortaya çıkabiliyor. 

Üstelik yapay zeka, bu içgüdüyü harekete geçiren pek çok unsuru aynı görselde buluşturuyor: Solucan veya parazitleri andıran ipliksi yapılar, delik kümeleri, bozuk dokular ya da kontaminasyon hissi veren renkler… Bu nedenle uzmanlara göre yapay zeka üretimi yemek görselleri, esasında temel içgüdü düzeyinde bir şeylerin yanlış ve “sentetik” olduğunu anlattığı için yanlış hissettiriyor ve belli belirsiz bir “Burada bir tuhaflık var” duygusu yaratıyor.