AIでデザインされたメニューは一見するとプロフェッショナルに見えるかもしれない。しかし、多くのユーザーはそこに不快な何かがあることに気づく。サンドイッチが整いすぎていたり、アイスクリームの球が完全な円形だったり、チーズが絵のように流れていたり、エビが自分の尾を飲み込んでいるように見えたりするのだ。こうした細部は、必ずしも画像が露骨に偽物であることを意味しないが、現実の料理とは異なる、均一で磨き上げられた印象を与える。
本稿はこの現象を、レストランのメニュー設計における単なる視覚的なミスではなく、AIの出力が収束する問題として扱う。生成モデルは膨大なデータからパターンを学習し、ハンバーガーレストランのメニューを作成するような要求に対して、適切だと推測したものを生成する。学習した素材自体がもともと似通っている場合、結果は一つの視覚的な趣味を再利用するものに近づく。
学習データが見慣れた形へと導く
Reality Defenderの最高技術責任者であるAlex Lisleは、こうした画像の一部は、基本原理を理解しない奇妙な存在がピザを作ろうとしているように見えると述べる。彼は、その原因がモデルの機能の基盤となったデータに関係していると考えている。ファストフード店のメニューをデザインするよう求められた場合、モデルはWendy’s、Burger King、McDonald’sのような有名チェーンのメニューを参照する可能性があるが、これらの素材は実際に、似通った視覚的スタイルを共有している。
結果は特定のメニューの完全なコピーではなく、最も一般的な特徴を再現する組み合わせとなる。理想的な照明、対称的な配置、滑らかな表面、そしてより魅力的だと想定される色彩である。Elon UniversityのImagining the Digital Future Center所長であるLee Rainieは、データの改善が、受け入れられやすく攻撃的でないものに重点を置いていると指摘する。それが、輪郭や違いを消し去る均質化へと変わる可能性がある。
AI生成素材が後続の学習データセットに入り込むと、問題はさらに深刻になる。Lisleはこの状態を、Model Collapse（モデル崩壊）とは区別している。モデル崩壊とは、あるモデルの出力を何度も同じモデルに再投入することで起こり、品質が広範に低下する、より深刻なシナリオである。一方、彼の説明によれば、メニューに現れているのは、結果の多様性と品質を低下させる収束または均質化であり、モデルを完全に役立たなくするものではない。
繰り返しの修正が欠点を増幅する可能性
問題は必ずしも最初の画像生成だけから生じるわけではない。Labtecという名前のユーザーは、X上で、ChatGPTを使ってメニューを作成し、その後100回修正した実験を紹介した。修正を繰り返すにつれて、料理の画像は現実の料理らしさを失い、より丸みを帯び、滑らかになった。本稿によれば、TechCrunchもこの実験を再現し、同様の結果を得た。
このシナリオは、料理の価格、名称、またはメニューの細かな部分を変更するために生成ツールを使うレストランにとって重要である。個々の修正は小さなものに見えるかもしれないが、積み重なることで、画像は徐々に自然な見た目から離れていく可能性がある。この場合、AIは単なる時間節約の道具ではなく、編集サイクルの一部となり、デザイナーが隠そうとしている人工的な特徴を強めることになる。
人々はなぜ偽物らしさを感じ取るのか？
Rainieは、人々には、疑わしい要素を特定できない場合でも、生成画像と本物の画像を見分けることがある、説明の難しい能力が備わっていると考えている。本稿は、この不快感をUncanny Valley（不気味の谷）として知られる効果と結びつけている。ドイツのDuisburg-Essen大学の研究者らは、ほぼ本物に見える料理画像のほうが、明らかに偽物の画像よりも嫌悪感や不快感を引き起こす可能性があることを明らかにした。
料理の場合、この逆説はより明確になる。従来の広告自体が、Big Macの広告写真に見られるように、料理を実際よりよく見せるため、配置や照明を意図的に誇張している。しかし、AIの出力はこの美化を、料理が見慣れた特徴を失う水準まで押し進める可能性がある。客がチーズやパン、エビが期待するような視覚的な振る舞いをしていないことに気づくと、意図された改善は嫌悪感の原因へと変わる。
実際には何が変わるのか？
レストランにとっての教訓は、デザインにおけるAIの利用がすべて失敗だということではない。理想的な見た目だけに依存すると、信頼を損なう可能性があるということだ。実際の料理を正確に表していない画像は、客の期待と体験の間に隔たりを生む可能性がある。一方で、モデルが「美しい画像」に関して設定した基準だけでは捉えられない細部に気づける、人間による確認の必要性も明らかになる。
その意味はメニューを超えて広がる。Lisleは、法廷制度が録音や画像に特別な地位を与えてきたことも含め、歴史的に視覚と聴覚を信頼できる証拠とみなしてきたことが、もはや同じ程度には安全ではないと述べる。本物の料理画像と生成画像を見分けることが難しい場合があるなら、よりセンシティブな分野における視聴覚コンテンツの検証は、単なる美的問題ではなく、実務上の問題となる。
本稿は、この問題に対する最終的な技術的解決策を提示しておらず、AIが生成したすべてのメニューが拒否感を引き起こすと証明しているわけでもない。しかし、現在のモデルにおける重要な制約を明らかにしている。つまり、広く受け入れられる出力を生み出そうとすると、地域性や個性のある特徴が取り除かれ、その結果、料理やその他のコンテンツがどう見えるべきかについて、一つのイメージが再生産される可能性がある。