एआय-व्युत्पन्न मेनूच्या मागे समानतेची समस्या आहे

लिस्ले म्हणतात की ही मॉडेल्स ज्या प्रकारे तयार केली गेली आहेत ते स्पष्ट करण्यात मदत करू शकतात की चित्रे अशा विशिष्ट सौंदर्याचा अंतर्भाव का करतात – एक जेथे प्रत्येक आइस्क्रीम स्कूप पूर्णपणे गोलाकार आहे आणि जेथे कोळंबी त्यांच्या स्वत: च्या शेपटी खाण्यासाठी अनुवांशिकरित्या सुधारित केली गेली आहे असे दिसते, नवीन “निर्माण”लव्हक्राफ्टियन फूड हॉरर्स.”

लार्ज लँग्वेज मॉडेल्स (LLM) आणि डिफ्यूजन मॉडेल्स – AI मॉडेलचे प्रकार जे वरवर सर्वज्ञ चॅटबॉट्स आणि इमेज जनरेटर जसे की ChatGPT आणि मिडजर्नी शक्य करतात – मोठ्या प्रमाणात डेटावर प्रशिक्षित आहेत. मॉडेल नंतर डेटासेटमधील पॅटर्न ओळखतात जेव्हा वापरकर्ता “मला बर्गर रेस्टॉरंटसाठी मेनू बनवा” असे काहीतरी विचारतो तेव्हा ते काय शोधत आहे याचा अंदाज लावतात.

“या सामग्रीचा बराचसा भाग 2015 पासून मिरचीच्या मेनूसारखा दिसतो, आणि त्यासाठी एक कारण आहे,” लिस्ले म्हणाली. “हे कामाचे कॉर्पस होते ज्यातून (मॉडेल) त्यांचे कार्य काढले.”

एआय मॉडेल्स बनवणाऱ्या कंपन्यांसाठी नवीन प्रशिक्षण डेटा अमूल्य आहे — ॲमेझॉनला दुर्मिळ पुस्तके स्कॅन करण्यासाठी आणि त्याच्या प्रशिक्षण डेटामध्ये जोडण्यासाठी देखील आढळली आहेत, ती पुस्तके अपलोड झाल्यानंतर ती नष्ट करण्यासाठी. हे अपरिहार्य आहे की काही AI-व्युत्पन्न सामग्री या अनाकलनीय मोठ्या डेटा सेटमध्ये प्रवेश करेल. परंतु जेव्हा AI मॉडेल्स त्यांच्या स्वतःच्या AI-व्युत्पन्न सामग्रीवर जास्त प्रशिक्षण घेतात तेव्हा त्यांना मॉडेल कोसळण्याचा धोका असतो.

“मॉडेल कोसळणे हे जवळजवळ वेड्या गाईच्या आजारासारखे आहे… जेव्हा तुम्ही एका मॉडेलचे आउटपुट परत स्वतःमध्ये भरता, तेव्हा अंततः प्रजनन खूप जास्त होते आणि संपूर्ण गोष्ट कोलमडते,” लिस्ले स्पष्ट केले. “आपण येथे जे पाहतो ते अभिसरण आहे, जे मॉडेल कोसळणे आवश्यक नाही.”

अभिसरण हे थोडेसे कमी टोकाचे आहे, AI च्या आउटपुटची गुणवत्ता पूर्णपणे निरुपयोगी न बनवता खराब करते.

जर एखाद्याने एआय मॉडेलला फास्ट फूड रेस्टॉरंटसाठी मेनू तयार करण्यास सांगितले, तर मॉडेल कदाचित वेंडी, बर्गर किंग, मॅकडोनाल्ड किंवा अन्य लोकप्रिय साखळीतील मेनूचा संदर्भ देईल. हे मेनू आधीपासून एक समान शैली सामायिक करतात, याचा अर्थ एआय-व्युत्पन्न केलेले आउटपुट त्याच शैलीची नक्कल करतील, जर एआय-व्युत्पन्न मेनू प्रशिक्षण डेटामध्ये परत आला तरच ते आणखी मजबूत करण्यासाठी.

पण मेनू आणि खाद्यपदार्थांच्या जाहिराती नेहमी खऱ्या गोष्टींपेक्षा चांगल्या दिसतील, जसे की मॅकडोनाल्ड्सच्या जाहिरातीतील बिग मॅक, जेथे सँडविचचा प्रत्येक थर जास्तीत जास्त रुचकर दिसण्यासाठी प्रॉप डिझायनरद्वारे व्यवस्था केला जातो. हा प्रभाव AI आउटपुटमध्ये आणखी स्पष्ट होऊ शकतो.

“डेटा सेटचे ऑप्टिमायझेशन आनंदासाठी आहे, किंवा तुम्हाला माहीत आहे, आक्षेपार्ह नाही, आणि म्हणून एक मार्ग आहे जो एकरूपतेमध्ये बदलतो,” ली रेनी, इलॉन युनिव्हर्सिटीच्या इमॅजिनिंग द डिजिटल फ्यूचर सेंटरचे संचालक, यांनी रीडला सांगितले. “एआयला प्रतिमा आणि भाषा दोन्हीमध्ये काय करण्यासाठी ओळखले जाते ते म्हणजे काठ काढून टाकणे.”

अधिक स्थानिक स्तरावर, जेव्हा तुम्ही मेनू तयार करण्यासाठी आणि त्यात संपादने लागू करण्यासाठी AI इमेज जनरेटर वापरता तेव्हा प्रतिमांचे हे स्मूथिंग होते असे दिसते. X वर, नावाचा वापरकर्ता लॅबटेक जेव्हा तुम्ही ChatGPT मध्ये मेनू बनवता तेव्हा काय होते ते दाखवले, नंतर अन्न कसे कमी-जास्त दिसत राहते ते पाहण्यासाठी ते 100 वेळा संपादित करा. (आम्ही प्रयोगाची प्रतिकृती तयार केली आणि समान परिणाम आढळले.)

“अंतिम परिणाम खरोखर मला अस्वस्थ करतो,” लॅबटेकने लिहिले.

रेस्टॉरंट्स या समस्येला बळी पडण्याची शक्यता आहे, त्यांच्या AI-व्युत्पन्न मेनूमध्ये किमती किंवा आयटमची नावे यांसारख्या लहान तपशीलांमध्ये वारंवार बदल करत आहेत. असे दिसते की प्रत्येक संपादनासह, खाद्य प्रतिमा थोड्या अधिक गोल आणि गुळगुळीत होतात.

रेनी म्हणाले, “लोकांना एआय-व्युत्पन्न केलेली एखादी गोष्ट पाहत असताना त्याबद्दल जवळजवळ अस्पष्ट समज असते, जे प्रथम स्थानावर होते त्या तुलनेत. “अशी एक संवेदनशीलता आहे जी लोकांना व्यक्त करणे कधीकधी कठीण जाते, परंतु जेव्हा ते ते पाहतात तेव्हा त्यांना ते कळते आणि मला वाटते की बॅकलॅश (AI मेनू वापरणाऱ्या रेस्टॉरंट्सच्या विरूद्ध) बद्दलच्या काही सुरुवातीच्या कथा इतक्या उच्चारण्याचे हे एक कारण आहे.”

या एआय मेनूबद्दल आपल्या तिरस्कारामागे विज्ञान आहे. जर्मनीतील ड्यूसबर्ग-एसेन विद्यापीठातील संशोधक एआय-व्युत्पन्न अन्न प्रतिमा एक “अनकॅनी व्हॅली” प्रभाव प्रदर्शित करते असे आढळलेजिथे जवळजवळ वास्तविक दिसणाऱ्या खाद्यपदार्थांच्या प्रतिमा उघडपणे बनावट असलेल्या प्रतिमांपेक्षा अधिक किळस आणि अस्वस्थता निर्माण करतात. एआयच्या आजूबाजूच्या सांस्कृतिक संदर्भाच्या प्रकाशातच ही चिडचिड अधिक तीव्र होते.

जर लोकांनी या प्रतिमांवर इतकी नकारात्मक प्रतिक्रिया दिली, तर कदाचित रेस्टॉरंट्सने एआय मेनू कार्य करण्याचा प्रयत्न करणे थांबवण्याचे पुरेसे कारण आहे. पण जे मुद्दे आमच्यासाठी उत्तम प्रकारे तपकिरी हॅम्बर्गर बन्स आणतात ते डिनर टेबलच्या पलीकडेही आहेत.

लिस्ले म्हणाले, “पाहणे आणि ऐकणे नेहमीच विश्वास ठेवत आहे, जेथे आमच्या न्यायालयीन प्रणाली देखील पुराव्यातील सोन्याचे मानक टेप केलेले कबुलीजबाब आणि व्हिडिओ टेप केलेले पुरावे आहेत या कल्पनेशी पूर्णपणे जुळले आहेत,” लिस्ले म्हणाले. “ते आता नाही. जग मूलभूतपणे बदलले आहे, चांगल्यासाठी किंवा आजारासाठी.”