Когда картинка вкуснее реальности: как искусственный интеллект создает идеальную еду, которой нет в меню

Заказывая еду через приложение, мы сначала едим глазами. Сочный бургер с румяной булочкой, хрустящие сырные палочки, блестящий соус и безупречно рассыпчатый рис способны подтолкнуть к заказу еще до того, как мы прочитаем состав блюда. Но сегодня за такой фотографией не обязательно стоят повар, фуд-стилист и фотограф. Иногда блюда, которое мы рассматриваем на экране, вообще никогда не существовало.

Генеративный искусственный интеллект добрался до ресторанных меню. Вместо организации полноценной фотосессии ресторан может за несколько минут получить изображение практически любого блюда — от пиццы до фалафеля. Причем нейросеть способна сделать еду почти неправдоподобно привлекательной. Сыр тянется именно там, где нужно, овощи выглядят так, будто их только что нарезали, корочка приобретает идеальный золотистый оттенок, а соус блестит словно в профессиональной рекламе.

Именно эта безупречность иногда и выдает искусственное происхождение изображения. Настоящая еда редко бывает геометрически правильной. Кусочки отличаются размером, зелень лежит небрежно, соус растекается, а корочка подрумянивается неравномерно. Алгоритм способен устранить эти естественные несовершенства и создать идеализированную версию блюда, рассчитанную не столько на достоверность, сколько на максимальный аппетит.

Психологи называют подобные преувеличенные раздражители сверхстимулами. Сам принцип существовал в рекламе задолго до появления генеративного ИИ: профессиональные фотографы тщательно подбирали освещение, композицию, ракурс и наиболее привлекательную порцию. Но есть принципиальная разница. Фотограф начинает с настоящего блюда, тогда как нейросеть может сразу создать фантазию о том, каким это блюдо должно быть.

Возникает довольно необычная ситуация. Человек покупает реальный бургер, ориентируясь на изображение виртуального бургера, которого никто никогда не готовил. И чем убедительнее работают генераторы изображений, тем труднее заметить подмену до того момента, когда курьер принесет заказ.

Журналисты Daily Mail решили проверить этот разрыв между картинкой и реальностью и заказали блюда, изображения которых выглядели созданными искусственным интеллектом. Результаты оказались разными. Иногда настоящая еда вполне соответствовала описанию и даже была вкусной, просто выглядела гораздо скромнее своего цифрового двойника. В других случаях различие становилось почти комическим: пышные блины превращались в обычные тонкие блинчики для утки, аккуратные шарики фалафеля — в плоские коричневые лепешки, а эффектный куриный бургер приезжал размокшим и совсем не похожим на рекламный образ.

Здесь проходит важная граница. Хорошая рекламная фотография тоже способна сделать блюдо привлекательнее, чем случайный снимок на смартфон. Однако на ней все равно изображена еда, которую действительно приготовили. Если же ИИ полностью придумывает продукт, фотография перестает быть фотографией в привычном смысле и становится рекламной иллюстрацией.

Для сервисов доставки это особенно важно. В обычном ресторане посетитель может увидеть блюда на соседних столах, оценить обстановку и хотя бы приблизительно представить уровень кухни. В приложении изображение становится одним из главных источников информации. По нему человек судит о размере порции, количестве ингредиентов, текстуре, способе подачи и даже мысленно представляет будущий вкус. Чем сильнее настоящее блюдо отличается от картинки, тем острее ощущение, что ожидания покупателя намеренно завысили.

Почему рестораны вообще идут на такой риск? Причина вполне практична: профессиональная съемка еды требует времени и денег. Нужно приготовить блюдо специально для фотосессии, выставить свет, оформить композицию, снять несколько вариантов, обработать фотографии, а после изменения меню повторить часть работы. Небольшому заведению гораздо дешевле сделать снимок на телефон или попросить нейросеть создать привлекательное изображение.

Однако такая экономия может дорого обойтись доверию покупателей. Если человек несколько раз получает совсем не то, что видел на экране, он начинает сомневаться уже не только в конкретном ресторане, но и в фотографиях еды вообще. Возникает парадокс: чем красивее и доступнее становятся искусственные изображения, тем меньше реальной информации может содержать картинка в меню.

Распознать генерацию пока иногда помогают характерные детали: чрезмерная симметрия, невозможная форма продуктов, неестественно тянущийся сыр, повторяющиеся элементы, нелогичные тени, чрезмерный блеск или странно размытый фон. Но технологии быстро совершенствуются, и многие подобные ошибки постепенно исчезают. Поэтому вскоре главным вопросом может стать не «создана ли эта картинка нейросетью?», а «действительно ли ресторан подает то, что на ней изображено?».

Само по себе использование искусственного интеллекта не обязательно делает меню нечестным. Нейросеть может корректировать освещение, расширять фон или помогать обрабатывать настоящую фотографию. Принципиальная граница появляется тогда, когда цифровое изображение обещает покупателю конкретное блюдо, которого в таком виде никогда не существовало.

Для ресторанов привлекательная фотография всегда была частью продажи. Но у фуд-фотографии долго существовало негласное правило: перед камерой должна находиться настоящая еда. Генеративный ИИ впервые позволяет массово отказаться от этого условия. И если виртуальный бургер становится настолько совершенным, что настоящий неизбежно проигрывает ему, проблема уже не в качестве изображения. Покупатель заказывает реальный ужин, а сравнивать его приходится с фантазией алгоритма.