Ringkas: Menu AI generatif mulai muncul di bisnis restoran, tetapi banyak ilustrasinya terasa terlalu mulus, seragam, dan tidak menggugah selera. Para ahli menyebut masalah ini terkait data pelatihan, konvergensi model, dan efek “uncanny valley”.
Menu AI generatif telah merambah bisnis restoran, menghadirkan ilustrasi makanan yang sekilas tampak rapi, tetapi sering terasa aneh: terlalu sempurna, terlalu simetris, dan terlalu halus. Pada menu kafe, misalnya, berbagai sandwich bagel bisa terlihat begitu flawless hingga memunculkan rasa tidak nyaman bahwa ada sesuatu yang keliru, meski sulit dijelaskan.
Kadang ilustrasinya terlihat jelas palsu, seperti burrito dengan keju yang terlalu berbuih dan meleleh sampai lebih mirip seni avant-garde daripada makan siang. Namun lebih sering, gambarnya tampak biasa saja sampai seseorang memperhatikannya lebih dekat dan menyadari ada yang tidak beres.
“Ini hampir seperti alien yang mencoba membuat pizza tanpa memahami prinsip dasarnya,” kata CTO Reality Defender Alex Lisle kepada TechCrunch.
Reality Defender sendiri merupakan bagian dari kategori startup yang berkembang dengan menjual alat deteksi AI dan verifikasi konten, bisnis yang muncul sebagian karena persoalan seperti ini.
Mengapa menu AI generatif terlihat terlalu sempurna
Menurut Lisle, cara model-model ini dibangun dapat membantu menjelaskan mengapa ilustrasi makanan cenderung mengikuti estetika yang sangat spesifik: setiap scoop es krim tampak bulat sempurna, sementara udang terlihat seperti telah dimodifikasi secara genetik untuk memakan ekornya sendiri, menciptakan “horor makanan Lovecraftian” baru.
Large language models atau LLM, serta model difusi, adalah jenis model AI yang memungkinkan chatbot dan generator gambar seperti ChatGPT dan Midjourney bekerja. LLM dapat dipahami sebagai model bahasa besar yang dilatih untuk mengenali pola bahasa, sementara model difusi banyak dipakai untuk menghasilkan gambar. Model-model ini dilatih menggunakan data dalam jumlah sangat besar, lalu mengidentifikasi pola dalam kumpulan data untuk memprediksi apa yang dicari pengguna ketika meminta sesuatu seperti, “Buatkan saya menu untuk restoran burger.”
“Banyak dari hal ini terlihat seperti menu Chili’s dari 2015, dan ada alasannya,” kata Lisle. “Itulah korpus karya yang menjadi dasar [model-model itu] mengambil fungsinya.”
Data pelatihan, model collapse, dan konvergensi AI
Data pelatihan baru sangat berharga bagi perusahaan pembuat model AI. Amazon bahkan pernah ditemukan mencari buku langka untuk dipindai dan ditambahkan ke data pelatihannya, lalu menghancurkan buku-buku itu setelah diunggah. Dengan ukuran dataset yang luar biasa besar, tidak terhindarkan bahwa sebagian konten buatan AI akan masuk ke dalamnya.
Namun, ketika model AI terlalu banyak dilatih menggunakan konten buatan AI miliknya sendiri, model tersebut berisiko mengalami model collapse. Istilah ini merujuk pada kondisi ketika kualitas dan kemampuan model memburuk karena terlalu banyak “memakan” keluaran sintetisnya sendiri.
“Model collapse hampir seperti penyakit sapi gila… ketika Anda memberi makan keluaran dari satu model kembali ke model itu sendiri, pada akhirnya perkawinan sedarahnya menjadi terlalu banyak, dan semuanya runtuh,” jelas Lisle. “Yang kita lihat di sini adalah konvergensi, yang belum tentu model collapse.”
Konvergensi sedikit kurang ekstrem. Dampaknya menurunkan kualitas keluaran AI tanpa membuatnya sepenuhnya tidak berguna.
Jika seseorang meminta model AI membuat menu untuk restoran cepat saji, model itu kemungkinan akan merujuk pada menu Wendy’s, Burger King, McDonald’s, atau jaringan populer lain. Menu-menu tersebut memang sudah memiliki gaya yang mirip, sehingga keluaran AI akan meniru gaya yang sama. Jika menu AI itu kemudian masuk kembali ke data pelatihan, gaya tersebut makin diperkuat.
Efek makanan terlalu mulus dan reaksi negatif pengguna
Menu dan iklan makanan memang hampir selalu terlihat lebih baik daripada bentuk aslinya. Contohnya, Big Mac dalam iklan McDonald’s bisa disusun oleh prop designer agar setiap lapisan sandwich tampak semaksimal mungkin menggugah selera. Efek seperti ini dapat menjadi lebih kuat dalam keluaran AI.
“Optimasi dataset diarahkan pada pleasingness, atau, Anda tahu, agar tidak menyinggung, dan ada cara bagaimana hal itu berubah menjadi homogenisasi,” kata Lee Rainie, Director of the Imagining the Digital Future Center di Elon University, kepada TechCrunch. “Hal yang dikenal dilakukan AI baik dalam gambar maupun bahasa adalah mengikis sisi-sisi tajamnya.”
Dalam skala yang lebih lokal, penghalusan gambar ini tampaknya terjadi ketika seseorang memakai generator gambar AI untuk membuat menu lalu menerapkan edit pada menu tersebut. Di X, pengguna bernama Labtec menunjukkan apa yang terjadi ketika membuat menu di ChatGPT, lalu mengeditnya 100 kali untuk melihat bagaimana makanan makin lama terlihat semakin tidak seperti seharusnya. TechCrunch menyebut telah mereplikasi eksperimen itu dan menemukan hasil serupa.
“Hasil akhirnya benar-benar membuat saya tidak nyaman,” tulis Labtec.
Restoran kemungkinan ikut terdampak masalah ini ketika berulang kali merevisi menu buatan AI untuk mengubah detail kecil, seperti harga atau nama item. Tampaknya, setiap kali diedit, gambar makanan menjadi sedikit lebih bulat dan lebih halus.
“Orang memiliki rasa yang hampir tidak dapat dijelaskan ketika mereka melihat sesuatu yang dihasilkan AI, dibandingkan dengan sesuatu yang sejak awal nyata,” kata Rainie. “Ada semacam kepekaan yang kadang sulit diartikulasikan orang, tetapi mereka seperti tahu ketika melihatnya, dan saya pikir itu salah satu alasan mengapa beberapa cerita awal tentang penolakan [terhadap restoran yang menggunakan menu AI] begitu menonjol.”
Uncanny valley pada gambar makanan AI
Ada dasar ilmiah di balik keengganan orang terhadap menu AI ini. Peneliti di University of Duisburg-Essen, Jerman, menemukan bahwa gambar makanan buatan AI menunjukkan efek “uncanny valley”, yaitu kondisi ketika gambar yang hampir tampak nyata justru memicu rasa jijik dan tidak nyaman lebih besar dibanding gambar yang jelas-jelas palsu.
Rasa tidak nyaman itu makin kuat jika dilihat dalam konteks budaya seputar AI. Jika orang bereaksi begitu negatif terhadap gambar-gambar tersebut, hal itu kemungkinan sudah cukup menjadi alasan bagi restoran untuk berhenti memaksakan menu AI agar berhasil. Namun persoalan yang menghasilkan roti burger kecokelatan sempurna ini tidak hanya berhenti di meja makan.
“Melihat dan mendengar selalu dianggap sebagai percaya, sampai pada titik ketika bahkan sistem pengadilan kita sepenuhnya disetel pada gagasan bahwa standar emas dalam bukti adalah pengakuan yang direkam dan bukti video,” kata Lisle. “Itu tidak lagi berlaku. Dunia telah bergeser secara fundamental, baik atau buruk.”
Dengan kata lain, masalah menu AI generatif bukan sekadar soal ilustrasi makanan yang tampak aneh. Fenomena ini juga menunjukkan bagaimana konten sintetis, data pelatihan, dan persepsi manusia terhadap realitas mulai saling bertabrakan.
Poin penting
- Menu AI generatif restoran
- Estetika makanan terlalu mulus
- Konvergensi model AI
- Risiko model collapse
- Efek uncanny valley
- Deteksi AI dan verifikasi konten
FAQ
Mengapa gambar makanan AI sering terlihat aneh?
Menurut para ahli dalam artikel ini, model AI dilatih dari pola data yang cenderung mengutamakan tampilan menyenangkan dan aman, sehingga hasilnya bisa menjadi terlalu halus, seragam, dan kurang alami.
Apa itu model collapse?
Model collapse adalah risiko ketika model AI terlalu banyak dilatih menggunakan keluaran AI sendiri, sehingga kualitas dan kemampuannya dapat memburuk.
Apa yang dimaksud uncanny valley pada makanan AI?
Dalam konteks ini, uncanny valley terjadi ketika gambar makanan yang hampir terlihat nyata justru menimbulkan rasa jijik dan tidak nyaman lebih besar dibanding gambar yang jelas palsu.
Sumber: https://techcrunch.com/2026/09/03/the-sameness-problem-behind-those-unappetizing-ai-generated-menus/
