AI가 만들어낸 메뉴, 왜 자꾸만 '가짜' 같을까요?

어느 날, 평소처럼 카페에 들어가 메뉴판을 훑어보다가 문득 이상한 기분을 느껴본 적이 있으신가요? 베이글 샌드위치나 샐러드 사진들이 마치 전시회 작품처럼 완벽하게 대칭적이고, 어색할 정도로 매끄러우며, 너무나도 흠잡을 데 없는 모습에 순간적으로 “이건 뭔가 잘못됐다”는 섬뜩한 감각에 사로잡힌 경험 말입니다. 처음에는 단순히 피곤해서 그런가, 혹은 내가 너무 예민한가 싶을 수도 있습니다. 하지만 솔직히 말해서, 당신의 직감은 틀리지 않았습니다. 이 미묘한 불편함의 원인은 바로 **생성형 AI(Generative AI)**가 만들어낸 이미지 때문일 가능성이 매우 높습니다.

최근 레스토랑 업계에서는 메뉴판 제작의 효율성을 높이기 위해 AI 이미지 생성 기술을 적극적으로 도입하고 있습니다. 마치 마법처럼 몇 초 만에 근사한 음식 이미지를 뚝딱 만들어내니, 언뜻 보면 혁신적이고 비용 절감에 탁월한 솔루션으로 보일 것입니다. 그러나 이러한 ‘AI 메뉴’는 예상치 못한 부작용을 낳고 있습니다. 완벽함 뒤에 숨겨진 어딘가 모를 이질감은 고객들에게 ‘맛없어 보이는’ AI 생성 메뉴라는 불편한 인식을 심어주고 있기 때문입니다. 오늘 이 글에서는 왜 AI가 만들어낸 음식들이 이토록 우리에게 낯설고 때로는 불쾌하게 다가오는지, 그리고 이 현상이 AI 기술의 미래에 어떤 중요한 시사점을 던지는지 깊이 파헤쳐 보겠습니다.

완벽함 너머의 불편함: ‘섬뜩한 골짜기’ 현상

AI가 생성한 음식 이미지들은 종종 지나치게 ‘완벽’합니다. 아이스크림 한 스쿱은 마치 기계로 뜬 듯 완벽하게 둥글고, 새우는 유전자 변형이라도 된 듯 완벽한 원을 그리며 꼬리를 물고 있습니다. 치즈가 녹아내리는 부리또는 오히려 아방가르드 예술 작품처럼 느껴질 정도입니다. TechCrunch의 보도에 따르면, 리얼리티 디펜더(Reality Defender)의 CTO인 알렉스 리슬(Alex Lisle)은 이러한 이미지를 두고 “마치 외계인이 피자의 핵심 원리를 이해하지 못한 채 피자를 만들려고 하는 것과 같다”고 비유했습니다. 이 표현이 정말 놀랍도록 정확하지 않나요?

우리 인간의 뇌는 음식에 대한 기대와 실제 시각적 정보 사이의 미묘한 불일치를 빠르게 감지합니다. AI가 만들어낸 이 ‘완벽한’ 이미지들은 현실에서 볼 수 있는 음식의 자연스러운 질감, 미묘한 불균형, 그리고 생생한 ‘기름짐’이나 ‘눅눅함’ 같은 요소들을 제거합니다. 대신 모든 것이 너무나도 깔끔하고 정돈되어 있죠. 이러한 모습은 심리학에서 말하는 ‘섬뜩한 골짜기(Uncanny Valley)’ 효과와 유사한 반응을 일으킵니다. 완전히 가짜처럼 보이는 이미지에서는 웃어넘길 수 있지만, 거의 현실과 흡사하지만 어딘가 미묘하게 어긋난 이미지에서는 오히려 혐오감이나 불안감을 느끼는 현상 말입니다. 독일 뒤스부르크-에센 대학(University of Duisburg-Essen)의 연구진 또한 AI 생성 음식 이미지에서 이러한 ‘섬뜩한 골짜기’ 효과를 발견했으며, 이는 노골적으로 가짜인 이미지보다 더 큰 불쾌감과 불안감을 유발한다고 합니다.

개인적으로 이 부분에서 주목할 점은, AI가 ‘이상적’이라고 학습한 이미지가 실제 인간이 느끼는 ‘맛있음’과는 근본적으로 다른 차원에 존재한다는 것입니다. 우리의 뇌는 어쩌면 미묘한 불완전함, 질감의 변화, 생생함, 심지어는 약간의 혼돈 속에서 음식의 매력을 찾는 것 아닐까요? AI의 ‘완벽함’은 오히려 우리의 본능적인 감각을 거스르는 역효과를 내고 있습니다.

AI는 왜 2015년식 칠리즈 메뉴만 만들까요? – 데이터 편향의 덫

그렇다면 AI는 왜 이런 ‘완벽하지만 부자연스러운’ 이미지를 만들어내는 걸까요? 이는 AI 모델의 훈련 방식과 깊은 관련이 있습니다. ChatGPT나 미드저니(Midjourney)와 같은 거대 언어 모델(LLMs)과 확산 모델(diffusion models)은 방대한 양의 데이터를 학습하여 패턴을 인식합니다. 그리고 사용자가 “버거 레스토랑 메뉴를 만들어줘”라고 요청하면, 학습된 데이터 속에서 유사한 패턴들을 찾아내 사용자가 원하는 결과물을 예측하고 생성해내는 것이죠.

하지만 문제는 바로 이 **‘데이터의 질과 편향성’**에 있습니다. 알렉스 리슬은 “이런 이미지들은 2015년의 칠리즈(Chili’s) 메뉴판과 비슷해 보이는데, 그럴 만한 이유가 있다”고 말합니다. AI 모델이 학습한 데이터 셋의 상당 부분이 특정 시점의 상업적 이미지, 특히 대형 프랜차이즈 레스토랑의 메뉴나 광고 이미지일 가능성이 높다는 것입니다. 이러한 이미지들은 이미 대중에게 ‘보기 좋게’ 최적화되어 있고, 서로 유사한 스타일을 공유하는 경향이 있습니다.

엘론 대학(Elon University)의 디지털 미래 센터(Imagining the Digital Future Center) 이사 리 레이니(Lee Rainie)는 “데이터 셋의 최적화는 ‘보기 좋음’ 혹은 ‘불쾌하지 않음’에 맞춰져 있으며, 이는 결국 **동질화(homogenization)**로 이어진다”고 설명합니다. AI는 본질적으로 ‘모서리를 깎아내는’ 경향이 있다는 것이죠. 즉, 특정 스타일이나 미학을 벗어나는 독특하거나 개성 있는 요소들을 점차 제거하여 가장 안전하고 평균적인 형태로 수렴하게 만든다는 뜻입니다.

여기에 더해, AI 기술의 발전에 대한 또 다른 중대한 경고가 숨어 있습니다. 바로 **모델 붕괴(Model Collapse)**와 **수렴(Convergence)**이라는 현상입니다. 모델 붕괴는 마치 ‘광우병’처럼, 한 모델의 결과물을 다시 그 모델의 훈련 데이터로 투입할 때 발생합니다. 결국 ‘근친교배’가 너무 심해져서 모델 전체가 무너지는 현상이죠. 수렴은 모델 붕괴보다는 덜 극단적이지만, AI의 출력물 품질을 저하시켜 완전히 무용지물이 되지는 않더라도 점차 비슷하고 개성 없는 결과물만 내놓게 만듭니다.

패스트푸드 레스토랑 메뉴를 AI에 요청하면, AI는 웬디스, 버거킹, 맥도날드 같은 인기 체인점 메뉴들을 참조할 것입니다. 이 메뉴들은 이미 비슷한 스타일을 공유하고 있고, AI는 이 스타일을 모방할 뿐만 아니라, 생성된 AI 메뉴가 다시 훈련 데이터에 포함될 경우 이 동질적인 스타일을 더욱 강화하는 악순환을 만들게 됩니다.

반복되는 수정이 만들어낸 ‘불쾌한 슬롭’ - 우리 주변의 AI 잔재

더욱이 문제가 되는 것은, AI가 처음 만들어낸 이미지를 사용자가 수동으로 수정하는 과정에서도 품질 저하가 발생한다는 점입니다. X(구 트위터) 사용자 Labtec은 ChatGPT로 레스토랑 메뉴를 만든 후, 100번을 수정하자 음식이 점점 더 원래 모습에서 멀어지고 결국 “불쾌해지는 슬롭(hideous slop)“으로 변하는 실험 결과를 공유했습니다. 실제로 저희도 이 실험을 재현했을 때 유사한 결과를 확인할 수 있었습니다.

이것은 무엇을 의미할까요? 레스토랑들이 AI로 메뉴를 만든 후, 가격이나 아이템 이름 같은 세부 사항을 계속해서 수정하면서 무심코 이 문제에 빠져들고 있을 가능성이 높습니다. 수정할 때마다 음식 이미지는 조금씩 더 둥글어지고, 매끄러워지며, 결국에는 원래 의도했던 모습과는 전혀 다른, 섬뜩하고 부자연스러운 형태로 변해간다는 것입니다.

사람들은 AI가 생성한 콘텐츠를 보면, 설령 그 이유를 명확히 설명할 수는 없어도 ‘어딘가 가짜 같다’는 감각을 거의 본능적으로 느낀다고 리 레이니는 강조합니다. 그리고 이런 ‘설명할 수 없는 감각’이 AI 메뉴판에 대한 초기 반발이 강력했던 이유 중 하나라고 볼 수 있습니다.

이러한 현상은 비단 레스토랑 메뉴판에만 국한되지 않을 것입니다. AI가 생성하는 콘텐츠가 점점 더 우리 일상에 스며들면서, 우리는 의식하지 못하는 사이 ‘AI 특유의 미학’에 노출되고, 이는 점차 현실에 대한 우리의 인식을 미묘하게 변화시킬지도 모릅니다. 개인적으로 우려되는 점은, 이러한 동질화와 ‘모서리 깎기’가 장기적으로는 인간의 창의성과 문화적 다양성을 위협하는 시나리오로 이어질 수 있다는 것입니다. AI가 학습한 ‘평균적인 아름다움’만이 범람하게 된다면, 우리는 미처 깨닫지 못하는 사이에 개성과 독특함이라는 중요한 가치를 잃어버릴 수도 있습니다.

만약 사람들이 AI 메뉴 이미지에 이토록 부정적으로 반응한다면, 레스토랑들이 굳이 AI 메뉴를 고집할 이유는 없을 것입니다. 하지만 이 ‘동질화 문제’와 ‘가짜 같음의 감각’은 비단 식탁 위의 메뉴판에만 머무르지 않습니다. “보는 것이 믿는 것”이라는 오랜 진리처럼, 우리는 영상이나 사진을 통해 세상의 진실을 판단해 왔습니다. 하지만 AI가 생성하는 콘텐츠가 점점 더 정교해지고, 우리의 인식을 미묘하게 왜곡한다면, 사회 전반의 신뢰 시스템과 진실을 판단하는 우리의 능력에 심각한 영향을 미칠 수 있습니다.

AI 기술의 발전은 분명 우리에게 엄청난 가능성과 편의를 제공합니다. 그러나 이면에 숨겨진 미묘한 문제점, 즉 ‘완벽함이 주는 불편함’, ‘데이터 편향으로 인한 동질화’, 그리고 ‘모델의 자기복제로 인한 품질 저하’ 같은 현상들을 간과해서는 안 될 것입니다. 기술은 인간을 위한 것이며, 인간의 본능적인 감각과 인식의 지평을 넓히는 방향으로 발전해야 합니다. 단순히 효율성만을 좇기보다는, AI가 우리의 삶에 진정한 가치와 다양성을 더할 수 있도록, 인간 중심의 AI 개발 방향을 끊임없이 모색해야 할 시점입니다.

---

출처

• 원문 제목: The sameness problem behind those unappetizing AI-generated menus
• 출처: AI News & Artificial Intelligence | TechCrunch
• 원문 기사 보러가기