Nova studija (jan 2026.) pokazuje da autonomna iteracija između teksta i slike kod generativnih modela vodi brzoj homogenizaciji vizuelnih sadržaja — bez dodavanja novih podataka ili re‑treninga. Istraživači su taj efekat nazvali „vizuelnom elevator muzikom“: prijatno, ali bezličan i lišen konteksta. Nalaz naglašava da moderni kulturni pipeline‑ovi mogu pojačavati rizik od stagnacije ukoliko sistemi ne budu podsticali odstupanje i raznovrsnost.
Kulturalna Stagnacija Zbog AI‑ja Više Nije Teorija — Već Se Dešava
When generative AI was left to its own devices, its outputs landed on a set of generic images – what researchers called 'visual elevator music.'Wang Zhao/AFP via Getty Images
Generativna veštačka inteligencija trenirana je na vekovima ljudske umetnosti i pisane reči. Nova studija iz januara 2026. pokazuje da, kada se takvi sistemi puste da autonomno iteriraju između teksta i slike, izlazi brzo konvergiraju ka generičnim, lako prepoznatljivim vizuelnim motivima — što istraživači opisuju kao „vizuelnu elevator muziku“.
A prompt that begins with a prime minister under stress ends with an image of an empty room with fancy furnishings.Arend Hintze, Frida Proschinger Åström and Jory Schossau,CC BY
Kako su istraživači radili eksperiment
Arend Hintze, Frida Proschinger Åström i Jory Schossau povezali su sistem koji pretvara tekst u sliku sa sistemom koji sliku prevodi u tekst, i pustili ih da rade petlju: slika → opis → slika → opis, iznova. Bez dodavanja novih podataka i bez re‑treninga, sadržaji su se brzo sve više približavali istim bland motivima — atmosferskim gradskim pejzažima, grandioznim enterijerima i idiličnim pejzažima — dok je originalni kontekst sve brže izbledeo.
Pretty … boring.Chris McLoughlin/Moment via Getty Images
Primer: Početni prompt: „Premijer proučava strateške dokumente, pokušavajući da javnosti proda krhki mirovni sporazum dok balansira dužnost pred nadolazećim vojnim dejstvima.“ Nakon nekoliko iteracija, rezultat je postao bezličan prikaz formalnog enterijera — bez ljudi, drame i jasnog osećaja vremena i mesta.
Glavni nalazi i implikacije
Ključni uvid studije je da homogenizacija nastaje pre bilo kakvog novog treniranja modela: kolaps raznovrsnosti proističe iz samog ponovljenog prevođenja značenja između formata. To znači da moderne kulturne „pipeline“ strukture — automatsko sumiranje, rangiranje i regenerisanje sadržaja između teksta, slike i video zapisa — prirodno favorizuju ono što je najprepoznatljivije i najlakse za reprodukciju.
AI’s outputs are familiar because they revert to average displays of human creativity.Bulgac/iStock via Getty Images
Konsekvenca: čak i kada ljudi ostanu u petlji, često biraju među AI‑generisanim opcijama umesto da stvaraju iz početka, pa se usmeravanje ka „proseku“ dodatno učvršćuje. Autonomija sistema ne garantuje inovaciju — bez eksplicitnih podsticaja za odstupanje, modeli optimizuju za poznato i brzo se zaustavljaju na sigurnim, ali neinspirativnim rešenjima.
Šta treba učiniti
Studija ne tvrdi da je kulturna stagnacija neizbežna, ali ukazuje na realan rizik ukoliko se sistemi ne redizajniraju. Moguћи odgovori uključuju:
- Uvođenje nagrada za odstupanje i eksperimentisanje u proces treniranja i izvođenja;
- Podršku za manje mainstream i marginalne forme izraza kroz kuraciju i finansijske inicijative;
- Transparentnije pipeline‑ove i alate koji omogućavaju ljudima da sačuvaju raznovrsnost pri izboru i daljoj obradi sadržaja.
Ove mere bi smanjile tendenciju modela da se „slegnu“ u sigurni, prosečni prostor i pomogle bi da generativni AI zaista obogati, a ne izravna kulturni pejzaž.
Ovaj tekst je zasnovan na izveštaju i komentarima objavljenim na The Conversation; originalni članak napisao je Ahmed Elgammal (Rutgers University).
Pomozite nam da budemo bolji.
