AI生成菜单图片为何让人不适：训练数据趋同与“同质化”问题
人工智能生成的菜单图片为何总是显得精致却怪异？从训练数据的同质化到迭代编辑的“平滑化”，技术专家解释了背后的原因。
AI解读：AI生成的菜单图片总让人觉得“不对劲”，背后是训练数据的高度同质化。模型从大量流行的连锁餐厅菜单中学习，这些图片本身就风格相似，导致AI输出不断强化这种“完美但乏味”的美学。同时，每次编辑都让食物变得更圆润光滑，本质上是模型在追求“不出错”的平均值。这种趋同虽未到“模型崩溃”的程度，但会持续降低输出质量。德国杜伊斯堡-埃森大学的研究还发现，接近真实的AI食物图片会引发“恐怖谷效应”，让人感到不适。对普通顾客而言，这种直觉是有效的——如果你看菜单觉得别扭，可能真的是AI生成的。对餐厅经营者来说，若顾客有如此负面反应，或许应重新考虑依赖AI制作菜单的策略。
当你走进一家咖啡馆，看着菜单上各种百吉饼三明治的插图，每张都异常完美、完全对称、光滑得诡异，让你觉得哪里不对劲——你并非多疑。生成式AI菜单已经进入餐饮业，这些模型基于狭窄的、“讨喜”的美学训练，即使你说不清原因，也会觉得它们不对劲。
有时候，这些插图明显是假的，比如一个奶酪起泡得如同前卫艺术而非午餐的卷饼。更多时候，它们看起来太普通了，只有细看才会发现问题。
同质化现象的原因
AI模型因训练数据的高度同质化而呈现特定审美——每个冰淇淋球都完美圆润，虾似乎被基因改造过要吃自己的尾巴。AI安全初创公司Reality Defender的CTO Alex Lisle告诉TechCrunch：“很多这类东西看起来像2015年的Chili's菜单，这不是巧合，那是模型学习功能时的语料库。就像外星人试图做披萨却不懂其核心原理。”
大型语言模型（如ChatGPT背后的模型）和扩散模型（如Midjourney）在海量数据中识别模式，以预测用户需求。当用户要求“给我做一个汉堡餐厅的菜单”时，模型输出会模仿训练数据中常见的风格。
Lisle指出，这正是“趋同”现象。当AI模型过度训练在自己生成的内容上，风险是“模型崩溃”——像疯牛病一样，模型输出自噬导致整体崩溃。而“趋同”没那么极端，只是降低输出质量但不完全失效。现实中，餐厅频繁修改AI生成的菜单（如改价格、改菜名），每次编辑都让图片变得更圆润光滑。
人们的厌恶感有科学依据
埃隆大学“想象数字未来中心”主任Lee Rainie解释：“数据集优化的方向是‘讨喜’，也就是不得罪人，结果变成了同质化。众所周知，AI在图像和语言上都会打磨掉棱角。”他补充说：“人们对AI生成与真实内容有一种近乎无法解释的直觉，一看就知道不对劲，这也是早期那些AI菜单遭抵制的故事如此引人注目的原因。”
人们对AI菜单的厌恶有科学支撑。德国杜伊斯堡-埃森大学的研究发现，AI生成的食物图片展现出“恐怖谷”效应——几乎以假乱真的食物图片比明显虚假的图片更容易引发厌恶和不安。
Lisle还指出，这种影响远超餐桌：“眼见为实早已根深蒂固，我们的法庭系统都以录音录像证据为金标准。但现在世界已根本改变，无论好坏。”
- Reality Defender等AI检测和内容验证初创公司的业务，部分就源于这类问题。
- X用户Labtec演示了在ChatGPT中制作菜单并编辑100次后，食物图片变得越发不真实，他说：“最终结果让我感到不安。”TechCrunch复现了该实验，结果类似。
- AI公司也在积极收集新训练数据，如亚马逊被发现有收集稀有书籍扫描后销毁的做法，尽管这些内容是否适用于餐桌图片尚未明确。