当菜单上的贝果变得“过于完美”：AI生成图像如何引发消费者的本能排斥

【科技24时区】当你第一次走进一家咖啡馆，目光扫过琳琅满目的贝果三明治菜单时，一种难以名状的违和感可能会悄然袭来。那些插图看起来诡异得无懈可击——对称得近乎强迫症，平滑得失去了食物的纹理。你或许会怀疑自己是否多疑，但请放心，你的理智并未出走。这种令人不安的视觉体验，正源于生成式AI在餐饮行业的泛滥。这些由模型生成的图像，往往受训于一种狭隘且刻意讨好的美学标准，即便你无法用语言精准描述哪里不对，直觉也会告诉你：这不对劲。

有时，这种虚假感是显而易见的荒谬。比如，一个卷饼上的奶酪融化得如此夸张，气泡密集得像前卫艺术装置而非午餐；更多时候，它们普通得让人只有在仔细端详后才会察觉异样。“这就像是一个外星人试图制作披萨，却完全不懂其核心原理，”Reality Defender首席技术官Alex Lisle在接受TechCrunch采访时如此比喻。值得注意的是，Reality Defender本身正是随着此类问题涌现而兴起的一类初创公司之一，专门提供AI检测和内容验证工具。

在纽约街头，随便扔块石头可能都会砸中一张略显别扭的AI食品广告。Lisle指出，这种现象背后有着深刻的技术成因。大型语言模型（LLM）和扩散模型——即支撑ChatGPT和Midjourney等应用的核心技术——是在海量数据上训练而成的。当用户输入“为汉堡店设计一份菜单”时，模型会在数据集中寻找模式以预测用户需求。“很多这类图像看起来像是2015年Chili’s餐厅的菜单风格，这是有原因的，”Lisle解释道，“因为那是模型从中汲取功能的主要语料库。”

对于构建AI模型的公司而言，新的训练数据至关重要。甚至有报道指出，亚马逊曾收购稀有书籍进行扫描以扩充训练集，随后便将实体书销毁。然而，当AI生成的内容不可避免地渗入这些庞大到难以理解的数据集时，风险便随之而来。如果模型过多地基于自身生成的内容进行再训练，就会面临“模型崩溃”的风险。

“模型崩溃有点像疯牛病……当你将一个模型的输出反馈给它自己，近亲繁殖最终会导致整个系统崩溃，”Lisle形象地说明道。不过，目前我们看到的更多是一种“收敛”现象，虽未至彻底崩溃，但已导致输出质量退化。例如，当AI被要求生成快餐菜单时，它往往会参考Wendy's、Burger King或McDonald's等知名连锁品牌的现有菜单。由于这些品牌本身风格趋同，AI生成的结果便会模仿并强化这种同质化风格。若这些AI生成的菜单再次进入训练数据循环，这种刻板印象将被进一步固化。

当然，食品广告历来就比实物更具诱惑力，正如麦当劳广告中的巨无霸是由道具师精心摆盘以最大化食欲一样。但在AI的输出中，这种效应被极度放大。“数据集的优化方向是‘悦目’或‘不冒犯’，这导致了某种程度的同质化，”埃隆大学“想象数字未来中心”主任Lee Rainie表示，“AI在图像和语言处理上的一个显著特征，就是‘磨平棱角’。”

这种“平滑化”效应在局部操作中尤为明显。在X平台上，一位名为Labtec的用户展示了一项实验：使用ChatGPT生成菜单，并进行100次编辑。结果显示，随着修改次数增加，食物图像变得越来越不像真实的食物。“最终的结果让我感到不适，”Labtec写道。我们的复现实验也证实了类似结论。许多餐厅可能在不知不觉中陷入了这一陷阱，为了调整价格或菜品名称等细节，反复修改AI生成的菜单，每一次微调都让图像变得更加圆润、光滑，直至失去真实感。

“人们对于识别AI生成内容与真实内容之间，拥有一种几乎无法解释的直觉，”Rainie补充道，“这是一种难以言喻的感知力，但人们看到时便能心领神会。这也是早期针对餐厅使用AI菜单的反弹声浪如此强烈的原因之一。”

这种厌恶感并非空穴来风，而是有科学依据的。德国杜伊斯堡-埃森大学的研究人员发现，AI生成的食品图像引发了“恐怖谷”效应：那些看似逼真却又非真实的图像，比明显虚假的图像更能引发人们的厌恶和不安。而在当前围绕AI的文化语境下，这种心理抵触被进一步加剧。

既然公众反应如此负面，餐厅或许应重新考量AI菜单的可行性。然而，这一问题所折射出的危机远不止于餐桌之上。“眼见为实，耳听为虚”曾是社会的共识，甚至司法体系也长期将录音录像视为证据的黄金标准。但如今，这一基石正在动摇。无论好坏，世界已经发生了根本性的转变。