那些令人没有食欲的AI生成菜单背后的同质化问题

# 令人毫无食欲的AI生成菜单背后的高度同质化问题 | TechCrunch 来源：https://techcrunch.com/2026/09/03/the-sameness-problem-behind-those-unappetizing-ai-generated-menus/ 当你第一次遇到这种情况时，可能会以为自己产生了幻觉。走进一家咖啡馆，看到菜单上罗列着各式各样的贝果三明治，但每幅插图都完美得令人不安——精确对称，异常光滑，这种诡异感直觉地告诉你有什么不对劲。你或许觉得是自己神经过敏，但事实并非如此。生成式AI菜单正凭借其训练出的狭隘"悦目"美学入侵餐饮业，即便你无法言明，这种美感总让人感到不适。 有时这些插图假得离谱，比如那份奶酪冒泡融化到宛如先锋艺术的卷饼（https://x.com/DoctorFishbones/status/2095141580940132359）更像艺术装置而非午餐。更多时候，它们看起来如此寻常（https://x.com/Y2SHAF/status/2085066402520567871）平淡（https://x.com/serenambermoy/status/2070578452705530056），唯有定睛细看才会察觉异样（https://x.com/_madisontayt/status/2095576010276143157）。 "简直像外星人在不理解披萨核心原理的情况下尝试制作披萨，"Reality Defender首席技术官Alex Lisle告诉TechCrunch。（Reality Defender本身是日益壮大的AI检测与内容验证工具初创企业群的一员——这类业务的存在部分源于此类问题。） Lisle指出，这些模型的构建方式有助于解释为何插图会呈现如此特定的美学——每个冰淇淋球都浑圆完美，虾仿佛经过基因改造能吞噬自己的尾部，从而创造出新的"克苏鲁式食物恐怖形象（https://x.com/samfbiddle/status/2091599814144467298）"。 大语言模型（LLMs）与扩散模型——正是这类AI模型催生了看似无所不知的聊天机器人和如ChatGPT、Midjourney之类的图像生成器——通过海量数据训练而成。模型随后识别数据集中的模式，以预测用户提出类似"为我生成一份汉堡餐厅菜单"时的需求。 "很多东西看起来像2015年 Chili's 的菜单，这并非偶然，"Lisle说道。"那正是模型功能所依托的原始语料库。" **图片来源：**ChatGPT Image 2.0 对构建AI模型的公司而言，新训练数据具有无价价值——亚马逊甚至曾被发现搜寻珍稀书籍进行扫描以补充训练数据，上传后却将这些书籍销毁（https://techcrunch.com/2026/08/17/amazon-once-an-online-bookseller-is-destroying-rare-books-to-train-ai-models/）。部分AI生成内容渗入这些庞大数据集在所难免。但当AI模型过多地在自身生成的内容上训练时，便存在模型崩溃（https://techcrunch.com/2024/07/24/model-collapse-scientists-warn-against-letting-ai-eat-its-own-tail/）的风险。 "模型崩溃几乎像疯牛病……当把一个模型的输出反馈给自身，最终近亲繁殖过度会导致整个系统崩溃，"Lisle解释道。"而我们在这里看到的是趋同现象，这不完全等同于模型崩溃。" 趋同现象程度较轻，它会降低AI输出质量，但不会使其完全失效。 若有人要求AI模型生成快餐店菜单，模型很可能会参考 Wendy's、Burger King、麦当劳或其他热门连锁品牌的菜单。这些菜单本就风格相似，意味着AI生成的输出将模仿该风格，而一旦AI生成的菜单被重新用于训练数据，这种风格将进一步被强化。 但食物的菜单和广告永远会比实物更诱人，就像麦当劳广告里的巨无霸，每个夹层都由道具设计师排列得极具食欲。这种效应在AI输出中可能更为显著。 "数据集优化的标准是悦目性，或者说不具冒犯性，这种方式导致了同质化，"埃隆大学数字未来构想中心主任Lee Rainie告诉TechCrunch。"AI在图像和语言处理上的已知特性就是打磨掉棱角。" 在更具体的场景中，这种图像平滑化似乎发生在你使用AI图像生成器创建菜单并对其进行编辑时。X平台上一位名为 Labtec（https://x.com/labtec901/status/2090161041254822033）的用户展示了：在ChatGPT中生成菜单后，连续编辑100次，食物图像如何越来越不像真实模样。（我们重复实验得到了相似结果。） "最终结果实在让我不适，"Labtec写道。 > 我在ChatGPT制作了份餐厅菜单，然后连续编辑100次，想看看那些丑陋的流水线菜单是如何变成现在这样的。最终结果实在让我不适pic.twitter.com/sDIUKlabdp (https://t.co/sDIUKlabdp) — Labtec (@labtec901)2026年8月19日 (https://x.com/labtec901/status/2090161041254822033?ref_src=twsrc%5Etfw) 餐厅可能正受困于这个问题，反复修改AI生成菜单中的价格或菜品名等细节。似乎每修改一次，食物图像就变得更圆润光滑一分。 "人们对于'所见是否为AI生成'存在一种难以解释的直觉，与原生真实内容存在差异，"Rainie说道。"这种感性认知虽难以言表，但人们往往一看便知，我认为这正是早期某些餐厅因使用AI菜单遭遇强烈反对的故事如此引人注目的原因之一。" 我们对这些AI菜单的排斥感有科学依据。德国杜伊斯堡-埃森大学研究者发现，AI生成的食物图像会产生"恐怖谷效应"（https://pdf.sciencedirectassets.com/272489/1-s2.0-S0195666324X00161/1-s2.0-S0195666325000790/main.pdf?X-Amz-Security-Token=IQoJb3JpZ2luX2VjEB0aCXVzLWVhc3QtMSJHMEUCIQClJVnLgmXawf3dleo6ffrKMSST98fqWATbYzNb0sFFjAIgY7pMZmYnFk4a%2BQt7Kgeo2eZI2wH4CJKh5VmXfUHcdn4qugUI5v%2F%2F%2F%2F%2F%2F%2F%2F%2F%2FARAFGgwwNTkwMDM1NDY4NjUiDDRmPMzWmaL9BDpG5SqOBW9jOqXF7RDsa0YZNnGIom3ORrOniwGFQuOwTpahkToi2AkDpBMEfplsmwMUAOgknRpJ2p9ahjX7hrj%2BzegkOpXzbrWPXxCcNPM6hpB2s6eH%2FGrLYv3m82%2Ba79DuR6n97WWCwdt2wGhMc1SHjcO14EaZ%2BDmiSe%2Fg2b4YGIhOyT9D%2FltYHXxhnv05K2ZiAzZ3SxbZGe7Av0GKqgjgXWZpNDpAacUmOs8sirmo%2Bvr5g2aaaWLQOOklBGJpEO3BCQiSGfsbQqgiM%2FVefN6oRXAN%2BywKS1N3JipZUae0zQwa3u2izKt156XpffMjJIxVICmqTO3SpBMkZEj09qI02tvkd1%2Bdy0Z7Y5Iticbzo8AbTqKfWnQUVMZuKyKctsHoCIm%2BAvMqQJpwIY6jsBELXyTExk72VlPqT2PjVQLkNG0AWwkiN3NJ5YGZAmHAE2ysc%2BkGoX6ukZ%2FY6yGk2%2FmxVB67CvLGvxCvuiD1SQjIzo%2B3Ic9sFMYX3A2wdRhoFSWzY8xaOULAVZ5xEgUFGG4ay%2FLCPtV1ToN0y9SP8uaxwe%2F1u0ycP28N0ONGLe8nnUzLdrnKwEKfLd6eZhR88Xpzjan4NqTtHKNxCk%2BhYNDx0VODkuxDZnwXaW7Z2vdksPRThy1X%2Bny78mTBU2ak%2FaYehSlGvT2YFbD5bwWKV24zWwFbkAA6jnVVzLJ0RpPy7gjMw6vFd8rKDIWSC2%2Fm3mf5aDR4xWpDor9v6baj9gcQiYBPsuMxtQq7icmspLY6F8jFwbx%2F9Eg13Y%2B57mVzrLvCPaFCJL7ZeKuzNlA45PVLz1Dv%2BYNb7nbYVkZ9yErjVvdjY7B6C46bhXHx5R%2BfV2eHSzRAs7vUbMBM5cLl6LVkdYBa7TDFt%2BfUBjqxAQdJGFPrzWZXSkhJy729GJHOkl4UptVs%2BeZBGsODN7S2MxmlqxUu4VlatU86ordedQ3FI8%2Bt5jo%2FF3CLENoKWg68RdGLwKSV1bS8e170k%2Bcm6VrU5C6vbWBZm44rxCsSAIZbjTPjxwfKQOKXfyCho7n9yC8E1%2BfCqyykYsSWEAHw1STWzg%2FnFWE0%2F84H2IaihcylrALt9f0u7wkwua7RCKimNuX%2Fg0n%2FkrZ%2FI9%2FWkBYYAw%3D%3D&X-Amz-Algorithm=AWS4-HMAC-SHA256&X-Amz-Date=20260903T212322Z&X-Amz-SignedHeaders=host&X-Amz-Expires=300&X-Amz-Credential=ASIAQ3PHCVTY3NG2LX6B%2F20260903%2Fus-east-1%2Fs3%2Faws4_request&X-Amz-Signature=129fb61aa1478542dee9f2b36a8e38bafc722b1bd4d8732bf0823a2ddf3f6a22&hash=509376e5b78f180516e218905f7cd98dc573af751b83a6340db1c718f4908000&host=68042c943591013ac2b2430a89b270f6af2c76d8dfd086a07176afe7c76c2c61&pii=S0195666325000790&tid=spdf-3b46cde6-415a-4d08-8cf4-a831bfab9c0a&sid=db6df0268f8ec0450f0876d9c2e50405d869gxrqa&type=client&tsoh=d3d3LnNjaWVuY2VkaXJlY3QuY29t&rh=d3d3LnNjaWVuY2VkaXJlY3QuY29t&ua=0f1c03575a5800520303&rr=a357d0ae18612f97&cc=us），其中近乎真实的食物图像比明显虚假的图像引发更多厌恶与不安。考虑到AI相关的文化背景，这种不适感只会加剧。 如果人们对这些图像反应如此负面，那或许足以成为餐厅停止尝试AI菜单的理由。但导致汉堡面包呈现完美棕色的问题，已超出餐桌范围。 "眼见为实，耳听为真，这种观念如此深入人心，以至于我们的司法系统完全基于这种认知——证据的金标准是录音录像供词，"Lisle说道。"但情况已不同。无论好坏，世界已发生根本性转变。" *当您通过文章中的链接购买商品时，我们可能获得小额佣金（https://techcrunch.com/techcrunch-affiliate-monetization-standards/）。这不会影响我们的编辑独立性。* Amanda Silberling是TechCrunch的资深撰稿人，聚焦科技与文化的交叉领域。她亦曾为Polygon、MTV、The Kenyon Review、NPR和Business Insider等媒体撰稿。她与科幻作家Isabel J. Kim共同主持关于网络文化的播客Wow If True。加入TechCrunch前，她曾从事基层组织、博物馆教育和电影节协调工作。她拥有宾夕法尼亚大学英语学士学位，并曾作为普林斯顿亚洲研究员在老挝工作。 您可以通过邮件[email protected]或Signal加密消息@amanda.100联系Amanda或核实其联络信息。 查看个人简介 (https://techcrunch.com/author/amanda-silberling/)