由人工智能（AI）生成的餐厅菜单正变得越来越普遍，但它们往往带有一种令人不适的、过于完美以至于显得虚假的美感。这种现象源于AI模型的训练方式，它们被教导去模仿一种狭隘的、被认为是“令人愉悦”的审美，从而导致输出结果趋于同质化。当我们看到这些几乎真实但又存在微妙错误的食物图片时，会触发心理上的“恐怖谷”效应，产生厌恶感。这个问题不仅影响了餐饮业，更预示着一个更广泛的社会挑战：在一个由AI生成内容主导的世界里，我们正在失去对所见所闻的基本信任。
令人不适的完美
当你走进一家咖啡馆，看到菜单上的食物插图完美对称、异常光滑时，会产生一种本能的怪异感。这些图像并非总是夸张地虚假，更多时候，它们只是在细看之下才会暴露问题。
“这几乎就像一个外星人在不了解其核心原理的情况下尝试制作披萨。”
这种现象的根源在于AI模型的构建方式。它们被训练来创造出理想化的图像，比如每个冰淇淋球都呈完美的圆形，这反而制造出一种非自然的、“洛夫克拉夫特式”的食物恐怖感。
根源：趋同与同质化
大型语言模型和扩散模型通过分析海量数据来学习生成内容。当被要求为汉堡店制作菜单时，模型会参考现有流行连锁店（如麦当劳、汉堡王）的风格。
- 训练数据狭隘: 许多模型的训练数据可能来自某个特定时期，导致其风格过时，例如“就像2015年的Chili's菜单”。
- 趋同效应 (Convergence): 由于参考的菜单风格本就相似，AI的输出会进一步模仿并强化这种单一风格。这并非完全的“模型崩溃”（即模型因过度自我学习而失效），而是一种质量下降的“趋同”，使得产出变得单调。
- 追求“取悦”: AI模型的数据集被优化以追求“令人愉悦”和“不冒犯”的结果。这个过程会导致同质化 (homogenization)，削去所有独特或不完美的棱角。
一个实验表明，对一张AI生成的菜单进行反复编辑（如修改价格或菜名），会导致食物图像变得越来越圆润、光滑，离现实越来越远。
食物的“恐怖谷”效应
我们对这些AI菜单的厌恶感背后有科学依据。德国杜伊斯堡-埃森大学的研究人员发现，AI生成的食物图像会引发“恐怖谷”效应 (uncanny valley effect)。
研究表明，那些看起来几乎真实但又略有偏差的食物图片，比起明显是假的图片，更能引发人们的厌恶和不安。
这就是为什么即使人们无法准确说出问题所在，也能凭直觉感到“有些不对劲”。这种本能的反应足以成为餐厅停止使用AI生成菜单的理由。
超越菜单：一场信任危机
这些制作出完美汉堡面包的AI模型所带来的问题，其影响远远超出了餐桌。它触及了我们如何验证信息和现实的核心。
- 证据的颠覆: 历史上，我们依赖录音和录像作为法庭上的“黄金标准”证据。
- 信任的侵蚀: 随着AI生成内容变得越来越难以分辨，我们对“眼见为实”这一基本信念的基础正在动摇。
“眼见为实、耳听为虚一直是真理……但情况已经不再如此。无论好坏，世界已经发生了根本性的转变。”