AI菜单图片太完美？消费者吐槽恐怖谷效应引发视觉疲劳

AI菜单正席卷餐饮圈

越来越多的餐厅采用生成式人工智能技术设计菜单图片。这一趋势近两年加速蔓延, 从连锁快餐到高端餐饮，AI生成食品图像正迅速替代传统摄影成为主流选择。餐饮企业看中的是成本优势与出图效率——输入关键词, 数分钟内获得数百张精美菜品图片。

然而, 消费者很快就察觉到这些图片“太完美了”: 食物有着过度对称的摆盘, 光滑得不似人类感官普遍能感应到的真实质感, 还有违背日常可见物理规律的组合方式。这种视觉体验渐渐引发非议, 人们开始揣度: 当菜单失去真实感后, 还能精准传递餐饮相关的真实有效信息吗?

恐怖谷效应引发不适

心理学中的“恐怖谷效应”，正于餐饮视觉领域显现。当AI生成的食物图像, 过于逼真却又存在微妙异常时, 观者会产生本能的不适感。这种感受类似于看到几乎像真人的机器人, 或过于像真人的蜡像——大脑识别出细节上的不协调, 却难以理性定位问题所在。

消费者反馈显示, 部分AI生成的菜单图片浮现食物结构异常: 汉堡面包呈现半透明质感、饮料里冰块悬浮而非沉底、水果表面纹理重复且缺失自然瑕疵。这些“完美但诡异”的图像不单没能激发食欲, 更让顾客对菜品产生质疑。

模型训练机制暴露短板

技术专家指出, 此一现象植根于AI模型培训机制, 大语言模型与扩散模型必得从海量数据中学得模式法则, 当培训数据大批出自风格邻近的连锁餐厅菜单之际, 生成产物自也趋向同质化, 更为人忧惧的是, AI所生成的内容恐反转头进入培训数据集, 形成风格闭环。

埃隆大学“想象数字未来中心”主任李·雷尼表示, 训练倾向于美观且规避冒犯内容的数据这会进一步推动图像和语言“去除棱角”。标准图像本身具有高度统一性的连锁品牌, AI在学习这些样本后输出的图像也遵循相似的构图、色调和质感模板。

反复编辑放大失真

迭代过程放大AI生成图像的不自然感: 用户在连续修改ai生成的菜单图片达百次后发现, 食物图像渐次偏离原始模样, 每一轮微调都在强化AI模型的固有倾向, 终使菜品的轮廓模糊、色彩饱和度过高、光影逻辑混乱此类难题愈发凸显。

德国杜伊斯堡-埃森大学的研究人员此前所做的实验也验证了这一点。研究团队测试了多轮进行编辑后的AI食物图像, 发现随着修改次数的增加, 受试者的负面评价显著上升。图像里食物的物理合理性持续下降, 细节位置处呈现出融化、漂浮或者拼接的痕迹, 彻底破坏了视觉层面的可信度。

数据回流引发循环困境

业内人员明确指出, 人工智能生成内容正大规模接入现实信息环境, 模型自生的数据兴许再反乎影响后续训练过程, 这其实是份自我增强的循环: 更多餐饮场所启用智能菜单——更多人工智能图像渗入网络——模型接触到更多同类型数据——生成产出愈趋趋同化。

这趋势对餐饮行业的信息真实度形成潜在威胁。菜单本质为向消费者传递菜品外形、克重, 触感的视觉沟通工具, 当图像愈发脱离实际, 顾客到店后的体感差异会直接妨碍合意度。部分餐饮业已开始发觉问题, 再度引入专业摄像或降低AI生成占比。

如何平衡效率与真实感

生成式AI怎样规避审美同质化、保持真实世界的细节与多样性, 已成为模型本领之外的主要课题。业界正在索求多样化训练数据泉源、引入人工考核机制、开发针对特定品类的专属模型等技术路径。部门企业也入手下手实验将AI生成与真实拍摄相结合, 由AI卖力构图和后台, 人工补全细节校准。

于消费者来说, 分辨AI菜单已变修课, 建议注意图像里存在的光影矛盾、纹理重复、结构不合理之类的异常特征, 餐饮店也应知晓, 菜单图片不是只营销素材, 更是承诺载体, 过度美化或致顾客希望与实际体验深重偏离。

你曾在餐厅瞅见过分明是由AI生成的菜单图片吗? 那一些“太过完美”的图像是否作用乎你的点餐意愿? 请在评论区里头分享你的留神及见地。