AI 菜单图像同质化源于模型趋同而非崩溃
AI 菜单图片的诡异同质感，源于数据训练追求讨喜导致趋同，而非模型崩溃。
用 AI 生成食物菜单图片，常会得到完美却诡异的图像。原因是训练数据偏好“讨喜”审美，反复编辑会让图像更圆滑。德国研究发现这类似“恐怖谷”效应。AI 生成内容的同质化风险值得警惕，但它不等于模型崩溃（AI 在自产数据上训练导致的系统性退化）。
正文摘录
- title: 那些令人倒胃口的 AI 生成菜单背后的同质化问题 - sourcecompany: TechCrunch - bodymarkdown: 当你第一次遇到这种情况时，你会以为自己疯了。你走进一家咖啡馆，看着菜单上各式各样的贝果三明治，但每一张配图都完美得诡异——精确对称、出奇地光滑，一种直觉告诉你哪里不对劲。你可能觉得自己疑神疑鬼，但你并没有失去理智。生成式 AI 菜单已经进入餐饮业，这要归功于那些在狭窄、刻意“讨喜”的审美上训练的模型——这种审美即使你说不清哪里不对，也会觉得不对劲。 有时，这些插图像假得离谱，比如一个墨西哥卷饼的奶酪起泡融化到看起来更像是[前卫艺术](https://x.com/DoctorFishbones/status/2095141580940132359)而不是午餐。更多时候，它们看起来太[普通](https://x.com/Y2SHAF/status/2085066402520567871)[寻常](https://x.com/serenambermoy/status/2070578452705530056)了，以至于只有你多看一眼才会发现[哪里出了问题](https://x.com/madisontayt/status/2095576010276143157)。 “这几乎就像是一个外星人在不理解披萨核心原理的情况下试图做披萨，”Reality Defender 的 CTO Alex Lisle 告诉 TechCrunch。（Reality Defender 本身属于一个正在成长中的创业品类：销售 AI 检测和内容验证工具——这个生意的存在部分正是因为这类问题。） 在纽约随便扔块石头，你都能砸中一个让人 mildly 不适的 AI 食品广告。