ChatGPT 菜单连改百次，食物画面全掉进恐怖谷。德国杜伊斯堡-埃森大学研究团队发现，AI 生成的食物图片越逼真，越容易引发恶心和不安。这直接决定了你下半年接餐饮单的生死。客户以为 AI 能一键搞定菜单，但你如果直接交直出图，绝对会被要求重做。搞清楚 AI 图像编辑的崩溃临界点，才能保住你的尾款。
核心看点
- AI 菜单同质化严重，审美停留在 2015 年的 Chili's 水平。
- 模型训练数据趋同导致质量退化，食物失去真实物理细节。
- 设计师接单需警惕恐怖谷效应，避免直接交付 AI 直出食物图。
▎AI 菜单的塑料味从哪来
Reality Defender 首席技术官 Alex Lisle 指出，这些模型训练数据太窄，审美停留在 2015 年的 Chili's 菜单水平。Elon University 数字未来中心主任 Lee Rainie 补充，数据集优化追求讨好和不冒犯，导致 AI 磨平了所有边缘。当模型吃下太多自己生成的平庸数据，输出就会无限向连锁快餐风格靠拢，这就是所谓的趋同。
作为接活的设计师，面对客户要求用 AI 搞个菜单时，必须建立清晰的决策框架。首先，明确 AI 适合做排版和氛围图，绝对不适合做核心菜品的特写。其次，如果必须用 AI 生成食物，必须引入外部真实素材进行混合，或者使用控制网等工具严格控制光影和材质，打破模型默认的平滑倾向。不要指望一键直出就能印在实体菜单上，后期的手工修图和材质叠加是省不掉的。
▎连改百次的恐怖实验
X 用户 Labtec 做了一个实验，在 ChatGPT 生成菜单并编辑 100 次，食物越来越不像食物。这揭示了 AI 图像编辑的致命边界。当你试图在同一个生成会话中反复修改细节时，底层的扩散模型会不断重新计算像素，导致特征丢失。失败条件非常明确：如果你接的单子要求高频次微调同一张食物图，或者客户需要在原图上不断叠加文字和修改局部，AI 直出图会在十次编辑后彻底崩坏。这时候必须回到传统的图层工作流，把 AI 生成的图作为底图，在 Photoshop 里进行非破坏性编辑。
对比真实商业摄影，麦当劳广告里的道具设计师会精心摆放每一层三明治，而 AI 只能生成看起来像前卫艺术的融化奶酪。这种过度优化让食物失去了真实的物理逻辑。接单时，把 AI 定位为灵感生成器和背景素材库，而不是最终交付物。遇到食物特写，老老实实买版权图库或者找摄影师，把 AI 用在排版和纹理上。守住这条边界，你的交付质量才能碾压那些只会按生成键的半吊子。
▎恐怖谷效应与模型崩溃
德国杜伊斯堡-埃森大学的研究人员明确指出，AI 生成的食物图片存在明显的恐怖谷效应。那些看起来几乎真实但又存在微小瑕疵的图像，比明显虚假的图片更能引发人类的反感。当前的文化语境会进一步放大这种反感。对于视觉工作者来说，你对完美的追求必须适可而止。在调整 AI 生成的食物图时，刻意保留一些不完美的纹理、不规则的边缘和真实的光影瑕疵，反而能大幅提升画面的可信度。不要试图用 AI 的平滑滤镜去抹平一切，那只会让食物看起来像塑料模型。
Alex Lisle 将这种现象比作疯牛病，当模型不断吸收自己的输出，近亲繁殖最终会导致系统崩溃。虽然目前菜单图片表现出的只是趋同而非完全崩溃，但质量下降的趋势已经不可逆转。亚马逊甚至被发现在扫描稀有书籍后将其销毁以扩充训练数据，这印证了高质量原始数据的稀缺性。在缺乏新鲜数据注入的情况下，通用大模型在垂直领域的表现只会越来越平庸。设计师必须认识到，依赖通用模型直出专业级商业素材的时代已经结束，精细化的人工干预才是核心竞争力。
▎避坑指南与参考链接
要彻底摆脱这种让人不适的同质化，你需要理解模型崩溃的机制。当 AI 吃下太多自己生成的内容，整个系统就会退化。以下是原文提供的相关研究和案例链接，建议收藏备用，遇到客户质疑为什么 AI 图看起来这么假时，直接甩给他们看。
X 案例讨论：
Labtec 百次编辑实验：
亚马逊销毁书籍训练 AI：
模型崩溃警告：
德国恐怖谷效应论文：
点个赞再走？
你试过用 AI 接餐饮单吗？最坑的一次是改了几次图就崩了？
往期推荐
- ·GPT-6 Astra发布，视觉转代码跑到95.9
- ·3台设备9分钟跑完，Nvidia PAIR 让家庭网络变数据中心
- ·几天跑通电商Agent，Claude官方蓝图让接外包更简单
点击公众号头像 → 历史消息，可翻阅以上文章
