越來越多的餐廳、咖啡館和品牌開始使用AI生成食物圖片來做宣傳，結果網上湧現出一大批令人倒胃口的“視覺泔水”：甜甜圈蝦、深海魯本三明治、像蟲子的麪條、像麪條的甜點、拉絲的雞肉、像建材的冰淇淋、像大腦的冰淇淋，甚至還有説不清是什麼的漢堡和引發密集恐懼的墨西哥捲餅。這些圖像為什麼會如此詭異？本文從技術原理、訓練數據和人類心理等角度做了解釋。
多位專家指出，問題往往始於圖像生成原理。牛津大學人工智能、政府與政策教授、計算機視覺專家克里斯·拉塞爾説，目前很多主流圖像生成模型採用“擴散”方式：從一張充滿噪聲（類似電視雪花）的畫面開始，逐步去除噪聲，最後得到目標圖像。換句話説，粗略結構先被恢復，精細紋理則放在最後。如果模型在前期把基本結構搞錯，後期就會把華麗的紋理堆在錯誤的結構上，就像一個人長了六根手指。這或許也能解釋甜甜圈蝦。意大利那不勒斯費德里科二世大學研究AI生成圖像觀感的學者喬瓦恩巴蒂斯塔·卡利法諾補充説，擴散模型尤其不擅長生成“細長、連續、帶末端”的結構。麪條、絲狀物和卷鬚恰恰屬於這類幾何形狀，因此會產生沒有解剖學或烹飪邏輯的意大利麪式偽影。同理，氣泡、籽粒等重複紋理也難以被限制在合理邊界內，容易溢出到不該出現的地方；成羣的小孔還可能觸發密集恐懼。
除了技術缺陷，模型本身也缺少對食物和物理世界的真正理解。蘇黎世大學數字文化與藝術教授羅蘭·邁耶説：“AI圖像生成複製的是外觀，卻沒有關於世界的恰當知識。”AI並不知道三明治、麪條或墨西哥捲餅實際是什麼，只是從統計上知道它們大多數時候長什麼樣。倫敦國王學院計算機科學高級講師邁克爾·庫克認為，這會導致令人不安的審美演繹：冰淇淋像開裂的混凝土，漢堡像用岩石做的。這類紋理若放在建築施工圖裏也許正常，一旦被想象成食物就會立刻顯得不對勁。
訓練數據同樣在起作用。庫克指出，外界對AI模型訓練過程瞭解極少，不知道模型接收了什麼內容、建立了什麼關聯。邁耶則説，食物攝影往往高度風格化：鋭利對比、濃烈色彩、亮澤光線、誇張外形；有時被拍攝的“食物”甚至根本不是食物。AI學會的是這些表面特徵和視覺慣例，卻無法複製它們背後的專業美學策略，所以會令人不安。倫敦瑪麗女王大學計算創意學教授西蒙·科爾頓補充説，網上極端怪異的圖片比普通紅蘋果更容易獲得傳播；模型很可能因此對食物形成奇怪聯想。此外，現在不少AI模型已經在用“其他AI生成的內容”訓練，這種做法可能引發“模型崩潰”，導致視覺退化，並讓圖像變得越來越趨同。
生成鏈條中的其他環節也會讓情況變糟。用户寫的提示以及企業給出的系統級指令未必總能得到好結果。有些提示很模糊，比如只寫“做一個三明治”；有些則使用“要精確”這類適合文字任務、但對圖像生成意義不大的措辭。低分辨率圖片被放大到遠超原始大小時，每個讓人不安的瑕疵都會被放大；如果產生空洞，模型還要自行填補，而它往往填得並不完美。
人之所以會對這些圖片產生強烈排斥，背後也有進化原因。科學家認為，噁心感在演化中幫助人類避開寄生蟲、病原體、毒素等威脅，因此我們對“不能吃”的食物信號格外敏感。卡利法諾説，食物引發的“恐怖谷”甚至比擬人形象帶來的恐怖谷更直接、更發自本能。AI生成的食物能同時觸發多個危險信號：扭曲的絲狀物像寄生蟲或蠕蟲，密集的小孔讓人聯想到感染與侵擾，異常的色澤和質感暗示污染或腐敗。它看起來或許像食物，但大腦知道它不是，所以我們會對這盤“泔水”本能地退避三舍。