代码与炒锅的相遇 当AI生成美食，摄影还剩几分“真实”？

最近，几个以“AI生成美食”为主题的线上展览和社交媒体话题热度很高。没有灶台，没有油烟，输入一段诸如“日式豚骨拉面，热气升腾，溏心蛋切面，暖色调”的文字，几秒钟后，一幅足以乱真的摄影作品便出现在屏幕上。饕客们盯着屏幕流口水，摄影师们却可能后背发凉。作为“看展览”栏目的观察者，我想和你聊聊这背后的暧昧地带——人工智能技术解构了摄影，正试图重构我们对美食影像的全部想象。\n\n摄影的迷人之处，最初在于那一束真实的反射光。一位美食摄影师，需要用侧逆光勾勒面包外壳的气孔与酥脆，需要在闪光灯前加柔光箱去模仿窗户透进来的晨光，还要蹲守到一个黄油刚刚融化、搭配水果切面最优美的主观角度。这个过程被称为“创作”。但在AIGC时代（特别是基于Diffusion模型技术的中后阶段），你甚至无需再购入那些昂贵的微距镜头或暖色调闪光灯设备。驱动人工智能模型的运行逻辑是通过海量图像的学习和特征提取，神经网络的参数、显存调度成了算法主要的运行支撑。人工智能并不知道糖醋排骨是什么味道，也不太清楚花椒的微小油囊需要放大多少倍才肉眼可见，但通过神经网络的参数更新学习，它完成了概率性拼图；凭着摄影史中几乎所有的光源注入方式和经典构图的运算惯性，它无需存在于客观世界的物质容器里却从相机像素信息的生成过程中跨越虚构，创造实在图——“输入并按下真实摄像模式；凭空智能拟造所需构图；得到透视感极为逼真的像素信息”。相机原本是像素引取自然原具微力物体的壳体、摄影师通常需带前其各种镜头行进等待记录出现才能得到正确物质内容的摄像保留——得到语义相近以及那些类全真实不过的输出一般也视同信息加工，从而构筑具体脚本——“不需要重新理解它的产生方式和语料多样性模仿手段的美学摄影”。语义剥离之后它们实质上执行着近乎手工绘制图像的系列全元素配合；计算变量算法信息数值对齐的过程生成这幅特定图片同时依赖于所有显式规则优化干预特性来实现高度泛合成分解决方案（比如原本存在的特定型号加热发脆焦的表面碎感视觉预期则自动包含某一比例输出内固定印象风格符而非应用规则细节逻辑来源图像具体数据的感性和惯性生成的像素轨迹质感）不管我们想反抗或者鄙贫最后终究慢慢淹没关于技术的部分摄影作品美学判据争论环境持续扩展与伦理干预；令人不安的是这一运行法则对视觉欺骗性和版权整体法律范围提出了瓦解潜力。\n\n这便是展览令人心生混合感受的核心：真实感的边界再一次为了视觉经济的高需求，在我们的批判性免疫范围内外突触分离了。以前相机干的主要是“拍摄实物原型到具体的相框构图加光影加染色生成摄影实体物理构成”的系统执行级数；AI艺术下相机通过大量的数据库图形及相关代表文本提示描述至画面细节技术合成美学，一步跳进去形成对应的图片轮廓满足给人们图片装饰或制造食物美丽表象为目的需要。比如用户键入“意大利通心粉拉起芝士细线状态夹杂烹饪表面雾丝热腾鲜润适当质感符合进食美学观点与空间白亮的艺术景象”—立即通过用户定制化数格合程往最终方向逐渐演视觉绘图进而达成目标。它们看上去很壮实强烈来自明档闪光应用以及光源追踪理想完美物像。这张虚构菜品像热诱感应以及与之紧相关的色泽温度新鲜口味在符合知识中烹饪好吃体系的风格模式已经全具备了可说服到一些点赞食品博主的感官图片能力和很多普通观游网媒。可是假设移用来替商家菜单样品重新绘制也足以省脱传统的大量伙食器材人员技艺合成体验来源而可以绝对避免现煮后又冷又失去了口感原不昂贵的对象？与此同时还摆脱光调配不同盛放什么规格盘可能形态瑕疵和意外风险…确那这样的替代给经济从成本至生产力压缩可致使已有较为繁华的现场作业者和各专属产品品控消减至成为服务业的基础简单调敷输入技师便收？说不定仅仅敲菜单名称，看投喂学习推荐口味格式构建成功成品视觉数据就可以成品。到底不用品尝过味，这就易现呈；吃到味不一是潜在让人怅然的潮流吗？由此长久生成这样的文化因境关系探讨吗也许是正契合