当算法成为主导：人工智能生成的美学能否与现实相媲美？

《International Journal of Gastronomy and Food Science》：When Algorithms Plate: Can AI-Generated Aesthetics Rival Reality?

本研究通过图像评价和品尝实验，探讨AI生成与真实餐饮美学对消费者体验的影响。结果表明，真实图像的高经典美学显著提升预期评价和味觉体验，而AI生成图像无显著差异；品尝后AI图像的负面健康感知被部分缓解。研究揭示了AI驱动视觉美学的局限及其作用机制。

　　

陈春春|卢美琪|周玉轩|黄建平

中国苏州苏州大学心理学系，215123

摘要

生成式人工智能（GenAI）在图像合成方面具有强大的能力，能够精确控制视觉元素，生成符合客观审美标准的图像。尽管先前的研究表明传统的摆盘美学可以提升消费者的美食体验，但目前尚不清楚AI生成的摆盘图像是否能够产生类似甚至更佳的效果，从而改善消费者的体验。本研究通过图像评估任务（研究1）和品尝任务（研究2）来探讨AI生成图像与真实摆盘图像在传统美学水平（高 vs. 低）上的差异对消费者评价的影响，这些评价涵盖了从视觉预期到多感官体验的多个方面。两项研究的结果均表明，对于真实图像，较高的传统美学水平显著提升了参与者的预期评价和品尝体验；而对于AI生成的图像，传统美学水平则没有显著效果。此外，研究1还发现，真实图像相比AI生成的图像被认为更健康。然而，这种差异在研究2中消失了，这表明品尝信息可能减弱了最初与AI生成食物视觉相关的负面健康感知。本研究阐明了AI驱动的视觉美学在美食领域的局限性和机制。从实际应用角度来看，这些发现为谨慎地将GenAI应用于食品营销提供了实证指导。

引言

生成式人工智能（GenAI）借助深度学习模型，具备生成数字内容（包括文本、图像、音频和视频）的强大能力。通过算法处理文本或图像提示，GenAI可以自动创建符合营销人员要求的视觉图像和宣传材料（Hartmann等人，2025；Heitmann等人，2025；Liu等人，2025）。因此，GenAI在食品营销中的应用日益增多，正在重塑甚至颠覆食品内容的制作和消费方式，例如开发新食谱（Kansaksiri等人，2023）、提供个性化饮食建议（Zioutos等人，2024）以及其他应用（Miyazawa等人，2022；Shandilya等人，2022）。随着这些应用的扩展，GenAI已被许多公司采用，形成了独特的市场影响力（Oppenlaender，2024）。

除了改变内容制作方式外，GenAI还能降低营销成本并激发创造力。通过消除对实物食物准备和拍摄的需求，GenAI减少了材料、人力和时间的投入，从而提高了营销效率。作为一种创造性工具，AI还可以生成独特的包装设计，为企业创新和竞争力提供途径（Cooper，2024）。由算法驱动的AI生成图像可以精确控制颜色分布和构图等客观视觉元素，这些元素会影响审美体验（G?ring等人，2023）。将这些元素作为生成目标和评估指标，GenAI能够优化输出，产生可量化的审美特征（例如温暖、均匀的照明），从而提升观众的审美体验（Spence等人，2022）。因此，AI生成图像的技术优势可以重塑食品营销实践，并提升食品图像的审美质量（Spence和Velasco，2025）。

视觉美学在感官科学和消费者科学中占据核心地位，外部视觉线索（如食品图像和包装）在消费者决策中起着重要作用（Reimann等人，2010；Roque等人，2018）。人们倾向于将外观更具吸引力的水果和蔬菜与更好的味道联系起来，而形状奇特或外观不吸引人的食物则会增加消费的风险感知（Qi等人，2022）。此外，现代餐饮文化越来越重视摆盘作为传递食物信息的关键渠道（Rowley和Spence，2018）。先前的研究表明，食品摆盘的审美特征直接影响用餐者的体验、价值感知和购买意愿（Michel等人，2015；Spence等人，2014；Zellner等人，2010，2014）。摆盘精美的食物也被认为更健康、更美味（Hagen，2021），这与更高的支付意愿相关（Michel等人，2014，2015）。相反，较低的审美感知可能会损害用餐体验，甚至增加食物浪费（Zhang等人，2024）。这种模式与“光环效应”一致，即一个突出的属性会塑造对其他属性的整体印象和评价（Apaolaza等人，2017）。因此，摆盘中的美学设计可以提升用餐者的愉悦体验，并成为强大的感官营销工具。

摆盘美学通常根据Lavie和Tractinsky（2004）提出的维度分为高传统美学和低传统美学。高传统美学强调视觉元素组织中的对称性、平衡性、秩序、统一性和和谐性，从而增强视觉吸引力（Velasco等人，2016）。与不平衡的设计相比，高传统美学（即平衡良好的）摆盘被认为更具审美愉悦感，能激发更强的购买意愿（Velasco和Veflen，2021）。处理流畅性理论支持这一观点：传统美学强调的对称性、平衡性和秩序减少了认知负担，加快了视觉识别速度，从而增强了处理流畅性，带来了积极的审美体验（Mayer和Landwehr，2018）。在食品领域，这种流畅性可以进一步转化为更高的感知价值，促进购买决策（Sundar等人，2020）。

从理论上讲，GenAI可以通过算法精确控制视觉元素，轻松生成符合传统美学原则的摆盘图像（G?ring等人，2023），从而提升处理流畅性和更积极的评价。然而，最新证据表明，消费者对食品图像的感知吸引力取决于图像的来源（真实 vs. AI生成）（Califano和Spence，2024）。这一发现凸显了AI生成美学的潜在挑战：审美感知高度主观，涉及更深层次的认知机制，包括理解流畅性（模式一致性）和情感联系（自我相关性）（Chamberlain等人，2018）。算法生成的图像可能过于规整，给人一种人工化的印象，引发不信任感——在极端情况下，还会产生“恐怖谷”效应（Castelo等人，2019），从而削弱情感接受度。尽管已有大量研究验证了真实食品摆盘的审美价值（Motoki等人，2023；Spence，2022），但人们对AI生成食品摆盘的感知和评价知之甚少。鉴于AI生成图像的虚假感可能会削弱其审美效果，提出以下假设：

H1a

对于真实图像，高（vs. 低）传统美学的摆盘会引发更积极的评价。

H1b

对于AI生成的图像，不同传统美学水平之间的评价不会有显著差异。

尽管实际消费行为受多种因素影响，但味觉的感官体验仍是驱动消费满意度和重复选择的核心因素（de Cosmi等人，2017）。摆盘作为一种视觉线索，虽然不能直接改变食物本身的味道特性（Cooke，2007），但实际消费行为涉及多感官整合，可以增强感知到的风味和相关评价（Li等人，2023），从而间接影响消费体验。然而，这种多感官增强只有在跨模态信息一致时才会发生，即不同感官模式的信息在心理表征上保持一致（Spence，2020）。基于研究1的假设，研究2提出，在视觉-品尝体验中，图像来源的视觉感知与实际品尝体验之间的对应关系可以调节审美效果。来自真实食物的真实图像更有可能与真实味觉体验相符，从而促进整合。相比之下，由于感知到的虚假感，AI生成的图像可能会在视觉预期和味觉体验之间产生冲突，削弱美学的积极影响。因此，涉及真实品尝的研究2提出了以下假设：

H2a

对于真实图像，高（vs. 低）传统美学的摆盘在真实品尝后会引起更积极的评价。

H2b

对于AI生成的图像，不同传统美学水平之间的评价在真实品尝后不会有显著差异。

研究片段

参与者

使用G*Power 3.1对2 × 2被试内设计进行的事先功效分析表明，为了达到中等效应大小f = 0.2，统计功效（1 – β）为0.95，α为0.05，至少需要55名参与者。本研究招募了72名中国本科生。排除了6名未能认真完成研究的参与者以及4名不符合传统美学操作标准的参与者。

参与者

使用G*Power 3.1对2 × 2被试内设计进行的事先功效分析表明，为了达到中等效应大小f = 0.25，统计功效（1 – β）为0.95，α为0.05，至少需要36名参与者。本研究招募了42名本科生。排除了一名未能认真完成研究的参与者后，共有41名参与者被纳入正式分析（平均年龄M = 21.8 ± 1.8岁，年龄范围为18-27岁；其中28名为女性）。

总体讨论

通过将视觉预期与实际品尝相结合，本研究探讨了图像来源和美学水平如何影响消费者评价，并揭示了AI生成图像可能对消费者的感官体验和预期产生的负面影响。尽管在品尝后“AI = 不健康”的初始观点得到了纠正，但AI生成的视觉效果仍未能将视觉美感转化为更优的品尝体验。这些发现表明，美学效益取决于图像的来源。

CRediT作者贡献声明

陈春春：撰写——初稿、可视化、方法论、正式分析。周玉轩：撰写——审稿与编辑。卢美琪：撰写——初稿、方法论、正式分析。黄建平：撰写——审稿与编辑、监督、资金获取、概念构思

未引用的参考文献

Chen等人，2024；Puntoni等人，2021；Wendt和Weinrich，2023。

对美食学的启示

对于美食学而言，这些发现整合了摆盘美学、多感官体验和GenAI，强调了视觉真实性是获得美学效益的前提。在实际应用中，GenAI非常适合创意概念，能够生成引人注目的宣传材料；而真实图像在传达食物质量、天然性和健康相关信息方面仍然不可替代。因此，厨师和营销人员应重视品尝体验，并管理消费者的预期。

利益冲突声明

作者声明没有利益冲突。

致谢

第一作者和第二作者对这项工作做出了同等贡献。本研究得到了国家自然科学基金（项目编号：32471128）、江苏省高等教育教学改革研究项目（项目编号：2023JSJG265）以及江苏省学校美学教育研究规划重点项目（项目编号：20240190）的支持（资助者：黄建平）。关于本文的评论请发送至Dr. Jianping Huang，邮箱：[e-mail]。