AI 味儿是从哪儿来的

均值美感这事儿

你说为什么 AI 出的图都好看,但又都好看得一样?这事儿其实挺简单的。你想啊——模型训练的时候,看了几亿张人类标过"好看"的图。它学完一圈下来,画出来的就是这几亿张里头那个最大公约数。

所有人都觉得好看的元素它都给你来一点:光线柔和、构图三分、色彩饱和、皮肤无瑕。每一项单看都对。可你把它们摞一块儿,出来就是塑料感——为什么?

因为真照片不长这样。真照片有偏:光是不匀的,总有一块过曝;色是不准的,蓝调闷点儿、红调脏点儿;脸是不完美的,T 区有点儿油、下眼皮有点儿青。这些"不对劲"才是真东西。AI 的均值美感把所有不对劲都磨平了——磨完就是死的。

你看 Saul Leiter 的街拍,经常一大片玻璃反光糊在主体脸上,按学院"规则"是失败构图。可正是这不规矩,画面才活。Helmut Newton 的人体硬光打过来,按"美容布光"是错的——可正是这错才出狠劲儿。大师玩的不是"对",是"故意不对"。

所以说白了——AI 学的是平均,大师走的是偏。这一字之差,就是 AI 味儿的全部来源。你要想让 AI 出的图脱开这股味儿,办法只有一条:你得替它做"偏"的决策。它本能往中间靠,你得本能往边上推。这事儿模型自己干不来,得靠人。