AI 感，是审美上的恐怖谷｜好看不必算到小数点后
全文约 5800 字，7 张图，读完大约 20 分钟。首发于 Superlinear Academy 社区。
这篇内容是我前两周做个人网站的过程中，将过去很多没想明白的问题通过实践，逐渐成型的一些思考。文章也调整了几轮：一开始是想写成一篇严谨的论证或总结文章的，可后来发现掺进了太多我自己主观的东西、个人的经历。掺得多了，现在也就不那么想严格地去做区分了，所以这篇就姑且当成一篇杂谈随想吧。
AI 出来之后，各种设计也好、网页也好、视频也好，确实多了很多。我相信大家绝大部分也都试过用 AI 建站了，整体效果也都不错。可是只要做过几版的人，都会感觉到有 AI 感，也说不出来为什么。
上次我在 《社区园丁的 Side Project｜平面设计师的个人网站制作》 里也提到过这么一句：我不相信大家真的看不出来 AI 味很重。这里就接着聊聊，这个 AI 感到底是怎么来的，能不能说出个道理。
这一两周我也一直在想这个问题。上周末刷到不少 AI 视频，而在评论区里看到大家聊到恐怖谷这个名词后，我突然意识到 AI 与这个概念的关联性：
1 · 一种「特化」了的恐怖谷
简单说我的结论是：AI 感，其实本质上就是一种「特化」了的恐怖谷。
把 AI 跟恐怖谷放在一起说，其实不算新鲜。这个想法是我自己琢磨出来的，但讲 AI 画的脸、AI 做的界面，我不会是第一个。我这篇想做的，是把这个思考和类比拆开讲清楚：为什么说它是一种「特化」了的恐怖谷。
恐怖谷这个词，现在大部分人应该都听过。以防有些朋友不知道，简单说一下：这是日本的机器人学者森政弘 1970 年提出的，机器人越像人，人对它越有好感；可像到只差一点的时候，好感会一下子掉下去，让人发毛；等跟真人几乎一样了，好感才又回来。
值得一提的是，他原文里谷底附近的例子是「假手」：看着跟真手一样，一握，软的、凉的、没有骨头；谷底最深处是「尸体」，正好跟峰顶「健康的人」相对。我们现在一说恐怖谷就会想到的、那种目中无神的人脸，并非原始案例，而是后来大家自己的感受总结。
（所有图和动图也都做了中文版，放在文末，想看中文的朋友可以对照着看）
其实 AI 做的视觉产品也是这样：它似乎很像最好的，但始终不够像。你可能肉眼看不出，但你的直觉已经发现了。 我从来不反对 AI，或者应该说，我是一个科技或者说工具派，任何可以提升效率和产出的新技术，哪怕是在创意领域，我都不会觉得它是抢夺了创作者的话语权。 可现实问题也很明显，大部分人看 AI 做的东西，隐隐其实都有感觉，觉得哪里不对劲，可又说不出具体是什么原因。
而我觉得这个核心原因与 AI 无关，而是一个类似于文学评论或作品赏析的底层问题：你需要知道一个好作品为什么好。 类似的还有，课代表也说过：“看一眼就知道好不好”当作人最不可替代的能力。如果只能一味照猫画虎，很有可能最终画出来是一只病猫，从而产生了瘆人的作品，也就有了恐怖谷。
那人到底为什么会对机器有恐怖谷？说远些到心理生理的话，可能是对危险的天然恐惧等等。不过我们这里不讨论那些，只从最表面也最直接的原因来说，还是因为前面说的，它「不够像」。 因为最初人们设计的机器人是纯对表面的模仿。一开始的机器人，人们对它的制作和理解，就是看到什么模仿什么。它是一种「无机质」的模仿。我这里说的无机，不是无机物、有机物的那个无机，而是说它不是一个有机的整体，里面没有内部联系。
2 · 美人在骨不在皮
既然说到恐怖谷，审美还有人脸，就先多两句嘴聊聊面容。
我们说一个人长得美，会区分说这个人是皮相还是骨相：皮相，就是皮肤、五官这些表面上看得见的；另一种骨相，就是底下的骨架、比例和结构。
说「美人在骨不在皮」，虽说并不绝对，但是骨相好的，更利于现代环境，更具体地说，更适合化妆和摄影出片，也更容易抗住年龄增长。相对而言，传统中式甚至亚洲妆容都是重皮相的。
还可以拿画画来举个例子。一开始大家学画，大家都只能依葫芦画瓢，学点皮毛，我觉得可以称之为「看皮画皮」。学到一定程度之后，老师就会要求你了解人体基本构造，尤其是画人体的时候，先了解人基础的腔体，和四肢的相对关系；再多一点，比如画胸像，你必须了解最常见的外显肌肉和骨骼之间的关系。这个阶段可以算是「看骨画骨」。 到这个时候，有些人会误入歧途，开始去练医用美术。其实没必要，因为作为最终不是治病而是为了展示成果的作画者，你并不需要「看皮画骨」。练到一定程度，知道大概怎么表现了，就还是要回到「看皮画皮」，不需要「看皮画骨」或是「看骨画皮」。
只不过，有了这层画骨的底子，那种其实很明显、但普通人因为没受过训练，说不出哪里摆错了的违和感，就不会出现。比如你知道胸锁乳突肌和肩胛骨的走向，你的肩颈、锁骨的位置就永远不会画错，而让观众总觉得人脸很美，但好像总差点什么。
说到这个，大家会不会有点感觉？这个所谓的违和感，往往就是恐怖出现的地方；同理，也往往是大家觉得有 AI 感的地方。
前阵子我帮一家公司优化网页，我也是只看了首页，从字体的选择上，就看到是 AI 做的。原因是说得出来的：
- section 里那种很大的数字，字重粗到 extra bold，下面的描述文字又特别细，两个一对比，反差太大了。这种一般就是 AI 做的。
- logo 的字体，还有里面那些特别小的字，辨识度太低，尤其是远一点看的时候；而且跟整个网页的字体也不一致。
- 链接用的图标跟其他图标明显不是同一套。
其实整体是没有问题的，就是这些细节要调。而且这都是一般的规则，说得出来，就可以直接交给 AI，让它照着改。
当然现在这个事情并不需要人来做，AI 就能帮你，唯一的问题是大部分人没受过训练说不出原因，就没法明确说出是什么问题。 那我这里也给大家推荐一个叫 impeccable 的 gH上一个高星skill。
我去它的官网仔细看了看，觉得它确实把这些基础规则全部写入了，非常推荐：平面设计里一些基础的架构，像 hierarchy、spacing 这些，该有的都有，大家可以拿去用。
回到我们想讨论的话题： AI 感跟恐怖谷像，还有一点。人的学习成长曲线是固定的：从初学者，到 junior、senior，有些错误、有些坑，每个人在路上都会踩一遍。AI 不是这么学的。它一上来就能把「皮相」学得非常好，这也是为什么我们说它能模仿到八九成像；可有些「骨相」，它就是学不到。
大部分 AI 做出来的东西，是没有这层东西的。AI 做的网站、页面还有一个问题：什么好东西都往里放，它不会做筛选。而做筛选、做精炼，恰恰是平面设计，或者说人做画面创作的时候很重要的一部分。 我们当时学 KV 图的插画，它底层的理念跟电影的故事板，镜头语言是一个概念：一个画面只能有一个中心，顶多一个中心、一个次中心，超过了就没有办法聚焦。这跟现在的平面设计，或者说大众传媒的核心理念是一样的，是大众传播的基础。除非你做的是那种需要人长时间盯着看、慢慢找细节的艺术，那就不一样了。
所以你看，这两件事是有类比性的。AI 感的本质，就是 AI 一上来就模仿得比大部分没有锻炼过的人更像，看起来更像专业的；但它是无机的模仿，只模仿到了皮相，没有模仿到骨相，骨相是乱的，所以看着似像不像，也就不好看。这是我理解的 AI 感的来源。
图里 AI 那条线是这么回事：它不像人那样从新手一点点往上爬，前面那一段根本没有它；到了差不多四成的地方，它才进入大众的视野，刚出来的时候，综合起来其实还不如同水平的人，可它一下就冲上去了，这就是现在大家看到的，一上来就八九成像，比大部分没练过的人都像专业的。冲上去以后是很长一段平台，看着挺稳；放大了看，它不是真的平，是上下来回抖的，像股市一样，时好时坏。再往后，就掉进了那个谷里，也就是 AI 感；最后到了专业那一段，它又冲上去，超过了人。人的那条虚线，一路往上，没有谷。
像这样说得出原因的东西，审美里其实有相当多。但平时只需搞创作的人都会说，我们全凭感觉和品味。
3 · 审美能不能讲道理
那审美这件事，到底能不能讲道理？或者说，平面设计里好不好看，到底能不能量化？
做服装设计的、传统美术的人，可能会说不能。但现在做 UI、做软件的人，真的去看那些研究和分析，会发现很多是能算的。
比如圆角矩形。普通的圆角，是直线接上一段四分之一圆，接口那里，弯的程度（曲率）一下子从 0 跳上去；苹果用的连续圆角，是让它慢慢弯上去，看着就顺。这是能写成公式、算出参数的：
公式：数学上有一种曲线叫超椭圆，
， 越大越方。
参数：早年有人拿 去套苹果的图标，很接近，但不完全一样；Figma 后来自己推了一套，每个角用两段贝塞尔曲线夹一段圆弧，平滑度调到 60%，基本就是 iOS 的样子。
（出处：苹果的开发文档，把普通圆角叫「四分之一圆」，连续圆角叫「曲率连续」；Figma 那篇推导）
字体也是。英文字体里，O 这种圆的字母，要比 H 这种方的字母上下都超出一点点，看起来才一样高，这叫视觉补偿。超出多少，有人量过：
测试：数字字体的奠基人 Peter Karow 拿 130 个人做过测试，圆的直径要比正方形的边长大 3% 左右，受众才会明显感觉两者看起来才一样大，摊到上下，各 1.5% 左右。
实测：我在精确测量了下自己电脑上六款常用的英文字体，O 比 H 上下各多出 1% 到 2.4%，其中 Arial 是 1.7%。
Karow 自己也说，这些只是平均值，每款字体都有自己的脾气，最后还得交给有经验的字体设计师去定。
（出处：Karow 的测试转引自 Mark Jamra 的文章；字体软件 Glyphs 的手册里也写，这个差值通常是十到十五个单位）
过去做平面的人常说，凭眼睛微调一点点；可从数学量化的角度，把字母两边留白的面积算进去，是能建出模型、自动算出间距的，设计师最后再校一下就行。
那这样的计算有必要吗？这就得回到工程学的视角了。 我当年学的是强电，在学校里，课上讲的理论时，都是练习完整的麦克斯韦方程组，每一项都要推出来、算进去，讲究一点不差；可到了工业设计里，实际算的时候完全是另一回事：先看哪一项是主要的，比它小一个数量级的，统统约掉，几步就算完了。 当学生的时候我一直不理解：这样不会不准吗？后来自己做了几年工程才明白，工程上要的，是误差小到不影响结果就够了。
拿这个眼光看平面设计，道理是一样的：设计是给人眼看的，眼睛分辨不出来的差别，算得再细，看上去也没有区别。
所以审美能不能讲道理？能，但在过去，这个计算太耗时，在实践中不必算到小数点后。但是现在情况不太一样了。这里以我自己为例讲讲。
4 · 非典型工科生的设计实践
我虽然长期受的是工科的教育，电气工程读完本科又读了硕士，毕业后在医院做了五年电气设施的运维管理，但其实我一直很讨厌大家说我是工科生。我一直有一颗 creative 的心，从中学起就喜欢设计，甚至是艺术。
只是因为没有从小开始学，在 creative 上我确实也没有那么的天分，甚至搞抽象都搞不过别人。后来学了平面设计、学了画画，我发现做电影的、做创意的、画画的人里，很多人有各种各样的天赋，有些甚至可能本身是身体上的缺陷，反而成了别人永远没有办法企及的特质。
那这个在我这里没有。
但我也观察到，社区里面，或者说绝大部分人，其实是偏向于我们这种的。既然是这样，那有些东西就是可以比较、可以学习、可以讨论的，而不是那种捉摸不到的东西。
我过去就是想学画、想学设计，一直在学，也一直感兴趣。但真到自己做的时候，一直下不了笔。
这还不仅仅是因为能力上不够。另一方面，我真的是不愿意抠细节。这件事我在我那个毫无起色的播客《不下不上》第 5 期 里也说过。
总的来说就是，当年没有这些技术，身边的父母也不是做这行的，想学也没有办法学。
5 · 当年没处学，直到 AI 出来以后
举个例子，当年学画画，是要很大的金钱投入的。我自己买过板子，买过各种手绘板、手绘工具，这些东西花不了太多钱，家里也支持；但是买了之后，没有人教。请老师要特别多的钱，这部分钱我也不好意思开口跟爸妈要。
这种情况下只能自己练。自己练的话，按我们现在的话讲，我画画压根不知道底层原理，不知道一开始要从大到小、从宏观到细节，不是先打框架、打结构，而是真的一点一点地抠像素，像拼豆一样，从第一排第一格开始，一个格子一个格子、一个像素一个像素地抠出来。自然没多久就练不下去了。
都是后来互联网发达了，能上网课了，我才开始有机会自己接触、自己学。启蒙教我的老师，给我说的方法是：
你就先完整地画一张，看下来哪块技术是你最短的板，先把它补齐到和其他技术差不多。然后，进入下一个循环。
再后来，AI 发展起来之后，我发现，过往这一二十年我关于审美的学习，所有审美方向、设计方向的观念，尤其是设计理念，整体上都有一整套完整的、相似的逻辑。从一开始的室内设计、景观设计，到后来的画画、摄影、视频剪辑、MAD 动效，学得越多越是这样。所以在 AI 出来之后，会发现很多共同点。
（这张图的思路，来自我之前那篇《职业不是一个点，而是一片光谱》 里画的那组交叠的圆。那篇聊的是以设计师为例，讲职业这个东西是怎么演化的）
图里那三个小记号，圆点、三角、方块，是各自的圆心，从头到尾没动过，变的只是边界。以前这几门也不是完全不同的逻辑，中间那一小块淡红色的，就是它们共同的底子，以前就有，只是小；后来每一门都学得越来越宽，各自的边往外拓，这块底子也跟着长大，到现在三个圆差不多快重合了。乍一看像是它们在互相靠拢，其实是各自在长大。动图最后，我把以前放大到跟现在整体差不多大，再比了一次：这时候以前三个圆还是离得很开，现在几乎叠在一起。以前之所以觉得这几门差得那么远，其实是因为那时候每一门都还小，圆心之间的距离一直没变。
我前面是拿平面传达类举例，其实这件事能类比到各个方面。 比如做工程的，强电、弱电、机械这几个方向之间，水电、机电这些专业之间；比如程序员和 UI 设计师。尤其现在大厂里都在说，不同岗位在互相抢彼此的活：前端、后端、产品经理，还有做业务拓展的。在我看来，这本质上跟上面那张图是同一个模型：不是谁往谁那边靠，是每个人的边界都在往外长，长着长着就接近重合了。职业之间的边界其实是模糊的，方法不同，但逻辑其实是一样的。
6 · 为什么像，又没那么像
说回 AI 感。前面说的是骨相：骨相乱了，说得出来，交给 AI 也能照着改。可就算骨相也改对了，它还是像，又没那么像。为什么？因为它是一个永远不出错的、规规矩矩的、照着你模仿的系统。这也是恐怖谷里的机器人之所以恐怖的原因：它在试图模仿你，什么地方都和你很像，但是它所有地方都从不逾矩，就导致你会觉得它缺那么一点灵气，缺那么一点画龙点睛的「睛」。
我想到这一层之后，也想起咱们社区之前也有过类似的想法，我在这里跟大家对照着说一说。下面是我自己从里面读到的，不一定完全是原作者的意思。
一篇是 AI 自己整理的《写作中的AI味是哪儿来的》 。它说 AI 写的中文，每个字都是中文，句子的骨架却是英文的，所以读起来是一种整体的违和感。「句子的骨架留在了英文里，只有皮被换成了中文词汇。」这跟我说的皮相是对的、骨相是乱的，基本是一个意思：AI 的中文像是从英文翻回来的，只有中文的皮，没有中文的骨，套在英文的骨上，整体就乱了。它还说，认出这一点以后，问题就从一个朦胧的语感，变成了一个具体的技术活；这跟我说的「说得出原因，就能交给 AI 照着改」，也是一回事。
另一篇是 Jay How 的《从使命必达先生到Ai创作，为什么去“AI味”是个伪命题？》 。他拿《瑞克和莫蒂》里的使命必达先生比 AI：没有自我、没有审美、没有立场，只是一个执行器，所以同一个 skill、同一个模型，写出来的东西好坏，差在按按钮的那个人。这跟我前面说的「AI 从不逾矩，就缺那么一点灵气」是一路的，也就是常说的「仿得了形，仿不了神」：AI 学到的是形，只是照着做，核心的那点灵气没学到。
不一样的是，我没他那么悲观。就像前面说的学画画，练人体结构的人，也不是真要从骨架开始，把循环系统、脂肪、皮层一层层从头到尾复刻一遍，大致说得出原因、大致对得上，就够了；骨相这一层，AI 也能这么学。 至于灵气，现在看是改不了、只能靠人，可也未必永远做不到。现在的生成模型里本来就有随机性，像文字模型就有个参数叫温度，调高一点，它就没那么规规矩矩；只是这种随机是撒在每一处的，它还不知道哪里该出格。哪天能让它有分寸地「犯一点错」，也许就有了。这一点我也说不准。
除了社区里这两篇，外面也有一些类似的说法。像做设计的网站 Vandelay 就写过，AI 做的界面有一种恐怖谷，第一眼很精致，一用起来处处别扭；还有做肖像的画家 Laura King 发现，AI 把头发、皮肤、背景全画得一样精细，眼睛反而不知道该落在哪。Laura King 说的这一点，跟我前面说的「一个画面只能有一个中心」，其实是一回事。
写在最后
关于我前面说的这些想法和故事，如果你有共鸣，或者觉得哪里说得不对、想补充，欢迎在网站的 Contact 页告诉我。我们可以一起找找原因，或者探讨一下有没有更好的总结方式、规律，或者更底层的原因。