食物先被看见，才被品尝，但一餐饭不只是图像。在2024年研究系列的第21篇中，我探讨AI对菜单、摆盘、点餐和配送的潜在影响。关键是视觉实验如何服务于食物，而不是取代食物。
分析整理趋势与反馈，生成图像提出色彩、构图和陌生组合。这是厨师的探索起点，不是经过测试的食谱。网络热度并不代表所有口味和烹饪传统。可信的图片很少能说明味道、口感或实际制作的可能性。
菜单规划涉及原料、分量、成本与营养目标。计算需要可靠的成分数据和明确假设，不能从视觉偏好推断健康需求。与疾病相关的饮食需要合格专业人员指导。生成建议或消费级设备读数，不足以单独作为处理医疗问题的依据。
食品安全与外观一致是不同的事。诱人的颜色不能证明新鲜或安全，图像也不能排除过敏原及交叉接触。核实原料、妥善处理、温度控制和人员操作程序仍然必要。引入AI本身并不会使每一份食物都安全。
需求预测可以帮助厨房采购，减少可避免的浪费。但环保主张仍需证据：本地产地、绿色形象或植物性摆盘，不能说明全部影响。储存、烹饪、运输和包装都很重要。菜肴的故事不应掩盖这些选择。
数字菜单和可选的AR预览，可能帮助人们理解陌生菜肴。AR未必使用AI，预览也不应承诺厨房无法提供的分量或原料。食谱变化时，成分与过敏原信息必须同步更新。不使用特殊设备、不建立详细个人档案，也应能够点餐。
配送存在漂亮图片无法解决的物理限制。包装需要以真实食物和运输条件测试。计划工具可以改善协调，却不能保证温度、时效或摆盘完整。食品3D打印同样受材料和工艺限制，并不能实现所有想象中的菜肴。
反馈和季节变化可以推动改进，而不必让每道菜迎合同一种网络审美。我关心的是为地方烹饪、个人表达和餐桌乐趣保留空间的技术。有价值的食物视觉未来，应把好奇心与对实际入口之物的诚实呈现联系起来。
AI与视觉文化：22. 通过食物认识一个地方 ↗
