夜雨聆风你有没有试过让 AI 给你写个菜谱？
我试过。就在这个月初，我想做个红烧肉，懒得再搜菜谱了，就顺手问了一下 Gemini。它给我列了一堆步骤，看着挺像回事，调料比例精确到克，火候精确到分钟。我心想，这也太专业了吧。
结果呢？
肉炖了四十分钟，硬得能砸核桃。味道甜得发齁，我对象吃了一口，表情非常精彩。
后来我才知道，这根本不是我一个人的遭遇。
纽约时报上周六发了一篇报道，叫“巨型测试厨房，厨师们与人工智能的糊涂战斗”。讲的是美国一家出版巨头，砸重金建了 28 间厨房，雇了一大帮真厨师，就为了证明一件事。
AI 写的菜谱，真的不行。
这家公司叫 People Inc.，你可能没听过这个名字，但也许听过它旗下的品牌，Food & Wine、Allrecipes等等，基本上美国最有名的美食杂志和食谱网站，一半都是他们的。CEO 叫 Neil Vogel，他说了一句话，我读完之后愣了好几秒。
“每个做过饭的人，到目前为止都用过一个根本不好使的 AI 食谱。因为你不能把四个食谱拼凑在一起，就指望它能用。”
这话听着奇怪，但仔细想想也挺对的。AI 写菜谱的方式，就是从网上抓好几个同类食谱，然后把它们“融合”成一个新的。它觉得四个红烧肉菜谱，其中三个放两勺糖、一个放五勺糖，那就取平均值放三勺呗。
但做饭不是做数学题。
你放糖多的那个方子，是因为他用的酱油咸。你火开大的那个方子，是因为他的锅薄。这些细节之间是咬合着的，你拆开重拼，出来的不是“更好的红烧肉”，是一个四不像。
我寻思了一下，这不就是我那锅翻车的红烧肉嘛。
说到翻车，最出名的事情你可能听过。
Google 的 AI 搜索，推荐在披萨上涂胶水。
没错，就是胶水。
当时有人搜“芝士老从披萨上掉下来怎么办”， Google 的 AI 一本正经地建议，在酱料里加点胶水。这个回答迅速传遍了互联网，成了 AI 不靠谱的经典案例，被笑了大半年。
但这只是冰山一角。
AI 食谱真正的问题，不是给你推荐胶水这种一眼假的东西，而是它写的菜谱看起来特别完美，步骤清晰，配料精确，你照着做，结果就是不对。
刚才说的“拼凑四个食谱”，只是问题的起点。更麻烦的是，AI 根本不懂做饭这件事本身的复杂性。糖放多少，跟你的锅是铁的还是不锈钢的有关系，跟你的火是大火还是小火有关系，跟你买的那块肉肥瘦比例有关系，甚至跟你那天的心情都有关系。
AI 不懂这些，它只知道数据。
有个Reddit社交平台上的用户说自己用了 8 个月的 AI 食谱，总结出一个规律。AI 不知道食物的口感对不对，也不知道味道是不是真的平衡。它给你的配方可能在纸面上是“正确”的，但做出来的东西就是不对劲。
就是那种“过程全对，结果全错”的感觉。
那怎么办？
People Inc.的 CEO 想了一个办法，非常朴素，也非常贵。
他在阿拉巴马州的伯明翰，建了一个占地 4 万平方英尺的测试厨房，里面塞了 28 间独立厨房。几十个食谱开发师、食物造型师、摄影师每天在里面忙活。培根在锅里滋滋作响，有人在给酒瓶喷水珠制造冷凝效果，有人在往花生奶油派上撒巧克力碎。
你再想想 AI 写的那些菜谱，冷冰冰的数字，精确到克。一个是真实有温度的厨房，另一个则是手机屏幕上的文字，哪个更靠谱，其实一目了然。
他们的策略特别简单，他们强调“真人研发、真人测试”。每一道食谱，都要经过开发、测试、再测试的完整流程。一道菜从构思到发布，可能要经过十几个人的手，反复调整好几轮。
CEO 管这叫他在 AI 时代的“秘密武器”。
他们赌的就是一件事，用户宁愿相信一个会用菜刀的人写的菜谱，也不愿意相信一个 AI 拼凑出来的配方。
而且这个赌注，还真不是凭直觉乱押的。
这个故事里还有一条暗线，关于 Google 的。
很多美食博主发现，Google 的 AI 搜索功能会直接抓取他们的品牌名、照片、视频，然后在搜索结果里用 AI 生成的内容跟他们竞争。
你想想这是什么概念。
你辛辛苦苦拍了十年美食照片，写了上千篇原创食谱，Google 把你的东西拿去训练 AI ，然后 AI 反过来在搜索结果里把你挤下去了。你自己的照片，你自己的品牌名，展示的却是 AI 拼凑出来的“Frankenstein 食谱”。
有个叫 Inspired Taste 的美食博主夫妇，从 2009 年开始在网上发食谱，经营了十几年。他们发现这件事之后气坏了，到处接受采访，NPR、CNN、大西洋月刊、彭博，能上的全上了。他们的证词甚至被写进了 Penske Media 对 Google 的法律诉讼文件里。
Google 也曾做过改进，但改了多少呢，大家心里都有数。
坦白来说，我觉得这件事已经不只是 AI 会不会做饭的问题了。
它说的是一个更宽泛的东西。
当 AI 能模仿一切“看起来像”的东西时，真正有价值的东西到底是什么？
AI 可以写出格式完美的食谱，但它不知道那道菜尝起来是什么味道。它可以生成精美的食物照片，但它不知道那块肉在嘴里是什么感觉。它可以融合一百个菜谱，但它没有站在灶台前试过哪怕一次。
做饭这件事，说到底是经验、直觉和无数次翻车攒出来的手感。你第一次做糖醋排骨，糖放多了，齁甜，下次就知道少放点。你换了口锅，火候就不一样，时间就得调。你哪天运气好，在菜市场碰到了一块特别漂亮的五花肉，可能整道菜的调料比例都得跟着变。
这些， AI 学不会。
People Inc.那 28 间厨房，就是最好的例子。有些东西，你必须亲自试过才知道对不对。你可以在脑子里推演一万遍，但手碰到锅的那一刻，所有推演都得推倒重来。
我自己也是这样。
我平时写代码的时候，AI 确实帮了大忙。Claude Code 能帮我搭网站、改Bug、处理各种技术问题，确实快了不少。但做饭这件事让我意识到，有些领域，AI 真的还差得远。
不是因为它不够聪明，而是它没有“舌头”。
它不知道什么是“差不多了”，什么是“还差点意思”。它不知道妈妈做的红烧肉为什么好吃，不是因为调料比例精确到小数点后两位，而是因为那是妈妈做的。那个味道，是某一口锅、某一把铲子、某一种火候、某一个下午的阳光，共同调出来的。
数据能记录配方，但记录不了美好的回忆。
所以，下次你想偷懒让 AI 帮你写菜谱的时候，想想那 28 间厨房里真刀真枪做菜的厨师们吧。他们可能没有 AI 那么快，没有 AI 那么“精确”，但他们至少知道一件最基本的事。
胶水，不应该出现在披萨上。
以上就是今天的全部内容啦，感谢你看到这里，希望这篇文章对你有帮助。
点赞、收藏就是对我最大的鼓励。关注「非凡的AI日记」，每天分享AI的最新信息和最真实的使用体验。
