# 低技术，高烹饪（三）：让AI成为你的环球美食家朋友 > 本文公开全文。 原文：https://utgd.net/article/21099 在此前的一篇实验性文章中，我指出，人工智能知道很多东西，但都不是特别精通，这样的机器助手倒是特别适合烹饪：不用卷入任何无聊的人工智能哲学论战，君子动手不动口，实践出真知，是骡子是马拉出来遛遛。 2025年年初的寒假，我有更多时间琢磨做菜，同时也不断测试 ChatGPT、DeepSeek 和 Perplexity 能提供哪些帮助（本文仅讨论 ChatGPT）。我逐渐意识到，ChatGPT 越来越符合我当初的设想：啥都知道，但不精通，同时也没有身份负担，像极了一个热爱美食的环球旅行家。 很碰巧，我身边有好几位这样的旅行家朋友，和 ChatGPT 探讨烹饪时，我总会想起和人类旅行家朋友小酌的夜晚。这或许是专业厨师和业余博主之外，自学烹饪时亟需的一种辅助角色。你可能很难结交一群旅行家朋友（更不要说同时也是美食爱好者），但你可以试试人工智能。 ## 问出没人问的蠢问题：你说的土豆是我吃的马铃薯吗 刚开始学做菜时，我最痛恨的食材就是土豆，除了酸辣土豆丝，我几乎没有成功做出过其他任何使用土豆的菜。如今回想起来，要怪食谱：大量使用土豆的食谱都出自美国人或日本人之手，而他们所谓的土豆，和我们平时吃到的并不是一个品种，差别之巨大甚至超过土豆和地瓜。 我曾经尝试使用传统搜索引擎，但得到的答案无非是“土豆又称洋芋、马铃薯或荷兰薯”这种车轱辘话，回答者好像在炫耀茴香豆的茴字写法似的。似乎没有人认为，搞清楚食谱里的土豆品种是个有意义的问题。 那是因为他们根本不知道世界上有那么多品种的土豆。现在，旅行家 ChatGPT 该出场了。 原来，美国人所说的土豆，常常是褐色土豆（Russet potatoes），此外还有更硬的黄色土豆（Yukon Gold），而我们在菜场里看到，无论小土豆、中土豆、大土豆还是特大土豆，基本都属于后者，就是那种煮了半天还硬得可以行凶的品种。这也难怪，如果照着经典的美食配方，基本只能得到半生不熟的土豆条子。进一步询问后，我得知两类土豆还对应了日本食谱中常谈到的女皇土豆和男爵土豆。 很多煎炸和土豆泥食谱中要求的褐色土豆，在国内几乎只有云南当地有种植，事实上我也翻遍了超市和生鲜商店，最后只在某家进口超市的角落里挖到几棵天价褐色土豆。既然褐色土豆在中国几乎不存在，自然没有人讨论它，直到我们派出人工智能。 这个例子体现了人工智能的巨大潜力：跨越国界，联系不同场景，回答根本没有被提出过的问题。反思一下，为何国内没什么人讨论土豆品种的对应问题？很可能所有尝试者都踩过坑了，但他可以把半生不熟的土豆丢回油锅或空气炸锅，刷上10分钟短视频等着。弄清品种并不是一个迫在眉睫的问题。可是，能够回避不意味着问题已经被解决。这些没有被解决的问题恰恰非常关键，很可能一个人兴致勃勃想要学习烹饪，但连续在几个自称零门槛的土豆食谱上栽了跟头，从此偃旗息鼓。 类似的，不仅不同国家之间，就算南方北方甚至仅仅隔着一座山的两个城市，可能也有不同的食材叫法。如果问任何一个真实的人类，他大概率都会陷在自己的世界里，以为他从小到大听到的称呼都是理所当然，或者根本不知道世界上还有那么多其他的品种。而人工智能则不一定会犯这个错误，尽管我们不能指望它遍尝天下草木，但他只要能够扮演一个吃遍南北的旅行家，就能提供足够的线索。 ## 替换食材：帮天价食材找平替 大厨 Michael Ruhlman 在那本经典的《厨艺的常识》中谈到，他的启蒙时刻是发现鱼露可以给意大利面调味。那也是我的烹饪启蒙时刻，但是在另一种意义上：你可以用一种极其廉价的材料获得比传统食材更好的效果，同时省下一大笔钱。 经典意大利式做法是用凤尾鱼提鲜，在玩意儿在国外不算太贵，但也是一笔肉眼可见的成本；而在国内，凤尾鱼不那么常见，很可能成为意大利面里最贵的食材之一。两滴鱼露效果其实更好，成本只要两毛钱。但如果你去网上搜，很可能找不到直接讨论凤尾鱼替代品的内容，往往只是在冗长的意大利面教程视频里听到博主一句带过。 连鱼露这个经典例子都不那么常见，更不要说其他食材的替代方案，不过，借助人工智能，我们相当于有了一个见多识广的美食家朋友，他的建议不一定对，但最起码他知道很多异国他乡的食材，这都是宝贵的线索。 例如，很多西餐食谱要求使用葡萄酒，但我平时没有喝葡萄酒的习惯，如果为了一片五块钱的鸡排去开一瓶二十块钱的红酒（这已经非常廉价了），实在划不来。有没有什么东西可以代替红酒？有，西式食材可以是红酒醋，中式食材可以是水果醋（只不过根据酸度差异，可能要适当增减用量或兑水）。 有没有更抠门的例子？有。来看看橄榄油。在上一篇文章中，我提到过橄榄油堪称烹饪中的单点故障，价格奇高，质量好的还不容易买到，如果不找平替，一堆西式菜肴（和不少洋风的日式料理）就做不成。好在 ChatGPT 有很多鬼点子，我尝试了看上去有些道理的几条建议，确实有效（主要指在廉价中性油中加西式香草）。 在人工智能时代之前，食材风味库充当了类似的无国界烹饪指导角色，但开发风味库的本就是顶级餐厅和精英科学家，西方上流白人占据统治地位，入库食材本就带着若有若无的偏见。相对于人类厨师，人工智能知道更多潜在的食材搭配，也没有带货的压力，不必像真人那样有心理负担，不敢或羞于提出昂贵食材的平替。 ## 替换操作：厨师有国界，技法无偏见 如上一节所言，人类厨师往往有身份负担，例如很多中国厨师重视刀工，以至于如果你发现文思豆腐其实是用机器切出来的，不少厨师会觉得面子挂不住；西方人也一样，总有一些厨师（和博主）一边踩不粘锅、一边捧法式铸铁锅。确实，厨师是有国界的，但技法不应该有偏见。 偏见对本地菜和舶来品都没有好处。做中餐，凭什么不能用火枪增添几分锅气，非得猛踩燃气灶？做意大利菜，为什么不能往里面加西川辣椒，非要追求西西里原产作物？事实上，不少餐厅的后厨都在偷着用这些它山之石，只不过碍着面子或拿了赞助不能说罢了。 让我们看看让美国人魂牵梦绕的一种食物：莎莎酱（Salsa Sauce）。在爱好者中，莎莎酱也有鄙视链，墨西哥的新鲜辣椒制品最佳，不行就用烟熏或腌制的墨西哥辣椒，美国本土辣椒是最低要求。这很像川菜里的辣椒鄙视链：湖南最优，本地次之，河南最次（排名有争议）。如果我买不到墨西哥辣椒来做沙茶酱，能不能用中国菜市场里常见的樟树椒，或者干脆上小米椒？ 如果你试着找人类写的内容，答案往往是不能，而且回答往往带着被冒犯的语气。其实，我们毕竟不是泡在墨西哥辣椒缸里长大的，在处理异域料理时，容错率很大，吃不出本地人才能感受到的微妙区别。和 ChatGPT 来回探讨了一圈后，我尝试用本地辣椒做了莎莎酱，效果非常令人满意。 等等，我没有去过南美，为什么有这种自信？因为我自制的莎莎酱胜过南美进口的罐装产品，这就足够了，须知老美也很难买到新鲜墨西哥辣椒，再刨下去，估计只剩玄学。 虽说 ChatGPT 只会动口，从不动手（就像自己不做菜的袁枚老先生一样），但这偏偏成了优点：人工智能可以滔滔不绝而不必负责，反正最后是提问的人动手实践，人工智能不必有心理负担。这种有一定见识又没有负担的随性角色，确实是在传统烹饪信息源头之外的重要补充。 （在制作莎莎酱的例子里，特别讽刺的是，很多受欢迎的食谱都要求用烤箱烤辣椒，以降低其辣味，因此，即便你用了被视为异端的泰国辣椒，也根本吃不出半点辛辣的东南亚风味。） ## 可视化：绘制食材风味象限图 试想一个足迹踏遍世界而不拘泥于某一菜系的美食家，他很可能用更主观的视角去看待异国食材，此时往往会有身处庐山外的意外效果。例如西餐中常用的香草，常规学习方法是研究它们适合搭配什么料理，但我假想的旅行者可没有那个功夫，他更想画出一张简单的风味象限图，分别以浓淡和调性为轴（这是我目前最关注的两个维度），把什么罗勒、鼠尾草、牛至、迷迭香、百里香一股脑塞进去，捋得简简单单。 如此简单粗暴的可视化方法，估计要触怒不少科班出身的人士，但无妨，进入一个新领域时，最有效的行动之一就是尝试分类——尤其是，根据你最关心的那些属性去分类。必须承认，ChatGPT 画出的象限图不那么准确，但是大方向没错，而且暗示了重要的烹饪技巧：位于同一个象限中的食材，比较容易互相取代。后来读到的一些食谱也证实了我的想法，就像中餐里的青蒜和小葱偶尔会互换，老外也会混着用不同的香草。 回过头来，我们将看到一个奇怪的现象：当你面对一个陌生领域时，往往听到的是禁令；而当你逐渐深入，方察觉大家都在违规。人工智能让过渡变得不那么痛苦或愤世嫉俗。 ## 小结 当我们讨论人工智能时，话题往往会滑向“谁取代谁”的零和博弈方向，变得火药味十足。但我认为，人工智能同时也是一种全新的媒介，可以给你几乎不存在的新东西，比如一个假想中的美食旅行家。即便是最疯狂的人类美食家，在有生之年也不可能真的吃遍全球，但人工智能有可能，尽管不是真的吃。同时，我也不需要人工智能那么了解一道菜，他只需要给我线索，剩下的事情，我自己会做。 说回烹饪，你很可能不会拥有一个环球美食家朋友，而这就是人工智能目前能给你的最佳帮助。 后记：本系列文章号称“低技术，高烹饪”，为何人工智能也能被囊括其中？盖师徒制或学院派（我说的不是新东方）的烹饪学习或可谓之高技术，相比之下，绕开传统、直奔原理，则可谓低技术。在过去，这只能仰赖极个别厨师（如 Anthony Bourdain）的爆料，而人工智能打通了全新的信息渠道。 --- [前往标准阅读页](https://utgd.net/article/21099?audience=web)