《Appetite》：Artificial intelligence as a decision partner in food choice: Typology and research agenda
编辑推荐：
研究人工智能（AI）在食品选择中作用的文献，主要探究AI是否帮助人们做出更好的决策，将其视为一种提高推荐准确性或个性化的信息来源。研究人员认为，这种框架仅捕捉了AI影响食品决策的更广泛连续体中的一个节点。AI可以（通常同时）扮演多种角色：被咨询信息的顾问、积极
研究人工智能（AI）在食品选择中作用的文献，主要探究AI是否帮助人们做出更好的决策，将其视为一种提高推荐准确性或个性化的信息来源。研究人员认为，这种框架仅捕捉了AI影响食品决策的更广泛连续体中的一个节点。AI可以（通常同时）扮演多种角色：被咨询信息的顾问、积极分担选择构建工作的决策伙伴，或在深思熟虑的选择开始之前塑造看似理想且可用选项的环境性影响。随着AI变得更具对话性并更深入地嵌入食品环境，这一连续体在较不显见的区域日益被填充，然而该领域仍集中于顾问角色。研究人员聚焦于决策伙伴角色，在该角色中AI参与价值构建、目标澄清、属性加权和选择论证，由此引发关于能动性、责任和委托（delegation）的问题。研究人员阐述了描述这种参与的四种机制，即偏好卸载（preference offloading）、责任再分配（responsibility reallocation）、信心校准（confidence calibration）和食品决策技能侵蚀（food-decision skill erosion）。由于食品选择频繁、通常具有习惯性，且常涉及享乐（hedonic）与功利（utilitarian）目标之间的权衡，它是这些过程层面效应得以累积的理想领域。研究人员借鉴消费者心理学、自动化研究和认知科学的证据，指出在食品情境中尚未得到检验的边界条件，并以围绕能动性、依赖、责任、信心和认知努力组织的研究议程作结。当AI分担构建食品选择时，被优化的价值观可能不再完全是消费者自己的。
食品选择是日常决策中发生频率最高、自动化程度最高的类型之一，其典型特征在于即时的感官诱惑与长期的健康审慎之间的持续张力。食物决策不仅涉及健康与口味，还常涵盖便利性、价格、熟悉度、预期饱腹感、可持续性和社会意义等多重动机，这些动机之间频繁冲突，构成实质性的认知负荷，使食品选择天然具有委托（delegation）倾向。人工智能（AI）正日益嵌入这一决策过程的各个环节：对话式助手可即时生成餐单和食谱，推荐系统塑造消费者在生鲜电商和外卖应用中的可见选项，生成式图像工具甚至可创造没有真实菜品对应的诱人食物影像。现有研究主要沿“能力审计”“个性化推荐”“消费者对AI来源的信任与回避”以及“对计算机的社会反应”等路径展开，其共同取向是评估AI输出的质量（是否准确、是否被信任、是否被采纳），而非考察决策过程本身是否因AI参与而发生结构变化。这种取向形成了盲点：推荐可以准确，但同时改变责任归属；聊天机器人可以被信任，却悄然收窄消费者考虑的选项范围，或替代了消费者原本会进行的认知工作。此外，现有文献几乎全部将AI视为离散的咨询性遭遇，而忽略了AI可能作为持续的决策伙伴或先于意识运作的环境性影响。为此，研究人员提出一个三角色连续体类型学（typology），将AI在食品决策中的介入方式区分为顾问（advisor）、决策伙伴（decision partner）和环境影响（ambient influence），并集中剖析决策伙伴角色。研究人员主张，当AI参与价值构建、目标澄清、属性加权或选择论证时，它便在分担原本由消费者完成的偏好建构或价值整合工作，这种结构变化目前被以决策质量为导向的文献所遮蔽。该研究的意义在于提供一套过程导向的词汇，使研究者能够追问AI如何改变决策的达成方式，而不只是判断决策结果的好坏。
研究人员以概念性评述（conceptual commentary）为方法，未开展新的实证数据收集或样本队列研究。研究综合消费者心理学、自动化研究和认知科学的既有证据，通过理论整合构建连续体类型学，并借鉴认知卸载（cognitive offloading）、自动化系统自满（complacency）、机器道德厌恶（machine moral aversion）、食品素养（food literacy）等研究传统，推导出四个机制命题。研究还参考了大语言模型（LLM）在食品决策模拟中表现出的健康导向价值偏置的间接证据，作为论证支持。
**1. 引言与背景（The growing role of AI in food choice）**：通过梳理食品决策的高频性、习惯性和多目标冲突特征，论证食品是AI过程效应得以快速累积的理想领域；同时指出对话式助手、推荐系统和生成式图像已在现实中广泛介入食物选择，但现有评价集中于推荐质量，忽略了决策过程变化。
**2. 现有研究及其盲点（Current AI-food research and the blind spot it shares）**：通过评述能力审计、个性化推荐、消费者信任与算法厌恶、“无意识社会反应”等文献，指出现有研究共享一种“决策质量导向”取向，缺乏对偏好建构和价值整合过程的食品特定解释。研究还注意到，LLM在食物决策任务中比人类更重健康而轻口味，提示AI可能以非价值中立方式介入属性加权。
**3. AI在食品决策中的三种角色（Three roles for AI in food decision-making）**：沿连续体区分顾问、决策伙伴和环境影响。顾问角色中消费者保留选择构建权；决策伙伴角色中AI共同承担认知工作；环境影响角色中AI在深思熟虑之前便塑造“值得想要”的选项。研究人员特别区分了委托执行（delegated execution）——如自动补货购物车，明确指出它不是第四种角色，而是关于“谁实施选择”的独立维度。决策伙伴角色之所以是可处理的中间地带，是因为它既足以改变决策构建方式，又作为可识别的联合决策事件适用于过程追踪方法。
**4. 从顾问到伙伴转变的四种机制（Four mechanisms of the advisor to partner shift）**：偏好卸载（preference offloading）指消费者将选项集组装和收窄的认知工作交给系统，并随之移交属性重权；责任再分配（responsibility reallocation）指感知责任通常向系统转移，降低预期内疚，但在道德意义较强的决策中可能反向转为个人高度审视；信心校准（confidence calibration）指对话流畅性可能使主观信心超过实际决策质量，而系统主动表达不确定性则可改善校准；食品决策技能侵蚀（food-decision skill erosion）指持续依赖会减少独立计划、选择和准备的练习机会，长期可能降低食品素养和自我偏好认知。研究人员强调这四个机制不是竞争性解释，它们可在同一决策中并存，并且即使最终选项不变，决策过程也已改变。
**5. 未来研究议程（Future research agenda）**：围绕四个机制分别提出可检验问题。在偏好建构方面，追问委托是否改变被选项集、属性权重或偏好一致性，以及商业赞助如何渗透伙伴机制；在责任方面，考察为家人备餐与为自己选择时责任再分配是否不同，并检验食品决策是否真的低到足以规避机器道德厌恶；在信心校准和认知努力方面，建议采用眼动追踪、反应时和漂移扩散模型（drift-diffusion model）等过程追踪方法，并借鉴自动化研究从单次准确率转向持续监测的历史经验；在技能侵蚀方面，建议采用纵向设计或自然实验，并关注低食品素养人群的更大风险。此外，研究人员特别指出儿童、青少年及受饮食限制人群对伙伴关系的依赖具有不同的高脆弱性。
**6. 结论（Conclusion）**：研究人员明确表示，并不主张AI总体上改善或恶化食品决策，而是强调AI使食品决策可能反映一种联合构建的价值结构，而非消费者独立偏好的简单表达。研究结论认为，AI改变的不是决策结果的优劣标签，而是决策过程本身的分工方式。当AI在消费者之侧重排健康与口味的权重时，被优化的究竟是消费者自身的价值，还是系统被训练出的规范化理想，是未来研究必须直面的问题。将AI在食品选择中的角色视为过程问题，并理解为程度差异而非固定关系，是本文的核心贡献。
