What Changed?
整形診所收到的參考照，從雜誌剪報、Snapchat 濾鏡，換成了 AI 生成的臉。這張臉沒有原始出處，也對應不到任何真實的人。
9 月 25 日，Dazed 刊出報導，記錄病人開始帶著 ChatGPT 或 FaceTouchUp 生成的臉走進整形診所。這張臉五官對稱到違反解剖學，眼距是骨頭決定的位置，AI 不知道這件事。五個月前，Business Insider 已記錄過類似案例。這一頁記的是，演算法先想好答案，身體要怎麼回應一個給不出的要求。
這是觀察者報告的其中一頁。這幾年我一直在追一件事：整形診所收到的參考照，從雜誌剪報變成濾鏡截圖，現在又換成一張 AI 生成的臉。這次不一樣的地方是，終於有醫師願意具名說出那張臉哪裡不對勁——眼距是骨頭決定的位置，AI 從來不管這個。
9 月 25 日，Dazed 找到一位病人和兩位從業者，把整套流程攤開來講。半年前，Business Insider 已經記錄過更早的案例：一位七十歲病人，拿著 AI 生成的年輕版自己，堅持要醫師照著整。兩篇報導疊在一起看，演算法先想好了要什麼臉，身體才被要求追上去。
9 月 25 日，Dazed 記者 Laura Pitcher 訪問病人 Layla、醫師 Melissa Doft、品牌創辦人 Kevin Lamont Bachar。三人的話指向同一件事：病人先用 ChatGPT 或 FaceTouchUp 生出想要的臉，再帶進診間。
這不是第一次被記錄。今年 5 月，Business Insider 寫過更早案例：六十歲 Daina Jenkins 用 ChatGPT 預覽拉皮手術，畫面皮膚沒有毛孔。醫師 Sachin Shridharani 遇過七十歲病人，堅持整成 AI 生成的四十歲版自己。
BAAPS 今年稍早的調查顯示，15% 英國醫師遇過病人拿 AI 臉當參考。Dazed 把這個數字換成臉孔：一人承認「這不是真的」，一人說「身體不是黏土」。收斂點在這裡：演算法先想好答案，身體被要求追上去。
以下七段皆為受訪者原話，未經改寫。三段來自 Dazed 9 月 25 日的報導，四段來自 Business Insider 今年 5 月的報導。同一個現象，兩個時間點，被兩群不同的人分別描述。
There's a comfort in having something to bounce all the racing thoughts you have about plastic surgery.
There's a lot more to beauty than just millimetres and proportions, and there's a judgement in surgery that AI doesn't have.
When we feed [AI] with the science for our clinical studies, it's all been very Eurocentric.
It wasn't reality. I love that I look natural.
It's like saying I want to look like Ariel from 'The Little Mermaid.'
I explained that we can't recreate what she looked like when she was younger, but she remained insistent.
Pixels are easier than surgery. Bodies aren't clay.
說話的人大致分兩種。病人的語氣偏向自我說服，強調自己最後選了「自然」，像是要先為沒有變成那張 AI 臉解釋一下。醫師的語氣相對直接，把解剖學的邊界講得很白，不太留轉圜餘地。
五個月的時間差，沒有改變這場對話的核心。5 月的醫師在解釋骨頭不會動，9 月的醫師在解釋訓練資料哪裡出了偏差。問題從「這具身體做不到」，慢慢滑向了「這套演算法本來就沒打算公平」。
Doft 說，AI 算得出比例，給不出判斷。她說「讓我更漂亮」很難回答，因為漂亮定義因人而異，外科的判斷,AI 沒有。
Jenkins 看著那張 AI 年輕版自己說：「這不是真的，我愛現在自然的樣子。」六十歲的病人，自己先把演算法的答案放下了。
貝斯以色列的調查顯示，用 AI 修圖的病人對手術結果期待偏高；BAAPS 把這個現象量化：15% 醫師遇過病人拿 AI 臉當參考。
Bachar 自己承認：「餵給 AI 的臨床資料，一直都很西方中心。」推薦這套工具的人，先一步指出了它的偏差在哪裡。
整形診所收到的參考照，從雜誌剪報、Snapchat 濾鏡，換成了 AI 生成的臉。這張臉沒有原始出處，也對應不到任何真實的人。
「身體不是黏土」被大量轉引，是因為它把一場抽象的科技爭議，收進了一句每個人都懂的物理常識。
整形手術過去預設病人想模仿另一個真人。現在的參考對象，是一張比例違反解剖學的臉，這個預設先鬆動了。
Jenkins 最後選了自然。她要的，或許只是先看見一個答案，再自己決定信不信。
病人第一次讓演算法替自己想像未來的臉，再拿著這個想像，要求一位真人醫師把它變成事實。
如果下一代人從小就活在 AI 版自己旁邊，那張算出來的臉，會不會變成他們心裡原本的樣子？
這六個主題，是 INCODER 每天篩選文化信號時固定會對照的思考框架，比較像是一副眼鏡。換上之後，同一則事件會長出不同的意義。
一張 AI 生成的臉，不需要出處也能被當成參考資料。當畫面本身就足夠有說服力，還有誰會回頭問這張臉從哪裡來？
病人帶著一張不存在的臉走進診間，要求身體變成那個不存在的版本。這張臉算不算她的一部分自我？
毛孔、比例、對稱，曾經是判斷美醜的線索。這些線索現在由演算法直接生成，皮膚還剩下多少屬於自己的語言？
先做出一張不可能的臉，再讓真人去追趕，是很有效率的生存策略。這套效率用久了，身體還跟不跟得上？
同一個現象，5 月被 Business Insider 記下，9 月被 Dazed 再記一次。反覆確認之後，它會不會就這樣變成常識？
醫師的心力，從「手術怎麼做」被拉去回答「這張臉為什麼不可能」。解釋變成主要工作之後，還剩多少留給手術？
先把假設攤開。這整套對話預設 AI 生成的臉是一種可以追求的標準，醫師負責告訴病人，這個標準哪裡做不到。這個邏輯把演算法放在提出理想的位置，把身體放在被檢驗、被要求解釋自己為什麼不夠好的位置。
如果訓練資料本身有偏差，病人以為自己追求的是美，其實是特定資料餵出來的樣子。這份紀錄暫時沒有答案，只留下一個問題：下一次走進診間，會不會已經沒有意識到，自己追的東西一開始就是別人算出來的？
這份報告記錄的是此刻的觀察狀態。
目前沒有監管機構或平台針對 AI 參考臉孔做出正式回應；訓練資料偏見的討論還停留在業內訪談，尚未進入政策層級；社群對這則信號的完整反應還在累積。此處的判斷可能被補強，也可能被推翻。
觀察仍在持續。