一、AI如何把留白填成标准答案
训练数据构成：模型把原作、仇英本、清院本及后世仿作一并纳入训练，提取的是“《清明上河图》风格”的统计平均，不是张择端个人笔意。
扩散模型的偏好：面对缺失区域，模型按训练数据中出现频率最高的样式生成像素；张择端笔下顿挫、生拙的偶然笔触，在统计上被当作“异常值”平滑掉。
完美拟合的悖论：AI补全越接近“典型宋画”，原画中不可复现的个体痕迹就越少，最终得到一个比任何传世摹本都“正宗”却从未存在过的北宋。
二、原作的不确定被抹平后失去了什么
残缺本身是证据：原画中模糊、残缺、不可考的区域承载时间痕迹与鉴定信息；AI把它们填成确定画面，等于将“有待考证”变成“不可追问”。
公共认知易混淆：AI补全版以“还原”名义传播时，观众容易当作原作全貌；已有创作者标注“AI生成·艺术想象，非史实复原”。
开放争议被隐去：画名中“清明”指节气还是地名、“上河”何意、创作动机是颂扬还是警示，学界至今无定论；AI生成的“标准汴京”不会保留这些疑问。
三、把AI当入口而不是替身
定位区分：AI复原本质是艺术再创作，不是考古复原；研究者也把它定位为可视化原型，而非历史证据。
适用场景：适合展览预演、远景背景和教育原型；证据型学术重建仍需专家审查与手动建模。
回归原画：不少讨论认为，AI作品最好的后续是让人愿意再放大张择端的原画，看看千年前究竟画下了什么。