为什么“几乎像人”会让人觉得不对劲？
一种有影响力的解释认为，恐怖谷效应来自感知专门化。我们是处理人类相关事物的专家——面孔、声音、身体和生物运动——这种专长让我们对这些事物中的异常或偏差很敏感。当一个人造主体接近人类但又不完全对劲时，这种偏差会格外明显，评价也会相对转为负面[4]。在这种观点下，恐怖谷并不是对机器本身的恐惧；它是我们非常擅长察觉“像人的东西哪里不对”所付出的代价。
另一种相关解释指向不同类人特征之间的不匹配。在一项对251张真实机器人图像的研究中，负面反应被归因于感知不匹配的特定组合——例如，当表面特征和面部特征彼此匹配，却与机器人的身体或机械臂不匹配时[1]。这表明问题不在于一般的类人程度，而在于那些共同让人读作“人”的线索之间不一致。
恐怖谷总是表现为一个单一的低谷吗？
经典图景是一条曲线：随着机器人越来越像人，喜爱度上升，然后在接近人类的一端急剧下降，之后再次上升。一项对49项研究的元分析支持了这一模式的前半部分——在低到中等拟人化程度下，越像人的机器人评价越正面——但无法确认高类人程度下的负面转折，因为高度拟人化的机器人在这些研究中很少被使用[2]。所以，熟悉的那个低谷看似合理，但在机器人研究文献中并未牢固确立。
形状也可能比一个低谷更复杂。那项真实机器人研究发现证据支持两个恐怖谷：森政弘最初提出的针对高度类人机器人的低谷，以及第二个针对中等偏低类人机器人的低谷[1]。该研究还发现，正面和负面情绪反应遵循不同的模式，而且“诡异”这个词本身并不是衡量该效应的可靠指标[1]。这对解读很重要：人们说“诡异”的东西，和他们实际评价为负面的东西，可能并不是同一回事。
恐怖谷只和机器人有关吗？
不一定。感知专门化的解释已被应用到机器人之外的其它类别，包括书面文本和物理场所，作者认为它能解释比聚焦机器人的版本更广泛的现象[4]。那篇音乐课堂的文章描述了同一效应的音乐版本：当节奏、速度和音高被计算机大量处理时，音乐可能失去人类的细微变化，落入恐怖谷——在接近人类却未达标准时，正面感知转为负面[3]。这些是理论和应用层面的论证，而非对机制的直接检验，但它们表明恐怖谷关乎一般的“接近人类”的模式，而不只是安卓面孔。
恐怖谷会不会取决于机器人像谁的脸？
一种被提出的扩展观点是，自我相似性可能让效应更强。一项计划中的研究使用由参与者自己的脸和真实机器人图像合成的面部变形，预期在恐怖谷的顶点，自我相似的刺激相比陌生人相似的刺激会带来更强的负面结果，并建议社交主体不应在外观上与其用户相似[5]。由于这是预期而非已完成的结果，它仍然是一个关于该效应可能调节因素的假说，而不是恐怖谷的已确立成因。
本文引用的文献
两个恐怖谷：在真实世界类人机器人的全谱系上重新评估恐怖谷
在251张真实机器人图像中，人们表现出两个恐怖谷——一个针对高度类人机器人，一个针对中等偏低类人机器人——被归因于类人特征之间感知不匹配的独特组合。
类人机器人与恐怖谷
一项对49项研究的元分析发现，在低到中等拟人化程度下，越像人的机器人反应越正面，但无法就高类人程度下的不良效应得出结论，因为高度拟人化的机器人研究很少。
音乐课堂中的恐怖谷：关于过度校正的观点
当计算机对节奏、速度和音高进行大量处理，去除了人类的细微变化，使输出接近人类却不完全像人时，音乐中也会出现恐怖谷。
在正常性的边缘——一种关于偏差检测与负面评价的恐怖谷神经认知模型
一种神经认知模型提出，更强的感知专门化会增加对人类相关刺激中异常或偏差的敏感性，导致对接近人类的人造主体做出相对负面的评价。
机械自我：考察自我参照效应对恐怖谷反应的解释与影响
一项计划中的研究使用自我相似和陌生人相似的机器人面部变形，预期在恐怖谷顶点，自我相似的刺激会带来更强的负面恐怖谷结果。