你的视频推荐流,正在被AI“吞噬”。
这不是危言耸听,正经新调查发现:
YouTube算法向新用户展示的视频中,有超过20%的内容是AI制造的低质量视频。
再扎心点说就是,我们平时在YouTube刷到的每5条视频中,可能有1条就是AI随手糊出来的。(不活了.jpg)
不仅如此,这样没啥营养的AI小视频还在逐渐产业化,甚至被做成了一门越——滚——越——大的《生意》。
好好好,这个世界到底还有什么是真实的啊!!!
当AI低质量视频开始按“产量”出现
结论来自美国的一家创意软件公司Kapwing。
他们调查了全球15,000个最受欢迎的YouTube频道,结果您猜怎么着:
其中278个频道的内容几乎全部由AI生成……(纯·AI原创)。
对了,Kapwing并不是把所有AI产的内容都视作低质量,而是做了进一步区分,主要分三类:
第一类,是几乎未经审核、直接被丢进平台分发系统的AI生成内容。
第二类,是虽然经过审核,但只勉强踩在最低质量线上的AI内容(哪怕它是可口可乐的AI圣诞广告)。
第三类更激进,指的是所有被大规模、低成本生产出来的AI内容。
在明确了定义之后,为了排除样本偏差,研究人员还专门新建了一个全新的YouTube账号,完全零画像的状态下,重新开始刷平台推荐。
结果似乎更直观了,在系统推荐的前500条视频中,有104条被判定为AI生成的低质量内容。
其中约三分之一的内容几乎不提供任何信息量,属于纯没营养的视频,唯一目的就是骗取获取点击和关注。
u1s1,AI低质量内容能扩散到今天这个程度,说明一件事:它背后从来不缺受众。
事实也确实如此,Kapwing发现,这些频道的受众并不集中在某一国家,而是「遍布全球」。
在一些国家,这个数字甚至高得惊人:在西班牙约有2000万人关注热门AI频道,几乎接近全国人口的一半;埃及的AI频道粉丝规模约1800万,美国约1450万,巴西也有1350万……
这下真是,AI视频遍布全球,全球用户“拥护”AI了。
另一家媒体《卫报》也同样注意到了同样的现象,并展开了相关调查。
他们得出的结论和Kapwing差不多,发现YouTube增长最快的频道中近10%是AI生成的低质量视频,哪怕平台已经尽力遏制AI内容了,仍累计观看次数数百万。
此外还有一个挺有意思的现象是:这些频道在内容形态上其实高度同质:
相关研究发现,在调查样本中,一个叫Bandar Apna Dost的高观看量频道累计播放量高达24亿次。
频道内容围绕一只拟人化的恒河猴,以及一个以绿巨人为原型的肌肉角色展开,两者与恶魔战斗、冒险,甚至还会乘坐由番茄做成的直升机四处旅行,Kapwing估算,该频道的年收入可达425万美元。
类似的例子可不少见。
例如一个叫Pouty Frenchie累计播放量超过20亿次的频道,内容明显面向儿童:一只法国斗牛犬开车前往糖果森林、吃水晶寿司,背景音则常常搭配儿童的笑声和夸张音效。
大家发现没,这些高播放量的视频都有一个内容共性,那就是:剧情极其简单,叙事偏低龄,几乎不需要任何理解成本。
就像我们平时刷短视频时,总喜欢看一些画面熟、节奏快、剧情简单,看完也说不清讲了啥的内容。
说实话不难理解,现在大家上班这么累,谁不想看一些无脑又轻松的视频呢?(哪怕它是AI生的又怎样
至于它是不是AI生成的,对不少观众来说,可能根本没那么重要。
AI产的低质量内容,已经被做成一门生意了
我们这边刷着可能只是当个乐呵,但在内容生产的另一头,AI低质量内容早就不是随手玩玩的东西,而是按「产业化」在认真运作。
有相关报道指出,在一些社交媒体平台上,关于如何高效制作低质量内容的经验,已经被公开教学、反复售卖,从选题到模板,再到变现路径,都被拆解得明明白白。
而这些所谓的低质量内容的创作者,也呈现出一定的地域共性。
研究发现,许多创作者来自网络基础设施较为完善的英语国家,但整体经济水平并不高,主要集中在中等收入国家。
例如乌克兰、印度、肯尼亚、尼日利亚,都有大量相关从业者,巴西也不少见。
一方面,这些地区的创作者能够相对自由地访问主流社交媒体平台;另一方面,这些创作者在当地的中位数工资水平,往往低于他们在YouTube上可能获得的收入。
是啊,AI内容几乎没有制作成本、上手门槛极低,又确实能赚钱,在这样的条件下,越来越多的人涌入其中,也就不难理解了。
也正是在这样的现实条件下, AI低质量内容逐渐变成了一门性价比极高的生意。
而当一门生意被证明能赚钱之后,配套的「上游角色」也会很快出现。
你会看到有人不直接做内容, 而是兜售所谓的爆款技巧、模板课程、变现路径,在不少情况下,这些卖方法的人,赚到的反而比真正批量做内容的人还多。
至于这门生意为什么能跑起来,核心其实也很简单:能不能持续产出「大家爱看」的内容。
于是,一套熟悉的循环开始运转:越是无脑、越容易吸睛的内容,越容易被点开;点得越多,算法给得越多;给得越多,生产端就越疯狂地复制。
到最后,内容讲了什么已经不重要了,重要的只是——它还能不能继续触发下一次点击。
听上去,感觉像个无止境生产的循环魔幻世界…….
但这套循环并非没有代价,当低成本、可复制的AI内容大量涌入分发系统时,平台生态中真正被挤压的,往往是那些依赖创作能力的中小创作者。
最近一些平台推出的AI编辑、二创功能也放大了这种焦虑,比如在X平台,现在任何人都可以直接对已有内容进行AI修改,于是乎很多原创创作者就不买账了:
雀实啊,自己花心思做出来的作品,一转眼就成了平台AI随手改的素材换谁谁也不乐意,而且认真创作的内容被平台AI直接拿去二次加工,本身就已经踩进了AI滥用的灰区。
严格来说,这类功能生成出的东西并不完全等同于AI低质量内容,但它们确实清楚地指向了同一个趋势:一些主流平台,正在默认甚至鼓励AI的规模化生产进入内容体系。
但你说没有人管这事儿吧,也不对,标签、审核、降权、封号,这些手段都在用。
比如YouTube选择用标签+算法来管一管所谓的AI低质量内容,Meta则干脆更狠一些,直接上强制标注、批量封号这一套。
现实问题在于——只要推荐系统依然优先奖励高互动、高停留,低质内容即便被标注,依旧可以被反复放大、快速填满信息流。
结果就是,标签在,降权在,治理动作也不少,但AI低质量内容的泛滥,并没有真正被按住……
简而言之一句话,AI低质量内容泛滥这事儿,大概率不是马上能被解决的问题。
平台还在想办法,算法还在算指标,AI还在疯狂产内容,而我们还在一条一条地刷。
我们也很难说清楚,咱平时刷到的是人类创作、AI流水线,还是某个模型为了完播率精心设计的注意力陷阱。
但有一点是确定的是,在这个连视频都可能不是人拍的时代,我们唯一还能确定真实的大概只剩下那句:
“这视频我居然又看完了。”(管它是不是AI,明天接着刷!)
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。