当前在娱乐界正在发生一个非常有趣的趋势。人们开始深入思考人类在创作过程中的角色。
我们在几年前的 SAG 罢工中就看到了这种迹象,而现在越来越多的人站出来为那些创作艺术作品(如歌曲、诗歌、故事、绘画等)的人发声。
我看到去年年底发布的一份报告指出,"生成式 AI 将在未来五年内让科技公司获益,同时严重危及人类创作者的收入。"
这项研究由代表 500 万人的国际作者和作曲者协会联合会委托进行。
研究发现,到 2028 年,AI 竞争可能会消减人类内容创作者 21% 到 24% 的收入。该欧洲组织估计这个价值约为 220 亿欧元。我还找到了一篇关于创作者经济的学术文章,提出了以下问题:
"创作者如何优化其内容、建立品牌、构建内容组合并扩大受众?平台如何创建合适的创作者组合并策划其内容?传统企业面临哪些挑战和机遇?"
文章进一步指出:
"这篇社论的一个关键见解是,虽然内容创作者看似是独立运营的多样化个体群体,但他们的共同活动会产生可被监控、货币化和战略性管理的模式。为实现这一点,研究必须开发合适的指标和方法,同时调整相关的营销概念。"
随着人们对人工创作艺术价值的关注,很可能会出现协调一致的努力,使这些变革对艺术家有利。
来自达沃斯 IIA 的观点
今年 1 月在达沃斯,Sandy Climan 采访了 IDEA lab(一个始于 1996 年的重要孵化器)创始人 Bill Gross 的简短访谈也值得关注。
当 Climan 询问我们的文化走向时,Gross 直接谈到了人类内容创作者面临的情况:
"AI 革命势不可挡,"他说,"它非常强大,但正在窃取人类的创意内容。"相比之下,Gross 提到 Spotify 和 YouTube 等平台已经实现了收入分成。
"我们只是在寻找确保 AI 与人类创作者适当分享收入的方法,"他说。"你不会希望 AI 被 AI 垃圾训练。你不希望看到合成内容训练我们所见的内容 - 你希望所有内容背后都有人类的创意。"
就具体数字而言,Gross 提到一个目标是确保被 AI 使用的艺术作品背后的人类能获得 50% 的利润。
这听起来是个不错的目标,但我们要看看实践中是否能像理论上那样顺利。
Climan 还发表了这段我想要分享的独白,从人性层面阐述了这个问题:
"世界有时充满挑战,新闻媒体和社交媒体不再让我们团结。事实上,很多时候它反而在分裂我们。我们是一个全球文化平台,讲故事和创意艺术才是将我们凝聚在一起的东西,它体现了人类的处境,以及人类的思想、心灵和灵魂,创作者们的同理心、批判性思维、价值观,塑造关于家庭的故事,塑造关于生活应该如何的故事,塑造关于我们希望在地球上看到的生活的故事。在全球平台上,我们可以讲述这些故事,表明我们的相似之处多于差异,我们可以真正培养同情心和支持...AI 真的做不到这一点。它可以帮助我们讲述这些故事,但它无法讲好这些故事。"
其他收入模式
这里有另一种人们正在尝试将人类内容货币化的方式:
一个名为 Gigastar 的新平台允许 YouTube 创作者通过让人们投资其频道未来的广告收入来众筹资金。
当我开始查看人们对这个机会的实际反馈时,发现大多数是基于简单投资逻辑的怀疑和谨慎:我怎么知道这些内容会成功?
但这确实代表了我们在未来可能促进人类创造力的另一个组成部分。情况不会像以前那样了 - 突然间,人类在创造力领域有了强大的竞争对手。但我们可能能够保护来自完全生物大脑,而不是神经网络或大语言模型的艺术和表达作品的部分价值。
好文章,需要你的鼓励
OpenAI明确表示要成为互联网一切事物的主导界面。AI智能体正在改变用户的数字习惯,从健康记录分析到购物指导,ChatGPT已经在多个领域扩展影响力。用户快速采用AI工具,但企业和生态系统的适应速度滞后。电商领域的权力分配尚不明确,用户偏好AI驱动的答案优先体验,品牌则推动生成式引擎优化。研究旨在了解用户与企业在AI变革中的适应差异。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。