YouTube计划于周二对其货币化政策进行调整,该变化似乎针对"非真实"内容。这一改变可能旨在帮助减缓平台上生成式AI内容的泛滥,使观众更容易找到高质量视频。
该公司在一篇简短的支持帖子中表示:"2025年7月15日,YouTube将更新我们的指导方针,以更好地识别批量生产和重复性内容。"
在后续的视频消息中,视频创作者兼YouTube编辑和创作者联络员Rene Ritchie淡化了这一变化对可能担心这些调整的创作者的影响,他说:"这是对YouTube长期存在的YPP(YouTube合作伙伴计划)政策的小幅更新,有助于更好地识别批量生产或重复性内容。"
Ritchie表示,这类内容已经被取消货币化,用户会称之为垃圾信息。
周四,YouTube在支持帖子中分享了额外信息,帖子开头写道:"嗨,创作者们,我们看到围绕7月15日即将到来的YPP小幅更新存在一些困惑,希望分享更多信息并回答我们看到的主要问题。"
在这篇帖子中,YouTube重申它并非在创建新政策,而是在更新长期存在的"重复性内容"指导方针。帖子表示,这不适用于为原始视频添加"重要原创评论、修改或教育或娱乐价值"的重复使用内容。
YouTube举例说明"批量生产内容"包括:上传只有表面差异的叙述故事的频道,以及上传都使用相同解说的幻灯片的频道。
帖子和视频中未提及的是,YouTube一直在与生成式AI视频问题作斗争,特别是对用户价值较低但正在淹没社交媒体网络和平台的"AI垃圾内容"。YouTube的指导方针没有特别提到AI垃圾内容,但其"更改或合成内容"的一些示例似乎包括某些类型的AI生成视频。
AI内容泛滥的问题已经变得如此严重,以至于John Oliver最近在他的HBO节目中专门用了整整一集来讨论AI垃圾内容的兴起。(顺便说一下,你可以在YouTube上找到这一集。)
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。