Instagram负责人亚当·莫塞里(Adam Mosseri)在一篇关于2026年平台趋势预测的长文中表示,生成式AI内容在2025年已经占领了社交媒体信息流,并且预计AI内容将超越非AI图像内容。
莫塞里坦率地评估了AI如何颠覆Instagram平台。他写道:"让创作者变得重要的一切——真实的能力、连接的能力、拥有无法伪造的声音——现在突然间任何拥有合适工具的人都能获得。信息流开始充满各种合成内容。"
但莫塞里似乎并不特别担心这种转变。他表示有"很多令人惊叹的AI内容",平台可能需要重新思考标记此类图像的方法,通过"为真实媒体加指纹,而不仅仅是追踪虚假内容"。
莫塞里强调:"社交媒体平台将面临越来越大的压力,需要识别并标记生成式AI内容。所有主要平台都会在识别AI内容方面做得很好,但随着AI越来越擅长模仿现实,它们的表现会越来越差。已经有越来越多的人和我一样认为,为真实媒体加指纹比识别虚假媒体更实用。相机制造商可以在拍摄时对图像进行加密签名,创建监管链。"
从某种程度上来说,这对Meta来说确实像是一种更实用的方法。正如我们之前报道的,用于识别AI内容的技术(如水印)已被证明最多只是不可靠的。它们很容易被移除,更容易被完全忽略。Meta自己的标签远非清晰,这家仅今年就在AI上花费了数百亿美元的公司已经承认,无法可靠地检测其平台上生成式AI生成或操纵的内容。
不过,莫塞里如此轻易地承认在这个问题上的失败是很说明问题的。AI垃圾内容已经获胜。当涉及帮助Instagram的30亿用户理解什么是真实的时候,这在很大程度上应该是别人的问题,而不是Meta的问题。相机制造商——可能是手机制造商和实际的相机制造商——应该想出他们自己的系统,听起来很像水印,来"在拍摄时验证真实性"。莫塞里没有提供关于这将如何工作或以使其可行所需规模实施的详细信息。
莫塞里也没有真正解决这很可能会疏远许多已经对该应用感到沮丧的摄影师和其他Instagram创作者的事实。这位高管经常收到该群体的投诉,他们想知道为什么Instagram的算法不能持续地向他们的关注者展示他们的帖子。
但莫塞里暗示这些抱怨源于对Instagram本质的过时看法。他说,"精美的"方形图像信息流"已经死了"。在他看来,相机公司通过试图"让每个人看起来像过去的专业摄影师"而"押注错误的美学"。相反,他说更多"原始"和"不讨喜"的图像将是创作者证明他们是真实的而非AI的方式。在Instagram拥有比非AI内容更多AI内容的世界里,创作者应该优先考虑故意让他们看起来不好的图像和视频。
Q&A
Q1:Instagram为什么要改变AI内容标记策略?
A:莫塞里表示,随着AI技术越来越擅长模仿现实,识别AI生成内容变得越来越困难。现有的水印等技术不可靠且容易被移除,Meta也承认无法可靠检测平台上的AI内容,因此为真实媒体加指纹比追踪虚假内容更实用。
Q2:创作者如何在AI内容泛滥的Instagram上证明自己的真实性?
A:莫塞里建议创作者应该优先发布更"原始"和"不讨喜"的图像和视频,故意让自己看起来不完美。他认为"精美的"方形图像信息流已经过时,不完美的内容反而能证明创作者的真实性。
Q3:相机制造商在验证内容真实性方面需要承担什么责任?
A:莫塞里提出相机制造商应该开发在拍摄时对图像进行加密签名的系统,创建监管链来验证内容的真实性。不过他没有详细说明这种系统将如何工作或如何大规模实施。
好文章,需要你的鼓励
新加坡电信启动50Gbps光纤宽带技术试点,成为新加坡首家测试该技术的运营商。该试点基于10Gbps对称无源光网络技术,旨在为未来3至5年内主流的带宽密集型应用提供基础设施支持。随着人工智能、混合现实和高保真云计算的普及,网络吞吐量和延迟性能需求将大幅提升。该举措符合新加坡数字连接蓝图规划,将支持远程办公、医疗影像传输和VR理疗等应用场景。
瑞士ETH苏黎世联邦理工学院等机构联合开发的WUSH技术,首次从数学理论层面推导出AI大模型量化压缩的最优解。该技术能根据数据特征自适应调整压缩策略,相比传统方法减少60-70%的压缩损失,实现接近零损失的模型压缩,为大模型在普通设备上的高效部署开辟了新路径。
先锋在CES 2026上发布新款Sphera车载后装接收器,首次将杜比全景声和空间音频功能引入普通汽车。该产品采用10.1英寸高清触控屏,通过"Pure Autotuning"技术优化4声道方案,充分利用现有前后扬声器。此前这些高端音频功能仅在少数特定车型中提供。Sphera售价1300美元起,将于2026年春季上市,为希望升级CarPlay的用户提供优质解决方案。
弗吉尼亚大学团队创建了Refer360数据集,这是首个大规模记录真实环境中人机多模态交互的数据库,涵盖室内外场景,包含1400万交互样本。同时开发的MuRes智能模块能让机器人像人类一样理解语言、手势和眼神的组合信息,显著提升了现有AI模型的理解准确度,为未来智能机器人的广泛应用奠定了重要基础。