AI寫作是平臺算法推薦的必然結果

近日，“AI寫作年賺200萬”的新聞，引發關注。這對夫妻在某次自媒體訪談中，稱自己用AI批量生產微信公眾號內容，“一年賺了200萬”。

這當然是一個騙局。

他們的錢是這樣賺的。第一步，利用AI一人管理十幾個乃至幾十個賬號，一個號一天發多篇文章，偶爾能跑出閱讀量過萬的爆款文章，賺取流量費。第二步，宣傳自己賺錢了，是為了賣鏟子，提供“低粉爆款對標+智能提示詞生成+一鍵高效創作”等服務，每人收取299元。他們透露已經招募了3000多人。這些人希望像他們一樣賺錢，但其實是很難成功的。

隨后，該夫妻旗下的公眾號“爆了么AI”因為“存在非真人自動化創作行為”被封。微信開始治理AI內容。不僅如此，抖音、小紅書、紅果短劇等平臺都發布相關公告，對AI生成內容提出了更嚴格的規范。

AI內容的壞處當然很多。閱讀的蛋糕就那么大，大多數人沒有分辨能力，AI內容泛濫會擠占原有的優勢把內容。而且，AI可能會存在編造虛假信息、拼湊聳動觀點，涉及政策、醫療、財經，可能引發誤導甚至輿情風險。

但治理和反思并不應該僅僅停留在AI寫作，實際上，AI生成內容只是一個結果。

形而上的說，在技術上我倒并不保守的認為AI一定不能替代人在文字上的創作能力。實際上，很多人認為AI不能表達感情、情緒，但其實這反而是AI的強項。當然，味道如何就見仁見智了。

大模型是通過預測下一個最可能的詞，而不是理解和思維來生成文章的。但文章無非文字的組合，只要時間足夠長長，猴子也可能隨機敲出一部莎士比亞。所以，當為了AI能力足夠強，是可能寫出和人不相上下的文章的。但不相上下，并不等于沒有差異，這種差異可以被發現，再定價。就像相機比畫師更好，但繪畫行業不再以“畫得像”為基礎定價，而是圍繞條線、色彩重新定價，構成市場。

但這些都是未來的事，當下，AI寫作的確離優秀的人類作者還有一段距離。這是討論這件事的基礎。

媒體提供事實、分析、觀點、價值，文學提供審美、情緒、價值觀、世界觀。這都是極其復雜的。所以，媒體、文學，都有不同程度上的“信息買賣”困境。所謂“信息買賣”困境，就是你不了解信息，就無法判斷價值；但你一旦了解信息，就不需要購買。

你不可能看到明天的報紙；也不知道關注的公眾號明天會推送什么東西；一本小說你只看簡介也無法確定到底好不好；去看了書評，很可能要被劇透。

所以，不管是媒體，還是文學，還是電影，都存在一個底層的聲譽機制。聲譽不僅僅是知名度，它是排除了負面的美譽度，此外，還包含價值觀認同、情感聯系等等。聲譽通過媒體信譽、作家聲譽、電影明星、導演、編劇的知名度，向公眾傳達，以此確立自己的價值。

聲譽的形成是一個長期過程。一部電影、一本小說還可以一炮而紅，但也需要后續持續維持，才能保持聲譽。但對于媒體，幾乎不可能因為一篇文章一炮而紅。考慮到工作量，一部電影、一本小說的工作量，和一篇文章，甚至報紙一天的全部文章，都是不可同日而語的。從這個角度，媒體需要持續地供應高質量的事實、分析、觀點，才能建立聲譽。全球知名媒體的聲譽，都是在歷史中長期形成的。

這個場景在社交媒體時代，就是關注、訂閱。微信公號擁有最高端的創作者體系，多年以來他們積累了很高的聲譽。

但公眾號的推流機制也在變化，從“訂閱優先”轉向“算法推薦+社交裂變”，非粉絲流量占比顯著提升，社交關系（如朋友轉發、在看）對推薦的影響權重提升。

公眾號不會因粉絲數量多就增加流量推送。相反，非粉絲的互動量越高，點贊、轉發、在看及評論的數據占比越大，推流效果就越好。這對新賬號而言是一次很好的機遇，不會因為是新賬號且缺乏粉絲而沒有流量。只要用戶喜愛，互動率高，就能借助算法獲得推流。

這就會導致一系列變化。

首先，算法缺乏對文字的理解，算法識別的是分享行為，而非文字本身。這就導致算法在低端思想市場更有效。

高級的思想市場，需要的是審美、智識上的破解感，收獲感。因為情緒、因為被心理按摩而轉發、分享的概率更小。所以，算法識別的是情緒、憤怒這些東西，而非文字質量本身。算法在低端思想市場更有效。AI無法提供高質量的文字，但卻可以高效針對、回應算法，高效率的精準把控情緒，并用高效率的產出淹沒人類創作的文字。

其次，有聲譽的媒體、賬戶，肯定不會大規模、高強度地用AI寫作。一是出于對自己聲譽的珍惜，另一方面，面向高端思想市場的賬戶，他們的受眾也能識別出AI。但對于沒有聲譽的起步者而言，AI就是一個高效的工具。一方面這是他們沒有聲譽，另一方面。低端用戶更不容易識別出AI。

算法選擇中，有歷史路徑嗎？會考慮過去的聲譽嗎？目前并沒有看到確切的證據。但有一點是顯然的：當經營者可以通過用AI迎合算法，并獲得流量。那么，這就印證了在算法選擇中，“當下”的權重必然是大大高于“歷史”的，“爆款”是高于“聲譽”的。

有趣的是，沒有記憶的AI和沒有歷史的算法，某種程度上，是非常相配的。

Transformer的self-attention機制，就是給定一段輸入，大模型計算一個個的計算token之間的關聯程度，輸出結果。大模型沒有記憶，沒有上次，沒有歷史，每次推理都是全新的。現在用戶看到的記憶，相當于是一種外掛，大模型本身沒有記憶。當然從應用上說，這也未必是壞事，因為有了記憶就意味著記憶在訓練產生的權重中，無法刪除，且有隱私風險。

在傳統聲譽機制下，“歷史”的權重很高。一個文字的產生者，不管它是AI還是人類，都很難被看到。哪怕它被轉發，也不能形成關注、訂閱。只有長期形成聲譽，曝光的機會才更大。但人類思想市場的這個傳統機制正在慢慢被侵蝕。

所以，所謂AI寫作，不過是低端思想市場，更大程度地拋棄聲譽機制之后，算法推動內容產生的數據化導向的一種極致。既然是數據化導向之下，算法推薦，那么，必然導致AI寫作興起，這是對算法推薦的回應。當平臺都用算法推薦決定流量多寡，怎么指望市場上不出現AI產生的文字呢？

劉 遠 舉

央視網、第一財經、光明日報、騰訊大家、南方周末、新京報、南方都市報、FT中文網、澎湃等特約作家，多家智庫研究員。

關注財經、科技、時政，以深度、專業、理性的態度，去掘現象背后的事實。

中國科技自媒體50人

第35屆中國新聞獎評論三等獎

第34屆中國經濟新聞獎評論二等獎

第28屆北京新聞獎一等獎

2024年湖南新聞獎一等獎

騰訊大家年度作家獎

新浪最有價值專欄作家獎

紅辣椒評論年度佳作獎

已開快捷轉載，歡迎轉載

已開過白名單的公眾號，轉載請遵循轉載規則

您的關注是最好的支持！