プラットフォームがAIの訓練に使う高分散映像やデータが必要な時に、彼らは生で不完全な「真のあなた」コンテンツを押し付ける(今や業界のコンセンサスストーリーになっています)。 この変化を文化的適応として捉える議論がある一方で、プラットフォームがそれを加速させるインセンティブについても検討する価値があります。 もし本当にユーザーの欲求を気にかけていたなら、ユーザーが一貫して恋しいと言うような、より健全な写真のバランスをフィードに残したはずです。しかし、オープンインターネット上のほぼすべての静止画像がすでにスクレイピングされてモデルを訓練しているため、画像は実質的に「解かれている」状態です。 静止画像はAIに犬の見た目を教えますが、犬の吠え方や尻尾の振る動作は教えません。 動画は密度が高いです。60fpsの動画1分には3,600枚のユニークな画像が含まれています。一般的な知能に近づくためには、モデルは因果関係をはるかに正確に把握する必要があります。彼らは大規模な大量の映像を必要としています。 アルゴリズムにリールやショートを優先させつつ、「生の/編集されていない美学」を推進することで、プラットフォームはユーザーが大規模に高画質のリアリティをアップロードするよう促しています。 それでも、経験だけでは十分ではありません。一般的な知性には、世界のモデルと何が重要かを示す信号の両方が必要です。クリエイターが体験を提供します。視聴者はフィードバックを提供し、その注意が広告収入を生み出し、好みデータを提供します。 AIメガネや常時撮影装置の正規化が次のステップです。彼らはあなたがキュレーションしたものと実際に見るものの間のギャップを埋めてくれます。 総合すると、インセンティブは明確です。 ほとんどのプラットフォームはもはや人間のつながりに最適化されていません。これらはシミュレーションに必要なデータを抽出するよう最適化されています。