有趣的是，當平台需要更高變異性的影片和數據來訓練AI時，他們卻推崇原始、不完美的「真正的你」內容（現在的共識產業敘事）。 在討論將這一轉變框架化為文化適應的同時，值得檢視加速這一轉變的平台激勵。 如果他們真的關心用戶的需求，他們會在動態中保持更健康的照片混合，而用戶一再表示他們懷念這些照片。但隨著幾乎所有靜態圖像在開放互聯網上已經被抓取來訓練模型，圖像實際上已經「解決」。 靜態圖像教會AI狗的樣子，但並不教會狗的叫聲或搖尾巴的樣子。 影片是密集的。每分鐘60fps的影片包含3,600張獨特的圖像。要接近一般智能，模型需要對因果關係有更好的理解。他們需要大量的影片數據。 通過強迫算法優先考慮Reels和Shorts，同時推廣「原始/未編輯的美學」，平台激勵用戶以規模上傳更高保真的現實。 不過，僅僅依賴經驗是不夠的。一般智能需要對世界的模型和對重要事物的信號。創作者提供經驗，觀眾提供反饋，他們的注意力既推動廣告收入，也提供偏好數據。 使AI眼鏡和隨時開啟的捕捉設備正常化是下一步。它們縮小了你所策劃的內容和你實際看到的內容之間的差距。 綜合來看，這些激勵是明確的。 大多數平台不再優化人際連結。它們被優化以提取模擬所需的數據。