AI 创作：他们似乎在玩一种很新的东西
内容领域的 AI 应用并不是今年才出现，比如文字领域很早就有 AI 写作等服务，但它确实是近几个月最热门的科技话题之一。如果你稍微关注一下内容或者设计领域，一定会看到诸如 DALL-E 2 或者 MidJourney 的字眼，并且往往会伴随「颠覆行业」「替代设计」等评价。
了解 AI 创作内容之前，先看看什么是内容
传统纸媒内容暂时按下不表，互联网环境下的内容创作模式，可以拆解为以下几个部分：
- 创意：这是内容的最本源也是最核心的形态。内容的核心差异来自于创意，也是整条内容价值链的主要瓶颈。创意来源于人本身，这意味着外界工具很难对其进行直接干预，其生产成本也对应的难以消除。
- 具象化：创意如果不具象化，是无法进行信息传递的。因此内容从创意到实现，需要载体进行承载，这种载体可以是文本，图片，语音，抑或是当下最热门的视频。不同的创意可以有相同的载体，同样的，同一个创意也可以通过不同载体承载，这意味着载体并不是内容的唯一决定标准。但正如麦克卢汉所说「媒介即讯息」，我们在具象化的过程中不能忽略媒介形式本身的重要性。当前互联网的发展使短视频成为内容具象化的重要承载形式，内容的消费趋向于碎片化，传统的图文内容也在逐步进行迭代，转而向视频领域过度。
- 复制：传播意味着重复，内容如果没有复制的过程，便难以进行有效的信息触达。在互联网出现之前，印刷术已经消除了原先的复制瓶颈，大大增加了可以更低成本进行分发的途径。互联网的出现使得复制变得几乎没有成本，一份内容可以即时复制分发到不同的平台，这表明在整条价值链上，复制是最没有门槛的一步。
- 分发：内容分发机制本质上是对内容进行干预。内容创作是自由的，在现有技术水平的支撑下是不受限的，但分发需要基于平台进行，当我们把平台看作公共空间时，这个空间是需要规则和边界的，平台的分发选择就是这种规则的制订和边界的划定。有了这层分发机制，平台决定着每个人能看到什么和能看多久，这能有效隔离用户，减少不同圈层摩擦，但这也会带来所谓信息和价值观茧房的问题。为了解决这个问题，新兴平台更倾向于选择去中心化的分发方式，更公平地进行流量分配。
- 消费：可以比较武断地说，内容只有被消费，才能使其具有价值。消费和分发是强关联的，谁能消费什么内容，很大程度上取决于分发方式，这就意味着在现有的内容消费体系下，作为内容消费者的普通读者，很难有权力决定自己的阅读内容。而且内容消费往往会作为内容平台的一个重要指标，因此平台的分发必然会趋向于引导内容消费，这其实又一次论证了媒介即讯息这个元命题的正确性。
- 互动：互动是消费者和生产者身份转化的过程，是对内容的正向反馈。互动的频繁程度可以从一定程度上反应内容的信息价值，同时利于营造出内容平台的整体氛围，这也就是为什么内容平台都会将互动率作为重要的衡量指标。
- 价值获取：作为内容价值链的最后一环，不同主体对于价值有着不同的定义和诉求。作为内容生产者，物质层面的价值获取最直观的是盈利，而精神层面的价值可能是观点被传播和认可。作为内容消费者，最直接的价值就是信息获取，衍生的价值则不可定量。而内容平台对于价值的定义一般更为单一 —— 盈利，这也就是为什么内容平台一直在寻找更多元和更优的商业化方案。
整体而言，内容平台可以把价值链简化成「生产 - 分发 - 消费」，用户和内容相辅相成，正向循环。
AI 用在哪里？
从纸媒到互联网媒体，人们一直在尽力削减内容这条价值链中每个环节的成本。印刷机的出现解决了复制的瓶颈，早期的互联网则几乎完全消除了传统分发和消费的成本，而如今 AI 的出现，则对以上多个环节进行突破。
最直接改变的是分发 - 消费环节。分发的本质可以理解为关系链的构建，传统的分发依赖于点对点的联系，比如订阅，关注，时间线等，并不是直接人与内容的，而是「消费者 - 生产者 - 内容」的关系链，在此基础上增加时间的线性维度。AI 的突破在于在这个关系链上，直接构建起「消费者 - 内容」的更为直接的体系，这意味着整个内容获取效率和消费水平被大幅提升；同时通过算法的个性化分发体系，将原有的线性时间维度打乱，这能使得长尾内容在整个分发体系内得到流量普惠，并且用户接受的内容也更趋向于符合自身需求，这无疑是正向的内容消费体验。
现在，诸如 DALL-E 2，Midjourney 等技术的广泛运用场景，正在逐步改变内容的生产环节。用户只需要输入一串关键词，AI 便会对关键词进行分析后输出图片结果。谷歌的 Imagen Video,Phenaki 和 Meta 的 Make-A-Video 可以基于文字生成短时间的视频动画。这些是很令人兴奋的成果，AI 生成内容的领域正在疯狂发展。这些 AI 的显著特征是，将内容回归到了语言本身。所有的创意具象化过程，都离不开文本这个骨架，无论是图文还是视频，从创意到落地都可以，都依赖语言进行描述后再进行创意的实施。比如我想创作一幅画，我需要在脑海中确定这幅画的主题是「在河边钓鱼的长者」，亦或是「在寒冷的夜晚，在街边卖火柴的小女孩」，这些脑海中浮现出的描述性语言是完成这幅画创作的先决条件。这就意味着，AI 生成的内容，最终的效果，或者说是完成度，很大程度上取决于这种文本型描述的完整性。按照 Ben Thompson 的观点来看，这种不依赖于精心整理的数据，而是依赖于互联网本身的人工智能，体现了这种技术带来的民主化，正如 Stable Diffusion 官网所写的，AI by the people,for the people.
终局已来？
现在宣布 AI 即将替代内容生产者的角色，可能还为时过早，可以从几个角度看到当前 AI 所面临的问题或者是挑战：
- 在目前 AI 创作本质上降低的是创意实现的时间成本，而非创意本身，这就导致对于低创意高重复的工作交付于 AI 是相对更合理的，但如果上升到较高的创意水平的产出时，AI 则会显得后劲不足。这还是源于 AI 的创作会有一个给定的可描述的文本范围，模型会基于其进行解读而非扩展。往往人们的工作流是这样的： （使用者）输入关键词 → （系统）生成多个创作结果 → （使用者）挑选最优结果 这就意味着 AI 更多的是内容的实现过程，而不是呈现决策，那对于创作这件事情本身就目前而言，无法完全依托于 AI 来完成，只有人工干预多和少的差别。
- AI 创作随之而来的一个问题是，AI 创作的内容究竟能被看作是「作品」，即 AI 内容的著作权归属问题。目前司法角度来说，如何认定由 AI 生成内容的可版权性并没有形成统一意见，这意味着如果没有有效合约，无法界定 AI 生成内容的真正归属，必然会带来数字内容版权的相关问题。
- 最为重要也是最为严峻的一点，是 AI 创作所可能带来的内容的差异化和多样性的磨灭。当依赖于临摹而非创造时，一个画家的才华可能会被消磨殆尽，对于 AI 来说也是一样，当输入的指令只能是已有风格时，意味着输出的结果就不会有新的艺术展现形式，遴选优质内容的负担也会逐渐加重，甚至会出现批量生产的「以太垃圾」。同样伴生出的问题是，对 AI 创作的内容的解读也会变得更为单一。前文提到创作依赖于文本描述的完整性，这就意味着 AI 创作的内容必然有一个标准的解释性，就是最初的 prompt，在此基础上再为内容做更多扩展的解释便显得画蛇添足，人们理解作品的维度也被限制。
- 至于 AI 内容的生成时间，生成数量等问题，想必随着技术的发展会一一解决，不会成为 AI 创作发展的绊脚石。
别质疑，先相信
新技术出现时，总是会伴随着各种不同的声音，AI 创作也是如此。在我看来比起负面的批判，它的存在会倒逼创作者提升自己可持续创作和高价值内容输出能力，这对于平台和内容消费者来说是一件值得兴奋的事。相信在不久的将来，人工智能会像互联网压倒纸媒商业模式一样，压倒现有的互联网内容模式。