AI陪伴的终极，是人类爱上AI吗？

AI陪伴的终极形态，是人类爱上AI吗？

9月13日，Ultra HongKong的主办方Zebra Labs和拥有超过350万订阅用户的商业科技媒体声动活泼，组织了一场AI与内容创作的闭门讨论，Founder Park提供了社区支持。讨论邀请了艺术家、AI从业者、DJ、导演以及科幻作家，一起探讨在当下，AI如何改变我们与世界相处的方式。

纽约视觉艺术学院教授Michael Gold给出了一个判断：人类与AI发生感情不在于何时，而在于人们会多深地爱上AI。他进一步提出，也许AI并不是「它们」，而是我们的一部分，可能是我们下一代的延伸。

创作者已经在用AI干活了

Lona在工作中会使用虚拟歌手之类的AI工具，比如ACE Studio、Synthesizer V Studio。她描述了一个具体场景：如果是一个音乐初学者，想为客户制作一个demo，其实有点困难——不会唱歌就需要请专业歌手，可能还需要像样的录音室，甚至专业混音师，这意味着需要很多时间和资金。但有了虚拟歌手这样的AI工具，只需要对着它唱一小段，它就可以生成一个还不错的作品。

她使用的另一个AI工具是Udio，有点像音乐版的Midjourney，输入想要的情感和音乐类型，它会在5分钟内生成音乐。就算不是专业制作人或歌手，仍然可以写一首歌。对专业制作人来说，缺乏灵感时可以上传5-10秒的音乐片段，它就能继续创作，生成一首歌曲的无限版本。

Lona现在主要制作电子舞曲（EDM），日常还会使用一个叫Dance Diffusion的工具。电子音乐创作中最重要的是声音设计，需要学习使用专业软件，这可能要花费三到四年甚至更久。但现在有了AI，需要做的就是收集一些你喜欢的声音，比如水声、传球声或者你喜欢的乐队主唱的声音，任何声音都可以，打包在一个文件夹，上传到Google Drive，就可以得到一部AI生成的音乐作品。

有人担心AI音乐生成工具会夺走一些人的工作，Lona不认为这会发生，因为AI生成的音乐质量在近两年内还不足以商用，而且AI所使用的资料库质量也没有很高，AI很难分析所有的音乐数据，最终音乐制作还是需要混音师。她的结论是：AI这样的工具只能在音乐创作中起到辅助作用，但不能完全替代你。

还有人认为，使用AI工具创作，其实就是在AI生成的一些音乐中做选择而已，真正创作的不是你、是AI。Lona不这样认为，她觉得挑选和微调AI创作的不成熟的音乐片段也是创作的一部分，你依然是在基于你的品位做选择。不过AI创作的就是好的音乐吗？AI创作的东西就是艺术吗？那因人而异。她自己不会说AI正在创造，在创造的是人。

VR制作从40人压到2人

Steve分享了AI如何提高VR内容创作效率。VR制作实际上是在60帧每秒的情况下进行8K捕捉，而通常电影是4K、24帧每秒。如果比较4K和8K，工作量是前者的四倍；而如果比较24帧和60帧每秒，工作量则增加了2.5倍。这就意味着制作VR音乐会的工作量是传统电影的十倍。他们制作的40分钟音乐会，相当于400分钟的电影制作工作量，但实际上更多。

因为在VR中无法控制观众的视线，这意味着每一帧都必须完美。比如《钢铁侠》电影中，当特写罗伯特·唐尼时，背景是模糊的，这样就不需要渲染高质量的模糊背景；而在VR中，需要以最高分辨率渲染每一帧。因此，VR内容制作的成本会高达数百万美元。但由于VR尚未广泛采用，经济上无法盈利，因此需要使用AI。

他们通过自动化关键点处理来提高效率，即从绿幕背景中提取实时艺术家的镜头，但这需要大量的人手，他们只有两个人提供数据，剩下的工作则由AI完成。此外，他们还用AI跟踪舞者。以前需要动画师来制作舞蹈动作，而现在只需用AI捕捉舞者。这让他们能够自动化许多过程，从而简化VR音乐会的复杂性。对于类似的制作，以前可能需要40到50人，而现在只需要2人。

他们还可以借此实现一些交互。比如一个团体有5名成员，人们可以选择他们最喜欢的成员。选择后，会展示这个成员的片段。在观看同一场VR演唱会时，人们的选择不同，展示的内容也不一样。

消费者其实已经接受了AI创作

Junie提到，麦当劳找一位创作者做广告，是因为他有一部更出名的作品——关于一个绿短发女孩的音乐视频，这部作品在全世界都非常受欢迎。麦当劳能这样大规模地在商业中采用AI，这是一个巨大的进步。

Junie自己也成立了一个AI制作公司，团队中有来自OpenAI、Sora和a16z的艺术家。他们都看到了这个趋势即将到来，希望全力以赴。在她过去许多AI项目的经历中，并没有遭遇太多观众的反感。她知道很多人一开始想到AI艺术时，首先会想到它不是艺术，没有灵魂，而且很多人专注于它能够快速和廉价地产出内容的潜力。但对她来说，这一点有完全相反的看法，因为在她AI作品中，大部分反馈都是积极的。

她认为原因在于，观众认可作品中独特而深刻的艺术表达。她也相信这将塑造下一代内容的形式，因为AI让不同背景的艺术家更快速、方便地表达他们的想法。所以最终的事情还是创作出来的作品能否打动观众。艺术家创作的速度越快，他们可以探索的想法就越多，才会更有可能出那些真正能打动人的作品。同时，观众也在寻求更高质量的内容，这与传统电影制作是不同的。因为传统电影制作有其局限性，而AI则拓展了传统电影制作之外的不同可能性。这提高了创作者的标准。她相信观众渴望新的体验内容，渴望一些他们从未见过的东西。

Lona补充了一个测试机制。她和合伙人Liu Kang有一家公司，为抖音提供AI片段，音乐片段只有15秒。这样做是为了测试这些片段是否会成为热门曲目，被用户大量使用。过去，唱片公司花费大量时间和金钱进行完整的歌曲制作，但现在他们会购买很多AI生成的短片段，在抖音上测试这些内容是否会受欢迎。如今，音乐推广的方式与过去不同了，不再仅仅依靠电视和广播，而是通过抖音、TikTok和YouTube短视频。因此，15秒的音乐片段至关重要。如果片段剪辑得好，人们会在Spotify、Apple Music或QQ音乐上搜索这些音乐，但如果不好，你的音乐就很难被听到，因为现在内容太多了。如果在抖音上，片段被用户大量使用，他们就会投资制作完整长度的音乐。

Lona认为人们会喜欢AI生成的内容，这已经通过算法得到了证明。但这是否算是好音乐呢？她不太确定。但她认为人们会喜欢它。Junie则更直接：观众只关心好的内容和新的体验，他们并不在乎这是否是用AI还是传统制作完成的。

有人提出，有些人会觉得这是用AI制作的，没有灵魂，在中国有些人可能会认为AI制作的东西质量不高。Junie对此持乐观态度，她觉得在中国，很多人很快就会接受新事物。

版权与数据，创作者怎么看

有观众提问：使用AI时，你是在用自己的数据训练AI，是否担心或关注版权以及潜在的数据侵权？比如，如果你发现别人使用你的作品来训练他们的模型。

Lona提到一家公司叫DataMind Audio，他们实际上就在做这样的事情，但他们把利润分成返还给艺术家。比如说用她的声音进行训练，会有数百万GB的声音数据，或者说艾伦·沃克或其他顶级DJ。他们称之为神经合成，或是附加合成，而不是简单的合成。这样的数据被下载到其他人的电脑上，他们制作的每个作品，赚到的钱会有一部分返还给数据提供者。如果是这样，她会非常高兴人们使用它。但如果是免费的，那就不行。

Johnny补充说，不久前有一群艺术家联合起来，表示他们的作品不会用于机器训练。他们不想让自己的想法、灵感或艺术被这样利用。但事实上，这就是我们学习自己工艺的方式。你能不看任何艺术而学习吗、你不从别人身上学习如何才能成为艺术家？他觉得，有时我们会强调个体性，认为这是我的财产，但我们都是其他创造者作品的产物。

虚假新闻是人类之间的竞争

Gray提到一个观察：当你过去需要与两位设计师沟通，而现在不再需要时，也许他们实际上因AI而获得了更多客户。他认为AI工具，尤其是生产力工具，使用户能够更快地完成任务。像任何技术进步一样，确实会有一些工作变得冗余，但与此同时，这也提高了整体的生产力。

他给出了一组数据：有超过四百万的电商卖家使用他们的产品来创建内容、海报和宣传材料。另一方面，他们还设立了一个平台，在中国有超过1700万名设计师和艺术家入驻，他们的活跃度也在增长。所以他们并没有看到有人受到影响。作为一家生产力应用公司或AI应用公司，他们的目标是创造更好的工具，以提高用户的效率。最终，受益者将是消费者，因为他们能够获得更多他们想要购买的东西，并能看到更好的广告宣传材料，可以看到针对他们的个性化广告内容。

Yolanda从新闻或信息的角度补充了两种现象。其一是，现在获取信息和新闻的方式变得非常分散。我们从不同的app、社交媒体平台和朋友那里获取信息，而不是像十年前或二十年前那样，去特定的媒体网站，这种模式已经崩溃了。同时这也带来了信息过载的问题。读者感觉信息太多，不知道该去哪里寻找自己真正需要的关键信息。因此，带来了两个挑战。一个是个体用户的挑战：我们如何建立自己的系统，以便找到我们真正需要的信息。另一个挑战是传统出版商和新闻生产者如何满足受众的新需求。

她提到，AI生成的视频内容变得比以前更受欢迎，最近有研究表明，由于AI生成的新闻变得流行，老牌媒体公司和出版商开始制作更多视频来满足这一新需求。因此，在未来几年将会出现一种相互作用的信息生态系统的重组，结果如何不一定知道，但变化肯定在发生。

Yolanda进一步解释，新闻行业本质上是一个基于事实的行业，需要找到真相，基于事实建立真实的图景。然而，AI不一定是基于事实的。如果了解AI，就知道它实际上是基于统计的，生成的内容是基于数据的最大可能性，而数据本身在许多情况下是有偏见的。在这种意义上，这就是一个问题。AI创作者可能会觉得这很棒，但无法忽视很多新闻原则，必须遵循这些原则，而这些原则在某种程度上是AI目前无法做到的。

与这种冲突相关的问题之一是网络上虚假信息的过载。今年是一个重要的选举年，约有40个国家即将举行选举，数百万人在投票时面临着与选举相关的虚假信息挑战。这不仅是新闻行业面临的挑战，也是社会面临的挑战。需要考虑，如何提升公众的信息素养，如何进行这样的素养培训？这需要更全面的生态系统方法来解决。

Yolanda参与的一个联合国的项目是如何应对与选举相关的虚假信息。他们开发了一款产品，可以利用AI帮助事实核查。但并不是单纯依赖AI进行核查，而是使用AI辅助核查，识别可能存在的虚假信息，然后再由人工进行后续跟进。他们与发展中国家的地方媒体组织合作，利用他们的地方网络进行进一步的审查。最终希望通过生态系统中间组织、AI技术、政府的参与以及公众的参与，解决所面临的问题。

林亦提出了一个思路：用魔法对抗魔法。既然人工智能造成了这个问题，或许可以用人工智能来解决这个问题。比如可以有一个AI代理来帮助分类虚假信息和事实。由于这是AI，所以可能会很便宜，每个人都能使用。

Gary则认为这实际上不是一个新问题。取决于你选择的媒体，比如Fox News和CNN，彼此之间的区别也与虚假信息有关。到目前为止，辨别AI生成内容与人工创作内容的差别相对容易，但在未来这可能会变得更加困难。不过，他认为这些情况无论如何都会发生。

Michael Gold还提到，（虚假新闻）不是人与AI之间的战争，而是人类之间利用工具互相竞争的战争。

回到创作本身，Michael Gold说，如果你用AI生成一幅画，最终你会有一幅画，这与我自己绘制的画有本质区别。他珍惜的是花几个月时间完成绘画的过程，而不仅仅是最终产品。原生于AI时代的这一代人与我们这一代人会有很大的不同。我们建立了人与机器之间的持续互动的循环，这基本上改变了我们感知世界的方式、思考的方式、沟通的方式，甚至可能也改变了我们自我观察的方式。