生成式 AI 的无聊未来
如今，大多数人使用 LLM 作为信息查询和生成系统。
给我制定一个个性化的健身计划。
总结并回复这封邮件。
给我一些能用这些食材做的食谱。
如果没有新的 AI 突破来打开通往通用人工智能（AGI）的道路，当我们问 ChatGPT 如何实现商业化时，可能得不到任何新颖的答案。
那么，如何让一个面向公众、免费使用的生成式 AI 服务（如 ChatGPT）实现盈利呢？历史不会重复，但往往会押韵。我们可以回顾上一代面向公众、免费使用的信息查询服务——搜索引擎——是怎么做的。答案显而易见：广告和推广内容。有信息的地方，就有注意力；有注意力的地方，就有广告。
不难想象，有人咨询健身计划时，被顺势推荐补剂或健身房会员。同样，也不难想象一个氛围编码师编写网页应用时，收到关于三大“最佳”主机服务商的“贴心”建议。或者，一个图像生成系统更倾向于在画面中悄悄加入 Nike 标志，而不是 Adidas 标志。当然，这种偏向的程度，取决于 Nike 和 Adidas 在标志投放上的出价多少。这正是当今营销人员梦寐以求的、真正具备上下文感知的广告。
简而言之，如今对生成式 AI 未来的押注，就像 20 世纪 90 年代末和 21 世纪初对搜索引擎未来的押注一样。
与搜索一样，模型训练者与服务提供商（MTPs）和内容创作者之间将会存在张力。一方面，MTPs 想要消耗和利用最高质量的内容，同时保持对用户注意力的控制，并尽可能少地回馈给内容创作者。看看当今报纸与搜索引擎之间的矛盾，就能明白这一点。
与此同时，内容创作者会希望自己的作品被纳入模型训练、被复述、被推荐，从而提升影响力和传播力。相反，另一些创作者则会出于隐私、伦理或经济原因，希望自己的内容被排除在 LLM 的训练和输出之外。
同样地，MTPs 和用户之间也会产生张力。用户希望能快速获取所需信息，而 MTPs 则希望展示能带来最高投资回报率的内容。换句话说，他们会尽量最大化“推广想法”的数量，同时避免让用户因此转向其他信息源。
当今世界担心超级智能接管一切，但我们甚至还没有一个关于“智能”的统一定义。世界同样担心互联网被AI 泥浆淹没，或陷入死亡互联网理论——无论哪一种，都将在某种形式下发生。我想再补充一个担忧：OpenAI 成为下一个谷歌，SEO 被 MRO（模型复述优化）取代，赞助文章被赞助内容生成所取代。