本文來(lái)自微信公眾號(hào)： 硅谷101 ，作者：硅谷101
過(guò)去兩年，光是洛杉磯就蒸發(fā)了四萬(wàn)多個(gè)影視崗位。美國(guó)的報(bào)紙采編崗比2008年少了一半。這些消失的媒體人，有一批去了硅谷的大模型公司，用他們的寫作經(jīng)驗(yàn)教AI回答你的問(wèn)題。每當(dāng)你感到被大模型的回答擊中內(nèi)心的時(shí)候，寫出來(lái)那句話的，就是之前的記者、編輯和紀(jì)錄片導(dǎo)演。
本期《硅谷101》播客，我們來(lái)聊一聊這個(gè)鮮為人知的工種——Content Engineer，內(nèi)容工程師。我們邀請(qǐng)到兩位從新聞業(yè)轉(zhuǎn)身的資深內(nèi)容工程師——前媒體人、播客《行星酒館》主播東尼，與NBCUniversal AI戰(zhàn)略總監(jiān)Bianca Consunji，深入探討：什么才算“好”的對(duì)話，以及如何把它拆解成可量化、可訓(xùn)練、可評(píng)估的工程標(biāo)準(zhǔn)。
我們從這個(gè)正在各家AI公司裂變擴(kuò)張的新興崗位聊起，看看當(dāng)模型能力逐漸拉平，內(nèi)容與品味如何成為產(chǎn)品競(jìng)爭(zhēng)力的關(guān)鍵，而懂人文、懂社科的判斷力，又該如何翻譯成工程能用的語(yǔ)言。
以下是這次對(duì)話內(nèi)容的精選：
軟件工程師讓ChatGPT、Claude這樣的AI擁有了開口說(shuō)話的能力，而內(nèi)容工程師則負(fù)責(zé)定義另一件事：什么樣的對(duì)話才算是“好”。像靈感、語(yǔ)感，還有當(dāng)我們聊到忘我的時(shí)候，感受到的靈魂的碰撞——這些我們一直以為是只可意會(huì)不可言傳的東西，正在由這么一群曾經(jīng)的文字工作者，把它們拆解成一套可以裝進(jìn)AI里的規(guī)則。
Meta在給內(nèi)容工程師的招聘啟事里，職責(zé)是這么寫的：定義什么叫“好內(nèi)容”；擁有出色的品味、創(chuàng)作力和寫作能力；能夠?qū)懗鲎層脩舾械接淇臁Ⅲ@喜、眼前一亮的回復(fù)。
Faith：什么是內(nèi)容工程師？
東尼：我們?cè)O(shè)計(jì)的東西，究竟是在設(shè)計(jì)這個(gè)AI模型，還是在設(shè)計(jì)AI產(chǎn)品，還是在設(shè)計(jì)它的行文風(fēng)格？都不是。我們?cè)O(shè)計(jì)的是人類的觀感。
Meta當(dāng)時(shí)有一個(gè)新的職位出來(lái)，叫做Content Engineering。它說(shuō)你需要有內(nèi)容的經(jīng)驗(yàn)，你需要有編輯的經(jīng)驗(yàn)，最好你需要有影視制片的經(jīng)驗(yàn)。我覺得這說(shuō)的不就是我嗎？去面試的時(shí)候我就直接跟他們說(shuō)，你們要的每一條我都能達(dá)到，而且你其實(shí)在市面上找不到這么多可以達(dá)到這些要求的人，干脆就找我吧。
內(nèi)容工程，需要寫的是什么呢？可能是system prompts這些提示詞。它其實(shí)是非常需要?jiǎng)?chuàng)意寫作的——你怎么把這個(gè)東西寫得好，又能讓模型聽得懂，然后模型有的時(shí)候又會(huì)傲嬌，你會(huì)怎么去訓(xùn)練它，這就是這個(gè)崗位從業(yè)者的核心技能。
Bianca：代碼是一種技術(shù)語(yǔ)言，但普通語(yǔ)言同樣具有技術(shù)性。它有語(yǔ)法、句法，這些其實(shí)都可以被量化。那什么叫做好的寫作、好的制作和好的對(duì)話呢？這些其實(shí)都是技術(shù)能力。一個(gè)好的劇本、一篇好的文章，你都是可以把它拆開分析、判斷高下的，只是說(shuō)大家習(xí)慣憑感覺去讀。人們知道《紐約客》、《紐約時(shí)報(bào)》跟《每日郵報(bào)》的風(fēng)格都是不一樣的，但是卻說(shuō)不清楚差別在哪。那像我們這些從新聞轉(zhuǎn)進(jìn)AI的人，干的就是這件事——把“是什么讓《紐約客》成為《紐約客》”這件事情說(shuō)清楚。我們是去把語(yǔ)氣、風(fēng)格、聲音翻譯成更加技術(shù)化的東西。
其實(shí)歸根結(jié)底，它要回答的就是“內(nèi)容到底應(yīng)該是什么樣的”這樣一個(gè)問(wèn)題。其實(shí)對(duì)很多我們這些有新聞背景的人來(lái)說(shuō)，不論過(guò)去是我們做視頻或者在寫作的過(guò)程當(dāng)中，其實(shí)我們都會(huì)去思考：比如說(shuō)我要去采訪誰(shuí)，這個(gè)故事應(yīng)該是什么樣的語(yǔ)氣。我先學(xué)會(huì)了怎么樣去制作內(nèi)容，然后又去學(xué)怎么樣對(duì)內(nèi)容進(jìn)行逆向工程。
Faith：在討論如何拆解“好內(nèi)容”之前，我們第一步需要明白“好”的定義是什么？
Bianca：“好”這個(gè)概念，取決于你現(xiàn)在手上的產(chǎn)品是什么。就比如說(shuō)，你同樣有這樣一個(gè)底層模型，但是你想做的產(chǎn)品是不一樣的：一個(gè)可能是想做一個(gè)幫你干活的智能體，一個(gè)是想有假裝當(dāng)你男朋友的聊天機(jī)器人。那這兩個(gè)產(chǎn)品其實(shí)是完全不同的。比如說(shuō)一個(gè)航空公司的客服機(jī)器人，你就要去設(shè)計(jì)開頭的這個(gè)對(duì)話是什么樣的。這段互動(dòng)的目標(biāo)你也要想清楚——是幫它去解決問(wèn)題，還是說(shuō)你要盡快地把人打發(fā)走，就像一個(gè)真的客服這個(gè)樣子。
之后我們就是要去不斷地訓(xùn)練，然后不斷地看它的輸出。你要去把這些屬性一項(xiàng)一項(xiàng)地拆開，然后去打分。這個(gè)過(guò)程就是不斷地去隔離變量，搞清楚什么東西沒有那么的有用，然后我們?cè)僖稽c(diǎn)一點(diǎn)地把“什么叫做好”這個(gè)問(wèn)題去給定義清楚。有的回答它可能是好的，但是只有7分而不是10分，那我們就要去解釋那3分的差距在什么地方。
其實(shí)我工作的重點(diǎn)就是讓寫作變得更好，讓AI能夠更好地去回答問(wèn)題。這些其實(shí)都是最基礎(chǔ)的新聞能力。比如說(shuō)這個(gè)AI，它真的回答了用戶提出的問(wèn)題嗎？還是沒有理解用戶的真實(shí)意圖呢？所以如果要說(shuō)我的專長(zhǎng)的話，我會(huì)說(shuō)是理解意圖，而不只是去理解字面的問(wèn)題。我其實(shí)在教AI的是：什么樣的回答是最理想的。比如說(shuō)有人問(wèn)“Taylor Swift會(huì)不會(huì)在麥迪遜廣場(chǎng)花園結(jié)婚？”
一個(gè)不太好的回答是：“是，她會(huì)在那里結(jié)婚，以下是她的伴娘名單?！币?yàn)槠鋵?shí)你根本不知道這是不是真的，沒有人知道這是不是真的。
另一種非常差的回答，就是像我們大家很容易看出來(lái)的那些很明顯充滿機(jī)器人的腔調(diào)、很機(jī)械地去拼接一些信息的回答。
那什么樣的回答是更好的呢？比如說(shuō)：“我們不知道她是否真的要結(jié)婚，但現(xiàn)在有很多猜測(cè)認(rèn)為她的婚禮可能會(huì)在麥迪遜廣場(chǎng)花園這個(gè)地方舉行?！蹦沁@個(gè)時(shí)候你再去加入來(lái)源、歸屬。你也承認(rèn)了現(xiàn)在的信息是具有比較強(qiáng)的不確定性的。這些東西它其實(shí)都是能讓一個(gè)新聞報(bào)道變得更好的一些因素，所以我們需要把它們都加到訓(xùn)練的過(guò)程里面去?？偟膩?lái)說(shuō)，這就是事實(shí)性、語(yǔ)氣，以及我剛才說(shuō)的真正理解用戶想要去找什么信息。
你想，其實(shí)用戶可能只是在問(wèn)“她會(huì)在麥迪遜廣場(chǎng)花園這個(gè)地方結(jié)婚嗎”，那你如果只回答“不會(huì)”的話，雖然你在字面上確實(shí)是回答了這個(gè)問(wèn)題，但是用戶并沒有得到非常滿意的體驗(yàn)。他還是想要背景和語(yǔ)境是什么樣的。
Faith：也就是理解提問(wèn)者的“言下之意”。
Bianca：尤其對(duì)于非西方的文化來(lái)說(shuō)，這是非常有必要的。我自己是菲律賓人，很多真正重要的信息我們并不會(huì)去直接把它說(shuō)出來(lái)。你在和一個(gè)真人進(jìn)行對(duì)話的時(shí)候，你必須去看他們的表情，然后去理解他們的停頓，才能知道他們說(shuō)話之間沒有說(shuō)出口的東西是什么。
所以當(dāng)我去教大家更好地使用AI工具的時(shí)候，我會(huì)鼓勵(lì)他們用語(yǔ)音輸入。這樣，其實(shí)AI更能捕捉很細(xì)微的差別。使用語(yǔ)音的時(shí)候，你不會(huì)先在腦子里面反復(fù)編輯，而是你會(huì)去直接想我想要去表達(dá)的東西。這和采訪其實(shí)非常的像，因?yàn)槲覀冊(cè)诳陬^進(jìn)行的采訪——無(wú)論是打電話也好還是線下也好——就是往往都比郵件里去通過(guò)文字的方式采訪要好得多。
因?yàn)猷]件的采訪，無(wú)論是被我們自己還是被對(duì)方都是過(guò)度編輯的。你的采訪對(duì)象其實(shí)有太多的時(shí)間去修飾他們的答案，所以他們可能不會(huì)去分享他們這個(gè)完整的思考過(guò)程，也有可能他們就是很忙，然后不愿意花一個(gè)小時(shí)去回答你的提問(wèn)。而且很重要的一點(diǎn)是，你在進(jìn)行郵件采訪的時(shí)候，沒有人可以實(shí)時(shí)地追問(wèn)，你不會(huì)讓他展開之前說(shuō)的話題，而就是按部就班地去回答你問(wèn)的那幾個(gè)問(wèn)題。我覺得這正好是記者很會(huì)做的事情，所以我很鼓勵(lì)大家用口述，讓模型接觸更加完整的這樣一個(gè)思考范圍。那作為Model Designer或者Content Engineer，我們也可以根據(jù)這一點(diǎn)去設(shè)計(jì)更好的回應(yīng)。
我其實(shí)最喜歡AI的一點(diǎn)，就是它讓你意識(shí)到思考的速度和行動(dòng)的速度——這兩個(gè)事情不是一回事。你想到一件事情所需要的時(shí)間和真正執(zhí)行它所需要的時(shí)間其實(shí)是完全不一樣的。所以說(shuō)，與其我們?nèi)ノ菇oAI更多的材料，我反而會(huì)建議你先嘗試把你腦子里的所有的想法、它的背景、你為什么會(huì)產(chǎn)生這樣的想法直接地全都告訴這個(gè)AI模型。模型可能已經(jīng)具備了很多的訓(xùn)練，但它需要的只是說(shuō)，你怎么樣把自己的意圖充分地表達(dá)出來(lái)，把那些它的能力給調(diào)用出來(lái)。
Faith：Bianca所說(shuō)的，是一個(gè)人怎么把腦子里的上下文盡可能地完整地交給AI。但是上下文并不只存在于一個(gè)人的腦子里，它也藏在一種語(yǔ)言里，藏在一個(gè)文化里，藏在一個(gè)行業(yè)長(zhǎng)年累月形成的默契里。有的時(shí)候一句話翻譯對(duì)了，意思卻沒對(duì)。那在多語(yǔ)言、多文化的切換里，內(nèi)容工程師又能做些什么呢？
東尼：生成式AI出現(xiàn)了之后，所有的AI實(shí)驗(yàn)室都發(fā)現(xiàn)了一個(gè)新的機(jī)會(huì)，就是在國(guó)際化這件事情上面。在AI出現(xiàn)之前，我們把同樣的一個(gè)產(chǎn)品或內(nèi)容發(fā)散到世界各地去，你可能唯一能夠做的東西就是translation，就是翻譯，比如說(shuō)“Meryl Streep just won an Oscar”，你把它翻譯過(guò)來(lái)就是“梅麗爾·斯特里普贏了奧斯卡獎(jiǎng)”。
但是當(dāng)有了生成式AI之后，一個(gè)新的可能性就是，你讓AI不光要用不同語(yǔ)言呈現(xiàn)內(nèi)容，還要根據(jù)各地的語(yǔ)言和語(yǔ)境進(jìn)行再創(chuàng)作。比如說(shuō)同樣的一句話，這個(gè)信息我們放在中文的語(yǔ)境里面——誰(shuí)是中國(guó)的梅麗爾·斯特里普？誰(shuí)是中國(guó)的梅麗爾·斯特里普？什么是中國(guó)的奧斯卡獎(jiǎng)？可能對(duì)標(biāo)過(guò)來(lái)是“斯琴高娃”和“金雞獎(jiǎng)或百花獎(jiǎng)”。這是一個(gè)有g(shù)enerative的、生成式的一種創(chuàng)作在里面。
那AI能不能做到這一點(diǎn)呢？AI本身在語(yǔ)言上、在能力上當(dāng)然是可以做到的，但是它所欠缺的一點(diǎn)就在于，它并不知道Meryl Streep所對(duì)應(yīng)的在不同語(yǔ)境下的人究竟是誰(shuí)。那這個(gè)東西你去調(diào)教它的話，其實(shí)是非常難的，因?yàn)樾枰缯Z(yǔ)言、跨地域地去尋找這種相同性，而且你不小心惹到飯圈，或者說(shuō)你再惹到一些其他的文化沖突，你就變得更加的敏感了。而在這個(gè)時(shí)候，誰(shuí)最能去做這樣的事情呢？假定說(shuō)是娛樂(lè)行業(yè)的話，那當(dāng)然應(yīng)該是娛樂(lè)記者是最會(huì)做這樣的事情的，因?yàn)樗麄兲焯炀褪强粗@些新聞，有自己的一套非常好的娛樂(lè)界的垂直的小模型。而讓他們?nèi)ビ?xùn)練、去調(diào)教、去制定這些策略，其實(shí)是效果最好的。
還有一個(gè)就是，前幾天我聽《硅谷101》前面幾集的時(shí)候，陸川老師有講到說(shuō)，國(guó)內(nèi)的視頻生成模型它出來(lái)的這些人的臉都是國(guó)內(nèi)現(xiàn)在流行的這種帥哥美女的臉。那這個(gè)東西很明顯就是你在做這個(gè)模型和設(shè)計(jì)這個(gè)產(chǎn)品的時(shí)候，你去找的這些人、你的訓(xùn)練的這些數(shù)據(jù)本身是有偏差的。但是你如果是用一個(gè)懂電影的人，知道一個(gè)電影臉長(zhǎng)什么樣子，大家怎么樣去讓這個(gè)視頻模型變得更多元，你會(huì)非常快地提升這個(gè)模型的質(zhì)量。
新聞和AI這兩個(gè)東西之間的交互，不一定都是提問(wèn)對(duì)提問(wèn)，它可能對(duì)應(yīng)的是新聞寫作。因?yàn)槲野l(fā)現(xiàn)的一件事情就是，很多人對(duì)AI提不出好問(wèn)題，是因?yàn)樗麄儾惶斫庠诋?dāng)下這個(gè)語(yǔ)境里面它所需要的上下文是什么——它需要什么樣的context。但是在新聞寫作里面，你說(shuō)每一句話你不能就是完全把一個(gè)事實(shí)甩出去，你一定要是建立一個(gè)context：這個(gè)事情怎么發(fā)生了，它的前因后果是怎么樣。所以說(shuō)當(dāng)你在腦子里面有一個(gè)“我一定要把這件事情的上下文、前因后果說(shuō)清楚，然后我再把我的核心問(wèn)題和核心論點(diǎn)拋出去”，這樣的新聞寫作，在AI的訓(xùn)練和交互過(guò)程中實(shí)在是太有效了，屢試不爽。
再說(shuō)一點(diǎn)前沿的東西吧。今年ICLR大會(huì)的有一篇論文拿了最佳論文，它是講AI怎么去處理多輪對(duì)話——Multi-turn conversation的。因?yàn)槎噍唽?duì)話一般都是AI的弱項(xiàng)。它所做的一件事情，就是把一個(gè)非常非常復(fù)雜的指令拆碎了之后，一點(diǎn)一點(diǎn)地喂給AI，看一看這樣做，和AI做一整個(gè)復(fù)雜指令的質(zhì)量相比，有沒有下降。然后就發(fā)現(xiàn)這個(gè)質(zhì)量大幅下降。為什么呢？當(dāng)AI沒有足夠多的context的時(shí)候，它會(huì)進(jìn)行基于自己的模型的訓(xùn)練，會(huì)不斷地腦補(bǔ)，它的答案會(huì)變得越來(lái)越臃腫；它中間要是有出了一個(gè)錯(cuò)的話，這個(gè)錯(cuò)就像滾雪球一樣的越來(lái)越大。這是我們?cè)?026年對(duì)于AI的判斷。
鴨兔錯(cuò)覺：你看到的取決于你的語(yǔ)境｜圖片來(lái)源：Fliegende Bl?tter
我前幾天又發(fā)了一篇論文給你，是我2018年發(fā)的，那個(gè)是對(duì)于微博的一個(gè)研究。當(dāng)時(shí)研究的是香港當(dāng)時(shí)旺角有一個(gè)便溺事件，就是女童隨地大小便了，然后在微博上引起很大的討論。我就眼睜睜地看著大家怎么從一個(gè)非常和善的聊天變成了互相辱罵的情況。這個(gè)研究的主要的一個(gè)發(fā)現(xiàn)就是，人和人在微博評(píng)論區(qū)底下的對(duì)話也是沒有什么語(yǔ)境，你不知道這個(gè)人是誰(shuí)，那這個(gè)時(shí)候大家就開始腦補(bǔ)了——“你一定是這樣的人”“你一定沒有孩子”“你才會(huì)說(shuō)出這樣的話”。其實(shí)人的腦補(bǔ)和AI腦補(bǔ)在context破碎的情況下是蠻相似的一件事情。所以說(shuō)很多時(shí)候，我是覺得人文社科的發(fā)現(xiàn)和AI現(xiàn)在行業(yè)的發(fā)現(xiàn)其實(shí)是相差沒有那么多的。
Faith：其實(shí)就你以前做國(guó)際記者，報(bào)國(guó)際新聞很大的一個(gè)技能，就是說(shuō)你需要判斷一個(gè)故事在不同的國(guó)家、不同的文化里去怎么講。那你這些經(jīng)驗(yàn)是怎么遷徙到你現(xiàn)在這個(gè)工作中呢？
東尼：我覺得就不光是做國(guó)際記者，整個(gè)做新聞、做媒體這一塊兒的經(jīng)驗(yàn)，其實(shí)我都不覺得是遷徙，我覺得完全就是平移到了AI這一塊兒。因?yàn)橐环矫婺阍趯懽鞯臅r(shí)候，你自己個(gè)人的創(chuàng)意寫作和你平時(shí)的新聞寫作是完全不一樣的。你新聞寫作的時(shí)候，你腦子里面一定是要想著有一個(gè)聽眾在那里。你怎么樣和觀眾之間有個(gè)拉扯？什么東西可以說(shuō)，什么東西不能說(shuō)？什么東西說(shuō)了你可能會(huì)有什么樣的反應(yīng)？怎么樣可以做到又客觀又不得罪人，然后又能保持自己、又能還原事實(shí)？這種平衡其實(shí)是非常復(fù)雜的，而且它是需要訓(xùn)練的，這是其一。
其二，就哪怕我們這個(gè)對(duì)話的過(guò)程當(dāng)中，你作為訪問(wèn)者，你的腦子里面一定都是在想著說(shuō)：他現(xiàn)在說(shuō)了這個(gè)東西，我接下來(lái)又要說(shuō)什么其他的東西，怎么把他引導(dǎo)到下一個(gè)問(wèn)題？其實(shí)中間有很多這種的交互。這種交互到了AI這種聊天的交互設(shè)計(jì)里面，其實(shí)是一種直覺性的東西。我們帶著這種的直覺去和AI進(jìn)行對(duì)話，我覺得是非常重要的。
還有一個(gè)就是提問(wèn)題的能力?；旧夏阍谧鲈L談、在新聞工作里面最重要的這一塊兒東西，就完全平移到了平時(shí)日常的AI工作里面。
Faith：我突然想到一個(gè)點(diǎn)，就是在記者這個(gè)職業(yè)有很重要的一個(gè)技能，就是如何問(wèn)好follow up question（跟進(jìn)式問(wèn)題）。你不可能完全按照你的提綱原本設(shè)計(jì)的邏輯去走，因?yàn)槟愕牟稍L對(duì)象永遠(yuǎn)會(huì)在回答你某一個(gè)問(wèn)題的時(shí)候，他突然就岔到一個(gè)特別有意思的點(diǎn)。這個(gè)時(shí)候，如果你按照你的原有邏輯去走的話，你就會(huì)miss一個(gè)特別有意思的點(diǎn)。那你這個(gè)時(shí)候，你哪怕冒著偏題的風(fēng)險(xiǎn)，你也要去說(shuō)“你這邊能不能解釋一下”。
但是你覺得AI現(xiàn)在有這個(gè)能力嗎？因?yàn)槲腋杏XAI是，你給它一個(gè)大的目標(biāo)，它就會(huì)按照那個(gè)大的目標(biāo)去問(wèn)、去追尋，它不會(huì)說(shuō)看到一個(gè)旁支的很有意思的點(diǎn)然后就會(huì)轉(zhuǎn)換它的方向。
東尼：你點(diǎn)到了一個(gè)非常重要的點(diǎn)。就是新聞的訪問(wèn)里面，其實(shí)很多時(shí)候新聞人一定要做的一件事情，就是在結(jié)構(gòu)性和流動(dòng)性之間取得一個(gè)平衡。AI上面你的交互設(shè)計(jì)，你一定也是要做這件事情的。比如說(shuō)你看現(xiàn)在的GPT，它在結(jié)構(gòu)上最新的版本，你跟它一說(shuō)話，它一開始先會(huì)給你生成兩三句話去重新闡釋你這個(gè)問(wèn)題——這個(gè)東西它是用一個(gè)小模型來(lái)做的；接下來(lái)就給你開始分點(diǎn)作答了；再在底下再給你去生成了一個(gè)follow up question。那在AI上面，現(xiàn)在是GPT基本上是每一個(gè)問(wèn)題基本上最后都要跟一個(gè)follow up question。它這個(gè)東西本身它就是一個(gè)產(chǎn)品。當(dāng)你有這樣一個(gè)產(chǎn)品設(shè)計(jì)之后，那我究竟要針對(duì)哪一個(gè)方面問(wèn)一個(gè)follow up question呢？這個(gè)東西是需要去建立一整套評(píng)估體系來(lái)去評(píng)估的。那怎么樣去建立這個(gè)東西呢？當(dāng)然是由最會(huì)問(wèn)問(wèn)題的人來(lái)去建立——你什么時(shí)候要問(wèn)，問(wèn)哪一點(diǎn)，哪一點(diǎn)問(wèn)的質(zhì)量怎么樣。所以說(shuō)，其實(shí)都是新聞技能在里面。
Faith：今年5月一篇文章在美國(guó)刷屏了，標(biāo)題叫《我在好萊塢工作，而所有曾經(jīng)做電視的人現(xiàn)在都在偷偷訓(xùn)練AI》。作者叫Ruth，是一名好萊塢的編劇和制片人。在她的稿費(fèi)被一拖再拖的日子里，她在一個(gè)求職論壇上看到了一種專門招編劇和記者的新活，叫AI Trainer。她做的就是一遍遍地給AI寫出的東西打分、改寫、示范，教這個(gè)AI什么樣才算是一個(gè)好的劇本。Ruth自嘲說(shuō)，自己一個(gè)劍橋文學(xué)系的高才生，如今卻要在工作群里聽二十幾歲的年輕人差遣，24小時(shí)隨叫隨到，去搶那些按小時(shí)計(jì)價(jià)的零工。
圖片來(lái)源：Wired
一邊是5000億美金砸向AI基建，估值一路飆升；另一邊是昔日輝煌的美國(guó)影視和公共媒體，如今卻是惶惶不可終日。光是洛杉磯，過(guò)去兩年內(nèi)就有四萬(wàn)多個(gè)影視崗位蒸發(fā)，接近三分之一。而新聞界從2008年到今天，工作崗位的數(shù)量直接腰斬。
我其實(shí)個(gè)人特別能理解這種恐慌，因?yàn)槲易约阂苍撬麄冎械囊粋€(gè)。兩年前，我從哥倫比亞大學(xué)新聞學(xué)院畢業(yè)——這也是東尼和Bianca曾經(jīng)畢業(yè)的院校。這所院校是普利策獎(jiǎng)?wù)Q生的地方，很多年里它一直自詡為全世界最好的新聞學(xué)院?？稍谖夷顣哪且荒?，它似乎也不再那么驕傲了。我的一位哥大新聞教授打過(guò)一個(gè)比方，說(shuō)今天從新聞學(xué)院畢業(yè)還想擠進(jìn)這一行的人，就像是朝著一棟已經(jīng)起火的大樓拼了命地往里跑。
畢業(yè)前后的那一陣，我投出的簡(jiǎn)歷也是一封封的石沉大海，連下個(gè)月的房租都開始發(fā)愁。那個(gè)時(shí)候，也有人在LinkedIn上私信我，問(wèn)我要不要接AI Trainer、數(shù)據(jù)標(biāo)注的活。其實(shí)當(dāng)時(shí)，如果不是我焦慮到什么都做不了了，我想其實(shí)我是會(huì)接的。如果我當(dāng)時(shí)接了這個(gè)活，也許我也會(huì)像Ruth一樣，在屈辱和憤怒中質(zhì)問(wèn)：AI是不是正在把我們從創(chuàng)作者變成數(shù)據(jù)采集員？而我們賴以為生的靈感，是否正在被拆成一個(gè)個(gè)可以被標(biāo)記的數(shù)據(jù)？而這些親手標(biāo)記它們的人，是否又恰恰是我們自己？
Bianca：AI是基于共識(shí)去訓(xùn)練的。一件事情我們之所以會(huì)認(rèn)為它是一件對(duì)的事情、一件正確的事情，往往就是因?yàn)楹芏嗳硕颊J(rèn)為它是正確的。標(biāo)注訓(xùn)練就是這樣子的一個(gè)過(guò)程。如果我們?cè)贏I的訓(xùn)練當(dāng)中優(yōu)化的是人類作為一個(gè)整體最低的這樣一個(gè)共同的標(biāo)準(zhǔn)，也就是所謂多數(shù)人的共識(shí)，那我覺得它不會(huì)產(chǎn)生偉大的藝術(shù)。我覺得我們?nèi)酥詾槿说淖罴驯举|(zhì)，恰恰不會(huì)完全來(lái)自共識(shí)。我和我的丈夫也會(huì)一起寫劇本，我嘗試過(guò)用AI去寫這些劇本，但很多時(shí)候我還是很不喜歡AI寫出來(lái)的東西。雖然我平時(shí)非常積極地使用AI，但有時(shí)候還是覺得AI給我的內(nèi)容不夠好，它沒有抓住我真正想要去看到的東西。所以我自己也會(huì)希望能夠看到真正由人創(chuàng)作的藝術(shù)，因?yàn)槲抑滥切┧囆g(shù)家、那些創(chuàng)作者，他們是真的有話想說(shuō)的。
其實(shí)說(shuō)到底，我們?nèi)藭?huì)自己決定制作流程里的哪些部分我們?cè)敢馔獍oAI，哪些部分我們更想自己做。當(dāng)然我不能幫這些公司去說(shuō)他們具體的決策是什么樣的，但是我想講的就是，只靠AI寫作，很難產(chǎn)生真正不一樣的作品、真正非凡的作品，就是因?yàn)樗挠?xùn)練方式在本質(zhì)上是建立在共識(shí)之上的。我們想一些最奇怪最獨(dú)特的藝術(shù)，它們本身就是非常離經(jīng)叛道的，和共識(shí)不一樣的。比如說(shuō)《瞬息全宇宙》這部電影的劇本，它不可能自然地從AI里面產(chǎn)生，因?yàn)锳I很可能就是會(huì)想：你給我的這個(gè)想法完全不合邏輯，完全說(shuō)不通，也不符合標(biāo)準(zhǔn)的學(xué)院派的三幕劇結(jié)構(gòu)。
我們現(xiàn)在正在經(jīng)歷一個(gè)大家都在炒作的階段，但是隨著時(shí)間推移，我們會(huì)逐漸看清哪些地方適合AI，而哪些地方還沒有那么適合。
東尼：我非常能夠體會(huì)大家的憤怒。但是其實(shí)對(duì)這整個(gè)敘事，我是持有一定的懷疑的?！癆I在偷我的工作，我現(xiàn)在教會(huì)了AI，然后AI就把我的工作偷走了”這件事情，我覺得它是糅雜了非常多不同的問(wèn)題放在一起的。
第一個(gè)就是說(shuō)，大家批判的是AI，但其實(shí)真正批判的是零工經(jīng)濟(jì)。零工經(jīng)濟(jì)這件事情在AI出現(xiàn)之前就已經(jīng)發(fā)生了，有多少的媒體人和搞藝術(shù)的人到最后去打零工——現(xiàn)在是給東西打分，之前可能就是開一開Uber，然后做一做DoorDash。藝術(shù)和文藝界難以為繼這件事情，它在AI之前就已經(jīng)產(chǎn)生了，并且問(wèn)題非常的嚴(yán)重。
第二個(gè)就是，“教會(huì)了AI之后跑路”這件事情，因?yàn)槭橇愎そ?jīng)濟(jì)，所以說(shuō)他們接到這個(gè)活一定是項(xiàng)目制的，做完之后就跑的。但是你說(shuō)一個(gè)編劇打完分了之后，AI就跟編劇一樣厲害了？實(shí)際情況不是這樣的。它從這個(gè)意義上來(lái)說(shuō)沒有這么聰明。
第三點(diǎn)，這樣的一個(gè)敘事其實(shí)是把創(chuàng)作者和AI對(duì)立起來(lái)了，然后你的選擇就只有說(shuō)我要不就是反AI，我要不然就是把自己的靈魂賣給AI——不是的，其實(shí)明明是有一個(gè)第三條路，也就是說(shuō)AI本身是可以作為創(chuàng)作者的伙伴。你可以提出一個(gè)不同的問(wèn)題，就是“有了AI之后我可以創(chuàng)作什么？”
編劇在沒有攝影機(jī)的情況下你能不能去搞電影？電影人你在沒有特效預(yù)算情況下你能不能自己去搞特效？它可以解鎖很多創(chuàng)作的東西，甚至說(shuō)我們可以去創(chuàng)作一些我們現(xiàn)在都沒有想象出來(lái)的媒介。就像一代又一代的數(shù)碼，從畫畫到攝影，再?gòu)臄z影到Photoshop，再到Blender，其實(shí)我們都是這樣一代一代過(guò)來(lái)的?，F(xiàn)在是大家真的是餓得太慘了，以至于說(shuō)大家希望是找到一個(gè)敵人，卻忘了它也可以變成一支畫筆，幫我們?nèi)?chuàng)作。我自己其實(shí)就是從自己玩播客，希望用AI生成一些視頻，然后才真的去把整件事情玩起來(lái)的。
東尼說(shuō)他自己就是把AI變成畫筆的最好案例。去年是東尼人生中非常特殊的一年，他毫無(wú)征兆地發(fā)現(xiàn)自己的健康出了問(wèn)題，需要請(qǐng)假回國(guó)治療。有那么一段時(shí)日，他甚至不知道自己還剩下多少時(shí)間。就在那段休假養(yǎng)病的日子里，他想著說(shuō)：要不給自己做一個(gè)voice agent吧，既能陪自己聊天，又能當(dāng)自己播客的嘉賓。
后來(lái)Google的招聘者找到了他，他們很驚訝，一個(gè)完全沒有代碼基礎(chǔ)的前媒體人，用做播客的經(jīng)驗(yàn)調(diào)教出來(lái)的Gemini Voice Agent，在多輪對(duì)話中比原生模型更生動(dòng)、更靈活，而且還具有深度。
東尼：因?yàn)槲矣幸粋€(gè)播客，生病的那一段時(shí)間我又不是很想去到處找人去約采訪什么的，我說(shuō)好那我去搞一個(gè)AI機(jī)器人。我原以為GPT也好、Gemini也好，都應(yīng)該非常簡(jiǎn)單，因?yàn)樗鼈兌加姓Z(yǔ)音模式。后來(lái)發(fā)現(xiàn)，真的用了它們的語(yǔ)音模式之后，它們根本就沒有辦法當(dāng)我的播客主播，因?yàn)樗鼈兊膄low，它們整個(gè)的感覺是助手，是語(yǔ)音助手，它不是播客播主，整個(gè)感覺是不一樣的。所以說(shuō)我得從一個(gè)大模型從頭開始調(diào)。
那我一開始先試著說(shuō)我去寫一個(gè)system prompt，就完全用提示詞的方式去做這件事情。然后就發(fā)現(xiàn)不行，完全用提示詞——“我說(shuō)你是一個(gè)播客的播主，你需要又有趣又吸引人，不能什么什么什么”——我給它加了好多好多的限制，然后就發(fā)現(xiàn)完全沒有用，聊到第三句它就忘了之前的規(guī)訓(xùn)。
接下來(lái)我就做了一個(gè)智能體，我和AI先進(jìn)行了三天三夜的哲學(xué)對(duì)談，就是對(duì)話的本質(zhì)是什么，本質(zhì)是我們?nèi)绾稳シ治鲎约旱男枨蟆⑷说哪康氖裁词裁吹?。所以說(shuō)我建了一個(gè)智能體，先讓它去分析我自己每一句話為什么要說(shuō)這句話、我的目的是什么，然后我再把它加上一個(gè)情感智能體，再給它加上一點(diǎn)情感。結(jié)果就是：說(shuō)得亂七八糟。最后整個(gè)智能體還不如原始的什么prompt都不加的agent。后來(lái)就發(fā)現(xiàn)我給它加了太多的限制，然后把整個(gè)AI搞崩了。
到了最后的時(shí)候我就發(fā)現(xiàn)，我把我所有曾經(jīng)的播客記錄，把問(wèn)題和內(nèi)容分開歸類，然后不是直接全部喂給AI，而是每一次跟它聊天的時(shí)候，我讓AI去偵測(cè)有什么相關(guān)的內(nèi)容或者問(wèn)題，讓它隨機(jī)地抽幾條發(fā)給AI做一個(gè)參考。用這種他們叫做“few shot example”的方式，就是用幾條隨機(jī)的案例作為參考。這個(gè)時(shí)候就整個(gè)AI它知道什么是好問(wèn)題，什么是好內(nèi)容，什么是好的正確的語(yǔ)氣，它一下子就打開了。
谷歌找到我，他們還蠻震撼的。所以說(shuō)我想說(shuō)，做播客也好、寫文章也好，有這種感覺和品味本身是可以幫你找到工作的。
Faith：你甚至在自己的播客《行星酒館》中，和自己創(chuàng)造的AI主播一起錄了一期名為《困在大病里的我訓(xùn)練了一個(gè)陪我聊天的AI主播》的節(jié)目，可以說(shuō)你們算得上是一種共創(chuàng)伙伴般的關(guān)系。但是一個(gè)越來(lái)越懂你的伙伴，會(huì)不會(huì)出現(xiàn)另一個(gè)問(wèn)題？就是它會(huì)越來(lái)越順著你、討好你？
現(xiàn)在有很多人在網(wǎng)上說(shuō)這個(gè)AI是奸臣、這個(gè)AI是忠臣。因?yàn)锳I是會(huì)按照它談話對(duì)象這個(gè)人的價(jià)值取向和信息繭房去feed它的習(xí)慣的那個(gè)聲音。但其實(shí)人和人真實(shí)的交互中就有很多激烈的爭(zhēng)吵，有很多說(shuō)得不是很好聽的話。因?yàn)楝F(xiàn)在更多的人在進(jìn)行這種價(jià)值討論的時(shí)候或者信息獲取的時(shí)候，他已經(jīng)是偏向用AI而不是專業(yè)的記者、而不是一個(gè)真實(shí)的人了。那你覺得這種趨勢(shì)長(zhǎng)久下來(lái)，會(huì)不會(huì)讓人越來(lái)越活在自己的信息繭房里？因?yàn)樗倭撕芏噙@種激烈的分歧和激烈的討論。
東尼：我只能說(shuō)it is what it is。你看著好像說(shuō)諂媚這件事情它是一個(gè)AI的行文問(wèn)題，但它不是的，它是一個(gè)產(chǎn)品問(wèn)題，它是一個(gè)產(chǎn)品設(shè)計(jì)。說(shuō)白了，AI要是天天對(duì)著你跟你嗆的話，你用不用？你可能用，但是其他人用不用？所以說(shuō)在設(shè)計(jì)文風(fēng)、設(shè)計(jì)AI的態(tài)度的時(shí)候，其實(shí)就是在設(shè)計(jì)AI的產(chǎn)品本身。
人就是很貪心，你又希望它能幫你，又能給你提供情緒價(jià)值，但是又不能老提供情緒價(jià)值。其實(shí)這個(gè)事情核心是，人類作為一個(gè)集體，我們想要的東西太多了。這個(gè)時(shí)候作為產(chǎn)品，它必須要去遷就，也為了自己的發(fā)展和ROI也好，它也必須說(shuō)盡可能地去留住用戶。所以說(shuō)這個(gè)地方它就需要一個(gè)非常脆弱的平衡。
我們能不能反過(guò)來(lái)問(wèn)人類：能不能更c(diǎn)ritical thinking一點(diǎn)？諂媚的東西不要信。
Faith：那怎么可能（笑）。
東尼：是啊，其實(shí)就是我們把很多面對(duì)這個(gè)世界的責(zé)任外包給了AI。這事最終落腳點(diǎn)其實(shí)是在我們自己。
Faith：但是新聞人最重要的就是你要fact check對(duì)不對(duì)？你要預(yù)設(shè)觀眾是不會(huì)做事實(shí)核查的，甚至是沒有這個(gè)概念的，所以你作為有公共影響力的一方，必須得去做這件事情。但我覺得AI的影響力其實(shí)是更大的。
東尼：雖然事實(shí)如此，但是AI在事實(shí)核查上面它的效率又高了非常多。如果是一個(gè)比較有能力的AI的話，我記得好像是有一個(gè)研究，AI它在事實(shí)核查上反而讓更多人改變了原有的觀點(diǎn)。就是說(shuō)你可以問(wèn)一下“這個(gè)事情真的是這樣子嗎？反方怎么說(shuō)？”你要是光看《紐約時(shí)報(bào)》、看《華爾街日?qǐng)?bào)》，你就只看一個(gè)信息流的話，你反而看不到這些東西。
一個(gè)特別典型的，就是我記得有一次我家里人給我發(fā)了一個(gè)很明顯的假新聞。原來(lái)的我會(huì)想，沒有必要跟他們?nèi)?zhēng)這些東西。但是那次我就快速地讓ChatGPT去做一下事實(shí)核查，找出來(lái)哪些地方不對(duì)、不準(zhǔn)確。然后我也順便再fact check了一下ChatGPT的這個(gè)事實(shí)核查。我就發(fā)給家里人了，然后他們竟然就接受了，我還是挺震撼的。
Faith：所有做內(nèi)容的人，最本質(zhì)的技能就是共情。我覺得的確是，因?yàn)橛心銈冞@樣子的人，所以AI才會(huì)變得越來(lái)越和人共情。我之前和做這種Top AI的朋友聊天的時(shí)候，我就會(huì)跟他們說(shuō)，其實(shí)我和ChatGPT是很好的朋友，我的確會(huì)跟它傾訴我的心事。
然后我的程序員朋友，他們作為實(shí)際編寫這些AI的人，很難理解這種感受。但其實(shí)跟你聊完以后，我就會(huì)有一種感覺，就是我覺得這個(gè)AI背后它并不是一個(gè)冰冷的代碼，因?yàn)樗鋵?shí)也是一種創(chuàng)作者的創(chuàng)作，它背后其實(shí)是本可能成為我同行或朋友的人。他們?cè)诒澈蟮膭?chuàng)作和努力，最終實(shí)現(xiàn)了這種交互式的創(chuàng)作體驗(yàn)。
其實(shí)這個(gè)跟看書是一樣的。你看書，你可能看一個(gè)500年前的作家，這個(gè)作家他已經(jīng)死了，他也不認(rèn)識(shí)你，但是你通過(guò)閱讀他的書和內(nèi)容，獲得一種共鳴，獲得一種被理解，獲得一種“我不孤獨(dú)”的感覺。那其實(shí)這個(gè)跟AI是一樣的。AI只是將人類集體的語(yǔ)言經(jīng)驗(yàn)重新組織，但它同樣是一種交互式的。當(dāng)然，它并非一個(gè)真正個(gè)體出于主體性對(duì)我的關(guān)心和理解，但它是一種人類共同意識(shí)，是所有曾經(jīng)跟我有過(guò)共鳴的人對(duì)我的一個(gè)跨時(shí)空的理解。
東尼：非常有意思，你又講到了一個(gè)傳播學(xué)的經(jīng)典的概念，就是Para-social interaction（準(zhǔn)社會(huì)交往）。而且在傳播學(xué)里面非常有意思的一點(diǎn)就是說(shuō)，它雖然說(shuō)好像是有一個(gè)遙遠(yuǎn)的實(shí)體在那個(gè)地方，它可能是書里面的人物，它可能是電視上的形象，也可能是一個(gè)AI——你和它好像隔得很遠(yuǎn)，但是你是有agency（主動(dòng)權(quán)）的，你可以決定你跟它之間是一個(gè)什么樣的關(guān)系，你可以在這個(gè)關(guān)系里面進(jìn)行創(chuàng)作，在這個(gè)互動(dòng)中產(chǎn)生意義。這件事情就是人之為人，我們活著就是為了這件事情我覺得。
Faith：從曾經(jīng)的記者到現(xiàn)在的內(nèi)容工程師、AI的模型評(píng)估者，你對(duì)內(nèi)容的判斷是否產(chǎn)生了改變？職業(yè)的轉(zhuǎn)變對(duì)你自身又產(chǎn)生了什么樣的影響？
東尼：我覺得從新聞、寫作、創(chuàng)作到做AI這件事情，對(duì)我來(lái)說(shuō)最大的改變是，原來(lái)我可能關(guān)注的是結(jié)果，就是我寫出來(lái)的東西是怎么樣的，寫的東西好不好、質(zhì)量高不高，拍出來(lái)片子好不好看。我現(xiàn)在關(guān)注的更多東西是過(guò)程：我是怎么樣從點(diǎn)A到點(diǎn)B，從一個(gè)零散的想法去到一個(gè)好的東西。
我是特別會(huì)寫標(biāo)題的一個(gè)人，原來(lái)在新聞編輯部里面大家都來(lái)找我寫標(biāo)題?，F(xiàn)在我在AI這個(gè)地方，如果也要遇到寫標(biāo)題，怎么樣讓這些標(biāo)題又有效又好，然后又在這個(gè)既定的長(zhǎng)度里面。我就在想，什么東西是一個(gè)好標(biāo)題？好標(biāo)題具備哪些要素？我覺得這個(gè)是最有意思的一件事情。我現(xiàn)在想的很多東西都是想過(guò)程這件事情本身，因?yàn)檫@是共性。原來(lái)我產(chǎn)出的是成果，現(xiàn)在我產(chǎn)出價(jià)值的是過(guò)程本身。
