神譯局是36氪旗下編譯團(tuán)隊(duì)，關(guān)注科技、商業(yè)、職場、生活等領(lǐng)域，重點(diǎn)介紹國外的新技術(shù)、新觀點(diǎn)、新風(fēng)向。
編者按：OpenAI最近搞了一個(gè)大東西，能夠根據(jù)文字創(chuàng)作圖像的DALLE 2。從網(wǎng)上放出來的一些例子來看，效果相當(dāng)震撼，有些甚至抓住了文字的靈魂。那么這樣一個(gè)AI具備什么意義呢？知名科技博主分析了不同形式的內(nèi)容創(chuàng)作手段存在的共同演變模式，并總結(jié)出相應(yīng)的經(jīng)濟(jì)影響，認(rèn)為這種AI將為元宇宙的未來賦予經(jīng)濟(jì)性。當(dāng)虛擬世界可以用近乎零成本去創(chuàng)作完全可以針對個(gè)人定制的虛擬內(nèi)容時(shí)，互聯(lián)網(wǎng)的未來將距離我們更近，卻也會變得更奇怪了。文章來自編譯。
劃重點(diǎn)：
游戲處在技術(shù)發(fā)展的前沿，引領(lǐng)了從文本到圖像到視頻到3D的進(jìn)步
社交網(wǎng)絡(luò)經(jīng)歷了與游戲類似的媒介演變，但時(shí)間推遲了二十年
TicTok的零成本的UGC+純算法調(diào)度的動態(tài)內(nèi)容具有網(wǎng)絡(luò)效應(yīng)
DALL-E 2提供的零成本內(nèi)容為元宇宙未來提供了經(jīng)濟(jì)性
上周，OpenAI發(fā)布了文字生成圖像工具 DALL-E 2（DALL-E來自藝術(shù)家“Dalí”和機(jī)器人“WALL-E”的結(jié)合詞）；來自@BecomingCritter的這條推特帖子上面展示了大量生成的示例，其中包括這條“泰迪熊在 1980 年代在月球上展開新的人工智能的研究”：
在 1980 年代的月球上致力于新 AI 研究的泰迪熊
文字“一張古色古香的花店的店面照片，潔白的門面綠意盎然，大門敞開，還有一扇大窗戶”生成的圖像：
一張古色古香的花店的店面照片，潔白的門面綠意盎然，大門敞開，還有一扇大窗戶
不過，最恰如其分的是這張，“一個(gè)沐浴在 AGI 烏托邦陽光之下的人類”：
一個(gè)沐浴在AGI烏托邦陽光之下的人類
OpenAI在其網(wǎng)站上有一段描述 DALL-E 的視頻。盡管OpenAI的宣傳視頻的確也提到了 DALL-E 的一些缺點(diǎn)，但對其可能性仍然十分樂觀。里面的一些摘錄：
Dall -E 2 是出自O(shè)penAI的一套新的 AI 系統(tǒng)，它可以將簡單的文本描述（如“考拉扣籃”）轉(zhuǎn)化為此前從未出現(xiàn)過的逼真圖像。 DALL-E 2 還可以對照片進(jìn)行編輯和潤飾，效果十分逼真……
DALL-E 是通過訓(xùn)練基于圖像及其文本描述的神經(jīng)網(wǎng)絡(luò)而創(chuàng)建出來的。通過深度學(xué)習(xí)，它不僅可以理解像考拉熊以及摩托車這樣的單個(gè)對象，還可以學(xué)習(xí)對象之間的關(guān)系，當(dāng)你要求 DALL-E 生成“騎摩托車的考拉”的圖像時(shí)，它知道如何創(chuàng)建這樣一幅圖片，或者與任何其他對象或動作有關(guān)系的圖片。
DALL-E 研究有三個(gè)主要成果：首先，它可以幫助人們用可視化的方式表達(dá)自己，這是前所未有的。其次，人工智能生成的圖像可以告訴我們很多信息，讓我們知道系統(tǒng)是否理解我們，或者只是在重復(fù)教過它的內(nèi)容。第三，DALL-E 可以幫助人類了解人工智能系統(tǒng)如何看待和理解我們的世界。這是開發(fā)有用且安全的人工智能的關(guān)鍵部分……
用于訓(xùn)練 DALL-E 的方法令人興奮之處在于，它可以從其他各種打過標(biāo)簽的圖像那里學(xué)習(xí)，然后將其應(yīng)用到新圖像上面。給它一張猴子的照片，DALL-E 就可以推斷出它在做一些以前從未做過的事情時(shí)會是什么樣子的，比如猴子戴著一頂有趣的帽子在納稅的樣子。富有想象力的人類和有聰明才智加持的系統(tǒng)，人機(jī)協(xié)同工作如何可以創(chuàng)造新事物，放大我們的創(chuàng)造潛力？DALL-E 就是一個(gè)有力的例子。
人機(jī)協(xié)同這句話可能會引起一些人的質(zhì)疑：乍看之下，DALL-E 與藝術(shù)家和插畫家好像是競爭的關(guān)系；不過，還有另一種觀點(diǎn)，DALL-E 指向了元宇宙未來的一個(gè)重大缺失部分。
長期以來，游戲一直處在技術(shù)發(fā)展的前沿，就媒體而言，情況當(dāng)然是這樣的。最早的電腦游戲只不過是文字罷了：
《俄勒岡之路》游戲截圖
緊隨其后的是圖像游戲，一般是位圖類型的；我記得在圖書館玩過很多次《神偷卡門》（Where in the world is Carmen San Diego）這款游戲：
很快，游戲就開始引入動作，你可以在 2D 世界里面給精靈指路；緊接著3D 也出現(xiàn)了，在過去 25 年大部分的時(shí)間里，我們一直在致力于讓 3D 游戲變得更加逼真。然而，幾乎所有這些游戲都是 2D 屏幕上投射的 3D 圖像。虛擬現(xiàn)實(shí)提供了我們置身于游戲之中的錯(cuò)覺。
盡管如此，這種演變也面臨著挑戰(zhàn)：創(chuàng)建更逼真的 3D 游戲，意味著要?jiǎng)?chuàng)建出更逼真的圖像紋理來粉飾所有這些多邊形；在虛擬現(xiàn)實(shí)的環(huán)境下，這個(gè)問題只會被放大。這也是即便是開放世界游戲在范圍上最終也會受到限制的原因之一，而那種游戲玩法在很大程度上是具有確定性的：通過了解你要去哪里以及到達(dá)那里的所有選項(xiàng)，開發(fā)人員可以提前創(chuàng)建所有必要的資產(chǎn)，以提供身臨其境的體驗(yàn)。
這并不是說除了程序生成的Roguelike（是角色扮演游戲的一個(gè)分支類型，它以一系列隨機(jī)生成關(guān)卡的地牢、回合制戰(zhàn)斗、基于磁貼的圖像和角色永久死亡為特點(diǎn)）游戲以外，游戲就不能有隨機(jī)元素：提供不可預(yù)測性要素最顯而易見的一種方式是讓人類之間對玩，盡管這是在定義明確和受控的環(huán)境下進(jìn)行的。
社交網(wǎng)絡(luò)經(jīng)歷了與游戲類似的媒介演變，但時(shí)間推遲了二十年。 Web 上最早的社交網(wǎng)絡(luò)形式是文字型的公告板以及用戶組（USENET）。后來，電子郵件、AOL聊天室以及論壇開始普及。 Facebook 是在 2000 年代中期的時(shí)候出現(xiàn)的。它之所以大受歡迎，有一點(diǎn)是因?yàn)樵黾恿藞D像這種元素。 Instagram是一個(gè)只有圖片的社交網(wǎng)絡(luò)，但很快又添加了視頻，而視頻則是TikTok的全部。現(xiàn)在，尤其是在過去這幾年里，通過 Zoom 或Facetime 等 app 召開的視頻會議已經(jīng)開始在 2D 屏幕上提供 3D 圖像。
盡管如此，媒體對于社交網(wǎng)絡(luò)的重要性一直都比較低，這只是因?yàn)樗纳缃徊糠痔焐秃苡腥ち恕Ｈ祟愊矚g與其他人交流，即便這需要撥號到隨便某個(gè) BBS， 下載消息、撰寫回復(fù)，然后再撥回去發(fā)送消息。游戲也許基本上是具有確定性的，但人類充滿了驚喜。
此外，這意味著社交網(wǎng)絡(luò)要便宜得多：平臺不需要自己生成所有的內(nèi)容，而是由用戶自己生成所有內(nèi)容。這導(dǎo)致新平臺更難崛起，因?yàn)槟阈枰脩魜砦脩簦@也使得此類平臺比任何游戲都更具粘性（或者，換句話說，最具粘性的游戲本身就具備網(wǎng)絡(luò)效應(yīng)）。
除了時(shí)間以外，社交網(wǎng)絡(luò)的第一次迭代并沒有特定的算法組件：較新的帖子位于頂部（或底部）。隨著 Facebook 在 2006 年推出了動態(tài)消息（News Feed），情況開始發(fā)生變化。現(xiàn)在，你不再需要訪問所有朋友的頁面，只需瀏覽動態(tài)消息就行，它從一開始就決定了要包含哪些內(nèi)容，以及按照什么樣的順序呈現(xiàn)。
隨著時(shí)間的推移，動態(tài)消息從一種相對簡單的算法演變?yōu)橛蓹C(jī)器學(xué)習(xí)驅(qū)動的算法，其結(jié)果令人費(fèi)解，以至于 Facebook 用了六個(gè)月的時(shí)間才修復(fù)好最近的一個(gè)排名錯(cuò)誤。其影響十分巨大：隨著算法驅(qū)動的動態(tài)消息變得更好，不僅是 Facebook，就連 Instagram的參與度與增長速度都出現(xiàn)了大幅增長；動態(tài)消息還非常適合貨幣化，因?yàn)闆Q定你看到的內(nèi)容的同一類信號也會影響到向你展示的廣告。
然而，之所以不把算法驅(qū)動的動態(tài)消息與社交網(wǎng)絡(luò)放在同一個(gè)章節(jié)討論，是因?yàn)轱@示其的力量的終極例子根本不是社交網(wǎng)絡(luò)：而是TikTok 。當(dāng)然， TikTok全都是用戶生成的內(nèi)容，但它與 Facebook 的關(guān)鍵區(qū)別在于，內(nèi)容不受限于你的關(guān)系網(wǎng)絡(luò)： TikTok從整個(gè)網(wǎng)絡(luò)提取它認(rèn)為你最感興趣的視頻。我在2020年時(shí)解釋了為什么這是Facebook的盲點(diǎn)：
有趣的是，F(xiàn)acebook錯(cuò)過這個(gè)是不可避免的，原因在于：首先，F(xiàn)acebook 把自己看作是一個(gè)社交網(wǎng)絡(luò)，所以它不愿意將其視為一種責(zé)任。其次，F(xiàn)acebook 對待Snapchat的方式強(qiáng)化了這種觀點(diǎn)。我那篇文章的重點(diǎn)是 Facebook 利用Instagram 的社交網(wǎng)絡(luò)來阻止Snapchat 的增長，這只會強(qiáng)化“網(wǎng)絡(luò)是 Facebook 最大的資產(chǎn)”這一點(diǎn)，而使得TikTok 這個(gè)盲點(diǎn)變得越來越大。
TikTok把兩個(gè)東西結(jié)合在了一起，一是具備零成本特性的用戶生成內(nèi)容，二是與網(wǎng)絡(luò)分離的純算法的動態(tài)內(nèi)容；這種結(jié)合具有網(wǎng)絡(luò)效應(yīng)，因?yàn)門ikTok需要很多內(nèi)容供自己選擇，但它不需要特定的網(wǎng)絡(luò)。
我知道，元宇宙太 2021 了，但令我震驚的是，科幻小說里面的例子，包括《雪崩》以及《頭號玩家》等，在實(shí)現(xiàn)上其實(shí)非常像游戲。他們的虛擬世界是由有遠(yuǎn)見的公司創(chuàng)建的，或者是由一位有遠(yuǎn)見的開發(fā)者創(chuàng)建的，他也會開發(fā)一個(gè)爭奪虛擬世界最終所有權(quán)的確定性游戲。是，第三方可以而且確實(shí)建立了具有強(qiáng)大社交組件的體驗(yàn)，最著名的是《雪崩》里面 Da5id的黑色太陽俱樂部（Black Sun club），但它的核心機(jī)制，以及核心經(jīng)濟(jì)，更接近多人游戲，比任何其他東西都要接近。
不過，這一點(diǎn)在現(xiàn)實(shí)世界里面極具挑戰(zhàn)性：請記住，游戲開發(fā)非常耗錢，游戲的藝術(shù)創(chuàng)作尤其昂貴，而且成本越高，沉浸感體驗(yàn)越強(qiáng)。另一方面，社交媒體很便宜，因?yàn)樗玫氖怯脩羯傻膬?nèi)容，但這些內(nèi)容一般都體現(xiàn)在更基本的媒體上，如文本、圖片之類，視頻也是最近才出現(xiàn)的。當(dāng)然，內(nèi)容未必就得限制在你的網(wǎng)絡(luò)里面——算法可以將網(wǎng)絡(luò)上的任何內(nèi)容呈現(xiàn)給任何用戶。
DALL-E 的迷人之處在于它指向了一個(gè)可以將這三種趨勢結(jié)合起來的未來。歸根結(jié)底，DALL-E 最終是人類生成內(nèi)容的產(chǎn)物，就像它的表親 GPT-3一樣。當(dāng)然了，后者是做文本生成，而 DALL-E 是圖像生成的。但請注意，這是從文本邁進(jìn)到了圖像；接下來就會有機(jī)器學(xué)習(xí)生成的視頻。當(dāng)然，這可能需要幾年的時(shí)間；視頻這個(gè)問題會更加困難，而響應(yīng)式的 3D 環(huán)境則是難上加難，但這就是這個(gè)行業(yè)以前走過的道路：
游戲開發(fā)者突破了文本的限制，然后是圖像，然后是視頻，然后到 3D
社交媒體先是將文本內(nèi)容創(chuàng)作的成本降到0，然后是圖像，然后到視頻
機(jī)器學(xué)習(xí)模型現(xiàn)在可以用零邊際成本創(chuàng)建文本和圖像
從長遠(yuǎn)來看，這指向的是這樣一個(gè)元宇宙愿景，它的確定性要比典型的視頻游戲低得多，但在生成內(nèi)容的豐富性方面又比社交媒體豐富得多。想象一下，一個(gè)不是由藝術(shù)家繪制而是由人工智能創(chuàng)造出來的環(huán)境：這不僅增加了可能性，而且至關(guān)重要的是，降低了成本。
我們還可以換一種方式來思考 DALL-E 和 GPT 以及類似的機(jī)器學(xué)習(xí)模型，這可以追溯到我一直以來主張的一個(gè)觀點(diǎn)，即互聯(lián)網(wǎng)是一種只有印刷機(jī)才能匹配的變革性技術(shù)。后者的革命性在于它大大降低了消費(fèi)的邊際成本。以下內(nèi)容來自《互聯(lián)網(wǎng)與第三階級》：
與此同時(shí)，印書的經(jīng)濟(jì)性與手工抄寫的經(jīng)濟(jì)性有著根本上的不同。后者純粹屬于運(yùn)營費(fèi)用：產(chǎn)出完全要取決于勞動力的投入。反過來，前者主要是資本支出：首先，你得造印刷機(jī)，其次，給一本書設(shè)置好活字。這些重大的前期費(fèi)用最好的支付方式，是一本書要做出盡可能多的副本以供出售。
那么，怎么才能以最大限度地增加可以出售的副本數(shù)量呢？答案是用特定語言使用最廣泛的方言來印刷，這反過來又會激勵(lì)大家采用這種方言，從而在歐洲范圍內(nèi)對這種語言進(jìn)行標(biāo)準(zhǔn)化。相應(yīng)地，這又會加深使用共同語言的城邦國家之間的親和力，尤其是在數(shù)十年的時(shí)間里圍繞著書籍以及后來的報(bào)紙形成了共同文化。這種合并的發(fā)生速度各異，英格蘭和法國比德國和意大利早了幾百年，但幾乎在所有情況下，第一等級都不是天主教會的神職人員，而是國家君主，即便這些君主將權(quán)力讓渡給以伯克為典型代表的一種新型的貴族精英。
互聯(lián)網(wǎng)產(chǎn)生了兩個(gè)影響：一是讓消費(fèi)的邊際成本降到了零。即使是用印刷機(jī)，仍然需要打印實(shí)物并分發(fā)出去，這需要花錢；與此同時(shí)，把你現(xiàn)在看到的這篇文章發(fā)送給全世界任何一位感興趣的人其實(shí)是不用花錢的。這徹底顛覆了出版業(yè)，摧毀了看門人的力量。
不過，另一個(gè)影響發(fā)生在供給側(cè)。我在 Mistakes and Memes 中寫過關(guān)于TikTok的文章：
“Facebook吸引人之處也可能是因?yàn)樗尸F(xiàn)出來的內(nèi)容本身，至于是誰呈現(xiàn)的并不重要”這句話其實(shí)也可以用來描述TikTok。這句話描述Tiktok錯(cuò)在后者的吸引力在于它呈現(xiàn)的內(nèi)容，至于是誰創(chuàng)建的并不重要……換句話說，我太過專注需求了（這是聚合理論的關(guān)鍵），所以對供給側(cè)的演變沒有予以足夠的思考。用戶生成內(nèi)容未必就只能是阿貓阿狗的圖片以及某人關(guān)系網(wǎng)絡(luò)內(nèi)的人的政治抱怨。它還可能是一種新型網(wǎng)絡(luò)的基礎(chǔ)——在這種網(wǎng)絡(luò)里面，梅特卡夫定律的結(jié)果不在于任何一個(gè)節(jié)點(diǎn)可用的連接數(shù)，而在于定制化到動態(tài)消息的輸入數(shù)量。
機(jī)器學(xué)習(xí)生成內(nèi)容就是TikTok之后的下一步：GPT 和 DALL-E 以及其他類似模型不是從網(wǎng)絡(luò)上的任何地方去獲取內(nèi)容，而是以零邊際成本用內(nèi)容生成新的內(nèi)容。這就是元宇宙的經(jīng)濟(jì)學(xué)最終將行得通之處：虛擬世界需要以近乎零成本去創(chuàng)作完全可以針對個(gè)人定制的虛擬內(nèi)容。
當(dāng)然，DALL-E 還向我們提出了許多其他問題，其中很多屬于哲學(xué)上的問題。上周大家對這個(gè)話題已經(jīng)進(jìn)行了很多討論，而且未來應(yīng)該還會有更多的討論。盡管如此，它的經(jīng)濟(jì)影響也很重要，在上周DALL-E發(fā)布之后，互聯(lián)網(wǎng)的未來距離我們比以往任何時(shí)候都更接近，也更奇怪了。
譯者：boxi。
關(guān)鍵詞： 社交網(wǎng)絡(luò) 機(jī)器學(xué)習(xí) 邊際成本
