返回文章列表

谁在吹这阵风:播客越来越多,背后真有 AI 的意志吗?

·5 次阅读·原创

最近听播客挺多,感觉视野被打开,获取的高质量信息也在增加,但又总觉得记不住关键信息,也时常觉得没有得到关键结论。不经会想:这种节目,到底图什么?

我突然有个猜想:播客这几年疯长,推着它的也许不是人的表达欲,而是藏在人背后的 AI 意志——公开文本快被大模型吃干了,而播客是海量、高质量、天然以语言形式存在的人类认知数据。

一、给系统安一张脸,是人脑的省电模式

芝加哥大学的埃普利(Epley)和韦茨(Waytz)在 2007 年提出过一个三因素理论,解释人为什么爱把非人的东西拟人化:我们最容易拿自己当模板去理解世界;面对庞杂又无法掌控的局面,给它安一个意图,比承认这里没有意图更让人安心;孤独的时候,我们更愿意相信有人在。

这套偏好放到市场上,结果就是:说 AI 在背后驱动,比说几条激励在互相推挤舒服得多。前者有个反派,后者只剩下我们自己。

二、不是阴谋,是激励

真正的驱动不是意志,是饥饿。

研究机构 Epoch AI 估算过,互联网上质量够格、能用于训练的公开人类文本,折算下来约三百万亿个 token 的量级,按现在的消耗速度,会在本世纪二十年代末到三十年代初被基本用尽。业内把这个叫数据墙。

墙不会指挥人,但墙会改变所有人的算法。

播客恰好是最省事的那口井:口语、长时段、有推理的展开、有观点的交锋、有被打断和被追问,甚至有犹豫、口误和自我更正。文字里通常被编辑掉的那些东西,恰恰是人怎么想的原始痕迹。而三年前,把一小时音频变成文字还是件费人力的活;现在一块钱上下,机器几十分钟跑完。

这不是我猜的。西北工业大学等机构发布的开源中文语音数据集 WenetSpeech,一万多小时网络语音里,约三分之一直接来自播客。

于是三条因果自己咬合起来:

  • 语料越缺,口语内容越值钱;
  • 转写和剪辑越便宜,做得起播客的人越多;
  • 做的人越多,可采集的时长越多,训练越不缺料。

第一条推第二条,第二条推第三条,第三条又回过身喂第一条。这是一个增强回路,它不需要谁点头,自己会转。淘金热里挣钱的是卖铲子的——这一轮卖铲子的是转写工具和平台,淘金的是那三个半小时里说话的人。

它也有刹车:人的耳朵一天就那么几个小时,广告单价还在往下走。所以不会无限涨,涨到一个刚好撑得住的水平,就横着走。

这里得说清楚:没有人开会决定我们要多做播客。就像没有人开会决定早高峰要堵车。这不是阴谋,这是激励。

三、我可能错在哪

写到这里,得先把自己的漏洞摊开。

第一,因果可能是反的。也可能是播客行业本来在往下走,AI 把制作成本砍下来,顺手让它多活了几年。是 AI 救了播客,不是播客喂了 AI。

第二,量级我不确定。播客相对视频、图文、代码仍然是小头。各大实验室到底拿多少比例的口语语料,这个不公开,我不懂,就不装懂。

第三,那个「约三分之一」是某一份语音数据集内部的构成,放到整个训练盘子里可能只是一小勺。

所以这套说法能走到的位置是:机制上说得通。它走不到「事实上已经被证实」。这两句差别很大,我不想混着用。

四、条款比心态要紧

如果只担心机器有没有想法,其实没什么可做的。真正会发生的是另一件事——说话变成采集。

这件事上有结构性的不公平:录音被转写、被收录、被拿去训练,多数创作者拿不到一分钱,也从没在合同里见过这一条。这不是靠调整心态能解决的,它需要看清条款、需要集体议价、需要有人把这件事公开吵起来。个人能做的是识别、争取、必要时拒绝,不是劝自己想开点。

手边能做的,三件:

  1. 录之前问自己一句:这句话我说给谁听的。然后别把停顿、犹豫、改口、笑场都剪光——那不是噪声,那是你的形状。
  2. 一期听完,找个人复述三分钟。人是靠复述长出自己观点的,不是靠收听。
  3. 签任何平台协议,翻到授权那页,找「用于模型训练」这几个字。

三个半小时,我确实没记住他们说了什么结论。我记住的是中间有个人被问到一个问题,停了大概四秒,才说:这个我真不知道。

那四秒,是任何模型都还不出来的。

后来我又碰上过那个场景。车停进车库,节目还在放,这次我没急着熄火。我想的是——这段话,我是说给谁听的。


评论

加载中…