生成式AI預示了網路的未來：客制化內容

2004 年，一群學者在期刊上發表了一篇文章，試圖預測當網際網路對主流意識的控制變得絕對化時，它將如何演變。學者們觀察到一種集中化的趨勢，內容越來越多地集中在「門戶」周圍，這是主導某些垂直領域的資訊樞紐，如旅遊、技術和新聞。 

這一預測被證明是非常有先見之明的，儘管作者無法預測網路環境中其他地震性變化（如，使用者產生內容、社群媒體和付費訂閱的爆炸性增長）。隨著網際網路的發展，Lycos、Yahoo!和 AOL 這樣的網站成為了利潤豐厚的資產，將數百萬次的點擊轉化為收入。在早期成功和大量風險投資的支援下，這些門戶所有者擴大了他們的業務，創造了更多樣化的內容，進而吸引了更多的使用者。 

這似乎是顯而易見的，但我還是想說明一下：這些門戶之所以成功，是因為它們提供了人們想要的東西。如果你對旅遊感興趣，你會造訪一個以旅遊為中心的入口網站。隨著成熟度的提高，它們可以進一步完善自己的產品，提供針對使用者個人興趣的定制內容。 

十七年後

時代在變。在近 20 年的時間裡，網際網路的發展可以用改頭換面來形容。以前，使用者受制於創作者的想法，但如今的網路被 Netflix、Alphabet、Meta 和蘋果公司的高薪博士創造的演算法所主導。它們對我們的生活有著不可思議的影響，為我們推送內容，追蹤我們的習慣，根據我們無意識的決定提供相關的建議。 

我們處在一個超情境化媒體的時代，演算法默默地塑造著我們所享受的那種體驗。這種現象不僅存在於推薦演算法中，也存在於創建的內容種類中。儘管深受粉絲歡迎，但 Netflix 在兩季後取消了科幻美劇《碳變》（Altered Carbon），因為資料顯示，未來的幾季不會那麼賺錢。 

這不應該被理解為一種批評。超個性化對消費者是有好處的，人們希望消費符合他們興趣的內容。這對公司來說更好，因為面對日益增長的宏觀經濟挑戰，公司需要製造更符合大眾需求的內容。 

可以說，這對創作者來說也更好。因為現在，決定發行什麼可以建立在對資料的實證分析上，而不是依靠校友關係和裙帶關係，後兩者在娛樂和媒體領域一直扮演著看門人的角色。 

但有一個問題：消費資料只提供了一個相對膚淺的興趣指標。它展示了觀眾或讀者已經感興趣的東西，但很難提供其他吸引人的主題或體裁。此外，資料也並不能顯示出受眾對所消費內容的興趣或情感依賴程度。 

注意力經濟

這種困境對於那些在新聞和書面內容領域工作的人來說，是非常熟悉的。在 2010 年代早期，轉向書面內容的管道發生了變化。讀者不再會去特定報紙或出版物的主頁，而是會從他們的社群媒體訂閱中找到文章。 

Facebook 和 Twitter 幾乎沒有為內容創作者提供「吸引使用者點擊」的方式。網站上會顯示標題和基本描述，僅此而已。因此，出版物越來越依賴於「標題黨」式標題來吸引使用者點擊進來。 

你可能對標題黨的概念很熟悉（比如，「不要點進來！」；「這個影片徹底改變了我的生活」，等等）。這些標題故意含糊其辭，勾起你的好奇心。有一段時間，它們無處不在。 

從表面上看，Facebook 的資料顯示，人們對 Upworthy 和無數類似出版物製作的標題黨內容都感興趣。但點擊不一定就能轉化為快樂。追蹤資料顯示，人們離開這些網站的速度幾乎和進入這些網站的速度一樣快。讀者不會把這些文章分享給他們的朋友。它們在網路上外表誘人，但完全沒有實質內容。使用者對新聞推送中鋪天蓋地的標題黨產生越來越多的不滿，面對這種情況，Facebook 調整了演算法，以懲罰這些標題黨網站。

在隨後的幾年裡，內容消費習慣已經從以演算法為基礎的大規模推送文章，轉向以獨立的興趣為中心的更小、更親密的對話。 

正在崛起的網路新聞服務 Substack 就是一個很好的例子，讀者可以在這裡訂閱他們喜歡的記者寫的文章。TikTok、YouTube 和 Twitch 都塑造了大量的個人媒體實體，在覆蓋範圍和影響力上往往超過傳統的新聞帝國。 

這些科技公司的共同之處在於，它們允許消費者定制體驗，使用者看到的內容與他們的觀點和興趣緊密一致。 

追求相關性

在過去幾年裡，媒體機構一直試圖提供客制化的、面向讀者的內容，但收效甚微。經濟基本面很大程度上使這一目標不可能實現。Patch 就是一個很好的例子，它是 AOL 旗下的地方新聞網站網路。 

Patch 提供了一項有價值的公共服務，履行了當地報紙曾經扮演的角色。肯·多克托（Ken Doctor）為尼曼實驗室（Nieman Lab）撰文，稱這家公司對記者和讀者都是「淨增值」。 

「在 2011-2012 年期間，AOL 雇用的記者可能比其他任何美國新聞機構的都要多，」他說，「編輯們產出了數量驚人的新聞，他們通常每週工作 50 到 80 個小時，成功地找到了日報沒有報導或沒有充分報導的故事。」 

但 AOL 無法從這項有價值的公共服務中獲利。記者雖然工資很低，但仍然要花錢。由於文章針對的是小城鎮，所以 AOL 永遠無法達到最終轉化為可持續收入流並最終實現盈利的那種影響力。像堂吉訶德一樣，AOL 有一個崇高的目標，但最終註定失敗。 

但這並不意味著超本地、超相關內容的終結。隨著人工智慧相關技術變得越來越複雜，運算能力變得越來越便宜，該行業正處於新媒體革命的風口浪尖。機器生成的內容是為單個消費者量身定制的，但品質與人類作家或藝術家提供的水準相同。 

客制化

雖然這看起來不太現實，或者像是從科幻小說中偷來的概念，但事實並非如此。在過去的幾年裡，「自動化新聞」的概念已經在 MSN 和《衛報》等主流媒體機構中獲得了一定程度的接受，在這些機構中，演算法根據少量的資料點和輸入，在幾秒鐘內就能產生文章。 

除了面向大眾市場的內容，這些技術還被用於生產只與少數人相關的內容。Yahoo!就是一個很好的例子。該公司使用 Automated Insight 的 NLG 技術製作獨特的夢幻體育比賽回顧。每篇文章只與一個人相關，但製作成本幾乎為零，這使得Yahoo!體育能夠實現各種流量目標，這對於基於內容的業務來說是至關重要的。 

像 DALL-E 2和 Article Forge這樣的生成型人工智慧已經在「根據使用者提示創造獨特的內容」方面取得了長足進步。隨著時間的推移，人工智慧產生的內容將不再像一個新奇的東西，而更多地成為我們創造內容的方式中被公認的一部分。 

消費者將能夠根據他們不同的喜好和需求來定制作品。我們已經在藝術和電子遊戲領域看到了這場革命的萌芽。 

Hello Games 的 No Man's Sky 百玩不厭，這得益於程式產生的船隻、生物和行星，讓每個玩家在這一過程中獲得完全獨特的體驗。一件 AI 生成的藝術作品在州博覽會上獲得了第一名，證明人工智慧可以提供滿足普通人品質要求的內容。 

從推薦到提需求

客制化、生成式內容的潛力怎麼誇大都不為過。它們的演算法本身可以成為內容創造者，而不像 Netflix 這樣的平臺僅僅是推薦內容。 

不難想像，在不久的將來，Netflix 的使用者會說：「我想看一部科幻劇，裡面要有一個構造精美的未來宇宙，要有一個令人費解的時間旅行情節，還要有一個令人震驚的搶劫案。」過一會兒，他們就會得到自己想要的，內容符合他們的興趣和願望。 

客制化網路將不僅僅是一個更具娛樂性的地方，它還會帶來更好的教育和健康效果。學生們將能夠獲得根據自己的學習風格讓定制機器生成的講解，講解他們認為最具挑戰性的話題，進而讓老師有更多的時間與每個學生進行交流。患者將能夠獲得針對其特定需求、條件或目標的健康資訊。 

這種網路的願景是令人興奮的，甚至可以說是烏托邦式的，但仍然牢固地建立在現實基礎上。它將被證明與Google的推出一樣具有根本性的變革意義。Google只是為已經存在的內容提供了一個無障礙的進入途徑，而客制化網路將在實際創建這些內容方面發揮作用。