AI写作是平台算法推荐的必然结果

近日，“AI写作年赚200万”的新闻，引发关注。这对夫妻在某次自媒体访谈中，称自己用AI批量生产微信公众号内容，“一年赚了200万”。

这当然是一个骗局。

他们的钱是这样赚的。第一步，利用AI一人管理十几个乃至几十个账号，一个号一天发多篇文章，偶尔能跑出阅读量过万的爆款文章，赚取流量费。第二步，宣传自己赚钱了，是为了卖铲子，提供“低粉爆款对标+智能提示词生成+一键高效创作”等服务，每人收取299元。他们透露已经招募了3000多人。这些人希望像他们一样赚钱，但其实是很难成功的。

随后，该夫妻旗下的公众号“爆了么AI”因为“存在非真人自动化创作行为”被封。微信开始治理AI内容。不仅如此，抖音、小红书、红果短剧等平台都发布相关公告，对AI生成内容提出了更严格的规范。

AI内容的坏处当然很多。阅读的蛋糕就那么大，大多数人没有分辨能力，AI内容泛滥会挤占原有的优势把内容。而且，AI可能会存在编造虚假信息、拼凑耸动观点，涉及政策、医疗、财经，可能引发误导甚至舆情风险。

但治理和反思并不应该仅仅停留在AI写作，实际上，AI生成内容只是一个结果。

形而上的说，在技术上我倒并不保守的认为AI一定不能替代人在文字上的创作能力。实际上，很多人认为AI不能表达感情、情绪，但其实这反而是AI的强项。当然，味道如何就见仁见智了。

大模型是通过预测下一个最可能的词，而不是理解和思维来生成文章的。但文章无非文字的组合，只要时间足够长长，猴子也可能随机敲出一部莎士比亚。所以，当为了AI能力足够强，是可能写出和人不相上下的文章的。但不相上下，并不等于没有差异，这种差异可以被发现，再定价。就像相机比画师更好，但绘画行业不再以“画得像”为基础定价，而是围绕条线、色彩重新定价，构成市场。

但这些都是未来的事，当下，AI写作的确离优秀的人类作者还有一段距离。这是讨论这件事的基础。

媒体提供事实、分析、观点、价值，文学提供审美、情绪、价值观、世界观。这都是极其复杂的。所以，媒体、文学，都有不同程度上的“信息买卖”困境。所谓“信息买卖”困境，就是你不了解信息，就无法判断价值；但你一旦了解信息，就不需要购买。

你不可能看到明天的报纸；也不知道关注的公众号明天会推送什么东西；一本小说你只看简介也无法确定到底好不好；去看了书评，很可能要被剧透。

所以，不管是媒体，还是文学，还是电影，都存在一个底层的声誉机制。声誉不仅仅是知名度，它是排除了负面的美誉度，此外，还包含价值观认同、情感联系等等。声誉通过媒体信誉、作家声誉、电影明星、导演、编剧的知名度，向公众传达，以此确立自己的价值。

声誉的形成是一个长期过程。一部电影、一本小说还可以一炮而红，但也需要后续持续维持，才能保持声誉。但对于媒体，几乎不可能因为一篇文章一炮而红。考虑到工作量，一部电影、一本小说的工作量，和一篇文章，甚至报纸一天的全部文章，都是不可同日而语的。从这个角度，媒体需要持续地供应高质量的事实、分析、观点，才能建立声誉。全球知名媒体的声誉，都是在历史中长期形成的。

这个场景在社交媒体时代，就是关注、订阅。微信公号拥有最高端的创作者体系，多年以来他们积累了很高的声誉。

但公众号的推流机制也在变化，从“订阅优先”转向“算法推荐+社交裂变”，非粉丝流量占比显著提升，社交关系（如朋友转发、在看）对推荐的影响权重提升。

公众号不会因粉丝数量多就增加流量推送。相反，非粉丝的互动量越高，点赞、转发、在看及评论的数据占比越大，推流效果就越好。这对新账号而言是一次很好的机遇，不会因为是新账号且缺乏粉丝而没有流量。只要用户喜爱，互动率高，就能借助算法获得推流。

这就会导致一系列变化。

首先，算法缺乏对文字的理解，算法识别的是分享行为，而非文字本身。这就导致算法在低端思想市场更有效。

高级的思想市场，需要的是审美、智识上的破解感，收获感。因为情绪、因为被心理按摩而转发、分享的概率更小。所以，算法识别的是情绪、愤怒这些东西，而非文字质量本身。算法在低端思想市场更有效。AI无法提供高质量的文字，但却可以高效针对、回应算法，高效率的精准把控情绪，并用高效率的产出淹没人类创作的文字。

其次，有声誉的媒体、账户，肯定不会大规模、高强度地用AI写作。一是出于对自己声誉的珍惜，另一方面，面向高端思想市场的账户，他们的受众也能识别出AI。但对于没有声誉的起步者而言，AI就是一个高效的工具。一方面这是他们没有声誉，另一方面。低端用户更不容易识别出AI。

算法选择中，有历史路径吗？会考虑过去的声誉吗？目前并没有看到确切的证据。但有一点是显然的：当经营者可以通过用AI迎合算法，并获得流量。那么，这就印证了在算法选择中，“当下”的权重必然是大大高于“历史”的，“爆款”是高于“声誉”的。

有趣的是，没有记忆的AI和没有历史的算法，某种程度上，是非常相配的。

Transformer的self-attention机制，就是给定一段输入，大模型计算一个个的计算token之间的关联程度，输出结果。大模型没有记忆，没有上次，没有历史，每次推理都是全新的。现在用户看到的记忆，相当于是一种外挂，大模型本身没有记忆。当然从应用上说，这也未必是坏事，因为有了记忆就意味着记忆在训练产生的权重中，无法删除，且有隐私风险。

在传统声誉机制下，“历史”的权重很高。一个文字的产生者，不管它是AI还是人类，都很难被看到。哪怕它被转发，也不能形成关注、订阅。只有长期形成声誉，曝光的机会才更大。但人类思想市场的这个传统机制正在慢慢被侵蚀。

所以，所谓AI写作，不过是低端思想市场，更大程度地抛弃声誉机制之后，算法推动内容产生的数据化导向的一种极致。既然是数据化导向之下，算法推荐，那么，必然导致AI写作兴起，这是对算法推荐的回应。当平台都用算法推荐决定流量多寡，怎么指望市场上不出现AI产生的文字呢？

刘 远 举

央视网、第一财经、光明日报、腾讯大家、南方周末、新京报、南方都市报、FT中文网、澎湃等特约作家，多家智库研究员。

关注财经、科技、时政，以深度、专业、理性的态度，去掘现象背后的事实。

中国科技自媒体50人

第35届中国新闻奖评论三等奖

第34届中国经济新闻奖评论二等奖

第28届北京新闻奖一等奖

2024年湖南新闻奖一等奖

腾讯大家年度作家奖

新浪最有价值专栏作家奖

红辣椒评论年度佳作奖

已开快捷转载，欢迎转载

已开过白名单的公众号，转载请遵循转载规则

您的关注是最好的支持！