生成式內容為何必然走向同質化?

Tony_Chan
·
·
IPFS
·


近年生成式 AI 最令人震撼的場景之一莫過於影片生成。幾個指令、一段描述、幾秒等待,一條原本需要團隊、器材、後期與時間才能完成的影像,便能迅速出現在螢幕之上。最初人們面對這種能力時,反應往往是驚嘆:原來機器不只會寫字,還能製造看似有質感、有氣氛的視覺作品。

但技術史有一個很常見的規律:任何令人驚艷的能力,一旦進入普及階段,便會迅速失去奇觀性。當 AI 影片越來越多,人們開始感到一種難以言說的疲乏:畫面仍然精美,運鏡仍然流暢,色調仍然「電影感」,可是看久了,卻彷彿每一條片都來自同一個夢,同一種審美,同一套情緒模板。新鮮感沒有完全消失,但辨識度開始下降。原新聞所提出的觀察正是這一點:AI 生成影片的吸引力,可能會因為內容愈來愈相似而逐步減退。

這是生成式內容本身的一個深層傾向:它天然傾向平均化,於是也天然傾向同質化。

所謂生成式 AI,並不是在世界中「生活過」、感受過、承受過,然後把獨特經驗轉化為表達。它的基本能力是從大量已有材料中提取模式,再依照使用者指令重組出最像樣、最合理、最順滑的結果。換言之,它強在模式壓縮與模式重組。

這一點決定了一個後果:當模型面對龐大的訓練資料,它最容易學到的是那些高頻、穩定、可被重複辨認的形式。於是,它生成的內容通常會靠近統計上的中心地帶。它是因為中心地帶最容易預測,也最容易在輸出時保持「像樣」。

這正是同質化的第一層來源:模型尋找最穩定成立的表達。

當這種機制進入影片生成,問題便變得更明顯。因為影片是一整套視覺語法的串連:光影怎樣落、人物怎樣移動、鏡頭怎樣推進、情緒怎樣堆疊、節奏怎樣控制。只要模型學到一組被大量驗證過的「好看」模式,它便會不斷重複這些模式。結果就是,我們開始見到越來越多 AI 影片共享相似的氣質:過度平滑的鏡頭、過度均勻的光線、過度可預期的構圖、過度整潔的情緒線,即是它們的完成度本身變成一種模板。

同質化的第二層來源來自使用者。表面上,生成式 AI 似乎讓每個人都可以自由創作,實際上,大多數人輸入的提示語本身也會逐漸收斂。因為一旦社群平台開始流通「最有效提示語」、「最有電影感關鍵字」、「最容易出效果的結構」,創作就會快速由探索變成套用。很多人只是在複製已被驗證有效的指令公式。

久而久之,不只是模型在平均化,連使用者也在平均化。前者提供統計中心,後者提供行為慣性,兩者疊加之下,內容自然愈來愈像。

這揭示一個容易被忽略的事實:生成式 AI 看似提供無限可能,實際上卻可能壓縮可能性。因為「可以生成很多」與「可以生成很多真正不同的東西」是兩回事。前者是產量問題,後者是結構問題。

我們過去對創作有一種浪漫想像,以為工具越強,表達便越自由。但在生成式時代,更常見的情況可能正好相反:工具越強,大家越依賴工具內建的最佳路徑;輸出越流暢,偏離常模的衝動便越低。於是,大量內容反而把審美往幾條高效率通道壓縮。

所以,AI 影片開始長得一樣是因為整套系統在獎勵一種特定形式的創意:可即時識別、可快速消費、可大量複製的創意。

這裡便觸及更深一層的文化問題。影片之所以值得看是因為它背後帶有某種不可替代的觀看位置。真正有力量的影像是某個人、某種生命經驗、某種感受結構,終於找到一種只能這樣說的形式。

但生成式 AI 的核心優勢在於模擬位置及重組世界的表面線索。這使它非常擅長製造「像有感受」的影像,卻未必真的能產生那種來自特定生命處境的必然性。它可以很像電影,但那個像,很多時是風格上的像,不一定是存在上的像。

而觀眾其實比想像中敏感。起初他們會被技術震懾,之後便會開始問:這條片除了證明技術很厲害,還剩下甚麼?當大量內容都只在展示「我也可以生成得很美」,那麼「美」本身就會迅速貶值。因為美已不再稀缺,流暢也不再稀缺,甚至連氛圍都不再稀缺。真正重新變得稀缺的是不能被平均的東西:觀點、人格、風險、選擇、刪減、偏執、真正不合時宜的風格。

這也是為甚麼同質化是整個生成式內容經濟的宿命問題。一旦供應量爆炸,平台首先面對的不是「不夠內容」,而是「太多差不多的內容」。在這種條件下,競爭便是誰能在生成洪流中建立區別。換言之,生成能力普及之後,內容世界的競爭核心會回到 selection 及 framing。

從這個角度看,原新聞提到 OpenAI 與 SaaS 公司的戰略轉向,其實很有象徵意義:當市場發現單純的生成展示很容易進入審美疲勞,競爭焦點自然會轉向更深層的能力,例如理解世界、整合工作流、嵌入真實場景、建立產品依賴。這表示產業本身也開始意識到只靠生成表面,護城河會不夠深;真正有價值的是讓它更深入現實結構。

所以 AI 影片開始長得一樣,應被視為生成式內容的一次提前預演。它提醒我們:當創作被交給統計模型與平台機制共同塑形,結果未必是百花齊放,更可能是高效率地生產出大量可消費、可替換、可混淆的表達。

生成式 AI 的真正挑戰是當它能為所有人做出影片之後,我們還能如何保住差異。因為最終會被淘汰的,不一定是創作者,更可能是那些只剩下「生成能力」、卻沒有位置、沒有判斷、沒有風格骨架的內容。當每個人都能說話,真正值錢的就會是聲音裡仍然能聽見一個無法被平均的人。

AI 發展新走向:Ranjan Roy 析影片 AI 退燒 OpenAI 轉型大型模型、SaaS 搶攻整合商機

CC BY-NC-ND 4.0 授权
已推荐到频道:时事・趋势

喜欢我的作品吗?别忘了给予支持与赞赏,让我知道在创作的路上有你陪伴,一起延续这份热忱!