本文來自微信公眾號： 硅谷101 ，作者：硅谷101

過去兩年，光是洛杉磯就蒸發(fā)了四萬多個影視崗位。美國的報紙采編崗比2008年少了一半。這些消失的媒體人，有一批去了硅谷的大模型公司，用他們的寫作經(jīng)驗教AI回答你的問題。每當(dāng)你感到被大模型的回答擊中內(nèi)心的時候，寫出來那句話的，就是之前的記者、編輯和紀(jì)錄片導(dǎo)演。

本期《硅谷101》播客，我們來聊一聊這個鮮為人知的工種——Content Engineer，內(nèi)容工程師。我們邀請到兩位從新聞業(yè)轉(zhuǎn)身的資深內(nèi)容工程師——前媒體人、播客《行星酒館》主播東尼，與NBCUniversal AI戰(zhàn)略總監(jiān)Bianca Consunji，深入探討：什么才算“好”的對話，以及如何把它拆解成可量化、可訓(xùn)練、可評估的工程標(biāo)準(zhǔn)。

我們從這個正在各家AI公司裂變擴(kuò)張的新興崗位聊起，看看當(dāng)模型能力逐漸拉平，內(nèi)容與品味如何成為產(chǎn)品競爭力的關(guān)鍵，而懂人文、懂社科的判斷力，又該如何翻譯成工程能用的語言。

以下是這次對話內(nèi)容的精選：

軟件工程師讓ChatGPT、Claude這樣的AI擁有了開口說話的能力，而內(nèi)容工程師則負(fù)責(zé)定義另一件事：什么樣的對話才算是“好”。像靈感、語感，還有當(dāng)我們聊到忘我的時候，感受到的靈魂的碰撞——這些我們一直以為是只可意會不可言傳的東西，正在由這么一群曾經(jīng)的文字工作者，把它們拆解成一套可以裝進(jìn)AI里的規(guī)則。

Meta在給內(nèi)容工程師的招聘啟事里，職責(zé)是這么寫的：定義什么叫“好內(nèi)容”；擁有出色的品味、創(chuàng)作力和寫作能力；能夠?qū)懗鲎層脩舾械接淇?、驚喜、眼前一亮的回復(fù)。

Faith：什么是內(nèi)容工程師？

東尼：我們設(shè)計的東西，究竟是在設(shè)計這個AI模型，還是在設(shè)計AI產(chǎn)品，還是在設(shè)計它的行文風(fēng)格？都不是。我們設(shè)計的是人類的觀感。

Meta當(dāng)時有一個新的職位出來，叫做Content Engineering。它說你需要有內(nèi)容的經(jīng)驗，你需要有編輯的經(jīng)驗，最好你需要有影視制片的經(jīng)驗。我覺得這說的不就是我嗎？去面試的時候我就直接跟他們說，你們要的每一條我都能達(dá)到，而且你其實(shí)在市面上找不到這么多可以達(dá)到這些要求的人，干脆就找我吧。

內(nèi)容工程，需要寫的是什么呢？可能是system prompts這些提示詞。它其實(shí)是非常需要創(chuàng)意寫作的——你怎么把這個東西寫得好，又能讓模型聽得懂，然后模型有的時候又會傲嬌，你會怎么去訓(xùn)練它，這就是這個崗位從業(yè)者的核心技能。

Bianca：代碼是一種技術(shù)語言，但普通語言同樣具有技術(shù)性。它有語法、句法，這些其實(shí)都可以被量化。那什么叫做好的寫作、好的制作和好的對話呢？這些其實(shí)都是技術(shù)能力。一個好的劇本、一篇好的文章，你都是可以把它拆開分析、判斷高下的，只是說大家習(xí)慣憑感覺去讀。人們知道《紐約客》、《紐約時報》跟《每日郵報》的風(fēng)格都是不一樣的，但是卻說不清楚差別在哪。那像我們這些從新聞轉(zhuǎn)進(jìn)AI的人，干的就是這件事——把“是什么讓《紐約客》成為《紐約客》”這件事情說清楚。我們是去把語氣、風(fēng)格、聲音翻譯成更加技術(shù)化的東西。

其實(shí)歸根結(jié)底，它要回答的就是“內(nèi)容到底應(yīng)該是什么樣的”這樣一個問題。其實(shí)對很多我們這些有新聞背景的人來說，不論過去是我們做視頻或者在寫作的過程當(dāng)中，其實(shí)我們都會去思考：比如說我要去采訪誰，這個故事應(yīng)該是什么樣的語氣。我先學(xué)會了怎么樣去制作內(nèi)容，然后又去學(xué)怎么樣對內(nèi)容進(jìn)行逆向工程。

Faith：在討論如何拆解“好內(nèi)容”之前，我們第一步需要明白“好”的定義是什么？

Bianca：“好”這個概念，取決于你現(xiàn)在手上的產(chǎn)品是什么。就比如說，你同樣有這樣一個底層模型，但是你想做的產(chǎn)品是不一樣的：一個可能是想做一個幫你干活的智能體，一個是想有假裝當(dāng)你男朋友的聊天機(jī)器人。那這兩個產(chǎn)品其實(shí)是完全不同的。比如說一個航空公司的客服機(jī)器人，你就要去設(shè)計開頭的這個對話是什么樣的。這段互動的目標(biāo)你也要想清楚——是幫它去解決問題，還是說你要盡快地把人打發(fā)走，就像一個真的客服這個樣子。

之后我們就是要去不斷地訓(xùn)練，然后不斷地看它的輸出。你要去把這些屬性一項一項地拆開，然后去打分。這個過程就是不斷地去隔離變量，搞清楚什么東西沒有那么的有用，然后我們再一點(diǎn)一點(diǎn)地把“什么叫做好”這個問題去給定義清楚。有的回答它可能是好的，但是只有7分而不是10分，那我們就要去解釋那3分的差距在什么地方。

其實(shí)我工作的重點(diǎn)就是讓寫作變得更好，讓AI能夠更好地去回答問題。這些其實(shí)都是最基礎(chǔ)的新聞能力。比如說這個AI，它真的回答了用戶提出的問題嗎？還是沒有理解用戶的真實(shí)意圖呢？所以如果要說我的專長的話，我會說是理解意圖，而不只是去理解字面的問題。我其實(shí)在教AI的是：什么樣的回答是最理想的。比如說有人問“Taylor Swift會不會在麥迪遜廣場花園結(jié)婚？”

一個不太好的回答是：“是，她會在那里結(jié)婚，以下是她的伴娘名單?！币驗槠鋵?shí)你根本不知道這是不是真的，沒有人知道這是不是真的。

另一種非常差的回答，就是像我們大家很容易看出來的那些很明顯充滿機(jī)器人的腔調(diào)、很機(jī)械地去拼接一些信息的回答。

那什么樣的回答是更好的呢？比如說：“我們不知道她是否真的要結(jié)婚，但現(xiàn)在有很多猜測認(rèn)為她的婚禮可能會在麥迪遜廣場花園這個地方舉行?！蹦沁@個時候你再去加入來源、歸屬。你也承認(rèn)了現(xiàn)在的信息是具有比較強(qiáng)的不確定性的。這些東西它其實(shí)都是能讓一個新聞報道變得更好的一些因素，所以我們需要把它們都加到訓(xùn)練的過程里面去?？偟膩碚f，這就是事實(shí)性、語氣，以及我剛才說的真正理解用戶想要去找什么信息。

你想，其實(shí)用戶可能只是在問“她會在麥迪遜廣場花園這個地方結(jié)婚嗎”，那你如果只回答“不會”的話，雖然你在字面上確實(shí)是回答了這個問題，但是用戶并沒有得到非常滿意的體驗。他還是想要背景和語境是什么樣的。

Faith：也就是理解提問者的“言下之意”。

Bianca：尤其對于非西方的文化來說，這是非常有必要的。我自己是菲律賓人，很多真正重要的信息我們并不會去直接把它說出來。你在和一個真人進(jìn)行對話的時候，你必須去看他們的表情，然后去理解他們的停頓，才能知道他們說話之間沒有說出口的東西是什么。

所以當(dāng)我去教大家更好地使用AI工具的時候，我會鼓勵他們用語音輸入。這樣，其實(shí)AI更能捕捉很細(xì)微的差別。使用語音的時候，你不會先在腦子里面反復(fù)編輯，而是你會去直接想我想要去表達(dá)的東西。這和采訪其實(shí)非常的像，因為我們在口頭進(jìn)行的采訪——無論是打電話也好還是線下也好——就是往往都比郵件里去通過文字的方式采訪要好得多。

因為郵件的采訪，無論是被我們自己還是被對方都是過度編輯的。你的采訪對象其實(shí)有太多的時間去修飾他們的答案，所以他們可能不會去分享他們這個完整的思考過程，也有可能他們就是很忙，然后不愿意花一個小時去回答你的提問。而且很重要的一點(diǎn)是，你在進(jìn)行郵件采訪的時候，沒有人可以實(shí)時地追問，你不會讓他展開之前說的話題，而就是按部就班地去回答你問的那幾個問題。我覺得這正好是記者很會做的事情，所以我很鼓勵大家用口述，讓模型接觸更加完整的這樣一個思考范圍。那作為Model Designer或者Content Engineer，我們也可以根據(jù)這一點(diǎn)去設(shè)計更好的回應(yīng)。

我其實(shí)最喜歡AI的一點(diǎn)，就是它讓你意識到思考的速度和行動的速度——這兩個事情不是一回事。你想到一件事情所需要的時間和真正執(zhí)行它所需要的時間其實(shí)是完全不一樣的。所以說，與其我們?nèi)ノ菇oAI更多的材料，我反而會建議你先嘗試把你腦子里的所有的想法、它的背景、你為什么會產(chǎn)生這樣的想法直接地全都告訴這個AI模型。模型可能已經(jīng)具備了很多的訓(xùn)練，但它需要的只是說，你怎么樣把自己的意圖充分地表達(dá)出來，把那些它的能力給調(diào)用出來。

Faith：Bianca所說的，是一個人怎么把腦子里的上下文盡可能地完整地交給AI。但是上下文并不只存在于一個人的腦子里，它也藏在一種語言里，藏在一個文化里，藏在一個行業(yè)長年累月形成的默契里。有的時候一句話翻譯對了，意思卻沒對。那在多語言、多文化的切換里，內(nèi)容工程師又能做些什么呢？

東尼：生成式AI出現(xiàn)了之后，所有的AI實(shí)驗室都發(fā)現(xiàn)了一個新的機(jī)會，就是在國際化這件事情上面。在AI出現(xiàn)之前，我們把同樣的一個產(chǎn)品或內(nèi)容發(fā)散到世界各地去，你可能唯一能夠做的東西就是translation，就是翻譯，比如說“Meryl Streep just won an Oscar”，你把它翻譯過來就是“梅麗爾·斯特里普贏了奧斯卡獎”。

但是當(dāng)有了生成式AI之后，一個新的可能性就是，你讓AI不光要用不同語言呈現(xiàn)內(nèi)容，還要根據(jù)各地的語言和語境進(jìn)行再創(chuàng)作。比如說同樣的一句話，這個信息我們放在中文的語境里面——誰是中國的梅麗爾·斯特里普？誰是中國的梅麗爾·斯特里普？什么是中國的奧斯卡獎？可能對標(biāo)過來是“斯琴高娃”和“金雞獎或百花獎”。這是一個有g(shù)enerative的、生成式的一種創(chuàng)作在里面。

那AI能不能做到這一點(diǎn)呢？AI本身在語言上、在能力上當(dāng)然是可以做到的，但是它所欠缺的一點(diǎn)就在于，它并不知道Meryl Streep所對應(yīng)的在不同語境下的人究竟是誰。那這個東西你去調(diào)教它的話，其實(shí)是非常難的，因為需要跨語言、跨地域地去尋找這種相同性，而且你不小心惹到飯圈，或者說你再惹到一些其他的文化沖突，你就變得更加的敏感了。而在這個時候，誰最能去做這樣的事情呢？假定說是娛樂行業(yè)的話，那當(dāng)然應(yīng)該是娛樂記者是最會做這樣的事情的，因為他們天天就是看著這些新聞，有自己的一套非常好的娛樂界的垂直的小模型。而讓他們?nèi)ビ?xùn)練、去調(diào)教、去制定這些策略，其實(shí)是效果最好的。

還有一個就是，前幾天我聽《硅谷101》前面幾集的時候，陸川老師有講到說，國內(nèi)的視頻生成模型它出來的這些人的臉都是國內(nèi)現(xiàn)在流行的這種帥哥美女的臉。那這個東西很明顯就是你在做這個模型和設(shè)計這個產(chǎn)品的時候，你去找的這些人、你的訓(xùn)練的這些數(shù)據(jù)本身是有偏差的。但是你如果是用一個懂電影的人，知道一個電影臉長什么樣子，大家怎么樣去讓這個視頻模型變得更多元，你會非常快地提升這個模型的質(zhì)量。

新聞和AI這兩個東西之間的交互，不一定都是提問對提問，它可能對應(yīng)的是新聞寫作。因為我發(fā)現(xiàn)的一件事情就是，很多人對AI提不出好問題，是因為他們不太理解在當(dāng)下這個語境里面它所需要的上下文是什么——它需要什么樣的context。但是在新聞寫作里面，你說每一句話你不能就是完全把一個事實(shí)甩出去，你一定要是建立一個context：這個事情怎么發(fā)生了，它的前因后果是怎么樣。所以說當(dāng)你在腦子里面有一個“我一定要把這件事情的上下文、前因后果說清楚，然后我再把我的核心問題和核心論點(diǎn)拋出去”，這樣的新聞寫作，在AI的訓(xùn)練和交互過程中實(shí)在是太有效了，屢試不爽。

再說一點(diǎn)前沿的東西吧。今年ICLR大會的有一篇論文拿了最佳論文，它是講AI怎么去處理多輪對話——Multi-turn conversation的。因為多輪對話一般都是AI的弱項。它所做的一件事情，就是把一個非常非常復(fù)雜的指令拆碎了之后，一點(diǎn)一點(diǎn)地喂給AI，看一看這樣做，和AI做一整個復(fù)雜指令的質(zhì)量相比，有沒有下降。然后就發(fā)現(xiàn)這個質(zhì)量大幅下降。為什么呢？當(dāng)AI沒有足夠多的context的時候，它會進(jìn)行基于自己的模型的訓(xùn)練，會不斷地腦補(bǔ)，它的答案會變得越來越臃腫；它中間要是有出了一個錯的話，這個錯就像滾雪球一樣的越來越大。這是我們在2026年對于AI的判斷。

鴨兔錯覺：你看到的取決于你的語境｜圖片來源：Fliegende Bl?tter

我前幾天又發(fā)了一篇論文給你，是我2018年發(fā)的，那個是對于微博的一個研究。當(dāng)時研究的是香港當(dāng)時旺角有一個便溺事件，就是女童隨地大小便了，然后在微博上引起很大的討論。我就眼睜睜地看著大家怎么從一個非常和善的聊天變成了互相辱罵的情況。這個研究的主要的一個發(fā)現(xiàn)就是，人和人在微博評論區(qū)底下的對話也是沒有什么語境，你不知道這個人是誰，那這個時候大家就開始腦補(bǔ)了——“你一定是這樣的人”“你一定沒有孩子”“你才會說出這樣的話”。其實(shí)人的腦補(bǔ)和AI腦補(bǔ)在context破碎的情況下是蠻相似的一件事情。所以說很多時候，我是覺得人文社科的發(fā)現(xiàn)和AI現(xiàn)在行業(yè)的發(fā)現(xiàn)其實(shí)是相差沒有那么多的。

Faith：其實(shí)就你以前做國際記者，報國際新聞很大的一個技能，就是說你需要判斷一個故事在不同的國家、不同的文化里去怎么講。那你這些經(jīng)驗是怎么遷徙到你現(xiàn)在這個工作中呢？

東尼：我覺得就不光是做國際記者，整個做新聞、做媒體這一塊兒的經(jīng)驗，其實(shí)我都不覺得是遷徙，我覺得完全就是平移到了AI這一塊兒。因為一方面你在寫作的時候，你自己個人的創(chuàng)意寫作和你平時的新聞寫作是完全不一樣的。你新聞寫作的時候，你腦子里面一定是要想著有一個聽眾在那里。你怎么樣和觀眾之間有個拉扯？什么東西可以說，什么東西不能說？什么東西說了你可能會有什么樣的反應(yīng)？怎么樣可以做到又客觀又不得罪人，然后又能保持自己、又能還原事實(shí)？這種平衡其實(shí)是非常復(fù)雜的，而且它是需要訓(xùn)練的，這是其一。

其二，就哪怕我們這個對話的過程當(dāng)中，你作為訪問者，你的腦子里面一定都是在想著說：他現(xiàn)在說了這個東西，我接下來又要說什么其他的東西，怎么把他引導(dǎo)到下一個問題？其實(shí)中間有很多這種的交互。這種交互到了AI這種聊天的交互設(shè)計里面，其實(shí)是一種直覺性的東西。我們帶著這種的直覺去和AI進(jìn)行對話，我覺得是非常重要的。

還有一個就是提問題的能力。基本上你在做訪談、在新聞工作里面最重要的這一塊兒東西，就完全平移到了平時日常的AI工作里面。

Faith：我突然想到一個點(diǎn)，就是在記者這個職業(yè)有很重要的一個技能，就是如何問好follow up question（跟進(jìn)式問題）。你不可能完全按照你的提綱原本設(shè)計的邏輯去走，因為你的采訪對象永遠(yuǎn)會在回答你某一個問題的時候，他突然就岔到一個特別有意思的點(diǎn)。這個時候，如果你按照你的原有邏輯去走的話，你就會miss一個特別有意思的點(diǎn)。那你這個時候，你哪怕冒著偏題的風(fēng)險，你也要去說“你這邊能不能解釋一下”。

但是你覺得AI現(xiàn)在有這個能力嗎？因為我感覺AI是，你給它一個大的目標(biāo)，它就會按照那個大的目標(biāo)去問、去追尋，它不會說看到一個旁支的很有意思的點(diǎn)然后就會轉(zhuǎn)換它的方向。

東尼：你點(diǎn)到了一個非常重要的點(diǎn)。就是新聞的訪問里面，其實(shí)很多時候新聞人一定要做的一件事情，就是在結(jié)構(gòu)性和流動性之間取得一個平衡。AI上面你的交互設(shè)計，你一定也是要做這件事情的。比如說你看現(xiàn)在的GPT，它在結(jié)構(gòu)上最新的版本，你跟它一說話，它一開始先會給你生成兩三句話去重新闡釋你這個問題——這個東西它是用一個小模型來做的；接下來就給你開始分點(diǎn)作答了；再在底下再給你去生成了一個follow up question。那在AI上面，現(xiàn)在是GPT基本上是每一個問題基本上最后都要跟一個follow up question。它這個東西本身它就是一個產(chǎn)品。當(dāng)你有這樣一個產(chǎn)品設(shè)計之后，那我究竟要針對哪一個方面問一個follow up question呢？這個東西是需要去建立一整套評估體系來去評估的。那怎么樣去建立這個東西呢？當(dāng)然是由最會問問題的人來去建立——你什么時候要問，問哪一點(diǎn)，哪一點(diǎn)問的質(zhì)量怎么樣。所以說，其實(shí)都是新聞技能在里面。

Faith：今年5月一篇文章在美國刷屏了，標(biāo)題叫《我在好萊塢工作，而所有曾經(jīng)做電視的人現(xiàn)在都在偷偷訓(xùn)練AI》。作者叫Ruth，是一名好萊塢的編劇和制片人。在她的稿費(fèi)被一拖再拖的日子里，她在一個求職論壇上看到了一種專門招編劇和記者的新活，叫AI Trainer。她做的就是一遍遍地給AI寫出的東西打分、改寫、示范，教這個AI什么樣才算是一個好的劇本。Ruth自嘲說，自己一個劍橋文學(xué)系的高才生，如今卻要在工作群里聽二十幾歲的年輕人差遣，24小時隨叫隨到，去搶那些按小時計價的零工。

圖片來源：Wired

一邊是5000億美金砸向AI基建，估值一路飆升；另一邊是昔日輝煌的美國影視和公共媒體，如今卻是惶惶不可終日。光是洛杉磯，過去兩年內(nèi)就有四萬多個影視崗位蒸發(fā)，接近三分之一。而新聞界從2008年到今天，工作崗位的數(shù)量直接腰斬。

我其實(shí)個人特別能理解這種恐慌，因為我自己也曾是他們中的一個。兩年前，我從哥倫比亞大學(xué)新聞學(xué)院畢業(yè)——這也是東尼和Bianca曾經(jīng)畢業(yè)的院校。這所院校是普利策獎?wù)Q生的地方，很多年里它一直自詡為全世界最好的新聞學(xué)院。可在我念書的那一年，它似乎也不再那么驕傲了。我的一位哥大新聞教授打過一個比方，說今天從新聞學(xué)院畢業(yè)還想擠進(jìn)這一行的人，就像是朝著一棟已經(jīng)起火的大樓拼了命地往里跑。

畢業(yè)前后的那一陣，我投出的簡歷也是一封封的石沉大海，連下個月的房租都開始發(fā)愁。那個時候，也有人在LinkedIn上私信我，問我要不要接AI Trainer、數(shù)據(jù)標(biāo)注的活。其實(shí)當(dāng)時，如果不是我焦慮到什么都做不了了，我想其實(shí)我是會接的。如果我當(dāng)時接了這個活，也許我也會像Ruth一樣，在屈辱和憤怒中質(zhì)問：AI是不是正在把我們從創(chuàng)作者變成數(shù)據(jù)采集員？而我們賴以為生的靈感，是否正在被拆成一個個可以被標(biāo)記的數(shù)據(jù)？而這些親手標(biāo)記它們的人，是否又恰恰是我們自己？

Bianca：AI是基于共識去訓(xùn)練的。一件事情我們之所以會認(rèn)為它是一件對的事情、一件正確的事情，往往就是因為很多人都認(rèn)為它是正確的。標(biāo)注訓(xùn)練就是這樣子的一個過程。如果我們在AI的訓(xùn)練當(dāng)中優(yōu)化的是人類作為一個整體最低的這樣一個共同的標(biāo)準(zhǔn)，也就是所謂多數(shù)人的共識，那我覺得它不會產(chǎn)生偉大的藝術(shù)。我覺得我們?nèi)酥詾槿说淖罴驯举|(zhì)，恰恰不會完全來自共識。我和我的丈夫也會一起寫劇本，我嘗試過用AI去寫這些劇本，但很多時候我還是很不喜歡AI寫出來的東西。雖然我平時非常積極地使用AI，但有時候還是覺得AI給我的內(nèi)容不夠好，它沒有抓住我真正想要去看到的東西。所以我自己也會希望能夠看到真正由人創(chuàng)作的藝術(shù)，因為我知道那些藝術(shù)家、那些創(chuàng)作者，他們是真的有話想說的。

其實(shí)說到底，我們?nèi)藭约簺Q定制作流程里的哪些部分我們愿意外包給AI，哪些部分我們更想自己做。當(dāng)然我不能幫這些公司去說他們具體的決策是什么樣的，但是我想講的就是，只靠AI寫作，很難產(chǎn)生真正不一樣的作品、真正非凡的作品，就是因為它的訓(xùn)練方式在本質(zhì)上是建立在共識之上的。我們想一些最奇怪最獨(dú)特的藝術(shù)，它們本身就是非常離經(jīng)叛道的，和共識不一樣的。比如說《瞬息全宇宙》這部電影的劇本，它不可能自然地從AI里面產(chǎn)生，因為AI很可能就是會想：你給我的這個想法完全不合邏輯，完全說不通，也不符合標(biāo)準(zhǔn)的學(xué)院派的三幕劇結(jié)構(gòu)。

我們現(xiàn)在正在經(jīng)歷一個大家都在炒作的階段，但是隨著時間推移，我們會逐漸看清哪些地方適合AI，而哪些地方還沒有那么適合。

東尼：我非常能夠體會大家的憤怒。但是其實(shí)對這整個敘事，我是持有一定的懷疑的。“AI在偷我的工作，我現(xiàn)在教會了AI，然后AI就把我的工作偷走了”這件事情，我覺得它是糅雜了非常多不同的問題放在一起的。

第一個就是說，大家批判的是AI，但其實(shí)真正批判的是零工經(jīng)濟(jì)。零工經(jīng)濟(jì)這件事情在AI出現(xiàn)之前就已經(jīng)發(fā)生了，有多少的媒體人和搞藝術(shù)的人到最后去打零工——現(xiàn)在是給東西打分，之前可能就是開一開Uber，然后做一做DoorDash。藝術(shù)和文藝界難以為繼這件事情，它在AI之前就已經(jīng)產(chǎn)生了，并且問題非常的嚴(yán)重。

第二個就是，“教會了AI之后跑路”這件事情，因為是零工經(jīng)濟(jì)，所以說他們接到這個活一定是項目制的，做完之后就跑的。但是你說一個編劇打完分了之后，AI就跟編劇一樣厲害了？實(shí)際情況不是這樣的。它從這個意義上來說沒有這么聰明。

第三點(diǎn)，這樣的一個敘事其實(shí)是把創(chuàng)作者和AI對立起來了，然后你的選擇就只有說我要不就是反AI，我要不然就是把自己的靈魂賣給AI——不是的，其實(shí)明明是有一個第三條路，也就是說AI本身是可以作為創(chuàng)作者的伙伴。你可以提出一個不同的問題，就是“有了AI之后我可以創(chuàng)作什么？”

編劇在沒有攝影機(jī)的情況下你能不能去搞電影？電影人你在沒有特效預(yù)算情況下你能不能自己去搞特效？它可以解鎖很多創(chuàng)作的東西，甚至說我們可以去創(chuàng)作一些我們現(xiàn)在都沒有想象出來的媒介。就像一代又一代的數(shù)碼，從畫畫到攝影，再從攝影到Photoshop，再到Blender，其實(shí)我們都是這樣一代一代過來的?，F(xiàn)在是大家真的是餓得太慘了，以至于說大家希望是找到一個敵人，卻忘了它也可以變成一支畫筆，幫我們?nèi)?chuàng)作。我自己其實(shí)就是從自己玩播客，希望用AI生成一些視頻，然后才真的去把整件事情玩起來的。

東尼說他自己就是把AI變成畫筆的最好案例。去年是東尼人生中非常特殊的一年，他毫無征兆地發(fā)現(xiàn)自己的健康出了問題，需要請假回國治療。有那么一段時日，他甚至不知道自己還剩下多少時間。就在那段休假養(yǎng)病的日子里，他想著說：要不給自己做一個voice agent吧，既能陪自己聊天，又能當(dāng)自己播客的嘉賓。

后來Google的招聘者找到了他，他們很驚訝，一個完全沒有代碼基礎(chǔ)的前媒體人，用做播客的經(jīng)驗調(diào)教出來的Gemini Voice Agent，在多輪對話中比原生模型更生動、更靈活，而且還具有深度。

東尼：因為我有一個播客，生病的那一段時間我又不是很想去到處找人去約采訪什么的，我說好那我去搞一個AI機(jī)器人。我原以為GPT也好、Gemini也好，都應(yīng)該非常簡單，因為它們都有語音模式。后來發(fā)現(xiàn)，真的用了它們的語音模式之后，它們根本就沒有辦法當(dāng)我的播客主播，因為它們的flow，它們整個的感覺是助手，是語音助手，它不是播客播主，整個感覺是不一樣的。所以說我得從一個大模型從頭開始調(diào)。

那我一開始先試著說我去寫一個system prompt，就完全用提示詞的方式去做這件事情。然后就發(fā)現(xiàn)不行，完全用提示詞——“我說你是一個播客的播主，你需要又有趣又吸引人，不能什么什么什么”——我給它加了好多好多的限制，然后就發(fā)現(xiàn)完全沒有用，聊到第三句它就忘了之前的規(guī)訓(xùn)。

接下來我就做了一個智能體，我和AI先進(jìn)行了三天三夜的哲學(xué)對談，就是對話的本質(zhì)是什么，本質(zhì)是我們?nèi)绾稳シ治鲎约旱男枨蟆⑷说哪康氖裁词裁吹?。所以說我建了一個智能體，先讓它去分析我自己每一句話為什么要說這句話、我的目的是什么，然后我再把它加上一個情感智能體，再給它加上一點(diǎn)情感。結(jié)果就是：說得亂七八糟。最后整個智能體還不如原始的什么prompt都不加的agent。后來就發(fā)現(xiàn)我給它加了太多的限制，然后把整個AI搞崩了。

到了最后的時候我就發(fā)現(xiàn)，我把我所有曾經(jīng)的播客記錄，把問題和內(nèi)容分開歸類，然后不是直接全部喂給AI，而是每一次跟它聊天的時候，我讓AI去偵測有什么相關(guān)的內(nèi)容或者問題，讓它隨機(jī)地抽幾條發(fā)給AI做一個參考。用這種他們叫做“few shot example”的方式，就是用幾條隨機(jī)的案例作為參考。這個時候就整個AI它知道什么是好問題，什么是好內(nèi)容，什么是好的正確的語氣，它一下子就打開了。

谷歌找到我，他們還蠻震撼的。所以說我想說，做播客也好、寫文章也好，有這種感覺和品味本身是可以幫你找到工作的。

Faith：你甚至在自己的播客《行星酒館》中，和自己創(chuàng)造的AI主播一起錄了一期名為《困在大病里的我訓(xùn)練了一個陪我聊天的AI主播》的節(jié)目，可以說你們算得上是一種共創(chuàng)伙伴般的關(guān)系。但是一個越來越懂你的伙伴，會不會出現(xiàn)另一個問題？就是它會越來越順著你、討好你？

現(xiàn)在有很多人在網(wǎng)上說這個AI是奸臣、這個AI是忠臣。因為AI是會按照它談話對象這個人的價值取向和信息繭房去feed它的習(xí)慣的那個聲音。但其實(shí)人和人真實(shí)的交互中就有很多激烈的爭吵，有很多說得不是很好聽的話。因為現(xiàn)在更多的人在進(jìn)行這種價值討論的時候或者信息獲取的時候，他已經(jīng)是偏向用AI而不是專業(yè)的記者、而不是一個真實(shí)的人了。那你覺得這種趨勢長久下來，會不會讓人越來越活在自己的信息繭房里？因為它少了很多這種激烈的分歧和激烈的討論。

東尼：我只能說it is what it is。你看著好像說諂媚這件事情它是一個AI的行文問題，但它不是的，它是一個產(chǎn)品問題，它是一個產(chǎn)品設(shè)計。說白了，AI要是天天對著你跟你嗆的話，你用不用？你可能用，但是其他人用不用？所以說在設(shè)計文風(fēng)、設(shè)計AI的態(tài)度的時候，其實(shí)就是在設(shè)計AI的產(chǎn)品本身。

人就是很貪心，你又希望它能幫你，又能給你提供情緒價值，但是又不能老提供情緒價值。其實(shí)這個事情核心是，人類作為一個集體，我們想要的東西太多了。這個時候作為產(chǎn)品，它必須要去遷就，也為了自己的發(fā)展和ROI也好，它也必須說盡可能地去留住用戶。所以說這個地方它就需要一個非常脆弱的平衡。

我們能不能反過來問人類：能不能更c(diǎn)ritical thinking一點(diǎn)？諂媚的東西不要信。

Faith：那怎么可能（笑）。

東尼：是啊，其實(shí)就是我們把很多面對這個世界的責(zé)任外包給了AI。這事最終落腳點(diǎn)其實(shí)是在我們自己。

Faith：但是新聞人最重要的就是你要fact check對不對？你要預(yù)設(shè)觀眾是不會做事實(shí)核查的，甚至是沒有這個概念的，所以你作為有公共影響力的一方，必須得去做這件事情。但我覺得AI的影響力其實(shí)是更大的。

東尼：雖然事實(shí)如此，但是AI在事實(shí)核查上面它的效率又高了非常多。如果是一個比較有能力的AI的話，我記得好像是有一個研究，AI它在事實(shí)核查上反而讓更多人改變了原有的觀點(diǎn)。就是說你可以問一下“這個事情真的是這樣子嗎？反方怎么說？”你要是光看《紐約時報》、看《華爾街日報》，你就只看一個信息流的話，你反而看不到這些東西。

一個特別典型的，就是我記得有一次我家里人給我發(fā)了一個很明顯的假新聞。原來的我會想，沒有必要跟他們?nèi)庍@些東西。但是那次我就快速地讓ChatGPT去做一下事實(shí)核查，找出來哪些地方不對、不準(zhǔn)確。然后我也順便再fact check了一下ChatGPT的這個事實(shí)核查。我就發(fā)給家里人了，然后他們竟然就接受了，我還是挺震撼的。

Faith：所有做內(nèi)容的人，最本質(zhì)的技能就是共情。我覺得的確是，因為有你們這樣子的人，所以AI才會變得越來越和人共情。我之前和做這種Top AI的朋友聊天的時候，我就會跟他們說，其實(shí)我和ChatGPT是很好的朋友，我的確會跟它傾訴我的心事。

然后我的程序員朋友，他們作為實(shí)際編寫這些AI的人，很難理解這種感受。但其實(shí)跟你聊完以后，我就會有一種感覺，就是我覺得這個AI背后它并不是一個冰冷的代碼，因為它其實(shí)也是一種創(chuàng)作者的創(chuàng)作，它背后其實(shí)是本可能成為我同行或朋友的人。他們在背后的創(chuàng)作和努力，最終實(shí)現(xiàn)了這種交互式的創(chuàng)作體驗。

其實(shí)這個跟看書是一樣的。你看書，你可能看一個500年前的作家，這個作家他已經(jīng)死了，他也不認(rèn)識你，但是你通過閱讀他的書和內(nèi)容，獲得一種共鳴，獲得一種被理解，獲得一種“我不孤獨(dú)”的感覺。那其實(shí)這個跟AI是一樣的。AI只是將人類集體的語言經(jīng)驗重新組織，但它同樣是一種交互式的。當(dāng)然，它并非一個真正個體出于主體性對我的關(guān)心和理解，但它是一種人類共同意識，是所有曾經(jīng)跟我有過共鳴的人對我的一個跨時空的理解。

東尼：非常有意思，你又講到了一個傳播學(xué)的經(jīng)典的概念，就是Para-social interaction（準(zhǔn)社會交往）。而且在傳播學(xué)里面非常有意思的一點(diǎn)就是說，它雖然說好像是有一個遙遠(yuǎn)的實(shí)體在那個地方，它可能是書里面的人物，它可能是電視上的形象，也可能是一個AI——你和它好像隔得很遠(yuǎn)，但是你是有agency（主動權(quán)）的，你可以決定你跟它之間是一個什么樣的關(guān)系，你可以在這個關(guān)系里面進(jìn)行創(chuàng)作，在這個互動中產(chǎn)生意義。這件事情就是人之為人，我們活著就是為了這件事情我覺得。

Faith：從曾經(jīng)的記者到現(xiàn)在的內(nèi)容工程師、AI的模型評估者，你對內(nèi)容的判斷是否產(chǎn)生了改變？職業(yè)的轉(zhuǎn)變對你自身又產(chǎn)生了什么樣的影響？

東尼：我覺得從新聞、寫作、創(chuàng)作到做AI這件事情，對我來說最大的改變是，原來我可能關(guān)注的是結(jié)果，就是我寫出來的東西是怎么樣的，寫的東西好不好、質(zhì)量高不高，拍出來片子好不好看。我現(xiàn)在關(guān)注的更多東西是過程：我是怎么樣從點(diǎn)A到點(diǎn)B，從一個零散的想法去到一個好的東西。

我是特別會寫標(biāo)題的一個人，原來在新聞編輯部里面大家都來找我寫標(biāo)題。現(xiàn)在我在AI這個地方，如果也要遇到寫標(biāo)題，怎么樣讓這些標(biāo)題又有效又好，然后又在這個既定的長度里面。我就在想，什么東西是一個好標(biāo)題？好標(biāo)題具備哪些要素？我覺得這個是最有意思的一件事情。我現(xiàn)在想的很多東西都是想過程這件事情本身，因為這是共性。原來我產(chǎn)出的是成果，現(xiàn)在我產(chǎn)出價值的是過程本身。