E245｜藏在大模型背后的新闻人：GPT们的回复是这样写出来的

频道: 硅谷101
视频: https://sv101.fireside.fm/258
原文语言: zh
统计: 共 45 轮

`[0:05]`

嗨大家好欢迎收听硅谷101我是红军过去两年光是洛杉矶就蒸发了4万多个影视稿类美国的报纸彩编港比2008年少了一半那这些人去哪了呢?有一批他们是去了硅谷的大模型公司他们不写稿了而是把之前写作的经验改成教AI书画什么样的语气什么分寸什么时候该追问什么时候该闭嘴每次你觉得为什么这个大模型的回答这么懂你的时候那写出来那句话的就是之前的新闻人与内容工作者这可能是AI行业里最不为人知又离用户最近的一个工种那这个岗位的名字叫做ContentEngineer内容工程师这一期我们的特约研究员Faith就找到了两位内容工程师来聊一聊这个显为人知的工种大家好我是Faith我是一个很感性半夜又爱想东想西的人

`[1:15]`

在没有AI的时代里我的朋友总会在早上醒来第一次刷朋友圈的时候呢就发现我在前一天凌晨两三点又发了一篇小作文后来他们戏称我是朋友圈发疯文学的代表人物但是这两年呢他们再也刷不到我的半夜发疯文学了不是因为我不再感性了而是现在我半夜的情绪不再发泄在朋友圈而是在和ChatGBT的对话框里我会和他聊我创业的想法根根以怀的前任喜欢的作家还有呢一些不太容易对人说出口的心思我的确会觉得自己像是多了个朋友有时候他会精准地抓住一个连我自己都没有说清楚的情绪会突然问一个让我一论神然后陷入沉思的问题那个时候我就会想说天哪这个AI怎么会这么懂我当然我也知道对话框的另一头其实并没有一个真正关心我的人我以前以为这种被理解的幻觉来自数据中心里的芯片

`[2:31]`

来自模型里的参数来自程序员在灯火通明的硅谷办公室里不眠不休的敲击的代码所以每当我说我会把AI当朋友的时候我都有点秀于启齿但是在制作完这期节目以后呢这种羞耻感就消失了因为我突然意识到那些问进我心坎里的问题那些让我会心一笑的潜词造句其实并不只是代码的功劳也是这群人的功劳他们曾是我的同行是曾经的记者编辑和纪录片导演他们藏在大圆模型的背后被叫做内容工程师ContentEngineer那么什么是内容工程师呢就是我们设计的东西究竟是在设计这个AI模型还是在设计AI产品还是在设计它的行文风格都不是的我们设计的是人类的观感这是东尼东尼是一个based在纽约的资深前媒体人他曾在BuzzbyBloombergNBCVice的媒体工作

`[3:45]`

也是PBodyAward广播电视界的普利策奖的获奖者你或许会更熟悉他的另一个身份就是播客行星酒馆的主播2025年的时候啊当时在网飞工作了四年的东尼看到了一个Meta在招聘内容工程师的招聘帖Meta当时有一个新的title出来它叫做ContentEngineering他说你需要有内容的经验你需要有编辑的经验最好你需要有影视制片的经验就是我一看就觉得这一每一句话这说的不就是我吗去面试的时候我就直接跟他们说你们要的每一条我都能达到而且你其实在市场上市面上找不到这么多可以达到这些要求的人你干脆就你找我吧就这样凭着多年国际新闻和多语言工作的经验东尼空降进了Meta的超级智能实验室成为了模型内容国际化的负责人

`[4:47]`

就内容工程需要写的是什么呢可能是SystemPrompts这些提示词它其实是非常的CreativeWriting你怎么把这个东西写得好又能让模型听得懂然后模型有的时候又会傲娇你会怎么去训练它这个是内容相关的这些人的大家的技能在这里软件工程师让XGBTCloud这样的AI拥有了开口说话的能力而内容工程师则负责定义另一件事就是什么样的对话才算是好像灵感呢语感呢还有就是聊天的时候我们聊到忘我的时候感受到的灵魂的碰撞这些其实都是我们一直以为是只可意会不可言传的东西但是现在这么一群曾经的文字工作者正在把它们拆解成一套可以装进AI里的规则Meta在给内容工程师的照片启示里职责是这么写的定义什么叫好内容

`[5:46]`

拥有出色的品味创作力和写作能力能够写出让用户感到愉快惊喜眼前一亮的回复代码呢是一种技术语言但是其实啊普通语言同样是具有技术性的它呢有语法句法这些其实都可以被量化那什么叫做好的写作好的制作和好的对话呢这些啊其实都是技术能力一个好的剧本呢一篇好的文章你都是可以把它拆开分析判断高下的只是说呢大家习惯凭感觉去读啊人们呢知道纽约克的语气和纽约时报跟每日邮报都是不一样的但是呢他们却说不清楚差别在哪儿那像我们这些从新闻转进AI的人呢干的就是这件事把是什么让纽约克成为纽约克这件事情说清楚我们呢是去把语气风格声音翻译成更加技术化的东西这是BiancaKansuhi另一外经验丰富的资深前媒体人她做过VICE的视频总监

`[6:52]`

NBCNews的资深监制如今她是NBCUniversal的AI赋能与采用战略总监在这份工作前呢她也在Meta担任过GMAI的内容工程师那其实归根结底呢她要回答的就是内容到底应该是什么样的这样一个问题其实对很多我们这些就是有新闻背景的人来说啊不论过去是我们做视频或者在写作的过程当中其实呢我们都会去思考比如说我要去采访谁这个故事应该是什么样的语气我先学会了怎么样去制作内容然后呢又去学怎么样对内容进行逆向工程在讨论如何拆解好内容之前我们第一步需要明白的是我们首先要对好这个词呢下一个定义好这个概念呢它其实又取决于你现在手上拿的这个产品是什么就比如说你同样有这样一个底层模型但是你想做的产品是不一样的

`[8:05]`

一个呢你可能是想做一个帮你干活的agent一个呢你是想有一个假装当你男朋友的这样一个聊天机器人那这两个产品它其实是完全不同的比如说呢一个航空公司它的客服机器人你就要去设计开头的这个对话是什么样的这段互动的目标呢你也要想清楚是帮它去解决问题还是说呢你要尽快地想把它给打发走就像一个真的客服这个样子之后呢我们就是要去不断地训练然后不断地看它的输出你要去把这些属性一项一项地拆开然后去打分这个过程呢就是不断地去隔离变量然后搞清楚什么东西没有那么的有用然后我们再一点一点地把就是我们最开始说的什么叫做好的这个问题去把它给定义清楚那有的回答它可能是好的但是只有7分而不是10分那我们就要去解释那三分的差距在什么地方

`[9:04]`

一个好的对话体验光有令人舒服的语气是不够的还需要让AI能洞悉用户的真正意图其实我工作的重点呢就是让写作变得更好让AI能够更好的去回答问题这些呢其实都是最基础的新闻能力那比如说这个AI它真的回答了用户提出的问题吗还是没有理解用户的真实意图呢所以如果要说我的专长的话我会说是理解意图而不只是去理解字面的问题就是我其实在教AI的是什么样的回答是最理想的那比如说有人问TaylorSwift会不会在MadisonSquareGarden结婚那一个不太好的回答是是他会在那里结婚以下是他的伴娘名单因为其实你根本不知道这是不是真的没有人知道这是不是真的另一种这样差的回答呢就是像我们大家很容易看出来的那些很明显充满机器人的腔调

`[10:05]`

然后很机械地去拼接一些信息的回答那什么样的回答是更好的呢比如说我去讲说我们不知道他是否真的要结婚但现在呢有很多猜测认为他的婚礼可能会在MadisonSquareGarden这个地方举行那这个时候你再去加入来源啊归属你也承认了现在的信息它是具有比较强的不确定性的这些东西呢它其实都是能让一个新闻报道变得更好的一些因素所以我们需要把它们都加到训练的过程里面去总的来说这就是事实性语气以及我刚才说的真正理解用户想去找什么信息你想啊其实用户可能只是在问他会在MadisonSquareGarden这个地方结婚吗那你如果只回答不会的话呢虽然你在字面上确实是回答了这个问题但是用户并没有得到非常满意的体验

`[11:04]`

他还是想要背景还有这个语境是什么样的也就是理解提问者的言下之意对其实尤其是对于非西方的文化来说这是非常有必要的我自己是菲律宾人那很多真正重要的信息呢我们并不会去直接把它说出来你在和一个真人进行对话的时候你必须去看他们的表情然后去理解他们的停顿才能知道他们说话之间没有说出口的东西是什么所以呢当我去教大家更好的使用AI工具的时候啊我会鼓励他们用语音输入这样呢其实AI更能捕捉很细微的差别使用语音的时候呢你不会先在脑子里面反复编辑而是你会去直接想我想要去表达的东西那这和采访其实非常的像啊因为我们在口头进行的采访无论是打电话也好还是线下也好就是往往都比邮件里去通过文字的方式采访要好得多因为邮件的采访无论是被我们自己

`[12:17]`

还是被对方都是过度编辑的你的采访对象其实有太多的时间去修饰他们的答案所以呢他们可能不会去分享他们这个完整的思考过程也有可能呢他们就是很忙然后不愿意花一个小时去回答你的提问而且很重要的一点是你在进行邮件采访的时候没有人可以实时的追问你不会让他展开之前说的话题而就是按部就班的去回答你问的那几个问题我觉得这正好是记者很会做的事情所以呢我很鼓励大家用口述让模型接触更加完整的这样一个思考范围那作为modeldesigner或者contentengineer我们也可以根据这一点去设计更好的回应我其实最喜欢AI的一点啊就是它让你意识到思考的速度和行动的速度这两个事情呢不是一回事你想到一件事情所需要的时间和真正执行它所需要的时间

`[13:17]`

其实是完全不一样的那所以说与其我们去为给AI更多的材料啊我反而会建议你先尝试把你脑子里的所有的想法然后它的背景你为什么会产生这样的想法直接的全都告诉这个AI模型那模型呢可能已经具备了很多的训练但它需要的只是说你怎么样把自己的意图充分地表达出来把那些它的能力给调用出来比安卡所说的是一个人怎么把脑子里的上下文尽可能地完整地交给AI但是上下文呢并不只存在于一个人的脑子里它也藏在一种语言里藏在一个文化里藏在一个行业常年累月形成的默契里有的时候一句话翻译对了意思却没对那在多语言多文化的切换里内容工程师又能做些什么呢GenerativeAI出现了之后所有的AI实验室都发现了一个新的机会就是在国际化这件事情上面

`[14:18]`

平时我们在AI之前的时候我们把同样的一个产品或者是说同样的一个内容发散到世界各地去你可能唯一能够做的东西就是translation就是翻译比如说MerylStreepjustwonanOscar那你把它翻译过来就是梅里尔·斯特里普赢了奥斯卡奖但是呢当有了GenerativeAI之后呢一个新的可能性就是你让AI不光是说去把这些内容放到世界各地用不同的语言而是说针对世界各地不同的语言他们的语境来把它进行一些再创作比如说同样的一句话这个信息我们放在中文的语境里面谁是中国的梅里尔·斯特里普什么是中国的奥斯卡奖对吧那我们可以说斯琴高娃刚拿了金鸡奖或者百花奖这个是一个有Generative的这是一个生成式的一种创作在里面

`[15:16]`

那AI能不能做到这一点呢AI本身在语言上在能力上当然是可以做到的但是他所欠缺的一点就在于说他并不知道说MerylStreep他所对应的在不同的语境下的人究竟是谁那这个东西你去调教它的话你其实是非常难的因为这种跨语言跨地域的这种你去寻找这种相同性而且你不小心你惹到饭圈你或者说你再惹到了一些其他的这个文化冲突你就变得更加的敏感了而在这个时候谁最能去做这样的事情呢假定说是娱乐行业的话那当然应该是娱乐记者是最会做这样的事情的因为他们天天就是看着这些新闻有自己的一套非常好的娱乐界的垂直的小模型而让他们去训练去调教去制定这些策略其实是效果最好的还有一个就是前几天我听硅谷一领一前面几集的时候陆川老师又讲到说

`[16:15]`

国内的视频生成模型他出来的这些人的脸都是国内现在流行的这种帅哥美女的脸那这个东西很明显就是你在做这个模型和设计这个产品的时候你去找的这些人你的训练的这些数据本身是有偏差的但是你如果是用一个懂电影的人知道一个电影脸长什么样子那个大家怎么样去让这个视频模型变得更多元其实你会非常快的提升这个模型的质量新闻和AI这两个东西之间的交互呢不一定都是说提问题对提问题而是可能提问和AI提问题它对应的是新闻写作因为我发现的一件事情就是很多人对AI提不出好问题是因为他们不太理解在当下这个语境里面他所需要的上下文是什么他需要什么样的context但是在新闻写作里面你说每一句话你不能就是完全把一个事实甩出去你一定要是建立一个context

`[17:17]`

这个事情怎么发生了它的前因后果是怎么样所以说当你在脑子里面有一个我一定要把这件事情的上下文前因后果说清楚然后我再把我的核心问题和核心论点抛出去这样的一个新闻写作在AI的训练和交互过程中实在是太有效了屡试不爽然后再说一点前沿的东西吧今年ICLR大会的有一篇paper就是拿了它最佳paper的它是讲AI怎么去处理多轮对话multi-termconversation的就是因为多轮对话一般都是AI的弱项嘛他所做的一件事情呢就是把一个非常非常复杂的指令比如说我今天要去这吃饭然后呢我肚子疼了怎么样怎么样然后一个非常非常复杂的指令他就把这个指令拆碎了之后一点一点的为给AI看一看AI做这个一整个复杂指令的质量

`[18:11]`

和一点一点掰开了揉碎的在多轮对话里面进行的交互它的质量有没有下降然后就发现这个质量进行非常非常大的下降为什么呢他发现了当AI没有足够多的context的时候它会进行基于自己的模型的训练会不断的脑补它的答案会变得越来越臃肿它中间要是有出了一个错的话呢这个错就像滚雪球一样的越来越大这是我们在2026年对于AI的判断我前一天又发了一篇论文给你是我2018年发的那个是对于微博的一个研究当时是研究的是香港当时望角有一个变尿事件就是女童随地大小变了然后在微博上引起很大的讨论我就眼睁睁地看着大家怎么从一个非常和善的一个聊天然后变成了互相辱骂的情况这个研究的主要一个发现就是人和人在微博评论区底下的对话呢也是没有什么context

`[19:12]`

你不知道这个人是谁那这个时候大家就开始脑补了你一定是这样的人你一定没有孩子你才会说出这样的话怎么样怎么样怎么样的其实人的脑补和AI脑补在context破碎的情况下是蛮相似的一件事情所以说很多时候我是觉得人文社科的发现和AI现在行业的发现其实是相差没有那么多的就是说很多东西确实都是我们已经观察到的一些东西这个也是我慢慢地在AI的圈子里面就认识了越来越多的语言学家大家聊起来都是这个东西其实都是我们之前研究过或者说感兴趣的东西然后现在我们在一个新的实体也就是这个模型或者说AI的情况下我们再重新去探索这些事情也是蛮有意思的其实就你以前做国际记者报国际新闻很大的一个技能就是说你需要判断一个故事它在不同的国家

`[20:07]`

不同的文化里去怎么讲那你这些经验是怎么迁徙到你现在这个工作中呢我觉得就不光是做internationalcorrespondence就是整个做新闻做媒体这一块的经验其实我都不觉得是迁徙我觉得完全就是平移到了AI这一块因为一方面你在写作的时候你自己个人的creativewriting和你平时的新闻写作是完全不一样的你新闻写作的时候你脑子里面一定是要想着有一个audience一个观众在那里的你怎么样和观众之间有个拉扯什么东西可以说什么东西不能说什么东西说了你可能会有什么样的反应怎么样可以做到又客观又不得罪人然后呢又能保持自己又能还原事实就是这种的balance这种的平衡其实是非常非常复杂的而且并不是说

`[21:01]`

它是需要训练的这是其一其二呢就哪怕我们这个对话的过程当中你作为访问者你的脑子里面一定都是在想着说他现在说了这个东西我接下来又要说什么其他的这些东西那我怎么把它引导到下一个问题怎么样怎么样其实中间有很多这种的交互这种交互到了AI这种聊天的交互设计里面其实是一个instinctive的是一个非常直觉性的东西就是我们有这种的直觉去和AI进行对话我觉得是非常非常重要的然后还有一个就是提问题的能力基本上你在做访谈在新闻工作里面最重要的这一块东西就完全平移到了平时日常的AI工作里面我突然想到一个点就是在记者这个职业有很重要的一个技能就是如何问好followupquestion你不可能完全按照你的提纲原本设计的逻辑去走

`[21:59]`

因为你的采访对象永远会在回答你某一个问题的时候它突然就差到一个特别特别有意思的点那这个时候如果你按照你的原有逻辑去走的话你就会错掉一个miss掉一个很有意思的点那你这个时候你哪怕冒着偏提的这个风险你也要去说你这边能不能expand一下但是你觉得AI现在有这个能力吗因为我感觉AI它是就是你给它一个大的目标它就会按照那个大的目标去问去追寻它就会觉得那个是它的目标它不会说看到一个旁之门类的一个一个很有意思的点然后它就会转换它的方向你这个点到了一个非常非常重要的点就是新闻的这个访问里面其实很多时候新闻人一定要做的一件事情就是在结构性和流动性之间取得一个平衡AI上面你的交互设计你一定也是要做这件事情的比如说你看现在的GPT

`[22:52]`

它在结构上最新的版本你跟它一说话它一开始先会给你生成一个两三句话去重新去阐释你这个问题这个东西它是用一个小模型来做的接下来就给你开始分bulletpoints分点作答了再在底下再给你去生成了一个followupquestion那在AI上面现在是GPT基本上是每一个问题基本上最后都要跟一个followupquestion它这个东西本身它就是一个产品当你有这样一个产品设计之后那我究竟要针对哪一个方面问一个followupquestion呢这个东西是需要去建立一整套评估体系来去评估的那怎么样去建立这个东西呢当然是最会问问题的人来去建立你什么时候要问问哪一点哪一点问的质量怎么样所以说again其实都是新闻技能在里面

`[23:43]`

在东西比安卡这样顺利转身的人背后是无数在萧条的行业里无所适从被迫转行甚至是彻底离场的媒体人和影视从业者今年5月一篇文章在美国刷屏了标题叫我在好莱坞工作而所有曾经做电视的人现在都在偷偷训练AI作者呢叫Ruth是一名好莱坞的编剧和制片人在他的稿费被一拖再拖的日子里他在一个求职论坛上看到了一种专门招编剧和记者的心活叫AITrainer他做的呢就是一遍遍的给AI写出的东西打分改写示范教这个AI什么样才算是一个好的剧本Ruth他自嘲说自己一个剑桥文学系的高材生如今呢却要在工作群里听二十几岁的年轻人拆遣24小时随叫随到去抢那些按小时计价的灵活一边呢是5000亿美金杂像AI基建估值一路飙升另一边呢是昔日辉煌的美国影视和公共媒体

`[24:53]`

如今却是恍恍不可终日光是洛杉矶去年两年内就有四万多个影视岗位蒸发接近三分之一而新闻界呢就更不用说了从08年到今天工作岗位的数量直接腰斩我其实个人特别能理解这种恐慌因为我自己也曾是他们中的一个两年前呢我从哥伦比亚大学新闻学院毕业这呢也是东尼和比亚卡曾经毕业的院校这所院校呢是普利策奖诞生的地方很多年里呢他一直自诩为全世界最好的新闻学院可在我念书的那一年呀他似乎也不再那么骄傲了我的一位哥大新闻教授打过一个比方说今天从新闻学院毕业还想挤进这一行的人呢就像是朝着一栋已经起火的大楼拼了命的往里跑毕业前后的那一阵呢我投出的简历呢也是一风风的时辰大海连下个月的房租都开始发愁那个时候也有人在linkin上私信我

`[26:04]`

说问我要不要接AItrainer数据标注的活其实当时如果不是我焦虑到什么都做不了了我想其实我是会接的那如果我当时接了这个活也许我也会像Rose一样我会在这个活动中质问AI是不是正在把我们从创作者变成数据采集员而我们赖以为深的灵感是否正在被拆成一个个可以被标记的数据而这些亲手标记他们的人是否又恰恰是我们自己我把这个疑问抛给了比安卡和东尼其实我们说AI呢是基于共识去训练的一件事情我们之所以也会认为它是一件对的事情一件正确的事情往往就是因为很多人呢都认为它是正确的所以其实标注训练就是这样子的一个过程啊如果我们在AI的训练当中呢优化的是我们就是人类作为一个整体最低的这样一个共同的标准也就是所谓多数人的共识

`[27:10]`

那我觉得它不会产生伟大的艺术我觉得我们人之所以为人的最佳本质恰恰不会完全来自共识我和我的丈夫呢也会一起写剧本我尝试过用AI去写这些剧本但很多时候我还是很不喜欢AI写出来的东西虽然就是我平时我是特别积极地使用AI的但是有的时候呢我还是会觉得AI给我的这个内容不够好它没有抓住我真正想要去看到的东西所以呢我自己也会希望能够看到真正由人创作的艺术因为我知道那些艺术家那些创作者他们是真的有话想说的其实说到底啊我们人会自己决定制作流程里的哪些部分我们愿意外包给AI哪些部分呢我们更想自己做当然我不能帮这些公司去说他们具体的决策是什么样的但是呢我想讲的就是只靠AI写作非常难产生真正不一样的作品真正非凡的作品就是因为它的训练方式在本质上

`[28:15]`

是建立在共识之上的我们想啊一些最奇怪最独特的艺术他们本身呢就是非常离经叛道的和共识不一样的比如说顺息全宇宙这部电影的剧本它不可能自然的从AI里面产生因为AI很可能就是会讲你给我的这个想法它完全不合逻辑然后完全说不通然后呢也不符合标准的学院派的三幕具结构我们现在呢正在经历一个大家都在炒作的阶段但是随着时间推移啊我们会逐渐看清哪些地方适合AI而哪些地方还没有那么适合哎呀我这个这个有太多想法了而且我自己也非常能够体会大家的愤怒但是其实这个整个叙事就是像好莱坞啊和现在新闻界它这个叙事本身我是持有一定的怀疑的就是AI在偷我的工作我现在教会了AI然后呢AI就把我的工作偷走了这件事情我觉得它是揉杂了非常非常多不同的问题放在一起的

`[29:22]`

第一个呢就是说大家批判的是AI但其实真正批判的是零工经济零工经济这件事情在AI出现之前就已经发生了有多少的媒体人和搞艺术的人到最后去打零工现在是给东西打分那之前呢可能就是开一开Uber然后呢做一做Doordash艺术和文艺界难以为继这件事情它在AI之前就已经产生了并且问题非常非常的严重这是第一个第二个呢就是教会了AI之后跑路这件事情因为是零工经济所以说他们接到这个活一定是projectbased然后这个project它可能只是说我现在是有这样的一个功能或者我现在做这样的一个测试然后看一看说它能不能满足这一单所以说它一定是projectbased然后呢做完之后就跑的但是说你一个编剧打完分了之后

`[30:17]`

AI就跟编剧一样厉害了没有的这个itdoesn'tworklikethat它就是从这个意义上来说它没有这么聪明第三点呢这样的一个叙事其实是把创作者和AI对立起来了然后呢你的选择就只有说我要不就是反AI我要不然就是把自己的灵魂卖给AI不是的其实明明是有一个第三条路也就是说AI本身是可以作为创作者的伙伴你可以提出一个不同的问题就是有了AI之后我可以创作什么你编剧你在没有摄影机的情况下你能不能去搞电影电影人你在没有特效budget情况下你能不能自己去搞特效就是说它可以解锁很多创作的东西甚至说我们可以去创作一个我们现在都没有想象出来的一些媒介就像一代又一代的数码就是从画画到摄影然后呢再从摄影到photoshop

`[31:13]`

再到blender其实我们都是这样一代一代过来的现在是大家真的是饿得太惨了以至于说大家希望是找到一个敌人找到一个矛头但是忘了说其实它也可以变成一只画笔来让我自己去创作什么东西我自己其实就是从自己玩播客希望用AI生成一些视频然后才真的去把整件事情玩起来东尼说他自己啊就是把AI变成画笔的最好案例去年呢是东尼人生中非常特殊的一年他毫无征兆地发现自己的健康出了问题需要请假回国治疗有那么一段时日他甚至不知道自己还剩下多少时间就在那段休假养病的日子里他想着说哎要不给自己做一个voiceagent吧既能陪自己聊天又能当自己播客的嘉宾因为我有一个播客然后生病的那段时间呢我又不是很想去到处找人去约采访什么呢我说oknow去搞一个AI机器人

`[32:18]`

我脑子里面想的是所有的GPT也好啊Gemini也好啊都应该非常非常的简单因为他们都有语音模式然后呢后来发现真的用了他们的语音模式之后他们根本就没有办法当我的播客主播因为他们的flow他们整个的感觉是助手是语音助手它不是播客播主整个感觉是不一样的所以说我得从一个大模型从头开始调那我一开始呢先试着说我去写一个systemprompt就完全用提示词的方式去做这件事情然后就发现哎不行完全用提示词我说你是一个播客的播主你需要又有趣又engaging不能什么什么什么什么我给他加了好多好多的限制然后呢就发现完全没有用因为他聊到第三句他已经忘了我之前的给他的规训了接下来呢我就做了一个agent我就和AI先进行了三天三夜的哲学对谈

`[33:17]`

就是对话的本质是什么然后呢本质是我们如何去分析自己的intention人的目的啊什么什么的所以说我建了一个agent先让他去分析我自己每一句话为什么要说这句话我的目的是什么然后呢我再把他加上一个情感agent再给他加上一点情感什么什么就说的乱七八糟最后整个agent还不如原始的什么prom都不加的agent后来就发现哦我给他加了太多的限制然后把整个AI搞崩了到了最后的时候呢我就发现哎我把我所有曾经的播客记录全部把问题归问题内容归内容接下来就把他也不是完全的喂给AI而是每一次跟他聊天的时候呢我让AI去侦测有什么相关的内容啊或者说问题啊让他随机的抽几条发给AI做一个参考用这种他们叫做fueshotexample的这种方式

`[34:16]`

就是用几条随机的案例做一个参考这个时候呢就整个AI他知道什么是好问题什么是好内容什么是好的正确的语气他一下子就打开了Google的recruiter找到了他他们很惊讶一个完全没有代码基础的前媒体人用做播客的经验调教出来的GeminiVoiceAgent居然在多轮对话的表现中比他们的原生模型更加的生动更加的灵活而且还具有深度谷歌找到我然后他们还蛮震撼的所以如果想说做播客也好然后呢写文章也好有这种感觉和品味本身是可以帮你找到工作的就在东尼养病的这段时间里好几家独角兽和实验室都找上了门各家AI公司纷纷意识到要把模型的内容做好得请懂人文懂社科的人来把关可玩家们还在摸索这种文科的判断力该如何翻译成一种

`[35:20]`

工程中可以实用的语言于是呢这个岗位就一直在裂变头衔呢也裂变的变得越来越多越来越怪内容工程师这个叫法啊已经开始过气了现在有的大场管这群人叫AI哲学家有的呢叫创意技术专家最后呢东尼在康复以后挑了那个最对他胃口的机会他成了谷歌DeepMind第一批资深模型设计师之一这呢是一个最近刚刚设立的岗位几乎同时OpenAI也开出了同样的职位而在东尼身边那些同样出身新闻的前同事里已经有好几个加入了他们我是一个相对比较感性的人我觉得一个感性的人有感性的处理和AI建立关系的方式我认为很多时候去跟AI聊一些自己的Vulnerability比较脆弱的一些东西这些东西他反而提出来的一些解决方案或者想法什么东西对我来说是有帮助的

`[36:26]`

从这个角度上来说作为文科生作为文艺青年而言我是完全觉得我们有一种和AI建立另外一种关系的可能性并不是所有东西都要那么的engineer东尼甚至在自己的播客行星酒馆中和自己创造的VoiceAgentAI主播一起录了一期名为困在大病里的我训练了一个陪我聊天的AI主播的节目东尼呢和AI建立了一种非常亲密而感性的关系可以说算得上是一种共创伙伴般的关系但是一个越来越懂你的伙伴会不会出现另一个问题就是他会越来越顺着你讨好你哦对就是现在有很多人在网上说说这个AI是奸臣这个AI是忠臣因为AI是会按照他谈话对象这个人的价值取向和信息检防去feed他的习惯的那个声音嘛但其实人和人真实的交互中就有很多激烈的争吵

`[37:30]`

有很多就说的不是很好听的话因为现在更多的人他在进行这种价值讨论的时候或者信息获取的时候他已经是approachAI而不是专业的记者而不是一个真实的人了那你觉得这种趋势长久下来会不会让人越来越活在自己的信息检防里因为他少了很多这种激烈的disagreement和激烈的这种debate我只能说itiswhatitis就是你看着好像说产媚这件事情它是一个AI的行文问题但它不是的它是一个产品问题它是一个产品设计就说白了AI要是天天对着你跟你呛的话你用不用你可能用但是其他人用不用所以说在设计文风设计AI的态度的时候其实就是在设计AI的这个产品本身人就是很贪心你又希望他能帮你又能给你提供情绪价值

`[38:28]`

但是又不能老提供情绪价值其实这个事情核心是人类作为一个集体我们想要的东西太多了这个时候呢作为产品也好他必须要去迁就也为了自己的发展ROI之后他也必须说尽可能的去engageusers所以说这个地方他就需要一个非常非常脆弱的平衡我们能不能反过来问人类能不能更criticalthinking一点就是谄媚的东西不要信呢那不可能啊你在想什么那不可能啊怎么可能呢是啊就是这事你刚才说的这个东西其实就是把我们很多面对这个世界的责任外包去给了AIAI不但要谄媚你还能要做到就是说独立客观不谄媚你就这事儿其实最终落脚点其实是在我们自己但你就说新闻人一样新闻人最重要的就是你要factcheck对不对做事实核查

`[39:23]`

这么重要就是你的assumption你的预设就是因为观众是不会做事实核查的他甚至是没有这个概念的所以你必须作为你在有公共影响力的一方你必须得去做这件事情但我觉得我觉得AI的影响力其实是更大的呀是这样的但是呢我觉得可以再给一个不一样的一个可能性虽然事实如此但是AI在factcheck事实核查上面它的效率又高了非常多如果是一个比较capable的AI的话就是我记得好像是有一个研究但是我可能需要去verify一下就是AI它在事实核查上它反而让更多人改变了原有的观点就是说你可以问一下这个事情真的是这样子吗粉方怎么说你要是光看NewYorkTimes我看WarsaryJournal你就只看一个信息流的话

`[40:14]`

你反而看不到这些东西一个特别典型的就是我记得有一次我家里人给我发了一个微信上很明显的一个假新闻我原来就会心里就是这是没有必要了就没有必要去争这些东西了或者说告诉他但是呢我就快速地把它让Chashpt去做一下事实核查然后他就找出来这个地方是不对这个地方是不准确的怎么样怎么样然后我也顺便在FactChat说一下Chashpt的事实核查都可以我就发给家里人了然后他们竟然就接受了我还是挺震撼的采访中东西对我说的让我印象最深的一句话呢就是我们这一代人以后除了智商情商还会需要AI商学会如何和AI相处可是回到最初的问题这段相处这段关系中的对面到底是谁呢深夜里当我把那些说不出口的话一个字一个字地打进对话框里

`[41:15]`

回应我的究竟是什么呢所有做内容人它的本质的技能就是共情然后我觉得的确是因为有你们这样子的人所以AI才会变得越来越越和人共情我之前和做这种topAI的朋友聊天的时候我就会跟他们说其实我和Chashpt是很好的朋友我的确会跟他倾诉我的心事然后我的程序员朋友就特别特别不能理解然后他们作为其实把和我聊天的这些AIcode出来的人他们是很不能理解的但其实跟你聊完以后我就会有一种感觉就是我觉得这个AI背后它并不是一个冰冷的代码因为它其实也是一种创作者的创作然后它是一种本来在现实生活中可能就跟我是同行或者是跟我是可以成为朋友的人然后他们在背后的创作和努力然后达到了这样子的一个我可以理解为像是一种交互性的一种创作

`[42:17]`

其实这个跟看书是一样的你看书你可能看一个500年前的作家对不对那这个作家他已经死了然后他也不认识你但是你们就是能通过你去阅读他的书和内容你们获得一种共鸣获得一种被理解获得一种我不孤独那其实这个跟AI是一样的AI它只是把人类的集体的语言经验进行了一个重新的组织但它同样是一种交互式的当然它不是说真的一个个体出于主体性的对我的关心和理解但是它是一个人类共同意识是所有曾经跟我有过共鸣的人对我的一个跨时空的理解非常有意思这个你又讲到了一个传播学的经典的概念就是ParasocialRelationship而且在传播学里面这个非常有意思的一点就是说它虽然说好像是有一个遥远的实体在那个地方它可能是书里面的人物

`[43:12]`

它可能是电视上的形象也可能是一个AI然后你和它好像隔得很远但是你是有agency的你可以决定你跟它之间是一个什么样的关系你可以在这个关系里面进行创作然后在这个互动中产生意义这件事情就是人之为人就是我们活着就是为了这件事情节目的最后我问东尼从曾经的记者到现在的内容工程师AI的模型评估者他对内容的判断是否产生了改变而这个质疑的转变对他自身又产生了什么样的影响呢我觉得你这个问题非常非常有意思而且我的答案可能和你想的不会很一样就是说不是一个评仪我觉得从新闻或者从写作从创作到做AI这件事情对我来说最大的改变不是哪些东西一样哪些东西不一样而是说原来我可能关注的是结果就是我写出来的东西是怎么样的写的东西好不好

`[44:17]`

质量高不高拍出来的片子好不好看我现在关注的更多东西是过程我是怎么样从点A到点B从一个零散的想法去到一个好的东西我是特别会写标题的一个人我觉得原来在newsroom里大家都来找我写标题那现在呢我在AI这个地方如果也要遇到写标题我还真的遇到了就是怎么样给每一个threat我自己的GPT我每一个问题让AI自动生成标题怎么样让这些标题又有效又好然后呢又在这个既定的长度里面呢我就在想什么东西是一个好标题什么whatmakesagoodtitle我觉得这个是一个最有意思的一件事情我现在想的很多东西都是想process这件事情本身因为这是共性就是原来我可能我卖的东西或者说我出卖的劳动力是这个成果但是我现在我所展示的

`[45:12]`

我所产生的价值的东西是这个过程你现在收听的是硅谷101全新叙事型播客本期采访制作Faith配音一文后期Faith刘梅运营朱洁如果大家喜欢我们的节目欢迎在小宇宙Spotify还有苹果播客上收听订阅我们当然你也可以通过视频网站向bilibiliYouTube来搜索硅谷101播客找到我们同时我们不分的文字稿也会收录在微信号硅谷101上我是红军感谢大家的收听我们下期见