AI 如何重新定义创作工具和媒介？

▎ 编者按：

TRUMP发币有人得意有人失意，抛开Fomo情绪，Meme只是入口，AI才是链上之春的未来，把握最关键的趋势，世界尽在我手。

今天为大家分享一篇来自加密 VC@baincapcrypto的 《Neural Media》 ，作者@natalie思考了生成式人工智能和加密货币对创意生产的影响，希望能够帮助大家在寻找下一个机会之际得到一些启发。

? 主要亮点

1️⃣ 生成式人工智能正在引发创意生产领域的深刻变革，其影响可与互联网时代媒体分发成本降至零的“Napster时刻”相提并论：

• 此次变革的核心在于创作生产成本降至零，直接冲击人类创造力的核心。

• 在新范式下，人类应从关注最终输出转向关注系统和过程，即在编程层面教神经网络思考。

2️⃣ 通过编程，我们可以创造独特的“软件大脑”，生成独特的思想和作品。应用场景包括：

• 基于 Agent 的媒体： 模型模拟人类伴侣，通过文本对话互动，可执行金融交易等操作。

• 实时游戏引擎： 模型模拟游戏引擎，根据用户动作生成游戏帧，实现实时渲染。

• 多元宇宙生成器： 模型生成无限变化版本，扩展用户的原始想法，探索可能性空间。

3️⃣ 未来面临的一个趋势可能是：

• 创作工具化： 提示（Prompting）正嵌入更多界面，激发终端用户创造力。大多数 prompt 将抽象成控件，但创造性的愿景、精度、品位和技能将更重要。

• 媒体商业模式演变： 从企业媒体到用户生成媒体，再到机器生成媒体。未来消费媒体商业模式将围绕 Agent 生成媒体建立（创新场景包括聊天机器人如Character.ai、界面生成如 WebSim、用户生产货币如 Pump.fun等等）

• 知识产权挑战： 机器学习使程序能够“学习”人类创造者的审美风格，创作生产与美学模仿成本降为零，知识产权的价值和意义需重新审视。

4️⃣ 加密货币能够发挥的角色包括：

• 链上市场与 Agent 生成媒体产生交汇（比如最近的 DeFAI）；

• 作为知识产权激励层；

• 媒体货币化与访问控制，比如 Minting 成为新的商业模式；NFT可以作个人程序和用户生成软件的基础设施；

• 作为人机社交之间的经济协调层，探索社区运营和 Agent 互动的新范式。

总而言之，这是一篇阅读起来可能比较困难但值得思考的文章，AI 使人类的创造力将更多地体现在系统和过程的设计上，加密货币则为这一变革提供了新的经济和社会协调机制。在下一个媒体时代，两者结合能够创造什么样的新机会新趋势，让我们拭目以待。

►正文

▎“所有媒体都是人类某种能力的延伸——心理或生理。” ~马歇尔·麦克卢汉

在2024年的大部分时间里，我花了相当多的时间试图理解我们现在称之为“ 生成式人工智能 ”的事物及其对我个人和整个社会的影响。我深深被人工智能作为创作工具的可能性所吸引，并在工作流程中大量使用这些新产品，尤其是在创意写作和音乐创作方面。

然而，作为一名关注消费媒体和面向用户应用程序的加密投资者，人工智能对我来说越来越像是一个盲点。当我们谈论互联网时代最成功的消费媒体企业时，我们并不会从技术孤岛的角度来讨论它们，因为它们不是这样构建的，就像Facebook的成功离不开技术创新，但我们不会把Facebook纯粹地视为一个“移动应用”或“人工智能应用”，相反，我们认识到，正是许多不同创新的汇聚使得像Facebook这样的应用成为可能。

在这种背景下，本文旨在整合和完善我在过去一年中探索人工智能的个人发现和见解。我分享这些内容，希望能引起共鸣或对他人有所帮助（尤其是我的加密爱好者同仁）。

Part.1、 又一个“Napster时刻”

如今，围绕人工智能生成媒体的讨论主要集中在： （1）模型训练和数据抓取的伦理问题，（2）“人工智能艺术”是否是真正的艺术，以及（3）深度伪造的反乌托邦前景 。这些讨论都非常有趣且值得一听，然而，我认为它们在某些重要方面都是只见树木不见森林。

我发现， 理解生成式人工智能兴起，最有用框架是将其视为知识产权正在经历又一个“Napster时刻” （Napster是第一个被广泛应用的点对点音乐共享服务，它极大幅度地影响了人们，特别是对于大学生使用互联网的方式），但这次是生产时刻，而非分发时刻。

互联网的兴起以及随后媒体分发成本降至零的过程是一个“从无到有”的时刻。这一转变的突然性在纪录片《音乐如何获得自由》中得到了精彩的体现，该片讲述了一名CD工厂工人和一群青少年黑客如何在一夜之间将整个音乐产业推向崩溃的故事。

在Napster的出现以及更广泛的数字文件共享兴起之前，整个企业媒体、工业综合体（以及艺术家的生计）都依赖于媒体分发昂贵、高摩擦且集中的技术现实。在其推出后的短短几年内，大型唱片公司从创纪录的销售量转变为乞求联邦政府通过法律干预来拯救他们。该行业面临一个极其艰难的现实： 支撑其业务的经济制度已经发生了根本性且不可逆转的变化，购买音乐的时代已经结束 。

今天， 我认为生成式人工智能为我们带来了一个更难以接受的现实，创作生产成本降至零的影响在许多方面更难以应对，因为它直接触及了许多人认为使我们成为人类的核心：我们的创造力 。这种存在性的恐惧并不能改变以下事实：媒体生成（特别是“风格迁移”或美学模仿）都是免费的，包括现在我们关心的所有媒体类型（文本、图像、视频、音频、软件）——这是另一个“从无到有”的时刻。

然而，今天与2000年代初最重要的区别在于，在Napster与媒体公司之间的斗争中，政府站在了公司一边，最终将文件共享定为“盗版”行为。（这就是为什么我们经常将企业媒体/知识产权称为“法定媒体”）。这一决定，以及史蒂夫·乔布斯推出iPod以推广后来成为iTunes的产品，最终发展为“流媒体”，使得该行业免于彻底崩溃。 不幸的是，我认为那些指望政府在此介入并采取行动的创作者，充其量是在自我安慰，最糟糕的是在自欺欺人 。

我认为我们可能会发现，知识产权制度主要是为了保护公司及其法定媒体，没有人会来拯救我们 。传统媒体公司上次已经吸取了惨痛的教训，因此他们主动与人工智能公司进行了许可交易，并且在一定程度上得到了补偿。新媒体公司也正在利用其平台上共享的用户生成内容模型训练，即使他们声称没有这么做。然而，独立创意人士在很大程度上被抛在后面。

Part.2、 计算：我们时代的媒介

很容易理解为什么许多创作者认为生成式人工智能削弱了他们的能力，我认为这种担忧在很大程度上是合理的。然而，我也认为有一个机会可以思考， 计算正在以一种新的方式发展，这不仅仅要求我们将其视作一种交流媒介，还呼吁我们将其视为一种创作媒介 。

对于那些创造过视频游戏或生成艺术的人来说，“计算作为创作媒介”这个概念并不新鲜。然而在今天，许多人仍未真正意识到这一点。软件是第一个数字原生的媒体类别，大多数人主要从“服务”、“实用性”和“优化”的视角来理解它，而不一定从创作表达的角度来理解。现在，生成式人工智能正以一种非常直接的方式推动这一观点， 它将几乎所有其他媒介的生产成本降到了零 。这似乎引发了一个存在性问题：“那么，人类的创造力在哪里？手工技艺的价值又在哪里？”

我的答案可能并不令人意外：“ 它体现在可编程的层面上 。” 在进一步探讨我的意思之前，我们需要先了解几个重要的技术概念。

▎ 2.1 神经网络 101（适合初学者）

训练（Training) 是一个过程，实质上是通过提供大量完成某项任务的示例来“教”模型如何完成该任务，然后让它找到模式、根据新的输入进行预测，并在出错时自我纠正。从概念上讲，这类似于我们学习绘画的方法：先通过模仿形状开始，直到我们能够创作出原创作品，同时利用同伴和老师的反馈不断改进我们的技能。当然，有一个关键区别：例如，文本生成模型并不像你我那样学会写作，而是学会以极高的精度模拟写作。这也是为什么我越来越认同“模拟器”（simulators）而不是“智能体”（agents）是更适合神经网络的心理模型的众多原因之一。

潜在空间（Latent Space） ，或者我更喜欢称之为“高维可能性空间”，是神经网络中的一个表示空间，训练过程中学习到的内容以压缩形式呈现在这里。打个比方，这类似于模型在学习理解训练数据中各种可检测特征之间复杂关系时构建的“内部世界模型”。 理解潜在空间的概念是理解神经网络作为创作工具和媒介的关键 。

潜在空间可视化 #1 — 在已知嵌入之间进行插值

潜在空间可视化 #2 — 不同嵌入的多维属性&关系的表示

嵌入 （Embeddings）：嵌入可以看作是将输入映射到潜在空间中特定点的过程。这是将提示（Prompt）本质上被翻译成了模型“思维语言”的过程。通过这种方式，我们可以将“提示”理解为探索和导航模型潜在空间的一种方式——这意味着， 熟练掌握提示就是对模型潜在空间形状形成直觉，从而能够引导模型生成特定的、预期的输出 。

玩转神经网络的乐趣之一在于，它们的深层内部工作原理对我们来说仍然是一个谜。然而，我认为这些基本概念能够为将神经网络视为创作工具提供必要的背景。

Part.3、 神经网络：一种新的创新范式

计算机媒体的一个核心要点是，它要求我们从关注最终输出（歌曲、图像、视频、文本）转向更关注系统和过程 。具体到神经网络的案例中，这意味着我们需要将其视为可编程的媒体生成引擎，而不是单纯地将其视为某一特定媒体的生成工具。通过这个视角， 我发现了上述“人类创造力和工艺的价值在哪里”的问题的答案：它存在于训练过程和模型架构的设计中——这就是我所说的“在编程层面” 。

xhairymutantx 是由 Holly Herndon 和 Mat Dryhurt 合作创作的作品——这个模型严格基于Holly的照片进行训练，无论输入什么提示，都会生成受她相貌启发的照片。

如果你将神经网络视为一种尝试，即实现基于软件的人类认知功能抽象化，那么显而易见，训练和设计模型就相当于教它如何思考。

你可以想象向所有朋友发出一个指令（“提示”）：“回忆一个童年的记忆。”每个人的回答显然会不同，因为他们生成的内容将取决于他们的个人背景和想象力（即“训练数据”）。在多次提示之后，你还可能发现一些朋友始终能够生成更美丽或更有创意的回答，也许甚至表现出某种特定的个人风格。那么，假如你可以用世上所有曾经存在的人类大脑进行这项练习呢？如果你可以挑选出特别独特的人类大脑，比如毕加索或坎耶·韦斯特呢？

这本质上是神经网络为我们提供的创造性超级能力——利用其他思想作为创作工具的能力 。在这里，我认为 真正引人注目的并不是某个模型的具体输出，而是有机会创造性地编程出一个“软件大脑” ，它可以产生独特的思想和独特的作品。

Arcade.ai 是一个“从提示到产品”的市场，允许用户设计自己的珠宝产品。他们专门调整了一个模型，用于生成高保真度的珠宝图像，并且这些图像仅使用最终用户可用于制造的材料。

进一步探讨 “系统比输出更重要” 的观点，与神经网络交互的另一个显著特征是，参与一个提示与响应的持续反馈循环——这种体验我听到一些人将其比作阅读和写作的反馈循环。我个人注意到，我很少在向模型发出一个提示、收到一个输出后就结束互动。 几乎每次与模型的交互都会将我带入这种互动式的反馈循环中，让我不断地迭代、反思和探索 。这一点看似微妙，但却是理解神经网络生成媒体类型的一个关键所在：

▎ 3.1 基于代理的媒体

我在之前的一篇文章中简要提到过这个概念，核心想法非常简单——在这里，模型模拟了某种人类伴侣的角色，通过文本对话与我们互动，同时它也可以理解并以其他形式的媒体作出响应。我们在这里还能看到一些模型能够代表其他人或它自己采取行动（例如执行金融交易）。典型案例包括聊天机器人、AI伴侣、游戏中的NPC（非玩家角色）或任何其他拟人化的用户体验。例如，Andy Ayrey 的创意实验“无限房间”（Infinite Backrooms），就是通过设置多个 Claude 实例进行无人工干预的交流，就是一个特别有趣的案例。

▎3.2 实时游戏引擎

在这里，模型模拟的是一个游戏引擎（或更具体地说，是一个游戏状态转换函数）， 通过接收游戏中的用户动作作为提示，生成游戏中的下一帧响应输出 。如果速度足够快，这种体验应该类似于在一个虚拟世界中导航，而这个世界会根据你的行动实时渲染。这是 沉浸式和互动式媒体 的极致表现。

DOOM 游戏帧由 GameNGen 生成，GameNGen 是一个完全由神经模型驱动的游戏引擎，正如谷歌《扩散模型是实时游戏引擎》论文中所述。

▎ 3.3 多元宇宙生成器

在这一场景下， 模型扮演着创意“神谕”的角色，通过生成无限的变化版本帮助我们扩展原始想法 ，每个版本都可以进一步探索和操控。这使我们能够从任何想法或概念出发，探索其周围的可能性空间。例如，AI Dungeon（一个基于文本的“选择你自己的冒险”游戏）就是这方面的一个绝佳案例。

Loom的用户界面视图，Loom是一个基于树形结构的写作界面，适用于像Chat GPT这样的语言模型，由@repligate提供。

▎3.4 潜在空间作为创作工具

我越来越相信， “探索可能性空间”这一理念是理解神经网络作为创作工具和媒介的核心 。在我使用诸如 Midjourney、Suno、Websim、Claude 等工具的过程中，我注意到自己的大部分操作流程可以归结为以下模式：

提示（Prompt）→ 生成特定输出的变体 → 使用变体作为新输出的提示 → 再生成特定变体 → 如此循环往复……

例如，在使用 AI 驱动的音乐生成工具 Suno 时，我通常会向模型提供一个 60 秒的个人演唱示例和一些书面歌词作为提示。接着，我会使用 Cover 功能生成一个输出，然后再生成该输出的 10 多个变体，并将我喜欢的部分从这些变体中挑选出来，作为进一步提示的输入。

本质上，我是在探索模型潜在空间中围绕我个人示例的可能性空间——发现基于我原创作品的变体，这些变体可能是我无法自己想出的，或者无法在合理的时间内完成的。我认为这种方式解锁了一种前所未有的快速原型设计和创作测试流程，并将催生“100倍创作者”，类似于软件领域所讨论的“AI助力的100倍工程师”。

我清楚地认识到， 潜在空间是一个创作工具。利用人工智能进行创意生产，不仅仅在于训练功能强大的模型，还在于设计出能够赋能用户以更高精度和细粒度探索并操控这些广阔潜在可能性空间的界面。

Part.4、 消费者行为与文化影响

关于这项技术如何改变消费者行为以及它创造了哪些新的商业机会，我有以下三个预测：

▎4.1 将成为创作工具

提示（Prompting）——无论是基于文本、图像还是其他形式——这种交互方式正逐渐嵌入越来越多的界面和体验中，将终端用户的创造力引入到过去从未涉足的领域。 Scott Belsky 指出“GenAI 早期'基于prompt'生成文到图像的时代削弱了创造力，而“controls”时代以难以想象的方式释放了人类的创造力。工具不断发展，但创造性的愿景、精度、品位和技能将比以往任何时候都更加重要。”，我同意这个观点，大多数Prompt最终会被抽象成“控件”（controls：就是具有用户界面的组件），从而让用户无感知地操作。但更重要的是，我认为这一趋势从根本上改变了我们对界面设计的思考方式。

▎4.2 企业媒体 → 用户生成媒体 → 机器生成媒体

媒体商业模式的上一次重大转变是从企业生成媒体转向完全由用户生成媒体。如今看来， 下一个主要的消费媒体商业模式将围绕机器生成媒体的普及而建立 。然而，仍然不清楚“赢家”会是什么样子。会是像 Midjourney 这样的通用模型？更专门化的创作工具？还是基于这些技术之上的社交体验？抑或是某种更不显眼的第三种选择？

无论如何，如果你是当下消费媒体领域的创始人或独立创作者，你可能需要制定策略，思考如何利用这些工具为你的业务增强价值并推动增长。

此外，我认为另一个值得关注的领域是： 如何让 AI 驱动的体验变得更具社交性和多用户协作性 。以我个人的体验为例， 如今的大多数 AI 应用都显得非常“反社交”，因为你主要是在与模型互动，而非与其他人互动 。在这一领域可能存在许多机会和设计空间 ，例如构建以人为中心的协同创作体验，或者创造新的方式让人类与机器人实现更有意义的社交互动。

▎4.3 对知识产权的影响

不仅仅是创作生产的成本正在降至零，尤其是美学模仿的成本也在降为零。我可以拍下一个人穿搭的照片，将其输入 Midjourney 作为提示，用于设计一张风格相同的沙发。我还可以对该人的声音、写作风格等进行类似的风格迁移。在这种新范式下，知识产权的价值和意义是什么？

我尚未找到答案，但显然，大多数以往的假设和思维模型已经不再适用。

Part.5、 加密货币的角色与总结

如果你读到了这里——感谢你的耐心！

我将在未来的文章中深入探讨这些内容对加密货币的影响，但现在可以预览一下我接下来将关注的几个方向：

• 加密公司围绕新媒体进行建设的机会

  探索链上市场与机器生成媒体交汇点的潜力。

• 加密作为知识产权的激励层

  超越归因与溯源，思考围绕媒体构建激励机制与网络。

• 加密作为媒体的货币化与访问控制层

  尤其是在用户生成的软件领域，重新思考网页架构；将“铸造”（Minting）作为小型模型的商业模式；将 NFT 作为个人程序和用户生成软件的基础设施。

• 加密作为人与机器之间的社交与经济协调层

  支持人类与 AI 在识别、资助和解决各种问题上的协作；探索社区拥有和运营的模型。