Hank Green 发现了 YouTube 标签无法捕捉的 AI 问题

# Hank Green 发现了 YouTube 标签无法捕捉的 AI 问题 来源：https://arstechnica.com/ai/2026/08/hank-green-found-the-ai-problem-that-youtube-labels-cant-catch/ 跳转到内容 (https://arstechnica.com/ai/2026/08/hank-green-found-the-ai-problem-that-youtube-labels-cant-catch/#main) “Slop”并不是唯一的问题。 黄色背景上深思的 AI 模型。机器学习、人工智能概念。矢量插图。图片来源：Getty Images YouTube 目前要求 (https://support.google.com/youtube/answer/14328491) 内容创作者在“使用 AI 对逼真内容进行有意义的修改或生成”时告知观众。 该政策划定了一些奇怪的边界。它适用于“AI 生成音乐”（非逼真），但不适用于“骑着独角兽穿越奇幻世界”（这可能是逼真的，尽管并不真实）。YouTube 随后以另一种方式总结了该政策：“逼真的 AI 内容和有意义的修改需要披露，而非逼真或微小的编辑则不需要。” 但无需披露的 AI 用途可以包括从“构思”到“制作协助，例如使用生成式 AI 工具创建或改进视频大纲、脚本、缩略图、标题或信息图”的一切。创作者可以自由克隆自己的声音用于配音。他们还可以使用“在完全动画视频中 AI 生成或修改的导弹动画”。 这导致了一些奇怪的场景。一个激动人心的 10 秒视频，展示我骑着 AI 生成的坐骑穿越 Soylentius IV 上那些能熏死马的放屁沼泽 (https://arstechnica.com/gadgets/2013/08/ars-does-soylent-day-2-my-god-what-have-i-gotten-myself-into/)？无需披露，尽管整个视频都是 AI 生成的。但当我添加一首 AI 创作的鲁特琴歌谣，讲述我在那些沼泽中面临的严重危险时？那就必须披露。 这个政策漏洞在想象一个试图影响人们对地缘政治看法的 30 分钟视频时变得更加重要。AI 可以生成前提、进行研究并撰写大纲。我自己的 AI 克隆语音模型可以朗读 AI 起草的脚本。我甚至可以使用 AI 生成的导弹动画。我必须披露驱动整个项目的广泛 AI 使用吗？显然不必。 但以这些方式获得 AI 帮助，会给项目赋予某种感觉和逻辑，即使最终结果并非完全“AI 生成”。不使用 AI 处理主题的人可能会通过完全不同的路径找到来源，而且他们可能需要阅读和处理更多材料才能达到目的，从而获得一种不同的理解。他们也可能会将非常不同的事物视为重要，从而对同一材料创建不同的大纲。他们可能会在脚本中加入 AI 通常不会建议的笑话或题外话。他们可能会以更自然的方式朗读脚本。 这并不代表 AI 是错误的，但确实意味着 AI 辅助的工作会感觉不同。 ## 遇见我的研究助理 我之所以思考这个问题，是因为著名科学 YouTuber Hank Green 最近向粉丝道歉 (https://www.reddit.com/r/nerdfighters/comments/1vbmoj5/comment/p0vzmog)，原因是他过度依赖 AI。Green 曾明确表示“我的文字是我自己的”，而且他亲自撰写脚本。但在粉丝抱怨感知到 AI 对其作品的影响后，Green 审视了自己的创作过程，并得出结论：他们可能是对的。 “我一直在过度依赖 AI 作为研究辅助工具，”Green 在 7 月 31 日的 Reddit 帖子中写道。“它对此非常有用，能让我很快接触到许多我不知道存在的论文，但我认为这对我的工作是有害的，因为它没有给我自由去找到属于自己的切入和围绕一个主题的方式。” 在 Green 的案例中，问题似乎在于许多内容创作者都感受到的产出压力。他把这种压力当作创作的动力，但他也通过“使用 AI 定位论文和其他学习主题的资源”来应对它。这种对效率的追求最终让他走得太快，以至于“我自己的过程实际上对我不再清晰”。 Green 得出结论：“制作更多东西并不会让我做出更好的东西。”他还表示，他仍然需要接受一个事实：“我与 LLM 互动……以及做得越来越多、越来越多、越来越多……所获得的多巴胺水平，对我自己并不健康，对世界也没有好处。” 结果很可能是视频数量减少。 ## 表象之下 YouTube 的 AI 披露政策和 Green 本人与技术的角力，揭示了同一个问题的不同侧面：AI 在何时支持人类的努力——又在何时以重要的方式取代它？ YouTube 主要担心的是彻头彻尾的欺骗。其政策要求，当视频显示“真人说了或做了他们没有做过的事情”或“实际并未发生的逼真场景”时，必须进行披露。在这些情况下注明 AI 的使用，可以防范较为粗糙的虚假信息形式。 但 Green 的自我批评更为微妙。在这个“照片级逼真”的欺骗层面之下，广泛的 AI 使用可以塑造创作的根本基础：构思、研究和拟定大纲。这并不是说使用 AI 不好，也不是说其结果不准确。而是说，即使所有 AI 输出都是正确且精心制作的，它们仍然可能带有如今引导这一过程的机器所固有的风格和结构。 过早或过于轻易地求助于 AI，可能会挤掉非传统的想法。AI 辅助的研究或许能提供答案，但无法带来领域精通。而 AI 生成的大纲——无论是用于文章还是 YouTube 视频——可能会在思维有机会游走并可能抵达更个人化之处之前，就将其锁定在预定的轨道上。 Nate Anderson 的照片 (https://arstechnica.com/author/nate-anderson/) 57 条评论 (https://arstechnica.com/ai/2026/08/hank-green-found-the-ai-problem-that-youtube-labels-cant-catch/#comments) 1. 热门阅读中第一个故事的列表图片：德克萨斯州在需求高涨之际暂停数据中心接入电网 (https://arstechnica.com/ai/2026/08/texas-halts-data-center-connections-to-power-grid-amid-overwhelming-demand/)