不止劣质内容、审美品味与 AI 道德恐慌：社会科学带给我们的启示

作者：Tim Sullivan 翻译：a16zcrypto 翻译：善欧巴，金色财经

编者按：本周，我们继续推出系列文章，探讨如何看待 AI 写作相关讨论。上周我们发布了面向创业者以及高频内容创作者的《AI 写作的习惯以及带给我们的启示》。

加密行业不少从业者过去依靠 “氛围感与直觉” 做内容传播，而我们试图把严谨研究带入这一领域。本文将借助社会科学研究，来剖析这个本身非常主观的话题。

18 世纪初，如果你生活在伦敦，想要诋毁对手或竞争者，你可以前往格拉布街—— 这片位于城北的贫民区，得名于一条垃圾排水沟。

狭窄街巷里挤满了三流写手与落魄文人，在这里你能找到塞缪尔・博伊斯这样的人物：一名因负债逃离爱丁堡的爱尔兰酒鬼诗人。他的专长是打油诗。只要花上一两个先令，他就乐意为你动笔。如果你预算充足，他还可以炮制一份小册子，把你的攻击对象狠狠痛斥一番。

博伊斯住在一间阁楼，常年受酗酒问题困扰。有一次他陷入极度窘迫，甚至把身上的衬衫拿去典当，只为换取写作所需的纸张。（唉，这就是写作者的人生！）博伊斯的遭遇并非个例。就连声名卓著的塞缪尔・约翰逊，据说也曾混迹于格拉布街，只不过博伊斯算是其中最高产的写手之一。

格拉布街产出了海量我们今天口中的 “劣质粗制内容”：短诗、小册子、期刊、报纸，不管是创作端还是消费端，全部可以花钱买到。自然而然，当时的评论者将这类写手比作风尘女子，认为撰写小册子和出卖肉体别无二致。体面人本该远离这些糟糕作品…… 可现实是，大量体面人一边痛斥这类内容，一边又看得津津有味，转头还会和同样猎奇的友人谈论。

我想说明的是：粗制滥造的内容绝非新鲜事物，围绕它产生的道德恐慌同样古已有之。AI 生成内容只是这一古老趋势的最新版本：每当技术大幅降低内容生产门槛，就会涌现大量廉价、同质化的衍生作品，同时一大批批评者会宣称文化已经跌入新低谷。

继格拉布街之后，出现了廉价便士报，接着是通俗廉价小说、电视 —— 高雅一点的说法叫 “巨大荒原”，通俗叫法就是 “傻瓜盒子”，再之后是博客、社交媒体，如今轮到了 AI。

每当技术降低创作门槛，大众便一拥而上。每一次，批评声都接踵而至。每一回，自诩行家的群体都会拿出同一套说辞：审美品味成为他们最后的避难所，品味被抬上神坛。AI 或许在程度上、甚至部分属性上和过往技术有所不同，但面对生产成本下降，社会文化层面的反应，在历史上早有先例。

而这也引出当下众人争论的核心问题：品味究竟是什么？ 如果品味是一套专家能够稳定执行的固定评判标准，那么现代 AI 几乎完全可以模仿复刻。用大量包豪斯设计案例训练的模型，可以推导出作品具备包豪斯风格背后的底层原则；用文学经纪人大量收购稿件样本训练的模型，也可以复刻这位经纪人的编辑偏好。把品味视作一套可被总结、稳定复用的规则，恰恰是现代 AI 所擅长的模式识别问题。

可反过来，如果 “品味” 不能被拆解为一套固定标准，那我们平日里使用这个词就太过随意。把品味简单等同于懂得分辨何为 “好”，近乎同义反复；若仅仅把它归为个人喜好 —— 我喜欢这个、不喜欢那个，又太过主观，无法解释为什么有些人总能比其他人更早发掘出有潜力的想法、产品和创作者。

那么，当我们评价一个人 “有品味”，我们真正在谈论什么？是预测能力？判断力？社会身份？阅历？还是运气？“品味” 有时是以上全部，它是一个通俗的综合概念，把多种完全不同的机制揉杂在一起。而 AI 迫使我们把这些机制拆解开来。社会科学的价值，并不在于给我们一套关于品味的统一理论，而是帮我们把混杂的概念剥离开。一旦厘清不同组成部分，问题就不再是机器能不能拥有品味，而是当内容生产变得廉价之后，哪些产出优质人类判断力的能力依旧稀缺。

成功取决于社会环境

有一组研究可以解释作品如何成为爆款。

21 世纪初，哥伦比亚大学社会学家邓肯・瓦茨与马特・萨尔加尼克带领团队搭建了一套线上虚拟音乐实验室。数千名受试者受邀收听、下载不知名乐队的歌曲。研究人员把听众分成八组，每组设置不同实验条件：一部分受试者可以看到每首歌的下载量，另一部分看不到。研究团队还在部分实验环境中篡改数据，例如把某首普通歌曲伪装成下载榜第一名。

这项研究得出一个核心结论：当看不到他人的选择数据时，歌曲下载量分布相对均衡；一旦人们可以看到其他人的选择，最终结果就会出现巨大分化。在人为干预的实验环境里，某首歌在其中一个场景爆火，换另一个场景却反响平平。

当作品质量跨过基础及格线之后，能否取得巨大成功，极大受社会影响与路径依赖左右。即便是行业内行，也几乎不可能提前预判哪款产品会登顶。换句话说，行业专家，比如电视行业高管，很擅长提前筛掉明显会失败的项目；但面对一批质量都不错的候选作品，他们无法可靠预判哪一个会一炮走红。正如萨尔加尼克所说，《哈利・波特》的成功本身就带有偶然性。

成功并不单单由质量决定。因此，品味也不能简单等同于预判爆款。

品味是社会中介能力

另一种可能性：我们所说的品味，根本不是预测能力。它来源于特定的社会位置 —— 身处某个位置，让你拥有独特视角，可以看清事物如何组合，想法与产品如何跨领域迁移。

社会学家罗恩・伯特的研究印证了这一点：企业内部最具创新力的员工，往往是那些能够连接不同群体的人。伯特将这称为中介能力（brokerage）。中介不是拥有预知爆款的超能力，而是搭建全新组合的社会位置优势。

伯特的结论来自数十年企业内部社交网络研究。他不去聚焦个人天赋或专业本领，而是研究人在社交网络中的位置如何影响工作表现。他先梳理人员沟通关系，再把网络结构和晋升、薪酬、管理者评价做对照。 他发现，最有创新能力的员工，很少深陷在单一封闭的小圈子里。恰恰相反，这些具备创新特质的人（我们或许就称之为 “有品味”）处在结构洞之上：也就是各个互不连通群体之间的空隙。

由于游走于不同圈层，拥有中介能力的人能够接触到别人接触不到的信息；更重要的是，他们可以从多元视角看待问题。这种位置让他们能够把不同圈层的想法重新组合，这是任何单一网络都无法独立生成的。在这里，创新不是源于超凡智商，而是来自得天独厚的社会位置。

这说明，品味或许不是一种审美天赋，而是一种结构性优势。我们总以为品味存于人的脑海之中，是一种精致的感知力、直觉式审美判断。但伯特的研究表明，那些看上去像品味的特质，实则来自一个人在社交网络当中所处的位置。那些仿佛总能精准捕捉有趣、新颖、有潜力事物的人，往往常年游走在一个个互不连通的社交圈层之间。他们的 “品味”，并非来自神秘直觉，而是反复接触其他人无法看见的各类想法组合。

某种意义上，训练了海量数据的大模型，可以同时触达所有网络。如果结构洞仅仅只是信息获取，那么 AI 完全可以做得很好。但中介者的真正优势，来源于亲身扎根多重社会环境，由此获得具象、关系化、具备语境的隐性知识。中介的优势属于隐性经验：他们不只是拿到来自多个圈层的信息，而是真正参与多个圈层，积累隐性认知、信任与人情阅历，并且以大模型无法复刻的方式应对全新激励。仅仅依靠训练数据，无法模拟这种 “身在局内又置身局外” 的状态。至少目前，这属于人类实实在在的优势。

诚然，伯特的研究聚焦企业职场与竞争策略，并非文化产品。但其他领域我们口中的品味，或许和这套中介逻辑是相通的：优势来自真正扎根多重世界的人。

判断力依靠后天训练

那人类的判断力从何而来？它是后天习得的。

大模型可以完成大量入门级岗位的工作：像初级律师一样起草合同，像初级咨询顾问一样做基础财务分析，像工程师一样写代码，诸如此类。有人提出，企业可以用大模型替代这类岗位，压缩成本、提升产出。同时普通人也得以触达专业能力：处理基础甚至部分复杂事务，不必再依赖收费高昂的大型律所。

有经济学家提出，在这一整套流程中，人类的角色是核验：确保大模型输出不会严重偏离事实。由人类检查、修正输出结果。那品味，也由人类来行使吗？

但随之而来的问题是，人类的品味从哪里习得？优秀的评判者，依靠学徒式历练、反馈、大量见闻，一步步打磨能力。

回想我早年在普林斯顿大学出版社担任初级编辑的经历。我要把老板用绿色钢笔修改完毕的书稿复印，再寄送给作者，留存副本防止原件丢失。复印机运转的时候，我就翻看他的修改内容、批注疑问。我要看懂他那手很难辨认的绿色钢笔字迹（这项专属技能后来对我的职业生涯毫无帮助，但在当时至关重要，就连不少作者都读不懂），更重要的是理解他的编辑思路。这套经历塑造了我的编辑能力，之后我的稿件也会交由导师审阅，这套经验直到今天仍在指导我的工作。这件事也揭示一个常被忽略的真相：很多岗位本身就是学习的载体。

换言之，我们所说的品味，其中一大核心 —— 判断力，是日积月累打磨出的分辨能力，并非与生俱来。如果我们希望持续培养出有判断力的人，就必须保留可以历练这些能力的环境。

当然会有反对声音：投入学徒培养机制的企业，短期会输给不顾一切自动化的竞争对手。或许确实如此。但这种取舍，好比过度砍伐森林：把所有树苗全部砍掉，单季度财报会很好看，但未来再也长不出参天大树。当然对于求职者而言，如果企业不再提供这类岗位，就必须做到自我训练。

落地实践层面的启示

把以上三项研究结论放到现实场景，它们本身都站得住脚，但直接直白地解读，很容易得出片面结论。

先看受社会环境影响的爆款逻辑。萨尔加尼克的结论不变：成功不单单由质量决定，品味不等于预测爆款。AI 带来的改变是候选内容数量暴涨，跨过 “合格线” 的作品多到任何内容筛选者都处理不完。也就是说，电视高管筛选的逻辑没有变化，只是可供选择的项目数量暴增，质量对于最终能否成功的权重进一步下降。当下，成功比以往更依赖运气，更准确地说，依赖社会关系与网络位置。那些本身自带受众的候选者，最有可能在赛道彻底拥挤之前抓住风口。

中介能力的逻辑则更为稳固。大模型已经可以完成中介工作当中成本最低的那一部分：只要提问，就能把其他领域正在发生的事呈现出来，过去这需要你真正认识那个圈子里的人。（当然前提是，得有人知道该提出什么样的问题。）真正关键的结构洞，不是信息层面上 “知晓两个领域”，而是亲身身处那些没有被记录、无法被大模型抓取的世界：亚文化、不成文的实操惯例、只发生在线下会议室、从未被记录下来的争论等等。中介能力依旧具备价值，正是因为总有人去挖掘这类没有成文、也难以成文的领域。

学徒制这一条，“应当加以保护” 的建议依旧成立。学徒模式的内核，是新人在前辈指导下处理大量基础繁琐工作。就像我当年复印导师修改后的稿件，之后才获准独立编辑，稿件再交由导师审阅。如今 AI 接手了基础繁琐工作，很多人会简单认为学徒历练的路径会随岗位一同消失。

但或许事实恰恰相反。真正重要的环节，是 “不断有人指出你的错误，直到你不再犯错”。即便新人不再从零撰写初稿，改为在监督之下核验、修正 AI 产出，这套训练依旧可以成立（当然我认为亲手写稿依旧意义重大）。改变的不是企业要不要保留初级人员，而是这些人员的日常工作内容。直接砍掉入门岗位的企业，等于拆掉人才成长的整套脚手架；把入门岗位转向监督核验 AI，既可以保留人才培养体系，又能拿到自动化带来的部分成本收益。但这里也存在公地悲剧风险：如果所有企业全部砍掉初级岗位，长远整个行业都会缺失资深的判断力，如同把林场所有幼树全部采伐一空。

博伊斯为了换纸张典当衬衫，最后死在格拉布街。同样走过那条街道的塞缪尔・约翰逊却走出了泥潭。不是因为他拥有更高的品味，或许只是因为他拥有更好的成长支撑体系。

在关于 AI 的种种辩论当中，“品味” 已经变成一种图腾，每当人们想要找出人类独有、机器无法企及的能力，就会搬出它。但品味不必被神秘化。所谓品味，本质就是优质判断力，由鼓励试错的环境、带给我们多元想法的社交网络、以及培养分辨能力的制度共同塑造。

AI 时代，稀缺的从来不是品味。真正有可能变得稀缺的，是能够培养出那些被我们称作 “有品味” 之人的整套社会基础设施。