在AI时代，我们必须保护人类创造力作为自然资源

具有讽刺意味的是，我们目前的AI时代对人类创造力的巨大价值显得明亮，因为技术的突破威胁到破坏它。当科技巨头急于建立更新的AI模型时，他们的网络爬网真空创意内容和相同的模型洪水泛滥合成媒体的风险，冒着在Pablum海洋中淹没人类创意火花的风险。

鉴于这一轨迹，AI生成的内容可能很快就会超过人类创意历史创意的整个语料库，这使得人类创造性生态系统的保存不仅是道德问题，而且是紧急的当务之急。另一种选择无非是对我们的文化景观的逐步均质化，在这里，机器学习使人类表达的丰富度变化为平庸的统计平均水平。

有限的资源

通过摄入数十亿个创作，聊天机器人学会说话，图像合成器学会绘制。一路上，他们背后的人工智能公司将我们的共同文化视为一种无尽的资源，可以进行脱衣，而对后果很少考虑。

但是人类的创造力不是工业过程的产物。它天生就恰恰是因为我们是有限的生物生物，他们从真实的生活经验中汲取灵感，同时平衡创造力与生活的必要性，情感恢复和寿命有限。创造力来自建立联系，这些联系有意义，需要精力，时间和洞察力。直到最近，人的大脑还是建立这种联系的先决条件，这是有价值的原因。

每个人的大脑不仅是数据存储，而且是一种知识引擎，它以独特的方式思考，创造出新颖的思想组合。我们没有拥有一百万次的“连接机”（AI模型）复制了70亿个神经网络，每个神经网络都有独特的视角。依靠人类思想的认知多样性有助于我们逃避单片思想，如果每个人都从相同的AI生成的来源中汲取灵感，可能会出现。

如今，人工智能行业的商业模式无意中呼应了早期工业家与森林和渔业的方式，以开发森林和渔业。不考虑生态极限。

就像早期工厂的污染意外损害了环境一样，AI系统可能会通过淹没互联网的合成内容来污染数字环境。就像需要精心管理的森林或容易因过度开发而崩溃的渔业一样，即使存在想象力的潜力，也可以降低创造性的生态系统。

耗尽我们的创造性多样性可能会成为AI的隐藏成本之一，但这种多样性值得保留。如果我们让AI系统耗尽或污染他们所依赖的人类的产出，从长远来看，AI模型会发生什么以及最终对人类社会的情况？

AI的创造性债务

每个AI聊天机器人或图像发生器的存在仅是因为人类作品和许多传统艺术家强烈反对当前的人工智能培训方法将其标记为窃。技术公司倾向于不同意，尽管其职位各不相同。例如，在2023年，成像巨型Adobe通过训练其Firefly AI模型仅靠许可的股票照片和公共领域的作品，证明是可能的替代方法。

Adobe的许可模型与Openai这样的公司提供了鲜明的对比，Openai的公司很大程度上依赖于刮擦大量的互联网内容，而无需总是区分许可和未经许可的作品。

Openai认为，这种刮擦构成”合理使用”并有效地声称具有当前绩效水平的竞争性AI模型无法开发尽管Adobe采取了替代方法，但不依靠无执照的培训数据。

“合理使用”的论点通常取决于“变革性使用”的法律概念，即将作品用于与创造性表达根本不同的作品，例如识别AIâ的模式并不侵犯版权。生成的AI支持者经常认为，他们的方法是人类艺术家如何向周围的世界学习。

同时，随着公司转向便宜，即时产生的AI内容，艺术家对失去生计的关注日益担心。他们还呼吁明确的边界和同意驱动的模型，而不是允许开发人员在没有确认或报酬的情况下从创作中提取价值。

版权作为作物轮作

艺术家与AI之间的这种紧张关系揭示了对创造力本身的更深入的生态学观点。版权所有的时间被设计为一种资源管理的一种形式，例如作物轮作或允许再生的捕捞季节。版权到期不是错误；它的设计师希望它能确保对公共领域的稳定补充，从而为未来创造力源的生态系统提供。

另一方面，纯AI生成的输出无法获得版权在美国，有可能酿造空前的爆炸在公共领域内容中，尽管它的内容包含了人类观点的平滑模仿。

仅将人类生成的内容视为AI培训的原材料，这破坏了“艺术家作为创意的消费者”和“艺术家作为生产者”之间的生态平衡。重复立法版权术语的扩展已经大大延迟了补给周期，将工程远离公共领域的时间比最初设想的要长得多。现在，AI的批发提取方法进一步威胁到这种微妙的平衡。

压力下的资源

我们的创造性生态系统已经显示出来自AI影响的可衡量压力，从有形的当今基础设施负担到未来的可能性。

积极的AI爬行者已经有效地充当拒绝服务攻击在某些站点，带有Cloudflare记录GPTBOT对交通模式的直接影响。Wikimedia的经验提供明确的证据当前成本：AI爬行者导致了有记录的50％的带宽激增，迫使非营利组织将有限的资源转移到防御措施中，而不是其知识共享的核心使命。正如Wikimedia所说：“我们的内容是免费的，我们的基础架构不是。这些爬行者中有许多明显地忽略了诸如robots.txt文件之类的已建立的技术边界。

除了基础设施应变之外，我们的信息环境还显示出降级的迹象。Google已公开承认搜索结果中出现的“垃圾邮件，低质量，低质量，自动生成的内容的上升”。A 有线调查发现AI生成的窃的具体例子有时会在搜索结果中超出原始报道。这种数字污染导致剑桥大学的罗斯·安德森（Ross Anderson）将其与用塑料填充海洋这是我们共享信息空间的污染。

展望未来，可能会出现更多的风险。Ted Chiang的LLM与有损JPEG的比较为了理解潜在问题，提供了一个框架，因为每一代人的一代都将网络信息汇总到越来越多的“模糊”人类知识的传真中。这个过程的逻辑扩展是一些研究人员所说的”模型崩溃“如果模型受到自己的输出的不利差异，则会在我们的集体知识生态系统中降低降解的风险（但是，这与精心设计的合成数据有所不同，这些数据实际上可以提高模型效率。）

AI污染的这种下降螺旋可能很快类似于经典”下议院的悲剧，“在自利利益中，组织以牺牲共享资源为代价。如果AI开发人员继续提取数据而无需限制或有意义的贡献，那么人类创造力的共享资源最终可能会给所有人降级。

保护人类火花

尽管AI模型以书面形式，编码，图像，音频或视频模拟创造力可以实现人类作品的显着模仿，但这种复杂的模仿目前缺乏人类体验的全部深度。

例如，AI模型缺乏忍受人类生活的痛苦和苦难的身体。它们不会在人类的寿命中实时成长。当AI生成的产出碰巧在情感上与我们联系时，它通常是通过模仿从实际生活过这种痛苦或喜悦的人类艺术家那里学到的模式来做到的。

即使未来的AI系统对情绪状态或体现经验进行了更复杂的模拟，它们仍然与人类创造力有所不同，人类的创造力从生物学经验，文化背景和社会互动中有机地出现。

那是因为世界不断变化。新型人类经验的出现。如果经过道德训练的AI模型保持有用，研究人员必须培训它，例如最近的人类经验，例如病毒趋势，不断发展的语和文化转变。

当前的AI解决方案，例如检索一代（RAG），通过检索最新的外部信息来补充其静态培训数据，以在某种程度上解决这一挑战。然而，即使抹布的方法在很大程度上取决于经过验证的高质量人类生成的内容。

这需要高质量的人类生成数据是像Openai这样的公司拥有的主要原因追求媒体交易（包括交易去年8月与ARS Technica父母cond -Nast签名）。然而，自相矛盾的是，以宝贵的人类数据喂养的相同模型通常会产生低质量的垃圾邮件和斜坡，从而淹没了互联网的公共区域，从而降低了他们所依赖的生态系统。

AI作为创意支持

当粗心或过度使用时，生成的AI是对创意生态系统的威胁，但是我们不能完全将技术作为人类创意武器库中的工具。艺术的历史充满了技术变化（新的颜料，刷子，打字机，文字处理器），可以改变艺术生产的本质，同时增强人类创造力。

与我同在，因为这里有很多细微差别，在当今对使用AI作为创造平庸的钝器的人们更加热情洋溢的反应中很容易错过。

虽然许多艺术家正确地担心AI的挖掘倾向，但在哈佛商业评论中发表了研究指示AI工具可能会扩大而不是仅提取创造力，这表明在正确的条件下可能存在共生关系。

该论点固有的是，负责使用AI的方法反映在用户的技能中。您可以使用绘画刷绘画墙壁或油漆蒙娜丽莎。同样，生成的AI可以无意识地用斜坡填充画布，或者人类可以利用它来表达自己的想法。

机器学习工具（例如Adobe Photoshop中的工具）已经帮助人类创意原型概念更快，迭代他们不会考虑的变化，或处理某些重复的生产任务，例如对象删除或音频转录，使人类释放人类专注于概念方向和情感共鸣。

但是，这些潜在的积极因素并没有否定对负责任的管理的需求，并尊重人类创造力作为宝贵的资源。

培养未来

那么，人类创造力的可持续生态系统实际上可能涉及什么？

法律和经济方法可能是关键。各国政府可以立法，AI培训必须选择加入，或者至少必须是 提供集体 选择退出注册表（如欧盟的AI法案所做的那样）。

其他潜在的机制包括强大的许可或特许权使用费系统，例如创建特许权使用费（例如音乐行业BMI或者ASCAP）有效的许可和公平薪酬。这些费用可以帮助弥补人类的创意，并鼓励他们继续在未来创造。

更深的转变可能涉及文化价值和治理。受日本这样的模特的启发活着的民族宝藏“在政府资助工匠来维护重要技能和支持他们的工作的地方。我们是否可以建立类似支持人类创造者的计划，同时也将某些作品或实践指定为“创意储备”，即使经济市场干燥，也为某些创造性作品的进一步创造提供了资金？

或更激进的转变可能涉及“ AI Commons”在法律上宣布，任何对公开刮擦数据培训的AI模型都应集体作为共享的公共领域拥有，以确保其福利恢复到社会，并且不会丰富公司。

同时，互联网平台已经在尝试针对工业规模的AI需求的技术防御措施。示例包括工作证明挑战，放缓的“ tailpits”（例如，Nepenthes），共享搜寻器块列表（”ai.robots.txt”），商业工具（Cloudflare的AI迷宫），以及维基梅迪亚（Wikimedia）的“WE5：负责使用基础架构“ 倡议。

这些解决方案并不完美，实施它们中的任何一个都需要克服重大的实践障碍。严格的法规可能会减慢有益的AI发展；退出系统负担的创建者，而选择加入模型可能很复杂。同时，技术防御经常邀请军备比赛。找到可持续，公平的平衡仍然是核心挑战。该问题将在一天之内无法解决。

投资人

尽管面临这些复杂的系统性挑战将需要时间和集体努力，但组织现在可以采用的直接策略：投资人。不要牺牲人际关系和洞察力，以通过平庸的AI输出来节省资金。

培养人类观点并将其与周到的AI增强融合在一起的组织可能会超越那些通过批发创意自动化进行成本降低的组织。投资人们承认，尽管AI可以大规模生成内容，但人类洞察力，经验和联系的独特性仍然是无价的。