AI产生的“数字垃圾”由AI清理——科技公司开始的“AI垃圾”大扫除

生成AI的出现，使得在互联网上创作内容变得前所未有的简单。

文章只需几秒，图像也只需几十秒。即使是音乐和视频，个人也可以在没有专业制作环境的情况下在短时间内生成。

这种变化是扩展个人创造力的一项重大技术创新。然而，这种“创作成本的剧烈下降”也开始产生新的问题。

这就是所谓的“AI垃圾”内容。

AI垃圾并不简单地意味着“由AI创作的东西”。通常指的是使用生成AI大量生产的、缺乏独特性和信息价值的图像、文章、音乐、视频等。

搜索结果中充斥着相似的文章。社交媒体上接连出现的奇怪图像。大量不知谁会听的乐曲。表达虽然整齐，但阅读后几乎没有新信息的帖子。

由于生成AI使得“创作内容的能力”爆炸性增长，现在人类开始承担“寻找有价值内容的成本”。

而到了2026年，开始认真面对这一问题的，讽刺的是那些积极引入生成AI的巨大科技公司。

Spotify删除了7500万条“垃圾歌曲”

AI垃圾问题的一个象征性数字是Spotify公布的“7500万”这一数字。

Spotify解释说，由于生成AI的普及，大量发布和重复内容等垃圾行为变得容易，因此在12个月内删除了超过7500万条垃圾性质的乐曲。

重要的是，Spotify并不是试图排除“使用AI创作的音乐本身”。

被视为问题的是利用生成技术大量创作歌曲，试图攻略搜索和推荐系统、版税机制的行为。

曾经，完成一首音乐需要作曲、演奏、录音、编辑等多个步骤。

然而，随着生成AI使得制作成本急剧下降，“创作作品”这一行为本身几乎可以无限复制。

在一个艺术家一年发布10首歌曲的世界和一个自动化系统一天生成数千首歌曲的世界中，必须改变平台的设计理念。

传统的音乐服务是以“作品稀缺”为前提设计的。

生成AI打破了这一前提。

Spotify正在推进垃圾过滤器、冒名顶替对策以及AI使用透明度的提高，其背后是这种结构变化。

LinkedIn进入“报告AI垃圾”的时代

变化不仅限于音乐。

商业社交网络LinkedIn也在加强AI垃圾对策。

LinkedIn引入了一种机制，用户可以报告被认为是低质量AI生成帖子的内容。

这一功能的象征性在于“不仅仅依赖平台来判断AI内容”这一理念。

用户自己可以对

“内容空洞”

“看起来像是大量生成的”

“几乎没有感受到个人经验或意见”

的内容进行反馈。

据报道，到2026年8月，使用这一报告功能的人在引入后仅约两周内就超过了100万人。

LinkedIn方面也在加强对自动化评论和大量发布的对策，同时改进识别低质量内容的分类系统。

这里存在社交网络所面临的根本矛盾。

社交网络的算法长期以来将“帖子数量”“参与度”“停留时间”作为重要指标进行发展。

然而，生成AI可以极端地优化这一游戏。

对于一天只能发布一条帖子的个人，使用AI可以生成10条、100条、1000条。

甚至评论也可以自动化。

结果是，“供人类交流的社交网络”有可能变成“机器为机器生成内容的地方”。

LinkedIn转向重视“真实的人类视角”，表明社交网络的评价标准本身开始发生变化。

捕捉AI的也是AI

还有一个有趣的现象。

为了打击AI垃圾，平台方也开始利用AI。

Google的研究人员在2026年公开了一项关于检测利用生成AI的组织性合成内容和媒体滥用的研究。

关键在于，不是逐个判断视频，而是整体分析“生成大量内容的账户群体的行为”。

发布速度是否不自然地快。

多个账户是否使用相似的模板。

是否重复相似的故事结构或影像。

账户之间是否存在共同的技术性和行为特征。

通过结合这些信息，发现大规模生产网络本身。

研究表明，这在半年内涉及约5万个集群，总计约13万个频道。

也就是说，目前发生的是某种意义上的“AI对AI”的竞争。

一方面是利用生成AI大量创作内容的一方，另一方面是利用AI检测大规模生成网络的一方。

生成技术越先进，检测技术也会越先进。

垃圾邮件和垃圾邮件过滤器之间长期的斗争，现在正扩展到文章、图像、音乐、视频等整个互联网。

Snapchat也优先考虑“人类创作的内容”

另一个值得关注的是Snapchat的动向。

Snap在2026年7月宣布，关于视频发布服务Spotlight，原则上将完全AI生成的视频排除在推荐对象之外。

另一方面，对于使用AI作为编辑或制作辅助的作品，则不一定排除。

这里也可以看到重要的界限。

问题在于，

“是否使用了AI”

而是，

“是否存在创作者的意图和独特性”

这一理念。

生成AI有可能成为像相机、Photoshop、合成器一样的创作工具。

然而，单击一下就大量生成，并几乎不加确认地发布的机制是否也能称为“创作”。

平台现在正面临这一界限的挑战。

社交网络上“仅仅搜索就感到疲惫”的不满

那么用户是如何感受的呢？

 

查看Reddit等社交网络，对AI垃圾的不满相当直接。

尤其显眼的是，

“在找到所需信息之前必须浏览大量AI内容”

这一声音。

围绕Pinterest的社区中，反复出现对搜索插图、室内设计、照片资料时大量显示AI生成图像的不满。

即使使用减少AI内容的设置，也无法完全去除，这也是用户的意见。

在另一个Reddit社区中，由于AI生成的长文和评论增多，“明明是来获取真人建议的，却被迫阅读AI的文章”这一问题意识下，出现了禁止AI垃圾帖子和加强用户验证的动向。

从这些反应中可以看出，与其说是对AI本身的拒绝感，不如说是对“时间被剥夺”的愤怒。

人们并不想阅读100条搜索结果。

只想找到一个需要的答案。

并不想看1000张图片。

只想找到有参考价值的10张。

并不想从100万首音乐中选择。

只想遇到几首适合自己的。

由于生成AI爆炸性地增加了供应量，稀缺的不是内容，而是“人类的注意力”。

“仅仅因为使用了AI就被视为垃圾”的反驳

然而，对AI垃圾的反感过于强烈也会带来问题。

在社交网络上已经出现了

“仅仅因为使用了AI就不评价作品质量而称之为垃圾是错误的”

这样的反驳。

例如在软件开发中，即使让AI编写部分代码，只要人类进行设计、测试、修正并确认安全性，就不能简单地认定为低质量。

图像制作也是如此。

利用AI进行构图研究的情况与自动生成数千张并直接发布的情况完全不同。

在音乐中，将AI作为一种乐器使用的艺术家与大量发布自动生成曲目的垃圾业者归为一类，可能会失去本应保护的创造性。

Google的研究也表明，比起个别创作者尝试新工具的情况，更重视组织性的大规模生产行为模式。

未来重要的不是“AI还是人类”这种简单的二选一。

而是人类在多大程度上进行判断。

是否存在独特的信息。

是否对某人有价值。

是否试图通过大规模生产来攻略系统。

这些将成为标准。

AI垃圾问题的本质是“信任”

比起低质量内容的增加，更为严重的是对整个互联网的信任下降。

看到照片时，

“这是真的吗”

会这样想。

阅读评论时，

“是不是AI写的”

会这样怀疑。

阅读LinkedIn的帖子时，

“是个人经验还是生成的文章”

会这样想。

观看视频时，

“这个人是否真实存在”

会这样怀疑。

如果需要逐一确认，使用互联网的心理成本将大大增加。

在生成AI之前，垃圾邮件、复制文章、点击诱饵就已经存在。

然而，生成AI大大改变的是“规模”。

制作100个恶意网站与使用AI制作10万个，其对信息环境的影响完全不同。

如果产生低质量信息的成本接近于零，平台方反而必须创建“证明质量的机制”。

“人类创作”这一事实成为品牌

未来可能会出现有趣的逆转现象。

在生成AI之前，数字内容本身就是新的。

然而，如果AI生成物成为常态，反而

“人类拍摄的照片”

“本人撰写的文章”

“实际访问者的评论”

“演奏者演奏的音乐”

等将成为价值。

在社交网络上已经开始出现强调“真实”“原创”“人类创作”的动向。

将来可能会像食品的原材料标示一样，对内容

人类制作

AI辅助

AI生成

等制作过程的显示成为普遍现象。

用户所求的不一定是“AI零”。

他们所求的是能够判断自己在看什么的透明性。

从内容时代到“选择”时代

生成AI刚出现时，许多公司强调“能够创作比以往更多的内容”这一优点。

可以制作10倍的博客。

可以制作100倍的广告图像。

可以大量发布视频。

可以每天更新社交网络。

然而到了2026年，这一想法本身开始面临极限。

如果每个人都创作10倍，全球内容量也将增加10倍。

这并不意味着“创作很多的人”一定会赢。

反