我預測大型語言模型（LLM）即將顛覆演算法媒體動態（media feeds），而這將從一家為你策劃部落格內容的新創公司開始。

大型媒體的目標錯位

如果你查看全球前 10 大網站的列表，其中一半是媒體網站。在這 5 個媒體巨頭中，有 4 個（YouTube、Facebook、Instagram、X/Twitter）是目標錯位
^([1])
的媒體動態。所謂「目標錯位的媒體動態」，我指的是一種網站，其主要使用者介面是你進入首頁後，一個巨大的機器學習演算法會向你展示你最有可能參與互動的內容。

這些媒體巨頭與使用者的價值觀根本上是錯位的。請注意，我寫的是「使用者」而非「人類」。這些演算法與其公司所有者的目標指標高度一致。例如，YouTube 的推薦演算法與其點擊率和觀看時間的目標高度一致。問題在於，媒體網站的價值觀與使用者的價值觀並不一致。因此，大型媒體販賣的是媒體界的「精煉古柯鹼」。這就是為什麼在 X/Twitter 上很容易找到激起憤怒的內容（ragebait），以及為什麼縮圖對 YouTube 影片如此重要。

目前，這是一種平衡狀態。你對媒體動態的選擇包括：

• 為了優化注意力而針對你個人量身定制、與公司利益一致的機器學習推薦「古柯鹼」

• 投票系統（Reddit、Hacker News、LessWrong），這些並非針對你個人定制

• 非演算法的人工策劃（個人部落格、像 ArsTechnica 這樣的報紙網站），這些也非針對你個人定制

所有這些系統的共同點是，沒有一個是根據個別使用者「宣告的偏好」來進行策劃的。這即將改變。隨著 LLM 的最新發展，現在已經可以根據宣告的偏好來策劃媒體動態。我應該能夠告訴 YouTube「我不想再看到任何關於唐納·川普新聞的 YouTube 影片」，並且這項指令應被遵守。目前 YouTube 並沒有這項功能。

那麼，誰會實現這一點？長遠來看，我相信 YouTube/Facebook/Instagram 等最終會實施這樣的功能。但我認為這個領域將由新創公司開拓，因為存在利益衝突：一個大型媒體販賣古柯鹼的系統，完全符合大型媒體的短期財務利益。（特別是考慮到 LLM 策劃的運行成本肯定比目前的推薦演算法更高。）他們最終會改變，但在受到威脅之前不會改變。唯一的問題是這一切何時發生。可能首先是一家 LLM 個人化媒體動態新創公司崛起，然後 YouTube、Facebook、Instagram 和 X/Twitter 會爭先恐後地追趕。

這會從哪裡開始？很可能是從長篇文章開始，而不是短影音。特別是因為目前還沒有一個好的方法來獲取個人化的部落格文章動態。我可以打開 YouTube 並獲得個人化的影片推薦動態，但目前還沒有
^([2])
對等的個人化部落格動態。當然，個人化的 LLM 媒體動態不會僅限於部落格。那只是我預測這場革命開始的地方。

當然，目標錯位的古柯鹼媒體動態將繼續存在，就像現實中的精煉古柯鹼依然存在一樣，但我預測在未來，它們將被視為一種惡習，就像今天的糖果和汽水被視為惡習一樣。在未來，由 LLM 策劃的媒體將被視為「對你有益」的選擇。

想像一個在你的媒體動態中沒有激憤內容、沒有標題黨、也沒有「任何你不喜歡的東西」的世界。這個世界已經成為可能。唯一的問題是，還需要多久才會有人花時間透過「氛圍編碼」（vibe code）寫出一個目標一致的推薦演算法。

• 非明顯以最大化注意力為目標錯位的媒體巨頭是 Reddit。↩︎

• 也許 Substack 的首頁是個例外。我不確定，因為我沒在使用。↩︎

參與討論