YouTube 对 AI Slop 的新战争：自动标签化与透明度追求
在过去的几年里，人类创造力与算法生成之间的界限已显著模糊。从提供健康建议的超写实虚拟人，到为儿童生成的程序化“brainrot”短视频，YouTube 上涌入的 AI 生成内容引发了一场透明度危机。作为回应，YouTube 宣布其披露政策将发生重大转向，从纯粹的自愿系统转向包含自动检测的系统。
新的标签框架
自 2024 年以来，YouTube 一直依赖创作者手动披露生成式 AI 的使用情况。然而，该平台现在正在实施两项重大更新，以使这些披露更加直观且难以被忽视。 \n### 提高可见性 YouTube 正在将 AI 披露标签移动到更显眼的位置，以确保观众能立即获得上下文信息：
- 长视频： 标签现在将直接出现在视频播放器下方，位于描述上方。
- Shorts： 标签将作为直接覆盖层出现在视频本身上。
对于明显不切实际或动画化的内容，披露信息将保留在展开的描述中。这种分层方法旨在优先对“写实且具有重大 AI 改动”的内容进行标签化，因为这类内容具有最高的欺骗风险。
自动 AI 检测
从 2026 年 5 月开始，YouTube 将部署内部信号来自动识别 AI 生成的内容。如果创作者未能披露使用写实 AI 的情况，但 YouTube 的系统检测到了它，系统将自动应用标签。
虽然创作者可以通过 YouTube Studio 进行申诉，但某些披露将是永久性的。这包括使用 YouTube 自有的 AI 工具（如 Veo 或 Dream Screen）创建的内容，或包含指示其为完全生成内容的 C2PA 元数据的内容。
技术怀疑论：AI 能检测 AI 吗？
这一公告遭到了技术社区的显著怀疑，特别是关于自动检测的可靠性。许多批评者指出，AI 文本检测器的历史失败案例，它们经常产生误报。
"I have a hard time believing that AI can be used to label AI-generated videos without there being a significant number of false positives/negatives. I think back to ZeroGPT and it labeling the Declaration of Independence as AI-generated."
人们越来越担心这会引发一场“猫鼠游戏”。随着检测模型的改进，生成模型（如 GANs）也在不断迭代以绕过这些检测器。一些用户建议，YouTube 可能在开发检测工具的同时，也在完善其自身的生成工具，使其变得无法被检测。
“Slop”问题：超越写实主义
社区讨论中的一个反复出现的主题是，写实图像只是问题的一部分。用户对“AI slop”——即那些可能并不写实但却缺乏人类价值的内容——感到日益挫败。
AI 配音瘟疫
许多观众对 AI 旁白表示了强烈的厌恶，指出这通常意味着低质量、由 LLM 生成的脚本。
"What I absolutely loathe and instantly block is AI narration... without a shot of the creator or obvious humanisms like microphone sounds, I assume a new creator is AI tts reading an LLM generated script."
针对脆弱受众
对于 AI 内容如何影响儿童和老年人，存在着更深层的担忧。报告显示，为儿童生成的程序化内容正在激增——其特点是混乱的节奏和暴力图像——以及足以欺骗老年观众、让他们误以为在观看真实医疗专业人员的逼真 AI 虚拟人。
未回答的问题与未来的需求
虽然标签化是一大进步，但用户们正在呼吁建立更强大的工具来管理他们的体验。用户最希望的功能是全球过滤器，以便能从 Feed 流和搜索结果中完全隐藏所有带有 AI 标签的内容。
其他关键问题仍然存在：
- AI 的阈值： 在 AI 使用比例达到多少时，视频会被视为“AI 生成”？是否有由人类旁白但配有 AI b-roll 的视频会被标记？
- 音频与音乐： 这些标签是否会扩展到目前充斥平台的 AI 生成音乐和“focus tracks”？
- 激励差距： YouTube 是否会针对未披露的 AI 内容实施货币化惩罚，以鼓励人类创造力？
随着 YouTube 尝试在创作者自由与观众透明度之间寻找平衡，这项举措的成功可能并不取决于标签本身，是否取决于检测的准确性以及用户是否能够选择退出 AI 生成的生态系统。
总结
YouTube 正在引入自动 AI 检测和更显眼的标签，以对抗写实 AI 内容，从而引发了关于检测准确性以及“brainrot”内容兴起的辩论。