鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

Instagram 负责人莫塞里谈 AI:现如今“眼见已不一定为实”

编程导航
编程导航
2026-01-02 23:50
阅读 86
编程导航
2026-01-02 23:50
阅读 86

在 2025 年收官之际,Instagram 负责人亚当・莫塞里用一组长达 20 张图片的内容,集中阐述自己对“无限合成内容”时代的看法。随着合成影像越来越逼真,现实与虚构正在迅速混淆,而他口中那种更私人化的老式 Instagram 信息流,实际上早已退出历史舞台。

莫塞里说,过去很长一段时间里,人们几乎可以默认照片和视频记录的都是现实发生过的瞬间。但这种共识已经被打破,而且人类还需要多年时间,才能真正适应新的信息环境。他认为,人们的心态将发生根本转变,不再天然相信所见内容,而是从一开始就保持怀疑,并思考发布者是谁、为何发布。这样的变化注定令人不安,因为人类天生更容易相信视觉证据 ——“眼见为实”。

莫塞里表示,Instagram 以及其他平台必须随之进化,包括打造更强的创作工具,清楚标注 AI 生成内容,验证真实素材,告诉用户发布者的可信度究竟几何,同时在推荐机制中进一步强化原创内容。

从以 Instagram 为核心的视角出发,莫塞里认为,人们虽然常常抱怨“AI 垃圾”,但优质的 AI 作品同样大量存在。他并未点名具体案例,也没有直接提到 Meta 在 AI 工具上的投入。同时,莫塞里批评部分相机厂商的方向出现偏差,试图让所有人都拍出类似“2015 年专业摄影风格”的照片。

莫塞里认为,在短期内,未经美化、甚至略显难看的原始影像反而更容易被视为真实信号,直到 AI 同样学会复制这些“不完美”细节。届时,判断真实与否的重点将不再是内容本身,而是发布者身份,需要通过相机生成的指纹和加密签名来确认真实影像,而不是依赖后期添加的标签或水印。

IT之家附莫塞里原文大意如下:

Instagram 面临的最大风险,是世界变化越来越快,而平台却可能跟不上。面向 2026 年,一个根本性转变已经出现:真实性正在变成可以被无限复制的东西。

过去,真实表达、建立连接、发出无法伪造的声音曾是让创作者有价值的能力。然而时至今日,任何人只要拥有合适工具就能做到。深度伪造不断进化,AI 生成的照片和视频,已经很难与真实拍摄的影像区分。

互联网改变了权力结构,让个人取代机构成为中心。任何有吸引力想法的人,都可以直接找到受众,信息传播的成本已经归零。

真正证明个人内容存在巨大市场的,是个人本身,而不是出版商或品牌。人们对机构的信任跌至历史低点,开始依赖来自自己信任和欣赏的创作者所拍摄的内容。

人们常常抱怨“AI 垃圾内容”,但同样存在大量出色的 AI 作品。即使是高质量 AI 内容,也往往显得过于光滑、皮肤过于细腻,这种状态正在改变,更接近真实的 AI 内容即将到来。

真实性正在变得稀缺,这只会推高对创作者内容的需求。衡量标准正在从“是否能创作”,转变为“是否只能由个人创作”。

如果年龄不满 25 岁,很可能会把 Instagram 想象成一个方形照片信息流,精致妆容、磨皮效果和风景大片。但这种信息流早已失效,人们多年以前就停止在其中分享私人生活。

当前最主要的分享方式已经变成私信,包括模糊的照片、晃动的视频、日常瞬间、鞋子的照片,以及不加修饰的抓拍。

这种未经打磨的风格,已经扩散到公开内容,并影响到不同艺术形式。

相机厂商正在押错方向,他们正竞相让所有人看起来像 2015 年的专业摄影师。但在 AI 能够生成完美影像的环境下,专业感反而成了破绽。

讨好的画面既便宜又乏味。

人们渴望真实感,敏锐的创作者开始主动使用未经制作、不够好看的影像。在一切都能被完美化的时代,不完美本身就是信号。

原始感已经不只是审美选择,而是一种证明方式,是防御手段,是在表达:正因为不完美,所以可信。

很快,AI 就能生成任何审美,包括看起来真实的不完美风格。届时,判断重点必须从内容转向发声者。

在人生的大多数阶段,我都默认照片和视频是真实瞬间的记录,但这一前提已经不再成立,人类需要时间重新适应。

人们将不再本能相信所见内容,而是从怀疑开始,关注是谁在分享,以及分享动机。这种变化令人不适,因为人类天生相信视觉。

Instagram 这样的内容平台会持续识别 AI 内容,但随着 AI 进化,识别只会越来越难。相比之下,为真实影像建立指纹更具可行性。

相机厂商会在拍摄时为图像进行加密签名,形成可追溯的内容链路。

标注并非全部解决方案,还需要提供更多账号背景信息,帮助用户判断内容可信度,核心问题是账号背后是谁。

在一个内容无限、怀疑无限的世界里,能够持续赢得信任、传递真实性信号的创作者,会凭借真实、透明和一致性脱颖而出。

需要打造最好的创作工具,标注 AI 生成内容,验证真实素材,展示发布者可信度信号,并持续提升原创内容的权重。

Instagram 必须迅速完成多方面的进化。

原文链接: Instagram 负责人莫塞里谈 AI:现如今“眼见已不一定为实”
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
朱雀AI检测助手朱雀AI检测助手
🔥 热门文章
1
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
480
2
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
430
3
我的第一个出海产品!7 天 2 万
370
4
又一个国产版 Codex 神器,也来卷办公了!
370
5
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
340
6
DeepSeek 重磅开源的超级 Agent,到底是个啥?
330
7
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
280
8
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
280
9
人工智能前沿部署工程师(FDE) · 概 览 与 方 法 论
270
10
QuireKit 编辑器的 AI-Native 是如何设计的?谈谈我对真正 AI-Native 的理解
250
11
告别“金鱼记忆”:我开发了一款能当“第二大脑”的浏览器 AI 助手
250
12
ARTS 1101: 最长回文串与子序列匹配、一次 URL 请求的来回之旅与如何验证 AI 的交付
230