上週，我寫了一篇關於社交平台似乎如何努力整合生成式人工智慧的文章，因為生成式人工智慧流程，如圖像和文字創建，並不真正適合由人類「社交」經驗定義的社交平台。
他們肯定正在嘗試：
- Meta 希望透過受名人影響的聊天機器人整合人工智慧，並提供一個新選項，讓您能夠在其應用程式中創建自己的人工智慧朋友，以及 Facebook 和 IG 上的圖像生成選項。
- LinkedIn 增加了人工智慧後期生成，以及與職位發布和廣告相關的各種其他元素。 雖然人工智慧對行銷的建議很有意義，但與參與趨勢一致，但對於社群應用來說，後期生成似乎幾乎是反社交的、反直覺的。
- X 已將其 Grok AI 聊天機器人添加到主應用程式 UI 中，並且正在研究一種將 Grok 直接連接到作曲家的方法，以便您可以共享 AI 生成的文本作為更新。
- Snapchat 在用戶收件匣中擁有「我的人工智慧」聊天機器人，同時它也正在嘗試個人資料影像產生和數位寵物。
- TikTok 還擁有生成人工智慧個人資料圖像，同時它也正在嘗試用於不同目的的文字到視訊創作、人工智慧音樂生成和聊天機器人。
所有這些都是有趣的選擇，具有不同程度的價值和功能。 但同時，它們中很少有人真正增強了社交參與體驗，因此與社交應用程式的核心用例並不真正一致。
當然，隨著越來越多的人轉向社交應用程式進行娛樂，而不是與朋友互動，這個定義也在改變。 但即使從這個角度來看，社交應用程式中當前人工智慧工具浪潮的價值仍然值得商榷，並且很難看到這些功能中的任何一個成為這些應用程式的核心功能。
實際上，他們必須這樣做才能證明提供此類服務的成本是合理的。 由於大規模的處理要求，生成式人工智慧的成本很高，雖然這些新功能使社交應用程式能夠順應人工智慧浪潮，但它們可能不會對其核心業務產生太大影響。
廣告是個例外，正如所指出的，人工智慧建議、針對特定平台的範例進行培訓，以幫助改善您的促銷活動，具有明顯的價值。
但對於普通用戶來說，這些選項真的會讓您更頻繁地使用這些應用程式嗎？
同時，生成式人工智慧是當前的趨勢，每個應用程式都擔心其競爭對手最終會為其提供殺手級用例，並取代他們的產品。
那麼，生成式人工智慧在社交應用程式中真正的用途是什麼？這些工具是否可以提供更符合其核心用例的實用程式？
以下是人工智慧可以促進更有價值的社交媒體目的的一些方法。
圖搜索，但人工智慧
Facebook 過去最被遺忘的創新之一是“圖譜搜尋”，這是一種基於自然語言的 Facebook 搜尋引擎，可以幫助您在應用程式中找到更多有關人物和趨勢的資訊。
正如您在此範例中所看到的，圖形搜尋經過專門設計，可以更輕鬆地發現應用程式中的相關信息，而無需了解布林搜尋字串即可獲得此類見解。
事實上，Facebook 在 2013 年的宣傳就是這樣的：
“圖表搜尋和網路搜尋有很大不同。 網路搜尋旨在採用一組關鍵字（例如：「嘻哈」）並提供與這些關鍵字相符的最佳結果。 透過圖形搜索，您可以組合短語（例如：「我在紐約的朋友，喜歡 Jay-Z」）來獲取在 Facebook 上共享的一組人物、地點、照片或其他內容。 我們相信它們有非常不同的用途。」
圖搜尋對於尋找興趣相關性和見解非常方便，但它也發現了 Facebook 不太滿意的一些數據點。
鑑於對資料隱私的更廣泛推動，特別是在劍橋分析醜聞之後，Facebook 最終取消了該選項。 但實際上，圖搜尋聽起來非常像 ChatGPT，以對話方式促進更高級的發現，這可以為相同的見解提供新的途徑。
TikTok 實際上已經透過 Tako 聊天機器人實驗以及 生成式人工智慧搜尋 在該應用程式的中文版中。
這種更高級的搜尋功能提供來自 TikTok 內部以及更廣泛的網路的匹配，為查詢提供更具體的見解和匹配，同時也讓用戶留在應用程式內。
Facebook 也可以嘗試做同樣的事情，使用公開顯示的 Facebook 個人資料資訊來在應用程式中提供更好的搜尋能力。
例如，您可以詢問以下問題：
- 今天 Facebook 上最熱門的新聞報導是什麼？
- 我的朋友在應用程式中最常關注哪些新聞報導？
- 我的朋友對哪些餐廳給予了好評 [city]？
- 我還沒有與哪些以前的學校同學建立連結？
這些都是相當常見的 Facebook 用例，但您必須深入挖掘才能找到這些資訊。 圖搜索在很大程度上解決了這個問題，定制的人工智慧聊天機器人可以更進一步，實現自然語言搜索，從而提高用戶參與度。
原始碼內容參考
社群媒體使用的關鍵問題之一是錯誤訊息的傳播，這些訊息可以透過社群貼文分享傳播到更多的人。
平台試圖透過添加事實檢查工具或授權用戶強調對聲明有效性的擔憂來應對這一問題。 但人工智慧事實檢查工具也可以派上用場，它本身不是事實檢查器，而是作為雙重檢查有問題的主張的直接參考工具。
這個過程將涉及所有帖子上的一個按鈕，您可以點擊該按鈕來提出有關帖子文本中提出的任何聲明的問題。
比方說，有一篇文章說「氣候變遷不是真的」。 你可以點擊人工智慧按鈕在網路上搜尋證據，立即檢查該說法是否正確。
如果一個貼文宣布“[random celebrity] 已經死了”，您可以立即選擇澄清，而無需打開新窗口，同時您也可以向機器人詢問後續問題，以解決您可能有的任何其他問題。
這是人工智慧的一種不那麼性感的使用，但它可能是一種方便的搭配，可以透過即時的事實檢查來減少錯誤訊息的傳播。
機器人與否？
同樣，可以將人工智慧按鈕添加到所有用戶配置檔案中，該按鈕可以概述用戶被機器人追蹤的可能性，以及有多少受眾可能不是真實的。
這存在一些風險，因為機器人檢測工具並不總是準確的。 但所有社交應用程式都已經採用機器人偵測器來清除垃圾郵件，他們可以將學到的知識應用於此選項，這將為人們提供一種簡單的方法來檢查使用者或企業是否合法。
你點擊按鈕，人工智慧系統會檢查個人資料追蹤者的數據，然後返回有關其有效性的可能性百分比，或者它可能會提供更廣泛的概述，包括關鍵指標和註釋，這解釋了為什麼其受眾的任何成員看起來像非人類實體。
內部機器人檢測工具在這方面要準確得多，如果這是以提供基本邏輯透明度的方式完成的，那麼這可能是限制社交應用中詐騙運營商參與的好方法。
音樂和影片創作
人工智慧圖像生成對大多數用戶來說都是新鮮事，而文字生成則減少了人為因素。 您可能會說，音樂和視訊生成也遵循相同的路線，儘管兩者都有潛力推動有趣的新用例，這可能比這些最初的用途更具影響力。
儘管它確實會導致同樣的問題，但會減少社交應用中的人為因素。
我想這取決於你在哪裡尋求增長。 社交應用程式是否仍然將社交互動視為核心用例，或者現在僅靠參與來推動他們的更多決策？
不管怎樣，這兩個選項都將很快推出。 Meta、TikTok 和 YouTube（透過母公司 Google）都在開發文字到影片選項，而 TikTok 剛剛推出了新的人工智慧音樂生成選項。
再次，我擔心這些大多是新穎的功能，不會長時間吸引大多數人的注意力，並且任何機器創建的內容都可能分散對實際人際關係的關注。
但這些功能似乎確實有更大的潛力來實現更廣泛的創作，這可能會推動應用程式的新趨勢。 因此，即使它確實與「社交」方面背道而馳，它們仍然可以幫助推動更多的參與。
無論你如何看待它，生成式人工智慧正在改變用戶行為，而且它不可避免地在社交應用程式中發揮更大的作用，無論是透過基本的新穎性還是實用性。
更長遠的願景是，生成式人工智慧將促進更宏大的數位創造，例如虛擬實境世界的存在。 對於下一代用戶來說，這可能是一個非常有價值的用例，但即使是現在，人們也越來越習慣於提出對話式查詢，而人工智慧機器人也越來越能夠理解、解釋和回應這些查詢。
找到它的價值，同時仍然促進實際的人際關係，並不像看起來那麼簡單，這就是社交應用程式現在真正的竅門所在。
他們能否找到生成式人工智慧的用例來增強人與人之間的聯繫，而不是透過類人機器人輸出來稀釋這種聯繫？
我認為，許多最初的實驗都屬於後一類，由於越來越多的機器人交互，這最終可能會削弱人們對社交平台的興趣。
