AI能把想法变视频,但不知道什么值得保留
生成式AI可能不会缩小人与人之间的差距。原帖作者说得更直接:它会让本来就存在的差异更显眼。
以前要做好一件事,得掌握一整套专业技能。拿视频创作来说,脚本、分镜、拍摄、剪辑,还得懂一点视觉设计。pixverse 这类工具能把文字描述变成视频,也能让一张静态图片动起来。过去要分好几步做的事,现在从一个想法就能启动。
同一个工具,两个人用出来的结果可以差很远。一个人输入一句简单提示词,生成视频,就此结束。另一个人会先想清楚主题、场景、角色怎么动、镜头放在哪个角度、整体要什么氛围。然后看第一版结果,改提示词,换思路,反复试到接近最初设想的那个样子。
AI 不一定改变了创造力本身。它改变的是创作过程中哪些技能排到前面。
一个变化是知道自己要什么。AI 能生成各种内容,但你得清楚自己在解决什么问题。原始想法越模糊,越容易拿到泛泛的结果。
另一个是判断和过滤。AI 会给出很多选项,但它不知道哪些值得继续做。信息越容易拿到,保留什么、丢掉什么、怎么组合,就越是关键。
还有一层:创造力不只是会用工具。工具能更快把想法变成文字、图像或视频。但最初的想象、审美、个人经验,以及重新打磨一个想法的能力,仍然来自使用工具的人。
作者把这看作自身能力的延伸,而不是一个替人思考的自动按钮。它缩短了从有想法到初稿的距离,但不能决定什么值得创作。往后的差距可能不在于谁会用 AI、谁不会,而在于谁知道让 AI 做什么,以及谁能看出结果好不好。
评论区对这个判断的反应,分成几路。
一位不懂声音工程的评论者说,AI 正在缩小他的差距。他可以插上吉他,让口袋里的 AI 工作室助手做那些他录音时做不了的事。
另一位以写作为生的评论者给出相反的一面:即使不算 AI 代写,门槛降低、大量创作者涌入之后,平均质量会下降,作品报酬的底部会塌陷。
一位研究 AI 与创造力的评论者把分镜、拍摄、剪辑看作注意事物、做出选择、改变想法的机会。这种判断有一部分就是通过工作本身长出来的——人可能在尝试表达的过程中,才发现自己想说什么。所以把创造力当成一个已经完全成形、只差更快执行路径的想法,是有问题的。
同一位评论者说,有多年经验的人能给 AI 工具带来大量判断力。刚起步的人可能拿到令人印象深刻的结果,却没多少机会理解它为什么有效、哪里不足。AI 也可以反过来问有用的问题、帮忙比较不同做法,或者把实验变得足够容易,让人通过以前试不了的事情学到东西。结果很大程度上取决于交互鼓励你参与什么、你交出了什么。
有人用学习举例:可以用 AI 帮自己学东西,它非常擅长这个;也可以只用它做作业然后完事。这两类人的结果差异会很大。对已经具备高水平技能的人,AI 是这些技能的放大器。
有人把这件事说得更白:某种意义上,每个人突然都有了各科的“本科学位”。街上随便拉一个人,借助 ChatGPT,可能就能胜任任何坐在电脑前的工作。
但以绘画为例,只写一个提示词,和已经在脑中想清楚要什么图像,中间差得很远。要用今天的技术得到接近手绘水平的图,仍然得自己搭一整套工作流。可能要训练自己的 LoRA、做大量图生图,还要手绘草图让 AI 润色。这些技术知识本身就造成了人们用 AI 能达成结果的差距。
同一位评论者还观察到,既然每个人都能用提示词生成图像,“AI灌水”正在变成新的“儿童画”。普通的 GPT 图像技术上画得不差,但缺乏个性,反而让有个人风格的东西更容易冒出来。数字艺术网站被 AI 图像淹没之后,最受欢迎的创作者换成了另一类:用图片讲更复杂的故事,风格鲜明。他们靠自定义 LoRA 或很难复制的调参做到这些,一句提示词拿不到。
差距本身怎么变,还有一套三波的模型。第一波是更快。在视频生成这类 AI 里,中等技能区域的差距会缩小,因为主要限制是时间,更多人在更少时间里拿到不错的结果。但从“不错”到“很好”再到“卓越”,需要的东西更多。
到第二波,评论者的判断是初始的技术技能没那么重要了,品味更重要。工具越好,“视觉提示”越不重要,怎么把心里的灵感转化出来并且打磨下去更重要。差距的性质也在变:技术型的部分变少,软技能的部分变多。
也有评论者认为,真正的区分因素可能不是谁写出最好的提示词,而是人机组合是否扩展了一个人能理解、质疑和创造的东西。用 AI 做出更好的作品,不一定等于你自己变得更有能力,这两者值得分开衡量。
同一位评论者还提到,有时我们知识不够,甚至认不出哪些问题值得问。如果 AI 系统不只回应表述良好的问题,还能帮人发现知识之外的关联、替代视角和隐藏假设,那它可能缩小某些差距,未必是扩大。
另一个走向来自另一位评论者。上面那些讨论都默认 AI 不会越来越擅长推断意图,也不会按不同认知和沟通能力的人调整表达。如果 AI 比身边的人更懂一个人、更会和他沟通,结果会不一样。他把这个问题留在了那里。
评论区也有批评。一条高票评论说,原帖是低投入的灌水帖,可能只是为了在 Reddit 上拿到高互动,用一句话构思出来的。
那位评论者更想讨论的是工具怎么设计。让人在使用过程中发展创造力、批判性思维和提问能力,比给这三样排序更有意思——它们本来就互相滋养。
问题还是那个:AI 把这么多专业技能的壁垒降下来之后,真正的区分因素会是什么。
LLM 不会也不能替你完成思考那部分。
关键事实
- 生成式AI可能不会缩小人与人之间的差距,反而会让已有的差异更明显。
- 过去做好一件事往往需要掌握一整套专业技能,比如视频创作需要脚本、分镜、拍摄、剪辑和视觉设计。
- AI正在快速降低入门门槛。
- 像pixverse这样的工具可以把文字描述变成视频,或让静态图片动起来;过去需要多个步骤的事,现在从一个想法开始就能启动。
- 即使两个人用同一个AI工具,做法也可能非常不同:一个人输入简单提示词生成视频就结束,另一个人会仔细考虑主题、场景、角色动作、镜头角度和整体氛围,反复调整提示词、尝试不同方法,直到输出接近最初设想。
- AI不一定改变了创造力本身,而是改变了创作过程中哪些技能最重要。
- 知道该问什么可能比单纯找到答案更重要;原始想法越不清晰,越可能得到泛泛的结果。
- 判断力和过滤信息的能力变得更有价值:AI给出很多选项,但不自动知道哪些值得追求;信息越容易获取,知道保留什么、丢弃什么、如何组合就更重要。