“互聯網已死”理論宣稱大半個互聯網已被機器人操控。這在幾年前也許只是陰謀論性質的夸大其詞，但在人工智能（AI）飛速發展的當下，這種曾經的猜想似乎愈發契合未來的現實。不僅如此，在生成式AI興起之前就已經存在的算法，往往也更偏好同質化的媒體風格，這進一步加劇了互聯網的空洞與單薄感。

“死去”的互聯網，會讓信息真假難辨、讓信任崩塌，致使現實被扭曲，人們不再將互聯網視為獲取知識或建立聯系的有效平臺。它還會帶來次生影響：基于不可靠的機器人生成內容訓練的模型，會制造更多同類內容，最終讓AI成為一種阻礙而非助力。不過，企業仍然可以采取一系列措施來應對這種局面，這些措施包括調整品牌呈現方式、優化客戶的互動模式，以及圍繞產品和發布信息構建有意義的社群。

理論起源

最初在2021年流行的“互聯網已死”理論認為，互聯網的大部分流量和交互實際上都是機器人執行的。人們起初對此難以置信，因為當時的自動化技術還不像今天這般強大，核查信息來源的可靠性也相對容易。然而，如今在領英等社交平臺上，各種貼文都愈發呈現出相似的格式和內容模式，帖子下面的回復和評論也越來越千篇一律，充斥著味同嚼蠟的祝賀、附和或贊賞，甚至連個人頭像都帶上了濃重的美顏濾鏡，仿佛是偽造或者過度修圖的產物。這到底是怎么了？

為何在此刻重獲關注？

隨著大語言模型（LLM）等生成式AI不斷發展，它們輸出的文本、圖像和視頻的真實感越來越強，加之AI代理不需要監督就可以實現復雜工作流程，由機器人驅動、為機器人服務的互聯網似乎就要降臨。視頻或圖像生成模型的每次迭代，都會讓產出的內容更加逼真，繼而充斥各類常用平臺，使得機器人泛濫、人類發帖機器人化的問題愈發顯著。

然而，現代互聯網的“死人感”并不全怪生成式AI。社交平臺、搜索引擎以及多數的大型內容聚合網站，都或多或少參與了“注意力爭奪戰”，用數據指標而非真正的參與度來指導產品優化，讓互聯網變得越來越膚淺——畢竟奇葩搞笑的段子遠比深入的實質性內容更吸引人。當這種模式與生成式AI輸出風格相遇，便造就了全網泛濫的垃圾信息。

通過算法來推薦內容的生態，其獎勵機制也助長著人類模仿AI生成內容，這進一步加劇了“互聯網已死”的感受。培養有價值的追隨者群體或建設富有成效的社群，往往要耗費大量時間和精力，而且成效難以保證，也許有些內容會引發熱議，但更多內容無人問津。要想不依賴自動化機制構建精心制作優質內容的社區？這根本就是徒勞，因為這些內容最終會敗在掌控全局、更迭頻繁，卻鮮少提供改進反饋的黑箱算法之下。此時，人們自然而然會想到把這個環節外包出去，這樣即使效果沒達到預期，損失依然可控，最終還是回到了以AI對抗算法、讓生成式模型驅動的AI代理來干活這條路。那么，這對互聯網的未來意味著什么？

對知識、信任與社區的影響

當客戶閱讀企業發布的博客，卻發現它是一篇未經人工審核、錯漏百出、配圖荒謬的AI文時，客戶對企業的信任就會崩塌。只要帖子下面出現垃圾評論，用戶就會推定這個平臺滿是未經驗證的假用戶和機器人。如果互聯網用戶無法確信自己閱讀、消費或學習的內容是否真實可靠，或者無法確認溝通的對象是不是自動化程序，那么互聯網作為信息來源或者特定主題社群組織平臺的功能就會受到威脅。這將會引發多重關鍵影響，包括認知崩潰——虛假信息與真相難以區分，以及關系瓦解——維系線上聯結的基礎逐漸消失。兩者都將導致互聯網失效，人們被迫回到線下。但實際情況并不都是厄運與悲觀，我們仍有反擊之道。

重振互聯網

在企業層面，擁有線上業務的公司可采取多種策略，防止自身滑向“互聯網已死”的命運。首先，在涉及客戶利益的關鍵領域，應避免引入AI，以防招致信任危機。確需采用AI自動化技術時，必需確保透明度原則，并對需要公開發布的信息進行核查。若企業通過發布白皮書或博客來鞏固其專業權威地位，同樣適用這些建議。通過投資專家團隊提供真正有價值的信息，并持續關注細分領域真實消費者的需求而非盲目蹭熱點，就可以避免“互聯網已死”的困局。

此外，還可以建立需要通過身份驗證的封閉式社區和論壇，這樣既能阻隔機器人的干擾，又可以促進真實交流。適度的內容審核同樣非常關鍵，而且需要同步對員工和社區成員開展培訓，教會他們識別AI生成內容的特征、培養他們的批判性思維能力，從而對網絡內容做出明智判斷。

結語

曾經看似邊緣化的陰謀論觀點，如今正隨著生成式AI、AI代理和內容推薦算法在互聯網諸多領域的全面滲透，逐漸在現實中扎根。當人們越來越難以分辨真實內容與虛假信息時，互聯網作為信息來源的可信度正面臨崩塌的危險，其作為構建在線社群和塑造品牌形象的媒介也變得越來越不可靠。所幸，企業還可以通過多種方式進行反擊：限制AI與客戶的交互范圍、堅持審核社區成員和待發布內容的真實性，以及加強人們識別AI生成內容的能力，以限制其影響。唯有如此，未來的互聯網才能重新成為連接與學習的場所，而非充斥著空洞機器人流量的荒漠。

關于作者

Becks現任AlleyCorp Nord的機器學習主管，該機構匯聚了開發者、產品設計師和機器學習專家，攜手客戶實現AI產品的構想。她在深度學習和機器學習領域擁有豐富經驗，既探索創新的深度學習方法并將其直接應用于解決現實問題，也負責構建用于訓練和部署AI模型的渠道和平臺，同時為初創企業提供AI和數據戰略咨詢。