AI热点风向标·06月06日午间版

最近B站有几个爆款视频特别有意思，虽然不是直接讲AI的，但我看完之后满脑子都在想AI。

你这职业病又犯了，看啥都想往AI上靠。

你先别急着嘲我，听我说完。第一个是那个沙漠种树的视频，在沙漠里种了1800万棵树，互动量四十多万，很多人在讨论后续效果。

这个我看了，其实沙漠治理这个领域AI介入已经挺深的了。卫星遥感加上深度学习做植被覆盖率监测，比人工巡查效率高了不知道多少倍。

对，我关注的点是，1800万棵树种下去之后怎么追踪存活率、怎么评估生态恢复效果，这些光靠人力根本不现实。

没错，现在比较成熟的方案是用时序卫星图像做change detection，AI模型可以逐像素分析植被变化。但说实话，国内真正把这套东西用好的项目不多。

为什么呢？技术不成熟还是落地难？

技术本身没问题，主要是数据标注成本和地方执行之间的gap。你训练一个沙漠植被识别模型，需要大量的标注数据，而每个沙漠的地貌特征还不一样。

所以这种视频能火，本质上是大家对大规模生态工程的好奇心，想知道这事儿到底靠不靠谱。

对，而AI恰好能回答这个问题。不是靠感觉，是靠数据。这个方向我觉得未来两三年会有很大进展。

好，第二个话题更炸裂。超微距下的瑞士，B站互动量直接干到两百多万，我刷到的时候下巴都掉了。

那个视频确实牛，画面质感太强了。不过你知道我第一反应是什么吗？

你肯定在想这是不是AI生成的。

被你猜中了。现在Sora、Kling这些视频生成模型出来之后，我看到任何画面特别完美的视频，第一反应都是怀疑。

这其实是个挺严肃的问题。当AI生成的画面质量越来越高，真实影像的信任成本反而在上升。

完全同意。这就是所谓的liar's dividend，造假技术越强，真实内容反而越容易被质疑。

但反过来想，这种超微距摄影恰恰是AI目前还很难完全复制的。

为什么这么说？

因为超微距的核心不是画面好看，是物理世界的真实细节。水滴在花瓣上的折射、昆虫翅膀的纹理，这些东西AI可以模仿个大概，但经不起放大看。

你说得有道理，目前的生成模型在micro-level的物理一致性上确实还差一截。不过我觉得这个差距在缩小，可能比你想象的快。

那到时候我们怎么区分真假？

这就是为什么content authenticity这个赛道越来越重要了。C2PA标准、数字水印，这些东西不是锦上添花，是刚需。

行，聊下一个大话题。罗翔老师最近连发了好几个视频，都爆了。泥鳅钓鱼是否犯罪那个互动量直接九十多万。

罗翔是真的强，把法律问题讲得所有人都想参与讨论。但你要从AI角度聊这个？

当然。你想啊，AI法律助手现在满大街都是，但罗翔讨论的这几个问题恰好暴露了AI在法律领域的短板。

你具体说说。

比如穿完即退的吊牌族违不违法，这个问题的核心不是法条检索，是价值判断和社会共识。你问大模型，它大概率给你一个模棱两可的回答。

这我得反驳你一下。现在的大模型在法律推理上进步很大，尤其是经过法律语料微调之后，给出的分析框架其实不差。

分析框架不差，但观点呢？罗翔的价值在于他敢下判断，而且能把判断背后的伦理逻辑讲清楚。AI目前做不到这一点。

好吧，这点我承认。AI擅长的是what the law says，不是what the law should be。

对，嫉妒那期也是。罗翔从法律延伸到人性，讨论我们应该如何面对嫉妒。这种跨领域的洞察力，短期内AI替代不了。

但你不觉得这恰好说明了AI法律工具的正确定位吗？它不是来替代罗翔的，是来替代那些机械性的法律咨询工作的。

这个定位我同意。可问题是市面上很多AI法律产品在宣传的时候，给用户的预期远超这个定位。

你说的是那种号称能替代律师的产品？

对，用户真拿它当律师用，结果遇到泥鳅钓鱼这种边界案例就傻了。

泥鳅钓鱼这个案例确实有意思，它涉及到行政法规和刑法的交叉地带，还有地方性法规的差异。这种多层级法律冲突的分析，对AI来说确实是hard case。

所以罗翔这几期视频能同时爆，我觉得不是偶然。大家对法律边界问题的讨论热情特别高，因为这些问题跟每个人的日常生活都有关。

而且这些问题没有标准答案，评论区本身就变成了一个巨大的辩论场。这种参与感是AI生成内容很难制造的。

你这个观察很好。AI可以生成一篇法律分析文章，但它生成不了一场有温度的公共讨论。

至少目前生成不了。不过我想补充一点，AI在法律教育领域其实有很大潜力。想象一下，一个AI系统能像罗翔一样用案例教学法来讲法律。

形式可以模仿，但灵魂模仿不了。罗翔的魅力在于他的人文关怀，不只是法律知识。

行吧，这点我不跟你争了，你赢了。

难得听你认输一次，我得记下来。

别得意，下次聊技术话题我可不会让着你。

好，今天就聊到这儿。总结一下，不管是沙漠种树的生态监测、超微距摄影的真实性挑战，还是罗翔法律视频背后的AI能力边界，核心问题其实是一个。

AI能做什么，不能做什么，以及我们对它的预期应该放在哪里。

说得好。那今天就到这里，咱们晚上见。

晚上见，回去我得再刷一遍那个瑞士超微距。