AI 生成内容的未来，不是真假之辨，而是可信与共鸣

AI 生成内容的未来，不是真假之辨，而是可信与共鸣

Lauren：你以为 AI 生成内容的发展趋势是什么？当你们不断制造内容、生成图像时，你们怎样协助用户坚持对内容的掌控？比方你们在模型可解释性方面做得很好，那你们怎样赋予用户理解或引导 Claude 这类体系的能力？

Mike：是的，有些问题在短期内仍然值得讨论，比方加水印来标记 AI 生成内容。但从长时间看，大多数内容将由 AI 生成。所以“这是不是 AI 生成的”这个问题将变得无意义。值得重视的是内容的来源、溯源和引证等问题。而挖苦的是，AI 反而可能更有助于处理这些问题。

有趣的是，这让我想起了区块链。虽然现在现已不算热门话题了，但区块链曾试图处理的一些问题，其实在整个内容生成和传达链条彻底数字化的今天，更简单通过 AI 来完成。

例如，以前咱们常常重视一个文档的出处，比方有没有引证、是不是原创，这些问题现在仍然重要，但在 AI 协助下也变得更简单追踪。所以，未来重点不再是“这是不是 AI 生成的”，而是“它来自哪里”“内容是否可信”“能否验证”。

真实有价值的 AI 产品，从不是方案出来的

Lauren：很有意思，那咱们深化聊聊 Anthropic 吧。你们在产品方面做得很超卓，比方 Artifacts、编程模型、MCP 协议等。我很猎奇，作为首席产品官，你在产品打造中有什么样的方法论？怎样让你们的产品不仅仅是“模型的包装”，而是比模型自身更有价值的东西？

Mike：我有两个想法。

第一点是，不论是在 Instagram 年代仍是现在，判断产品是否优异的标准并没有变——你是否在处理真实问题。比方做一个开发者工具，是否真的协助开发者做到了快速、有趣、有创造性的事情？如果是面向终端用户的产品，那你是否真的满足了他们的实际需求？这些判断标准，在 AI 年代仍然适用。

第二点是，我必须抛弃以前的一些习惯。在 Instagram，咱们会做三到六个月的方案，十分“自上而下”、按部就班。但在 Anthropic，甚至在和 OpenAI 等同行交流时我发现，最好的 AI 产品往往不是方案出来的，而是“从底层自发长出来”的。

许多产品，只有在与模型十分靠近、深化实验后，才会逐步暴露其真实潜力。所以我学会了改动产品开发的途径，从“自上而下”转为“自下而上”。比方 Artifacts 便是最初的一个研讨原型，后来被设计师和工程师接手优化，最后才进入产品化阶段。这种途径虽然不简单操控，但确实带来了许多惊喜。

Lauren：MCP 是现在整个职业开端采用的重要产品之一，我很猎奇它是怎样诞生的，您有什么故事可以和咱们分享吗？

Mike：关于 MCP 的诞生，其实特别有意思。有时候我在公司的工作便是做些内部梗图，其间一个便是戏弄 MCP 刚诞生时仅仅两个工程师眼中的一个“小火花”。