近日，YouTube推出了一项针对视频质量的用户调查，询问观众刚观看的内容是否带有“AI烂片”特征。用户可根据自身感受，从“完全没有”到“极其明显”五个等级进行评分。平台方表示，此举旨在遏制低质量AI生成内容的泛滥，提升用户体验。
这一举措引发了广泛讨论。部分用户认为，YouTube终于开始重视内容质量管控；另一些人则质疑，表面是收集反馈，实则为谷歌训练下一代AI视频模型提供数据支持。他们指出，当1.22亿日活跃用户参与评分时，实际上是在向系统反馈哪些画面、动作或细节容易暴露AI生成痕迹。这些数据可直接用于优化谷歌旗下的Veo模型，使其生成的内容更难被肉眼识别。
与此同时，谷歌对AI内容领域的布局并未止步。该公司近期向一家专注儿童AI视频制作的初创公司注资100万美元。值得注意的是，这家公司已在该领域深耕十五年，其业务模式与谷歌的数据采集策略存在潜在关联。
这种“用户无偿劳动”的模式并非首次出现。互联网安全领域广为人知的reCAPTCHA系统，就是典型案例。该系统最初由卡内基梅隆大学教授路易斯·冯·安于2007年推出，旨在通过用户验证过程完成古籍数字化工作。用户输入的每个扭曲字符，都在帮助识别《纽约时报》历史档案或谷歌图书项目中的古旧文字。据统计，该项目已协助完成超过1.3亿册书籍的数字化。
2009年谷歌收购reCAPTCHA后，其用途发生根本性转变。随着街景项目的推进，系统开始要求用户标注照片中的交通标志、人行横道等元素。这些看似简单的安全验证，实则为谷歌计算机视觉模型提供了大量免费标注数据。鼎盛时期，全球每天完成2亿次验证，按行业最低时薪计算，相当于每天为谷歌节省500万美元标注成本。
这种数据采集方式具有独特优势。传统标注公司需雇佣数十万工人，时薪有时不足1美元，但仍难以达到reCAPTCHA的覆盖规模。该系统嵌入银行、政务、电商等所有需要安全验证的场景，用户为访问账户必须完成标注，这种强制性确保了数据获取的持续性和广泛性。
谷歌将采集的数据转化为两大核心产品：谷歌地图和Waymo自动驾驶系统。前者依赖人工标注实现路牌识别、商家定位等功能；后者通过数百万用户无意识完成的标注，训练出能精准识别交通信号的自动驾驶模型。截至2024年，Waymo已完成超过400万次付费载客服务，估值达450亿美元。
2018年推出的reCAPTCHA v3版本进一步升级，连验证题都取消了。系统通过分析用户鼠标轨迹、页面滚动速度等行为模式来判断人类身份，这些行为数据同样流入谷歌AI训练体系。从字符识别到图像标注，再到行为分析，这套系统不断进化，始终保持着“安全验证”的外衣。
YouTube此次视频评分调查，与reCAPTCHA的发展路径存在相似逻辑。将用户行为转化为训练数据的过程被包装成平台治理举措，而数据产生的商业价值则由企业独享。用户既未获得经济回报，也缺乏知情权，这种模式引发了对科技巨头数据伦理的持续讨论。
