Forums before death by AOL, social media and spammers... "We can't have nice things"
| soc.culture.china | Apparently more than just Tik Tok? | 155,082 messages |
[ << oldest | < older | list | newer > | newest >> ]
| Message 154,689 of 155,082 |
| Mobot to All |
| =?utf-8?Q?[I]=20AI=E6=98=AF=E4=B8=BA=E4= |
| 02 Feb 26 16:13:52 |
XPost: cn.soc From: mobot@fakemail.com AI是为了色情？从自用Deepfake到儿童性影像，四问 技与欲望的边界 Oct 23, 2025 • 端传媒记者 吴用、吴政霆 如何從法律、系統、道德層面應 AI色情的未來？ 图：Mantha Mok / 端传媒 编者按：欲望受制于现实，而情色创作是突破限 的尝试；生成式 AI 的出现，大大拓展了情色的 能性。如今，AI 生成的影像早已超越最初的“六根手指、 一表情”，达到一 令人 寒而栗 真实。 需要真人演员，AI 在将欲望实体化方面拥有无限 能：它能唤回初恋时未能抵达的双唇，或某场 后性爱从窗帘缝隙透入的阳光；它也能作恶，将 人或朋友的脸强行拼贴进成人影 ，或制作未成年色情。 端传媒推出“情色的未来”系列报导，探讨当技术 塑情色表达，我们面对怎样的法律和伦理难题， 如何在真实与幻象之间，触碰欲望的边界。系列 四篇报导组成，每周刊登一篇。在本周刊 登的第一篇中，我们从伦理、实务、法律层面出发，思考 AI 色情带来的监管挑战。接下来我们还将讲述和 AI 爱的女性、利用 AI 生成色情影像的男性，以及 讨演算法定义的“色情”。敬请读 者关注。 10月14日，Open AI行政总裁奥特曼（Sam Altman）在X宣 ，ChatGPT自12月起将为通过年龄验证的成人用户 供色情内容 务。按他的话说，这是为了“像对待成年人一样 待成年人”。更早 ，马斯克 Elon Musk）的人工智能公司xAI也在7月份推出了两 色情聊天机器人Ani和Valentine，为用户提供成人内容。 多家媒体指出，OpenAI此时开放色情内容，背后主 是出于商业考量。 《金 时报》报导，ChatGPT目 拥有约8亿用户，但其中仅有5%为付费用户，这些 户贡献了公司七成的营收。推出色情 务 或有助于刺激用户付费的意愿，增加订阅收入。 然而，此 ChatGPT和其他AI工具并非与色情内容无缘；相 地，人工智能在色情领域的应用可说是日新月异 始终处于技术 沿。美国百老汇音乐剧《Q大道》有首著 歌曲，歌 就叫“互联网是 了色情”（The Internet is for Porn）。我们今天或许 能说，“AI是为了色情”。 当技术与资本结盟，便催生出更逼真、更个人化 也更让人上瘾的色情内容。与此同时，围绕AI色 的道德伦理、儿少保护、法律监管等问题，也正 面浮上台面。 在道德层面，“深伪”（deepfake）色情与性幻想 间有何本质差异？在实务层面，AI技术如何使保护未成年人 于色情侵害变得更加困难？在法律层面，为何各 分歧的监管模式难以应对无国界 网路环境？本报导尝试回答这些问题，探讨当AI 上色情，人类社会如何在欲望、道德与科技之间， 新划定界线。 日本东京，动作 女星正在为成人游戏公司制作虚拟现实表演。摄：Toru Hanai/Reuters/达志影像 AI色情是什么？ 在过去，制作色情内容需要镜头、演员与 摄现场；如今，只要几行文字，就能生成一场堪 完美的性爱。这就是所谓的AI色情——利用生成 人工智能（Generative AI）制作的情色文字、图像或影 片。 对多数使用者而言，AI色情的创作过程与他们生 别的内容无异。输入提示语之后，模型便能根 庞大的训练资料生成影像或文字，满足使用者的 望。而这与传统色情相比，“AI色情”让欲望 仅仅止于观看或阅读色情内容本身。用户与AI的 动过程也可以构成色情体验的一部分。 要理解AI色情如何生成，得先理解它的两个主流 术：图像的“扩散模型”（diffusion model）与文字 “大型语言模型”（large language model）。 扩散模型（diffusion model）的工作原理可理解为“ 噪点中还原图像”：先使用演算法将大量图片转 为随机噪点， 让模型学习如何一步步“去噪”， 构出皮肤、光线、轮廓等细节。这样训练 出来的模型，当使用者输入如“一 金发男性、侧躺、柔和光线”的提示 后，就能从噪点中“ 原”出一张逼真的照片。 大型语言模型（large language model）的运作原理可 解为“预测下一个 元（token）”：模型透过学习海量文本资料中的 言规律，理解 与 、句与句之间的关联和模式（patterns）， 根 用户输 入的指令和上下文，“预测”接下来最可能出现的字 选项，从而生成连贯的句子与段落。当使用者输 如“描述一场浪漫的性爱”的指令时，模型便能 出自然、流畅的文字回应。 [continued in next message] --- SoupGate-Win32 v1.05 * Origin: you cannot sedate... all the things you hate (1:229/2) |
(c) 1994, bbs@darkrealms.ca