Ai4
生成式AI若脱离人类摄影师对现实社会的真实记录并依赖合成数据迭代将引发模型退化与侵权风险,唯有建立合理报酬机制以反哺原创作者,才能维系高品质且商业安全的AI生态。
AI-assisted summary of Unlocking Creative Potential: The Value of AI and Human Creativity for the Long-Term, Getty Images — original source. Check the original for full context.
Source published:
Detailed notes
## Background 该视频由 YouTube 频道 Ai4 于 2025 年 8 月 29 日发布,记录了 Getty Images 产品副总裁 Aditi Arora 的主题演讲。演讲探讨了人工智能与人类创造力之间的相互作用,深入分析了干净、透明的训练数据对生成真实且具备文化相关性视觉内容的重要性,并阐述了如何规避法律与知识产权风险以及建立对创作者的持续报酬机制。
## TL;DR Aditi Arora 首先介绍了 Getty Images 庞大的视觉生态资产与生成式 AI 在创意领域的爆发式应用,指出人类与 AI 应当建立协作而非替代关系。她结合过去十年社会变迁的视觉演进指出,AI 模型若想具备真实的情感共鸣与多元代表性,必须依赖摄影师对现实世界的实时捕捉,否则反复以 AI 生成内容进行训练将引发“模型退化”危机。通过对比通用 AI 模型在商标侵权与刻板印象上的缺陷,她展示了 Getty Images 基于干净版权数据打造的商业安全级 AI 方案,并呼吁行业确保创作者获得合理经济补偿,让 AI 真正成为人类独特创意的放大器。
## Atmosphere & style 整场演讲专业洗练、逻辑清晰,既有企业高管对行业前沿趋势的宏观把控,又充满对创作者权益的人文关怀。讲者通过生动的现场盲测互动与鲜明的行业案例对比,将复杂的数据合规与模型崩溃技术原理讲得深入浅出。现场氛围在冷静理性的商业与技术剖析中逐渐升温,最终收尾于对创作者独特性与公平回报的有力呼吁,具有极强的说服力与鼓舞人心的力量。
## Key takeaways - [00:04](https://www.youtube.com/watch?v=OYDbhzmiKeE&t=4s) Getty Images 依托全球数十万创作者与海量资产,通过 Visual GPS 调研持续捕捉社会文化演进与全球视觉趋势。 - [02:13](https://www.youtube.com/watch?v=OYDbhzmiKeE&t=133s) 生成式 AI 视觉市场正在爆发式增长,创作者与品牌应构建互利共生的“协同 AI 生态系统”,而非将 AI 视作替代品。 - [03:47](https://www.youtube.com/watch?v=OYDbhzmiKeE&t=227s) 视觉呈现深刻映射了过去十年社会在混合办公、清洁能源及家庭多元性上的变迁,AI 仍必须依赖真实摄影师捕捉时代切面。 - [03:47](https://www.youtube.com/watch?v=OYDbhzmiKeE&t=227s) 随着 AI 生成图像逼真度大幅提升,视觉资产的核心价值已转向其能否唤起真实的情感共鸣与还原深层社会语境。 - [06:51](https://www.youtube.com/watch?v=OYDbhzmiKeE&t=411s) 输入数据的质量决定模型输出上限,具备高准确度、多样性与代表性的优质样本远比盲目堆砌海量数据更关键。 - [06:51](https://www.youtube.com/watch?v=OYDbhzmiKeE&t=411s) 警惕“模型退化”(Model Collapse)危机:过度依赖上一代 AI 生成的合成数据进行二次训练,会导致模型输出表征走向崩溃。 - [06:51](https://www.youtube.com/watch?v=OYDbhzmiKeE&t=411s) “今天的照片就是明天的训练数据集”,必须建立合理公平的创作者补偿机制,保障原创者持续生产高质量真实数据的积极性。 - [09:17](https://www.youtube.com/watch?v=OYDbhzmiKeE&t=557s) 商业安全级 AI 模型必须基于干净、授权的合规数据进行训练,从源头杜绝商标与 IP 侵权,并提供法律免责赔偿保障。 - [09:17](https://www.youtube.com/watch?v=OYDbhzmiKeE&t=557s) 通过高质量且具代表性的数据集,能够有效消除通用模型在性别与族裔上的职业刻板印象,真实呈现当代社会风貌。 - [12:01](https://www.youtube.com/watch?v=OYDbhzmiKeE&t=721s) 创作者与企业必须深入了解所采用 AI 工具的数据来源与训练透明度,以长远眼光维护数据生态的健康度。 - [12:01](https://www.youtube.com/watch?v=OYDbhzmiKeE&t=721s) 无论技术媒介如何演变,人类创作者基于真实生活体验所拥有的“独一无二的视角”,始终是 AI 无法替代的核心竞争力。
## Detailed walkthrough ### [00:04](https://www.youtube.com/watch?v=OYDbhzmiKeE&t=4s) Getty Images 的业务版图与视觉生态
Getty Images 产品副总裁 Aditi Arora 在开场中简要活跃现场气氛,表示希望在中午时段为大家带来一场既生动高效又能留足问答时间的分享。在正式探讨人工智能与人类创造力的深层价值之前,她首先向在场观众系统介绍了 Getty Images 的业务架构。作为一个全球领先的视觉内容创作者平台与交易市场,Getty Images 旗下汇聚了包括 Getty Images、iStock 和 Unsplash 在内的知名视觉品牌,为客户在创意与编辑项目中提供丰富的视觉资产。在编辑业务板块,平台每年覆盖约 16 万场活动,横跨新闻、媒体与娱乐领域;而在创意业务板块,其客户群体则涵盖从中小型企业(SMB)到大型跨国企业的广泛客群,广泛应用于品牌营销战役、企业形象物料构建及户外广告牌设计等场景。
Aditi Arora 列举了一组庞大的业务数据来展示其生态规模:平台拥有约 60 万名全球内容供稿人(Contributors),其中 8.2 万名更是 Getty Images 的独家签约创作者;平台每年承接约 27 亿次搜索请求,库内储备了 6.25 亿件视觉资产。为了精准洞察视觉趋势,Getty Images 运营着一项名为 Visual GPS 的全球调研项目,通过对 25 个国家的 7,000 多名专业人士开展问卷调查,捕捉视觉内容领域的最新趋势与消费者心态,并将深度洞察反馈给客户群体。此外,她还特别提及了平台自主研发的“商业安全级”AI 生成器(Commercially Safe AI Generator),为后续的深入探讨埋下伏笔。
- **核心品牌矩阵**:Getty Images、iStock、Unsplash - **编辑业务广度**:年均报道覆盖约 160,000 场新闻、媒体及娱乐活动 - **供稿人与资产体量**:超 600,000 名创作者(其中 82,000 名独家签约),库藏资产达 6.25 亿件 - **年搜索量**:全球每年 27 亿次检索 - **Visual GPS 调研体系**:覆盖全球 25 个国家、逾 7,000 名受访者,持续输出行业视觉趋势报告
---
[02:13](https://www.youtube.com/watch?v=OYDbhzmiKeE&t=133s) 创意加速与协同 AI 生态系统的兴起
生成式人工智能(Gen AI)正在成为全球创作者与品牌营销人员不可回避的核心议题。数据显示,在过去 6 个月内,已有 68% 的创意专业人士在日常工作中使用生成式 AI;而在全球营销人员中,近半数每天都会借助 AI 进行图像或视频内容的创作。从市场规模来看,整个生成式 AI 视觉市场当前估值约为 660 亿美元,预计在未来 5 年内将激增至 4,420 亿美元。单看 2024 年一年,由 AI 生成的内容总量就突破了 120 亿件,这一数量已经远远超过了全球专业摄影师在一年内所能拍摄交付的全部照片总量。
面对内容爆发式增长的现状,Aditi Arora 提出了对未来视觉内容创作的思考:人类与 AI 的关系并非简单的替代,而应当构建一个“协同 AI 生态系统”(Collaborative AI Ecosystem)。她指出,AI 模型要输出高品质、真实且具有文化相关性的视觉结果,其底层的根本依赖正是高质量、真实、具有当代语境的人类原创内容。
```mermaid flowchart LR accTitle: 协同 AI 生态系统逻辑流 subgraph S1["人类真实世界"] A["现实社会演变与文化脉动"] --> B["专业创作者捕捉真实画面"] end subgraph S2["模型训练体系"] B --> C["高品质、真实合规训练集"] C --> D["生成式 AI 模型学习"] end subgraph S3["商业应用交付"] D --> E["生成具情感共鸣的安全资产"] E --> F["创作者获得持续经济回报"] F -.->|激励再创作| B end ```
---
[03:47](https://www.youtube.com/watch?v=OYDbhzmiKeE&t=227s) 视觉像素维度的十年社会演进与盲测启示
回顾过去十年,工作环境、技术工具以及人际协作模式发生了深刻的重构。Aditi Arora 借助 Visual GPS 过去 5 年的数据展示了视觉搜索与下载趋势的变迁:在 2020 年新冠疫情初期,平台下载量最高的图片大多是佩戴口罩的女性,或是昏暗居家环境中的办公特写;这些画面如果在疫情之前展示给受众,会引发完全不同的心理感受。到了 2022 年,视觉呈现逐渐正常化并走向多元,更多展现混合办公模式(Hybrid Work)、视觉叠加特效以及有色人种女性的职场形象;而到了 2024 年,画面趋势进一步演进为办公室中轻松自然的互动与女性高管的领导力展现。
类似的变化在各领域随处可见:能源领域的视觉从 2014 年的海上石油钻井平台,转向 2024 年路边充电的电动汽车;心理健康的视觉表达从孤独坐在房间里的男性,转变为在真实职场中一边穿行一边应对压力与挑战的现代职场人;家庭结构的视觉呈现也更加包容,广泛纳入了跨代同堂家庭、LGBTQ+ 群体以及单亲母亲等形象。
在现场互动环节,Aditi 展示了两张视觉风格极为逼真的特写照片让观众竞猜:一张是相机实拍,另一张由 AI 生成。当揭晓第二张其实是 AI 生成后,Aditi 总结道,随着技术的飞速进步,肉眼辨别实拍还是 AI 生成正变得越来越困难。但真正的关键在于画面能否为受众唤起真实的情感共鸣,"真正重要的是谁在拍摄这张照片,以及他们是否理解拍摄当时的真实语境"。如果未来十年社会仍将加速进化,AI 模型就必须依赖身处真实世界中的摄影师去捕捉这些不断演进的社会切面。
| 视觉主题 | 过去十年呈现(约 2014 / 2020) | 当前演变趋势(2024) | |:--- |:--- |:--- | | **职场与办公** | 疫情初期口罩遮面、昏暗居家隔离办公 | 混合办公、女性高管领导力、轻松自然的职场社交 | | **能源基础设施** | 海上石油钻井平台等传统化石能源 | 路边充电桩与电动汽车(EV)的普及场景 | | **心理健康** | 单一男性在密闭房间内抱头独坐 | 现代职场人直面日常挑战与心理调节的真实动态 | | **家庭结构** | 传统单一核心家庭构成 | 多代同堂、LGBTQ+ 家庭、单亲母亲等包容性呈现 |
---
[06:51](https://www.youtube.com/watch?v=OYDbhzmiKeE&t=411s) 训练数据质量、模型退化危机与创作者价值闭环
Aditi 强调了模型开发中的核心公理:输入给训练数据集的数据质量,直接决定了模型输出结果的品质上限。训练数据必须具备高准确性、多样性与代表性,才能避免生成结果产生偏见与失真。当下模型训练的关键在于平衡“规模与质量”,行业更需要的是高品质的范例样本,而非盲目堆砌数据数量。同时,训练集必须保持实时更新,以映射真实社会的变化。
她在此处发出了关于“模型退化”(Model Degradation / Model Collapse)的严厉预警:如果未来的模型主要使用由上一代 AI 生成的内容来进行训练,随着迭代周期的推进,模型的生成质量将不可避免地走向崩溃。随后她解析了扩散模型的基本原理:模型在人类实拍的真实狗照片上不断添加噪声,再通过理解图像的语义标注进行逐步去噪,从而学习并生成出新的图像。
基于这一技术现实,Aditi 指出摄影师与创作者正是整个生态系统的绝对核心。如果企业在抓取这些图像用于训练时不给予摄影师合理的报酬,就会扼杀创作者探索新创意的积极性。她给出了一个至关重要的论点:"今天的照片就是明天的训练数据集,更是未来更优质模型的基石"("Today's pictures are tomorrow's training data set and the future of better models")。
- **数据质量法则**:高准确度、多样性与代表性是消除偏见、提升生成质量的关键 - **样本质量高于纯粹规模**:需要更优质的高维特征样本,而非简单的无序数据爬取 - **模型退化(Model Collapse)风险**:AI 生成内容反复自我训练会导致模型输出退化与表征崩溃 - **创作者经济保障**:必须对提供训练源数据的创作者提供持续经济补偿,维护生态健康
---
[09:17](https://www.youtube.com/watch?v=OYDbhzmiKeE&t=557s) 商业安全实践:IP 侵权规避与社会多元表征
为了解决企业客户在使用 AI 图像生成时面临的三大核心顾虑——法律诉讼风险、内容真实性欠缺以及创作者补偿争议,Getty Images 构建了一套全流程商业安全的 AI 解决方案。该模型完全基于干净合规、已获授权的自有版权数据进行训练,确保生成的图像不会侵犯第三方知识产权(IP),同时为客户提供法律免责赔偿保障(Legal Indemnification),并在商业收益中切实向贡献数据的创作者提供分成。
在对比演示中,Aditi 展示了行业通用 AI 与 Getty Images AI 的差异: 1. **商标侵权风险**:当输入“跑鞋”(Running Shoes)的提示词时,行业通用生成器由于使用了未授权的互联网抓取数据,生成的跑鞋侧面赫然出现了耐克的 Swoosh 标志,给商业使用带来了巨大侵权隐患;而 Getty 的生成模型则完全避开了专有商标侵权。 2. **社会偏见与真实度**:当输入“医生与护士”(Doctors and Nurses)的提示词时,行业通用生成器依然倾向于输出刻板的中年白人男性医生形象;Getty 的生成器则更符合当下真实医院的工作环境,呈现出更多元的性别与族裔分布。
在演讲最后,Aditi 呼吁与会者明确自身的目标定位——"明确你的初衷,AI 应当服务于你的远景,而非成为替代品"("Know your why. AI should serve your vision. It is not a replacement")。AI 不是人类创造力的替代者,而是放大器;只有不断以反映真实世界变迁的高质量数据滋养模型,AI 技术才能长久保持生命力。
- **干净授权数据训练**:从源头杜绝未经许可的网络爬虫数据污染 - **全面商业安全与法律赔偿**:免除商业落地中的知识产权纠纷隐患 - **消除刻板印象**:通过高质量代表性数据集,还原真实世界的多元职业与族裔面貌 - **核心定位认知**:将 AI 视为人类灵感的放大器与协作工具,而非人类创造力的代用品
[12:01](https://www.youtube.com/watch?v=OYDbhzmiKeE&t=721s) 创作者的核心准则:了解工具来源、坚持合理报酬与保持真实视角
在演讲的收尾阶段,Aditi Arora 向所有创作者和行业从业者提出了几项至关重要的建议与呼吁。首先,她着重强调了“了解你的工具”("Know your tools")这一基本原则。使用者必须清楚地理解所采用的 AI 模型其数据究竟来自何处、背后又是如何进行训练的。她警示大家必须建立长远的眼光,因为“今天的照片就是明天的数据集”("Today's photos are tomorrow's data sets"),当前生成与拍摄的每一份视觉资产,都将构成未来模型训练的基石,因此对数据源头的审视刻不容缓。
随后,Aditi Arora 点明了整场演讲最核心的诉求——公平的报酬机制("Fair compensation is the heart of the entire conversation we had today")。她明确表示,只要创作者投入了创意并产出价值,就理应获得相应的报酬("If you are being creative, you need to get paid for it"),这一原则在技术迭代中不容动摇。最后,她勉励所有创作者坚持真实性("stay authentic"),并指出无论作品是由 AI 辅助生成,还是通过相机实景拍摄,创作者自身“独一无二的视角始终是最大的竞争优势”("Your unique perspective is your biggest advantage")。演讲在这一充满鼓舞的呼吁与现场热烈的掌声中圆满结束。
- **理解工具与数据溯源**:深入掌握 AI 工具的训练集构成与获取渠道,建立对底层数据透明度与合规性的认知。 - **数据循环与长远影响**:当下生产的照片与图像正是未来 AI 模型的训练养料,决定了未来技术生态的健康度。 - **创作者权益与公平报酬**:为创意付费是推动良性生态的核心,必须确保内容创作者在 AI 时代获得持续、公正的回报。 - **坚守真实与独特视角**:无论采用何种媒介或技术手段,创作者个人的独特视角才是无法被替代的核心竞争力。
## Notable quotes > [03:47](https://www.youtube.com/watch?v=OYDbhzmiKeE&t=227s) 真正重要的是谁在拍摄这张照片,以及他们是否理解拍摄当时的真实语境 — Aditi Arora
> [06:51](https://www.youtube.com/watch?v=OYDbhzmiKeE&t=411s) 今天的照片就是明天的训练数据集,更是未来更优质模型的基石 — Aditi Arora
> [06:51](https://www.youtube.com/watch?v=OYDbhzmiKeE&t=411s) Today's pictures are tomorrow's training data set and the future of better models — Aditi Arora
> [09:17](https://www.youtube.com/watch?v=OYDbhzmiKeE&t=557s) 明确你的初衷,AI 应当服务于你的远景,而非成为替代品 — Aditi Arora
> [09:17](https://www.youtube.com/watch?v=OYDbhzmiKeE&t=557s) Know your why. AI should serve your vision. It is not a replacement — Aditi Arora
> [12:01](https://www.youtube.com/watch?v=OYDbhzmiKeE&t=721s) Know your tools — Aditi Arora
> [12:01](https://www.youtube.com/watch?v=OYDbhzmiKeE&t=721s) Today's photos are tomorrow's data sets — Aditi Arora
> [12:01](https://www.youtube.com/watch?v=OYDbhzmiKeE&t=721s) Fair compensation is the heart of the entire conversation we had today — Aditi Arora
> [12:01](https://www.youtube.com/watch?v=OYDbhzmiKeE&t=721s) If you are being creative, you need to get paid for it — Aditi Arora
> [12:01](https://www.youtube.com/watch?v=OYDbhzmiKeE&t=721s) stay authentic — Aditi Arora
> [12:01](https://www.youtube.com/watch?v=OYDbhzmiKeE&t=721s) Your unique perspective is your biggest advantage — Aditi Arora
## Mentioned Aditi Arora, Getty Images, iStock, Unsplash, Visual GPS, Nike, Ai4, 扩散模型 (Diffusion Models), 生成式人工智能 (Generative AI)
## Video description Aditi Arora, VP of Product, Getty Images
Abstract
Join Aditi Anora, VP of Product at Getty Images, for an engaging discussion on the interplay between AI and human creativity. This session will delve into how training data plays a crucial role in the effectiveness and quality of outputs—specifically how AI models can generate more authentic and culturally relevant visual content that is better reflective of modern society today. Aditi will highlight the importance of models being trained on transparent and clean data sets to avoid legal risks and safeguard intellectual property rights, as well as the nuances of developing AI models and tools that are high-quality and commercially safe. Lastly, the session will dive into the imperative of supporting content creators and recurring compensation to ensure that models are fueled responsibly, and technologies can be harnessed to push the boundaries of AI creativity versus hinder it.
[Source](https://www.youtube.com/watch?v=OYDbhzmiKeE)