互联网充满了 AI 狗屎

网络与搜索的现状

• 许多人认为，在 LLM 出现之前，网络就已经“充满了狗屎”：SEO 内容农场、联盟营销垃圾、为了广告展示而堆砌内容的食谱页面、标题党新闻，以及低质量的“教程”博客。
• 真正的剧变在于规模和速度：AI 让用看起来很像真的文本和图片淹没整个网络，变得几乎零成本。
• Google 是一个核心靶子：人们反馈搜索结果被 SEO 垃圾、AI 写的解释文、过度激进的同义词扩展，以及广告过重的结果页所主导，这些页面常常把垃圾内容排在一手来源之前。
• 有几条评论指出，这本质上是激励机制问题：广告驱动的排序和大公司的增长压力（例如每年需要新增数百亿美元收入）会推动产品走向烂化。

AI 内容与“死互联网”担忧

• 讨论将此与“死互联网理论”联系起来：机器人和自动生成内容淹没人类自然活动。
• 与旧式 Markov/拼接词垃圾相比，LLM 被视为在质量上完全不同，因为它们能生成流畅、切题、且很难识别的文字。
• 担忧包括：选举错误信息、机器人“军队”彼此争论、AI 对 AI 的内容循环导致“神经网络坍塌”，以及类似 Kessler 综合征的信息垃圾云。

人类与机器作者身份及真实性

• 许多人强调，人类一直都会生产胡说八道；问题在于规模和低成本，而不是废话本身的存在。
• 人们表示，即使是糟糕的人类作品（例如古怪的个人网站）也比等价的 AI 输出更有价值，因为其背后有一个真实的头脑和连续性。
• 提出的防御措施包括：对人类内容进行密码学签名、身份/证明系统、信任网络，以及基于声誉的过滤。也有人指出，这些并不能证明“非 AI”作者身份，而且容易被密钥盗用和操纵。

经济激励与烂化

• 反复出现的主题是：广告和过度商业化扭曲了搜索、出版和社交媒体的激励机制。
• AI 被视为短期获利的新工具：海量内容生成、SEO 作弊、虚假评论，以及低成本“内容营销”。

应对方案与应付策略

• 技术上：面向小型网络/人类站点的新搜索引擎（Kagi、Marginalia），降低疑似 AI 或广告过重页面排名的过滤器或“白名单”，以及在客户端进行摘要/剥离垃圾内容的工具。
• 社会上：退回到更小、经过筛选的社区（论坛、Discord、仅限邀请的群组），更多依赖书籍、图书馆和档案（包括囤积 AI 之前的网络内容）。
• 也有人对 AI 作为生产力工具持乐观态度（如总结文档、起草代码），前提是其输出经过筛选和验证，但另一些人预测，信任与专业知识会被深度侵蚀。