من المضحك كيف يدفعون نحو محتوى خام وغير كامل و"أنت حقا" (وهو الآن السرد السائد في الصناعة) في الوقت الذي تحتاج فيه المنصات إلى لقطات وبيانات ذات تباين أعلى لتدريب الذكاء الاصطناعي عليها. حيث يؤطر النقاش هذا التحول على أنه تكيف ثقافي، من المفيد أيضا دراسة الحوافز التي تسرع من المنصة التي تسرعه. لو كانوا يهتمون حقا بما يريده المستخدمون، لاحتفظوا بمزيج أكثر صحة من الصور في الخلاصة، وهو ما يقول المستخدمون باستمرار إنهم يفتقدونه. لكن مع جمع كل صورة ثابتة تقريبا على الإنترنت المفتوح لتدريب النماذج، يتم "حل" الصور فعليا. الصورة الثابتة تعلم الذكاء الاصطناعي كيف يبدو، لكنها لا تعلم كيف يبدو نباح أو كيف يهز ذيله. الفيديو كثيف. دقيقة واحدة من فيديو 60 إطارا في الثانية تحتوي على 3,600 صورة فريدة. للتعامل مع الذكاء العام، تحتاج النماذج إلى فهم أفضل بكثير للسبب والنتيجة. هم بحاجة إلى كميات هائلة من الفيديو على نطاق واسع. من خلال إجبار الخوارزميات على إعطاء الأولوية للريلز والشورتات مع الترويج ل "الجمالية الخام/غير المعدلة"، تحفز المنصات المستخدمين على رفع واقع عالي الدقة على نطاق واسع. ومع ذلك، الخبرة وحدها ليست كافية. الاستخبارات العامة تتطلب نموذجا للعالم وإشارة لما يهم. المبدعون هم من يقدمون التجربة. المشاهدون هم من يقدمون التغذية الراجعة، واهتمامهم يدفع عائدات الإعلانات ويوفر بيانات التفضيلات. تطبيع نظارات الذكاء الاصطناعي وأجهزة الالتقاط الدائمة هو الخطوة التالية. هم يغلقون الفجوة بين ما تقوم بتنسيقه وما تراه فعليا. عند جمع الحوافز مجتمعة، فهي واضحة. معظم المنصات لم تعد محسنة للتواصل البشري. تم تحسينها لاستخراج البيانات اللازمة لمحاكاتها.