Grappig hoe ze aandringen op rauwe, onvolmaakte, "echt jij" content (nu het consensusverhaal van de industrie) precies op het moment dat platforms hogere-variantie beelden en data nodig hebben om AI op te trainen. Waar de discussie deze verschuiving kadert als culturele aanpassing, is het ook de moeite waard om de platformincentives te onderzoeken die dit versnellen. Als ze echt om de wensen van gebruikers gaven, zouden ze een gezondere mix van foto's in de feed hebben behouden, wat gebruikers consequent zeggen dat ze missen. Maar met bijna elke statische afbeelding op het open internet al gescraped om modellen te trainen, zijn afbeeldingen effectief "opgelost." Een statische afbeelding leert AI hoe een hond eruitziet, maar het leert niet hoe de blaf van een hond klinkt of hoe hij met zijn staart kwispelt. Video is dicht. Eén minuut van 60fps video bevat 3.600 unieke afbeeldingen. Om algemene intelligentie te benaderen, hebben modellen een veel beter begrip van oorzaak en gevolg nodig. Ze hebben enorme hoeveelheden video op schaal nodig. Door algoritmes te dwingen om Reels en Shorts prioriteit te geven terwijl ze de "rauwe/onbewerkte esthetiek" promoten, stimuleren platforms gebruikers om hogere-fidelity realiteit op schaal te uploaden. Toch is ervaring alleen niet genoeg. Algemene intelligentie vereist zowel een model van de wereld als een signaal voor wat belangrijk is. Makers leveren de ervaring. Kijkers leveren de feedback, en hun aandacht drijft zowel de advertentie-inkomsten als biedt voorkeurdata. Het normaliseren van AI-brillen en altijd-aan opnameapparaten is de volgende stap. Ze verkleinen de kloof tussen wat je curate en wat je daadwerkelijk ziet. Samengevoegd zijn de incentives duidelijk. De meeste platforms zijn niet langer geoptimaliseerd voor menselijke verbinding. Ze zijn geoptimaliseerd om de data te extraheren die nodig zijn om het te simuleren.