Taste Labs首席执行官泰斯·卡斯特洛·布兰科希望将创意工作推向一个人工智能驱动的未来。Christie Hemm Klok为《商业内幕》撰稿。我年轻时花太多时间上网，痴迷于字体。我在Typographica等网站上阅读博客文章，了解字母间距的细微之处。我阅读了微软关于Calibri与Arial可读性的白皮书。我将数百页的书籍和文章从古藤堡计划复制粘贴到微软Word中，并按我喜欢的方式格式化它们。其中一本是亨利·詹姆斯在1884年出版的《伟大小说与品味的理论》，我后来用Cambria格式化并打印出来，以便在公交车上阅读。詹姆斯认为，伟大的作品可以通过其元素来定义，但品味来自于经验。“出于良好的理由，有些人不喜欢阅读关于木匠的书；而出于更好的理由，另一些人不喜欢阅读关于妓女的书。”他说，强加“人们应该喜欢或不喜欢什么”是徒劳的。当时，我试图辨别自己喜欢什么，以及为什么认为这些东西是好的。十五年后，我仍在写作（并没有什么能够比拟《女性肖像》的作品），而对字体的兴趣已经不大（我用Arial在Google Docs中写了这篇文章）。但我意识到，弄清你喜欢的音乐和衣服——培养品味——与弄清楚该使用哪些词以及如何将它们排列在页面上并没有太大区别。这需要时间、绕道和错误。培养品味需要生活经验。Taste Labs位于旧金山的办公室。该公司与大约1000个“品味制定者”网络合作，训练人工智能模型以识别什么是好的，什么不是。Christie Hemm Klok为《商业内幕》撰稿。现在出现了一家获得1850万美元风险投资的公司，设想：如果人工智能可以为你做这一切呢？Taste Labs的理论是，品味是一种模式识别形式，因此，很适合被人工智能掌握。Taste Labs的首席执行官泰斯·卡斯特洛·布兰科表示，今天人工智能的问题在于它生成的东西可能在技术上是优秀的，但缺乏指导来理解其训练数据中的哪些部分是好的，哪些部分是无用的。因此，人工智能生成的结果往往是统计平均的。最糟糕的情况下，你会得到看起来可怕的食物图像。最好的情况下，你得到一篇乏味的LinkedIn帖子或一个没有灵魂的女演员。换句话说，你得到的是低质量的产物。Taste Labs的理论是，品味是一种模式识别形式，因此，适合人工智能掌握。人工智能研究人员早已意识到这个问题。该技术在“客观”领域（如编码）表现优秀，但在诸如设计、创意写作和时尚等主观领域却挣扎，因为一个正确的答案可能取决于上下文、文化和意见分歧。为了解决这个问题，Taste Labs正在创建质量分类法。卡斯特洛·布兰科告诉我，该公司正在将设计（从产品网站、幻灯片和宣传册开始，最终扩展到更高级的创作）分解为可衡量的元素，然后创造合适的数据来训练前沿模型以更好地判断和衡量质量。Taste Labs旨在回答的核心问题是：定义伟大的标准是什么？Taste Labs提出的核心问题是：我们想让人工智能定义什么是伟大吗？一个人工智能算法能确定良好的品味的想法对一家位于硅谷的公司来说可能看起来是自高自大的，因为这个社区给我们带来了Allbirds、抽烟雪茄的未刮胡子猿人的数字代币和元宇宙。这些人凭什么认为品味是可以由计算机解决的问题？他们怎么敢认为计算机可以解决这个问题？29岁的卡斯特洛·布兰科迅速承认自己的品味可能“很普通”。她说自己最喜欢的电影是克里斯托弗·诺兰的影片和巴西犯罪剧《上帝之城》（她在圣保罗长大）——IMDb前250名的常客。她毕业于芝加哥大学，为亨氏凯尔特开发了包括腌黄瓜、甜点、植物性食品和“汉堡酱”在内的产品。后来，她共同创办了Exa，这是一家为人工智能代理提供搜索引擎的公司，然后在去年十月推出了Taste Labs。卡斯特洛·布兰科的解决方案是将品味外包给大约1000个“品味制定者”的网络——在创意领域的承包商，他们训练人工智能模型识别什么是好的，什么不是。根据逻辑，他们的集体偏好改善了迄今为止用于训练人工智能模型的整个互联网数据混合。“非常高质量的精选偏好数据，”她说，有助于改善“主观领域”，例如创意写作和建筑。“我想生活在一个充满创造力的世界里。