用户和视频创作者（例如瑞特·舒尔）发现，部分视频呈现出非上传者刻意追求的过度光泽感和平滑度。这种滤镜技术并非新鲜事物——事实上，在TikTok和YouTube Shorts平台上传的老电影片段中，这种过度处理屡见不鲜，导致人物皮肤等细节产生不自然的平滑动态和过度抛光效果。但此次细微的滤镜应用，实则为YouTube官方开展的测试项目，该平台编辑总监勒内·里奇已予以确认。
里奇在社交媒体回应质疑时表示：“我们正在精选的YouTube Shorts内容上进行实验性处理，通过传统机器学习技术实现视频去模糊、降噪和清晰度提升（类似于现代智能手机的录像处理机制）。”他在声明开篇特别强调“未使用生成式人工智能，未进行分辨率提升”，试图以此规避舆论反弹。将这项技术称为“传统机器学习”（究竟何为传统？）的说辞，显然也旨在缓和公众情绪。
正如Ars Technica科技媒体所指出的，这实质上只是对现有滤镜工具的扩大化应用。将机器学习技术刻意包装成“人工智能”的概念——趁大型语言模型逐渐渗透公众认知之机过度营销产品——正是谷歌等科技企业在推广新技术时最令人诟病的做法。
但问题的另一关键在于：当用户对“人工智能”视频处理技术产生本能排斥时，谷歌唯有自食其果。即便这只是新型滤镜的简单应用，但在用户对生成式人工智能悄然渗透文字、图像、音乐及视频领域日益警惕的当下，作为该技术主要推手的谷歌/YouTube自然首当其冲。对机器学习技术（再次强调，这可能被故意与“人工智能”工具混淆）的应用突然成为争议焦点，而这在数年前本不会引发任何波澜。
更不必说在未告知视频创作者的情况下擅自施加视觉滤镜的行为。动态平滑化和纹理均质化处理——特别是针对皮肤及其他精细细节——在任何时候都是敏感议题。未经明确告知就实施此类操作，无疑将摧毁YouTube所依赖的内容创作者群体的信任根基。
