文／宋思彤（全民查假會社主編）

這禮拜在社群網站上看到最多的，除了職棒開幕跟啦啦隊以外，應該就是「吉卜力之亂」。只要在 ChatGPT 上傳自拍照、下指令，就能生成一張又一張吉卜力風格的照片，彷彿讓自己身處在宮崎駿的世界中。受歡迎的程度，一度讓網站癱瘓，就連 OpenAI 創辦人也發文笑稱「請網友冷靜」。

▲ 民視報導緬甸地震訊息，卻誤植 AI 生成影像。（圖／翻攝 Threads）

同時，AI 影片卻也成為了「假新聞」的來源。緬甸在 3 月 28 日發生強震，當地因為政局封閉、網路中斷，導致訊息並不流通。然而，民視卻在 3 月 30 號取得一段空拍畫面，並自稱是「緬甸災區」的第一線直擊。新聞一出，馬上被眼尖觀眾發現是 AI 生成畫面，隨後民視道歉並將影片下載，但仍在網路上引發一陣軒然大波。

這也敲醒了 AI 技術發展的警鐘：當 AI 生成技術越來越真實，新聞媒體又如何面對這些日益虛假的內容？

新聞產業 AI 很好用，但是恐成雙面刃？

目前媒體普遍認為 AI 還不適合做採訪工作，不過，AI 的蹤跡仍出現在新聞產業的許多環節。

面對新聞從業人員，許多記者已經習慣使用 AI 整理採訪逐字稿、進行數據分析，甚至協助調整訪綱；外媒《路透社》也曾推出趨勢工具，可以針對每天上億條的 X（原 Twitter）訊息進行標註、分析，達成篩選訊息的目的。

▲ 許多媒體也開發出自己的 AI 主播。（圖／翻攝 NowNews）

面對觀眾，AI 也成為好工具。許多社群網站的個人化新聞推薦功能，讓觀眾可以更快觸及到自己感興趣的新聞；國內新聞媒體也推出「AI 主播」，像是民視的「敏熙」、NowNews 的「倪珍 Nikki」，成為了許多觀眾的新選擇。

因此，AI 的進步已經不僅限於娛樂領域，其影響已經滲透到新聞傳播的每個環節。

生成技術的普及，也讓一般的用戶能輕鬆製造高品質的虛擬內容，這背後仰賴的是生成對抗網路（GAN）等技術的突破。這些技術能夠模擬真實場景、生成細膩的影像，甚至模仿人類的語言，讓虛假內容與真實之間的界線變得更模糊。

細看 AI 生成的緬甸災區影片，確實存在著不少破綻，但是，如果沒有仔細檢視，對 AI 技術不熟悉的觀眾，極有可能信以為真。在民視誤植的背後，其實也暴露了 AI 生成內容，在新聞領域的潛在風險。當技術進步到足以欺騙肉眼時，媒體如何確保報導的真實性？

AI 進步速度超乎想像，究竟要如何「打假」？

筆者在學校帶了好幾年的媒體素養社團，也深刻體會到——AI 技術的進步速度，早已遠遠超出我們的想像。

▲ 不到一年的時間，ChatGPT 已經學會寫中文字。（圖／宋思彤提供）

幾年前在教假訊息識讀課程時，我還會告訴學生：AI 的明顯弱點在於「手指外型不自然」與「中文字生成困難」。然而，如今 AI 不僅能繪製出手部骨骼的細膩結構，甚至能生成中文字四格漫畫。雖然還是存在一些錯誤與瑕疵，但逼真程度已經令人驚嘆不已。

而最近的民視事件是一個大警訊。因政變與通訊限制，記者難以進入緬甸災區，轉而依賴使用網路素材。然而，很多時候卻因為時效性、缺乏查證管道，導致誤用 AI 生成的影片。這顯示了媒體在面對不斷進步的新技術時，傳統查證流程已跟不上腳步。

▓ 延伸閱讀 >> 網傳圖片：「美國流行歌手泰勒絲，手上拿著標語『台灣是中國的一個省』」為錯誤

或許應該先試著建立一套「辨識 AI」的流程。《全民查假會社》在辨識可疑影像時，第一時間會先用肉眼初判，確定影像中的文字、動態影像的連續性，以及影像中人物的細微動作是否合理；接著，我們會使用「Hive AI Detector」工具，利用電腦程式來判斷影像為 AI 生成的機率。最後，則將影片以截圖「以圖搜圖」的方式再次確認，減少誤判的可能性。

▲ Hive AI Detector 運作畫面。（圖／擷取自 Hive Moderation）

至於，外國媒體怎麼做？英國的 BBC，在使用網路用戶提供的內容（UGC）時，也有一套標準的作業流程。

尤其在第一步的「驗證」章節就特別提到了，「當這個影像在新聞事件中越重要，那麼，我們確保真實性的責任也就越重大」。BBC 建議，應該透過確認地理位置、交叉引用衛星影像，來確保地點的初步正確性。

花時間查證，Daily News 時效怎兼顧？

不過，這對於時效性優先的 Daily News，可能會造成不小的影響。尤其在 AI 持續且快速進步的情況下，辨識的難度必定會日益提高。

如果每一則來自社群媒體的影片或照片都需要經過層層驗證，不僅會拖慢新聞發布的速度，還可能讓觀眾在等待期間轉向其他未經驗證的來源，反而加劇假訊息的傳播。這是一個兩難的局面：一方面追求真相，另一方面卻可能失去即時性帶來的影響力。

或許未來的解決之道，在於技術與人力的結合。

例如，開發更高效的 AI 辨識工具，讓它能在幾秒內初步篩選出可疑內容，並搭配訓練有素的編輯團隊，進行快速的二次確認。這樣的流程，可以在不犧牲太多時效性的前提下，提升內容的可信度。

▲ 從 AI 辨識、地貌特徵辨識雙管齊下，或許可以加快網路影片的驗證速度。（圖／示意畫面；由 AI 生成）

以緬甸事件為例，如果我們手上已經準備一套針對當地地理環境、文化特徵的資料庫，例如：地貌、建築風格、文字樣貌之類的內容，就能夠在收到影片當下的第一時間，判斷其場景是否「真的在緬甸」，而不是完全依賴 AI 辨識查證。

面對 AI 假影片的挑戰，媒體需要在時效性與可信度之間找到平衡。雖然技術進步讓辨識難度增加，但也為解決問題提供了新可能。我認為，單靠傳統方法已不足以應對新時代的挑戰，唯有整合技術與專業訓練，並培養觀眾的媒體素養，才能在資訊洪流中守住公信力、提供值得信賴的報導。

總編審：陳秀鳳