很多误判来自一个习惯：先盯表面细节。比如手指、阴影、嘴型、声音、画面里的文字。这些都可能是线索，但不能单独当作结论。

先问三个问题：

1. 这条信息到底在说什么？ 用一句话写出它要证明的主张。
2. 原始来源在哪里？ 有没有完整视频、完整音频、文件、论文、官方说明，或最早发布的链接？
3. 上下文是否对得上？ 日期、地点、语言、画面截取范围、标题和配文是否一致？

缺少其中一环，不代表内容一定是假的；但至少说明它还没有被充分证实。正因如此，在AI生成媒体中识别误导信息，已经被纳入数字素养讨论；美国 N.C. Cooperative Extension 就把相关主题放在“Deepfake时代的数字素养”框架下讨论。

把“媒介真假”和“说法真假”分开

一个常见误区是：视频是真的，配文就一定是真的；或者图片是AI生成的，相关事件就一定不存在。两者其实可以分开。

• 真实视频可能被配上错误的地点或时间。
• 真实截图可能被截掉关键上下文。
• AI图片可能只是用来象征性配图，不一定声称是真实现场。
• 合成视频也可能被拿来包装另一个需要单独核查的说法。

所以，每次核查都要给出两个判断：材料本身是真实、被编辑过，还是合成的？ 以及：它是否真的证明了帖子里的结论？

7步清单：遇到可疑AI内容时这样查

看到社交媒体帖子、短视频、AI图片或“震惊式”AI消息时，可以按这个顺序处理：

1. 写下核心主张。 到底发生了什么？涉及谁？这条内容想让你相信什么？
2. 寻找原始来源。 不要只看转发帖。去找完整视频、较长音频、原文件、论文、产品文档或官方声明。
3. 核对上下文。 检查日期、地点、语言、场景、标题和配文。真实片段也可能因错误语境而误导。
4. 分开判断媒介和结论。 图、文、音频、视频是否可信是一回事；它能否证明配文的结论是另一回事。
5. 做反向核查。 对图片做反向搜索，截取视频关键帧搜索，并比对地点、标识、天气、衣着、阴影和背景细节。
6. 谨慎看技术破绽。 文字变形、嘴型不自然、阴影奇怪、手部异常、音频断裂，都是警示信号；但单独看它们还不足以下结论。
7. 寻找独立确认。 重大说法只有在可靠来源确认同一核心事实、并最好能指向原始材料时，才更值得相信。

如果这些步骤之后，关键时间、地点、人物或原始材料仍然缺失，最稳妥的判断往往不是“真”或“假”，而是：未证实。

Deepfake和AI图片：来源链比像素破绽更重要

Deepfake的问题不只是“画面被改了”。更麻烦的是，它会让人们对可见、可听的证据本身产生怀疑。UNESCO把这类问题放在信任和知识可靠性的危机中讨论；路透社报道的联合国报告也呼吁加强应对AI驱动Deepfake和不实信息的措施。

实际核查时，要尽量沿着来源链往回找：

• 从短片段找完整材料： 现在看到的是几秒剪辑，还是完整视频？
• 从转发找最早发布者： 谁最先发布？之后是否被改标题、改配文？
• 从截图找链接： 所谓证据能不能打开？能不能归档？能不能追溯？
• 从画面回到主张： 画面真的显示了配文所说的事件吗？
• 从异常回到证据： 奇怪的阴影或声音只是线索；最终仍要看原始来源和独立确认。

涉及公众人物、突发事件、选举话题或所谓“丑闻”时，更要慢一点。没有可追溯来源和完整上下文，就不要把事情说得像已经盖棺定论。

关于AI的假新闻：把“科技炒作”也当成主张来查

并不是所有误导性AI内容都是由AI生成的。很多时候，问题出在夸大：一次演示被说成成熟产品，一个测试结果被包装成普遍突破，一张截图取代了原始资料。

可以这样问：

• 有没有原始论文、官方产品公告或技术文档？
• 这只是实验室演示，还是普通用户已经能稳定使用的功能？
• 测试条件、限制、失败率有没有被省略？
• 是否把一个案例说成了普遍规律？
• 谁从这种夸张表述中获益：流量、广告、政治效果，还是商业利益？

看到“100%准确”“最终证明”“像人一样思考”“革命性”“马上取代所有工作”这类说法，不必立刻判定为假，但应该立刻去找原始来源，并把主张缩小到可以核查的范围。

AI检测器：可以辅助，不是裁判

AI检测器能提供线索，但不能代替事实核查。NIST的GenAI项目说明，生成内容是否难以与人类写作区分、生成叙事是否可信，正在被结构化评估；相关说明也提到，可信但误导性的生成叙事数据可用于训练检测器识别这类叙事。

如果你使用检测工具，至少问四件事：

• 它检测的是文字、图片、音频还是视频？
• 它判断的是AI生成、后期篡改，还是某种统计异常？
• 它给出可解释理由，还是只给一个百分比？
• 它的结果是否能与原始来源和上下文相互印证？

要记住：检测器最多提示某个媒介“可能如何产生”。它不能自动证明帖子里的说法是真的还是假的。

可以用AI帮忙，但别把判断交给AI

聊天机器人和其他AI工具适合用来整理核查思路，而不是替你下结论。比较有用的做法包括：

• 把一条复杂帖子改写成可核查的一句话主张；
• 找出缺失的信息，例如日期、地点、人物、引语或上下文；
• 列出可能的原始来源类型；
• 建议反向搜索、关键帧搜索等核查方法；
• 标出主张和证据之间的矛盾。

但工具给出的链接、摘要或判断，仍要你自己打开核对。没有可验证原始来源的AI回答，只是研究线索，不是证据。

红旗信号：先停一下，再决定是否转发

以下信号同时出现得越多，越应该谨慎：

• 只有截图，没有链接。
• 引语被截断，或找不到完整出处。
• 缺少作者、日期或最初发布位置。
• 帖子催你“马上转发”。
• 只有一个来源在传播同一说法。
• 语言强烈煽动情绪，但可核查事实很少。
• 用一张AI检测器截图当作唯一证据。
• 主张很大，证据很薄。

最短公式

日常遇到可疑AI内容，记住这个顺序：

1. 找原始来源。
2. 查上下文。
3. 找独立确认。
4. 再决定是否相信或转发。

正因为AI生成叙事可以显得很可信，Deepfake又会挑战“眼见为实”的直觉，很多时候，“未证实”比仓促下判断更可靠。

很多误判来自一个习惯：先盯表面细节。比如手指、阴影、嘴型、声音、画面里的文字。这些都可能是线索，但不能单独当作结论。

先问三个问题：

1. 这条信息到底在说什么？ 用一句话写出它要证明的主张。
2. 原始来源在哪里？ 有没有完整视频、完整音频、文件、论文、官方说明，或最早发布的链接？
3. 上下文是否对得上？ 日期、地点、语言、画面截取范围、标题和配文是否一致？

缺少其中一环，不代表内容一定是假的；但至少说明它还没有被充分证实。正因如此，在AI生成媒体中识别误导信息，已经被纳入数字素养讨论；美国 N.C. Cooperative Extension 就把相关主题放在“Deepfake时代的数字素养”框架下讨论。

把“媒介真假”和“说法真假”分开

一个常见误区是：视频是真的，配文就一定是真的；或者图片是AI生成的，相关事件就一定不存在。两者其实可以分开。

• 真实视频可能被配上错误的地点或时间。
• 真实截图可能被截掉关键上下文。
• AI图片可能只是用来象征性配图，不一定声称是真实现场。
• 合成视频也可能被拿来包装另一个需要单独核查的说法。

所以，每次核查都要给出两个判断：材料本身是真实、被编辑过，还是合成的？ 以及：它是否真的证明了帖子里的结论？

7步清单：遇到可疑AI内容时这样查

看到社交媒体帖子、短视频、AI图片或“震惊式”AI消息时，可以按这个顺序处理：

1. 写下核心主张。 到底发生了什么？涉及谁？这条内容想让你相信什么？
2. 寻找原始来源。 不要只看转发帖。去找完整视频、较长音频、原文件、论文、产品文档或官方声明。
3. 核对上下文。 检查日期、地点、语言、场景、标题和配文。真实片段也可能因错误语境而误导。
4. 分开判断媒介和结论。 图、文、音频、视频是否可信是一回事；它能否证明配文的结论是另一回事。
5. 做反向核查。 对图片做反向搜索，截取视频关键帧搜索，并比对地点、标识、天气、衣着、阴影和背景细节。
6. 谨慎看技术破绽。 文字变形、嘴型不自然、阴影奇怪、手部异常、音频断裂，都是警示信号；但单独看它们还不足以下结论。
7. 寻找独立确认。 重大说法只有在可靠来源确认同一核心事实、并最好能指向原始材料时，才更值得相信。

如果这些步骤之后，关键时间、地点、人物或原始材料仍然缺失，最稳妥的判断往往不是“真”或“假”，而是：未证实。

Deepfake和AI图片：来源链比像素破绽更重要

Deepfake的问题不只是“画面被改了”。更麻烦的是，它会让人们对可见、可听的证据本身产生怀疑。UNESCO把这类问题放在信任和知识可靠性的危机中讨论；路透社报道的联合国报告也呼吁加强应对AI驱动Deepfake和不实信息的措施。

实际核查时，要尽量沿着来源链往回找：

• 从短片段找完整材料： 现在看到的是几秒剪辑，还是完整视频？
• 从转发找最早发布者： 谁最先发布？之后是否被改标题、改配文？
• 从截图找链接： 所谓证据能不能打开？能不能归档？能不能追溯？
• 从画面回到主张： 画面真的显示了配文所说的事件吗？
• 从异常回到证据： 奇怪的阴影或声音只是线索；最终仍要看原始来源和独立确认。

涉及公众人物、突发事件、选举话题或所谓“丑闻”时，更要慢一点。没有可追溯来源和完整上下文，就不要把事情说得像已经盖棺定论。

关于AI的假新闻：把“科技炒作”也当成主张来查

并不是所有误导性AI内容都是由AI生成的。很多时候，问题出在夸大：一次演示被说成成熟产品，一个测试结果被包装成普遍突破，一张截图取代了原始资料。

可以这样问：

• 有没有原始论文、官方产品公告或技术文档？
• 这只是实验室演示，还是普通用户已经能稳定使用的功能？
• 测试条件、限制、失败率有没有被省略？
• 是否把一个案例说成了普遍规律？
• 谁从这种夸张表述中获益：流量、广告、政治效果，还是商业利益？

看到“100%准确”“最终证明”“像人一样思考”“革命性”“马上取代所有工作”这类说法，不必立刻判定为假，但应该立刻去找原始来源，并把主张缩小到可以核查的范围。

AI检测器：可以辅助，不是裁判

AI检测器能提供线索，但不能代替事实核查。NIST的GenAI项目说明，生成内容是否难以与人类写作区分、生成叙事是否可信，正在被结构化评估；相关说明也提到，可信但误导性的生成叙事数据可用于训练检测器识别这类叙事。

如果你使用检测工具，至少问四件事：

• 它检测的是文字、图片、音频还是视频？
• 它判断的是AI生成、后期篡改，还是某种统计异常？
• 它给出可解释理由，还是只给一个百分比？
• 它的结果是否能与原始来源和上下文相互印证？

要记住：检测器最多提示某个媒介“可能如何产生”。它不能自动证明帖子里的说法是真的还是假的。

可以用AI帮忙，但别把判断交给AI

聊天机器人和其他AI工具适合用来整理核查思路，而不是替你下结论。比较有用的做法包括：

• 把一条复杂帖子改写成可核查的一句话主张；
• 找出缺失的信息，例如日期、地点、人物、引语或上下文；
• 列出可能的原始来源类型；
• 建议反向搜索、关键帧搜索等核查方法；
• 标出主张和证据之间的矛盾。

但工具给出的链接、摘要或判断，仍要你自己打开核对。没有可验证原始来源的AI回答，只是研究线索，不是证据。

红旗信号：先停一下，再决定是否转发

以下信号同时出现得越多，越应该谨慎：

• 只有截图，没有链接。
• 引语被截断，或找不到完整出处。
• 缺少作者、日期或最初发布位置。
• 帖子催你“马上转发”。
• 只有一个来源在传播同一说法。
• 语言强烈煽动情绪，但可核查事实很少。
• 用一张AI检测器截图当作唯一证据。
• 主张很大，证据很薄。

最短公式

日常遇到可疑AI内容，记住这个顺序：

1. 找原始来源。
2. 查上下文。
3. 找独立确认。
4. 再决定是否相信或转发。

正因为AI生成叙事可以显得很可信，Deepfake又会挑战“眼见为实”的直觉，很多时候，“未证实”比仓促下判断更可靠。