很多誤判來自「先看畫面表面」。手指、陰影、嘴型、聲音、畫面中的文字,確實可能提供線索;但只靠這些,還不足以完成事實查核。
建議先問三個問題:
缺少其中一項,不代表內容一定是假的;但至少表示它還沒有被充分證明。也因此,辨識 AI 生成媒體中的錯假訊息,已被視為數位媒體素養的一部分;北卡羅來納州合作推廣(N.C. Cooperative Extension)就以「深偽時代的數位素養」來討論辨識 AI 生成媒體中的假訊息。
最常見的思考陷阱是:如果影片是真的,貼文說法就一定是真的;或反過來,如果圖片是 AI 生成,整件事就一定是假的。兩者其實可以分開。
所以每次查核都要分成兩層:這個素材是真實、被剪輯、被改造,還是合成的? 以及:它真的能證明貼文推導出的結論嗎?
如果你在社群、通訊群組或影片平台看到一則很驚人的 AI 圖像、短片或 AI 新聞,可以照這個順序查:
如果走完這些步驟後,關鍵資訊仍然缺席,最穩妥的判斷通常是:目前未獲證實。
Deepfake 的麻煩不只是「技術上造假」。它會讓原本看似可見、可聽的證據變得不再那麼直覺可信。UNESCO 將這類問題放在知識與信任危機中討論;路透社報導的聯合國報告,也呼籲加強因應 AI 驅動的 deepfake 與假訊息。
實務上,你要一路往回追來源鏈:
如果內容涉及知名人物、危機事件、選舉議題或所謂重大醜聞,更應該慢一步。沒有可追溯來源與完整脈絡時,不要急著把它當成已定案的事。
不是所有誤導性 AI 故事都是由 AI 生成。有些問題來自誇大解讀:把展示版說成成熟產品,把單次測試說成全面突破,或用一張截圖取代原始資料。
可以這樣問:
像是「100% 準確」、「已經完全證明」、「像人一樣思考」、「革命性」、「立刻取代所有工作」這類說法,不代表內容一定錯;但它們很值得你停下來找一手來源,並把主張縮小到可查證的範圍。
AI 偵測器能提供線索,但不能取代事實查核。NIST 的 GenAI 計畫顯示,生成內容是否能被辨識、生成敘事是否可信,都是可被系統性評估的問題;NIST 也說明,可信但誤導性的敘事資料可用於訓練偵測器。
使用偵測器時,至少要問:
重點是:偵測器頂多幫你推測素材如何產生;它不能自動證明貼文裡的主張是真的。
AI 工具可以幫你整理查核流程,尤其在資訊很多、貼文很長時有用。不過,最後哪些內容「有證據支持」,仍應由你根據可開啟、可追溯的資料判斷。
比較適合交給 AI 輔助的任務包括:
但 AI 給出的來源,你仍要自己打開確認。沒有可檢查原始來源的 AI 回答,只能算研究線索,不是證據。
如果多個警訊同時出現,最好暫停分享:
日常遇到可疑 AI 內容,可以記住四步:
正因為 AI 生成敘事可以看起來很可信,而 deepfake 也會挑戰我們對影像與聲音的信任,很多時候,說「目前未獲證實」比急著下結論更負責任。