這個案例凸顯了網路時代的新問題：當AI能夠製作看似真實的影片時，公眾對複雜法律爭議的理解，可能在法院查明事實之前就已經被塑造甚至扭曲。

當「指控」看起來像「證據」

在法律程序中，訴狀只是爭議的一方說法。這些內容仍需經過證據、交叉詰問與法院審理才能確認真實性。

在這起案件中，一名前員工在紐約提起訴訟，指控摩根大通一名高階主管涉及性侵、騷擾與脅迫等行為；該主管與銀行均已強烈否認相關指控 。

然而，當一段以AI生成、重現指控情節的影片在社群平台流傳時，許多網路使用者接觸到的不是法律文件，而是一段具有視覺衝擊力的故事。深偽內容能讓觀眾產生「看見事件發生」的錯覺，即使畫面完全是人工合成 。

這種轉變——從閱讀指控到「看到」事件——會大幅改變大眾如何理解仍在爭議中的案件。

病毒式傳播放大騷擾與名譽風險

社群媒體演算法偏好情緒強烈、視覺化、易分享的內容。一段AI生成影片往往比冗長的法律文件或調查報導更容易擴散。

在摩根大通這起事件中，訴訟本身就因為涉及嚴重指控而受到大量關注。當一段據稱重現指控情節的AI影片出現後，相關討論迅速在不同平台擴散，使事件更加戲劇化與聳動 。

研究與報導指出，深偽影像正越來越多被用於網路騷擾或攻擊他人名譽。這些偽造的影像、聲音或影片可以被大量轉傳、剪輯與再利用，一旦廣泛流傳就很難完全移除 。

結果往往形成一個循環：聳動內容帶來高互動率，高互動率又推動更廣泛的分享，而病毒式影片逐漸成為公眾理解事件的主要來源——即使它本身是虛構的。

深偽如何模糊事實與虛構的界線

法律糾紛本來就複雜：

• 訴狀包含原告提出的指控
• 被告提出否認或反駁
• 媒體報導整理案件重點
• 社群媒體評論往往簡化甚至扭曲內容

當AI生成影片加入這個資訊生態時，這些層次可能被壓縮成一段看似「證據」的影像。

對於只在社群平台看到短片的觀眾而言，以下差別往往消失：

• 法院文件中的指控
• 當事人的否認
• 媒體報導
• 完全由AI製作的情節

因此，一段合成影片可能讓未被證實的說法看起來像是已被證明的事實，甚至可能完全誤導事件經過 。

這種情況在「真實存在的案件」中特別容易發生，因為虛構內容可以依附在真實新聞之上，借用其可信度。

所謂的「說謊者紅利」（Liar’s Dividend）

深偽技術還帶來另一個問題：當假影像大量存在時，人們可能開始質疑任何影像。

這種現象被稱為「說謊者紅利」。當逼真的假影片可以輕易生成時：

• 真實證據可能被質疑為偽造
• 假內容則可能被辯稱只是「重現真實事件」

深偽通常指由人工智慧生成或操控的影像、音訊或影片，使人看起來像說了或做了其實沒有發生的事情 。當這類內容圍繞尚未裁決的法律案件流傳時，公共討論很容易從「證據與事實」轉向「誰的敘事更具感染力」。

為何這起事件不只關於摩根大通

這起案件只是更大趨勢的一個例子。近年來，AI生成的影像與影片越來越常被用於冒充他人、網路騷擾或損害名譽 。但相關法律與平台規範仍在追趕技術發展 。

整個資訊生態正在出現新的模式：

• 真實的法律爭議提供素材
• AI工具把指控轉化為戲劇化影像
• 社群媒體在事實尚未釐清前就迅速擴散

等到法院裁決或完整調查出爐時，數百萬人可能早已根據合成內容形成看法。

公眾可以學到的關鍵一點

在AI生成內容普及的時代，理解與訴訟相關的網路內容時，最好分清三件事：

1. 已被證據或調查確認的事實
2. 法律文件中的指控
3. AI生成的重現或完全虛構的影像

混淆這三者在今天變得越來越容易。摩根大通這起案例正顯示，當深偽影像進入公共討論時，公眾對事件的認知可能在法院裁決之前就被深刻影響。

這個案例凸顯了網路時代的新問題：當AI能夠製作看似真實的影片時，公眾對複雜法律爭議的理解，可能在法院查明事實之前就已經被塑造甚至扭曲。

當「指控」看起來像「證據」

在法律程序中，訴狀只是爭議的一方說法。這些內容仍需經過證據、交叉詰問與法院審理才能確認真實性。

在這起案件中，一名前員工在紐約提起訴訟，指控摩根大通一名高階主管涉及性侵、騷擾與脅迫等行為；該主管與銀行均已強烈否認相關指控 。

然而，當一段以AI生成、重現指控情節的影片在社群平台流傳時，許多網路使用者接觸到的不是法律文件，而是一段具有視覺衝擊力的故事。深偽內容能讓觀眾產生「看見事件發生」的錯覺，即使畫面完全是人工合成 。

這種轉變——從閱讀指控到「看到」事件——會大幅改變大眾如何理解仍在爭議中的案件。

病毒式傳播放大騷擾與名譽風險

社群媒體演算法偏好情緒強烈、視覺化、易分享的內容。一段AI生成影片往往比冗長的法律文件或調查報導更容易擴散。

在摩根大通這起事件中，訴訟本身就因為涉及嚴重指控而受到大量關注。當一段據稱重現指控情節的AI影片出現後，相關討論迅速在不同平台擴散，使事件更加戲劇化與聳動 。

研究與報導指出，深偽影像正越來越多被用於網路騷擾或攻擊他人名譽。這些偽造的影像、聲音或影片可以被大量轉傳、剪輯與再利用，一旦廣泛流傳就很難完全移除 。

結果往往形成一個循環：聳動內容帶來高互動率，高互動率又推動更廣泛的分享，而病毒式影片逐漸成為公眾理解事件的主要來源——即使它本身是虛構的。

深偽如何模糊事實與虛構的界線

法律糾紛本來就複雜：

• 訴狀包含原告提出的指控
• 被告提出否認或反駁
• 媒體報導整理案件重點
• 社群媒體評論往往簡化甚至扭曲內容

當AI生成影片加入這個資訊生態時，這些層次可能被壓縮成一段看似「證據」的影像。

對於只在社群平台看到短片的觀眾而言，以下差別往往消失：

• 法院文件中的指控
• 當事人的否認
• 媒體報導
• 完全由AI製作的情節

因此，一段合成影片可能讓未被證實的說法看起來像是已被證明的事實，甚至可能完全誤導事件經過 。

這種情況在「真實存在的案件」中特別容易發生，因為虛構內容可以依附在真實新聞之上，借用其可信度。

所謂的「說謊者紅利」（Liar’s Dividend）

深偽技術還帶來另一個問題：當假影像大量存在時，人們可能開始質疑任何影像。

這種現象被稱為「說謊者紅利」。當逼真的假影片可以輕易生成時：

• 真實證據可能被質疑為偽造
• 假內容則可能被辯稱只是「重現真實事件」

深偽通常指由人工智慧生成或操控的影像、音訊或影片，使人看起來像說了或做了其實沒有發生的事情 。當這類內容圍繞尚未裁決的法律案件流傳時，公共討論很容易從「證據與事實」轉向「誰的敘事更具感染力」。

為何這起事件不只關於摩根大通

這起案件只是更大趨勢的一個例子。近年來，AI生成的影像與影片越來越常被用於冒充他人、網路騷擾或損害名譽 。但相關法律與平台規範仍在追趕技術發展 。

整個資訊生態正在出現新的模式：

• 真實的法律爭議提供素材
• AI工具把指控轉化為戲劇化影像
• 社群媒體在事實尚未釐清前就迅速擴散

等到法院裁決或完整調查出爐時，數百萬人可能早已根據合成內容形成看法。

公眾可以學到的關鍵一點

在AI生成內容普及的時代，理解與訴訟相關的網路內容時，最好分清三件事：

1. 已被證據或調查確認的事實
2. 法律文件中的指控
3. AI生成的重現或完全虛構的影像

混淆這三者在今天變得越來越容易。摩根大通這起案例正顯示，當深偽影像進入公共討論時，公眾對事件的認知可能在法院裁決之前就被深刻影響。