26. 信息：怎么在 AI 内容洪流里辨真假 · AGI 时代高性价比人生指南

这一节讲一件事：当生成一段文字、一张图、一段视频的成本趋近于零，你怎么决定信什么、转什么、为什么付钱。口径主要是时间精力（少被假消息牵着走）、钱（少为 AI 摘要和假测评付费）和人身自由（转错一条的法律后果）。AGI 时代这一节最大的变化不是"假消息变多了"，而是筛选成本从平台和媒体转移到了你自己身上：2025 年的抽样研究里，新发布的网络文章已有一半以上由 AI 写成，八家 AI 搜索工具给出的新闻引用六成以上是错的，而人眼分辨深度伪造的准确率只比抛硬币高 5 个百分点。原书第 26 节里"转发前先查来源""境外内容只看不转""不传谣不信谣的法律责任"这几条照旧，本章不重写，只在 AI 语境下加码。条目按性价比从高到低排，前面几条不花钱、几秒钟就能做，越往后越需要工具和习惯。

1. 把 AI 搜索和聊天机器人给的新闻、数字、引用一律当线索，点开原链接再信

成本：不花钱。每条多花 30 秒到 2 分钟点开原文。
说人话：2025 年哥伦比亚大学的研究者拿 1,600 个问题去问 8 家 AI 搜索工具，让它们说出一段新闻的出处，六成以上答错，最差的一家错了 94%，而且付费版比免费版更自信地答错。同年欧洲 22 家公共广播机构测了 3,000 多条 AI 对新闻问题的回答，45% 至少有一处严重问题。AI 给的东西是找原文的线索，不是原文。
收益：哥伦比亚新闻评论 Tow 数字新闻中心 2025 年 3 月的研究：从 20 家新闻机构各取 10 篇文章的片段，交给 ChatGPT Search、Perplexity、Perplexity Pro、DeepSeek Search、Copilot、Grok-2、Grok-3、Gemini 八个工具，要求给出标题、机构、日期和链接，共 1,600 次查询。超过 60% 的回答不正确；最好的 Perplexity 错 37%，最差的 Grok-3 错 94%。ChatGPT 答错 134 篇，但只有 15 次表示不确定。Grok-3 的 200 条引用里有 154 条链接打不开或指向错误页面。欧洲广播联盟与 BBC 2025 年 10 月发布的研究：22 家公共媒体机构、18 个国家、14 种语言，评估 3,000 多条 ChatGPT、Copilot、Gemini、Perplexity 对新闻问题的回答，45% 含至少一处重大问题，81% 含某种问题，31% 的重大问题出在来源上，Gemini 的回答有 72% 存在重大来源问题。NewsGuard 2025 年 8 月对 10 个主流聊天机器人的月度审计：对有争议新闻话题的提问，35% 的回答重复了虚假说法，2024 年 8 月为 18%；同期"拒绝回答"的比例从 31% 降到 0。
证据等级：A。三项 2025 年独立测评，方法公开，样本上千，结论方向一致。
情景：全情景。模型能力再涨，"边搜边答"的结构性问题（把不可靠网页当可靠来源）短期不会消失，NewsGuard 数据显示错误率一年内翻倍正是联网之后。
来源：Jaźwińska K, Chandrasekar A (2025). AI Search Has a Citation Problem. Columbia Journalism Review, Tow Center. <https://www.cjr.org/tow_center/we-compared-eight-ai-search-engines-theyre-all-bad-at-citing-news.php> ; EBU, BBC (2025). News Integrity in AI Assistants. <https://www.ebu.ch/Report/MIS-BBC/NI_AI_2025.pdf> ; NewsGuard (2025). One-Year AI Audit Progress Report. <https://www.newsguardtech.com/press/newsguard-one-year-ai-audit-progress-report-finds-that-ai-models-spread-falsehoods-in-the-news-35-of-the-time/>
备注：反方证据：这些测评考的是"新闻引用"这一类最难的任务，日常问一个常识问题的错误率低得多。这条什么时候失效：当主流工具默认给出可点开、可核对、与正文逐句对应的原始链接，并且第三方审计显示引用错误率降到个位数。2026 年 9 月还没有到那一步。用 AI 核查 AI 的方法见本节第 15 条。

2. 转发前在心里问一句"这是真的吗"，停 10 秒

成本：不花钱。10 秒。
说人话：人转发假消息，多数时候不是分不清真假，而是根本没去想真假。20 项在线实验合起来看，转发前被提醒一次"这条准确吗"，转发假新闻的意愿降约一成，不分左右立场、不分学历。这是本节最便宜的一条。
收益：Pennycook 与 Rand 2022 年发表在 Nature Communications 的内部荟萃分析：合并 20 项在线实验，参与者转发前收到一次"准确性提示"（例如先给一条无关新闻打分"它准确吗"），对假新闻的转发意愿相对对照组下降约 10%，对真新闻的转发基本不变，即"分辨力"上升；效应在不同标题、不同提示形式、不同人群（性别、种族、教育、党派）间稳定。同一团队 2021 年在 Nature 的推特现场实验（5,379 名曾转发过低质量来源的用户）显示，收到一条私信提示后，用户随后 24 小时内转发内容的来源质量显著上升。
证据等级：A。多项随机分配实验加一项平台现场实验，效应量不大但可重复。
情景：全情景。机制是注意力，与 AI 无关；AI 只是让待转发的假东西变多了。
来源：Pennycook G, Rand DG (2022). Accuracy prompts are a replicable and generalizable approach for reducing the spread of misinformation. Nature Communications. <https://doi.org/10.1038/s41467-022-30073-5> ; Pennycook G 等 (2021). Shifting attention to accuracy can reduce misinformation online. Nature. <https://doi.org/10.1038/s41586-021-03344-2>
备注：反方证据：有跨国复现研究发现效应在部分国家更弱，在强烈党派议题上更弱。这条的价值在于成本为零，不在于效应有多大。真要拿不准，就用第 3 条的三问，或者干脆不转。

3. 转发前做"来源三问"：谁发的、原件在哪、别人怎么说

成本：不花钱。每条 1 到 3 分钟。
说人话：职业事实核查员和历史学博士、名校本科生比赛判断网站可信度，核查员又快又准，秘诀不是盯着页面细看，而是立刻开新标签页去查"这个网站是谁、别的地方怎么说它"。这叫横向阅读。对一条消息，问三个问题：发消息的账号是谁、有没有原件（原文、原视频、原文件）、独立的第三方怎么说。三问里有两问答不上来，就不转。
收益：Wineburg 与 McGrew 2019 年发表在 Teachers College Record 的研究：10 名职业事实核查员、10 名历史学博士、25 名斯坦福本科生评估同一批网站，核查员"横向阅读"（离开页面去查发布者），在更短时间内得出更有依据的结论；历史学家和本科生"纵向阅读"（在页面内找线索），多数被专业外观误导。后续的课堂随机对照研究（McGrew 等 2019 到 2023 年多项）显示，几节课的横向阅读训练能显著提高学生判断来源可信度的能力。哥伦比亚 Tow 中心 2025 年研究里，AI 搜索工具自己就是"纵向阅读"的典型：它们把内容农场和转载页当成原始来源。
证据等级：B。原始研究是小样本的专家对比，课堂干预有多项准实验支持，缺大规模随机试验。
情景：全情景。
来源：Wineburg S, McGrew S (2019). Lateral Reading and the Nature of Expertise. Teachers College Record. <https://doi.org/10.1177/016146811912101102> ; Brodsky JE 等 (2021). Improving college students' fact-checking strategies through lateral reading instruction. Cognitive Research: Principles and Implications. <https://doi.org/10.1186/s41235-021-00291-4>
备注：AI 时代的新变化是"原件"本身可能是生成的，所以第二问要往前追一步：原视频是谁拍的、原文件在哪个官方站点。这条与第 7、8 条配合：肉眼和工具都不可靠时，追溯来源是剩下的唯一硬办法。

4. 把信息源分四级：原始文件、官方通报、署名的机构媒体、其余

成本：不花钱。养成习惯要一两个月。
说人话：2025 年 5 月抽样的新发布网络文章里，51.7% 是 AI 写的，2020 年 1 月这个比例是 2.2%。到 2026 年 6 月，NewsGuard 已经数出 3,749 个几乎没有人类把关的 AI"新闻"网站，每月新增三五百个。所以看到一条消息，先问它属于哪一级：法律法规、判决书、论文、财报这类原始文件是第一级；政府和公司的正式通报是第二级；有记者署名、有更正机制的机构媒体是第三级；其余一切（聚合号、营销号、匿名截图、"网传"）是第四级，只能当线索。
收益：Graphite 2025 年对 Common Crawl 抽样文章的检测：AI 生成文章占比从 2020 年 1 月的 2.2% 升到 2025 年 5 月的 51.7%，估计 2024 年 11 月首次超过人写的。Ahrefs 2025 年 4 月分析 90 万个新建网页：74.2% 含 AI 生成内容，纯 AI 的占 2.5%，多数是人机混写。NewsGuard AI 追踪中心：截至 2026 年 6 月 23 日，识别出 3,749 个 16 种语言的"AI 内容农场"新闻站，2026 年 3 月 12 日为 3,006 个，一年内翻倍以上，月增 300 到 500 个。路透研究院 2026 年数字新闻报告（近 50 个市场、约 10 万人）：全球对新闻的信任降到 2015 年调查开始以来最低，对 AI 聊天机器人提供的新闻信任为 20%。
证据等级：B。占比研究依赖 AI 检测器，检测器本身有误差（见第 16 条），不同研究口径差异大（51.7% 对 2.5%），只能确认方向不能确认精确值。
情景：全情景。
来源：Graphite (2025). AI-generated content on the web, 2020 to 2025. <https://graphite.io/five-percent/more-articles-are-now-created-by-ai-than-humans> ; Ahrefs (2025). 74% of New Webpages Include AI Content. <https://ahrefs.com/blog/what-percentage-of-new-content-is-ai-generated/> ; NewsGuard (2026). AI Tracking Center. <https://www.newsguardtech.com/special-reports/ai-tracking-center/> ; Reuters Institute (2026). Digital News Report 2026. <https://reutersinstitute.politics.ox.ac.uk/digital-news-report/2026>
备注：中文互联网的 AI 内容占比没有可核实的公开研究，待核实。分级不是说第三级就一定对、第四级就一定错，而是决定你花多少核查成本：第一、二级可直接引用，第三级看署名和更正记录，第四级必须回溯到前三级才能用。

5. 学会看 AI 标识：文字提示、角标、"疑似"标记和文件元数据

成本：不花钱。学一次 10 分钟。
说人话：2025 年 9 月 1 日起，中国的 AI 生成内容必须打两种标：一种你看得见（文字、角标、语音提示），一种藏在文件里（元数据，记录是哪家公司哪个服务生成的）。平台还得给内容分三档提示：文件里查到标识的，标"AI 生成"；没查到但发布者自己声明的，标"声明为 AI 生成"；两者都没有但检测到痕迹的，标"疑似"。欧盟同类规则 2026 年 8 月 2 日起适用。知道这三档，你看一眼提示就知道平台核到了哪一步。
收益：《人工智能生成合成内容标识办法》（网信办、工信部、公安部、广电总局 2025 年 3 月 7 日发布，9 月 1 日施行）第三条：显式标识是"在生成合成内容或者交互场景界面中添加的，以文字、声音、图形等方式呈现并可以被用户明显感知到的标识"，隐式标识是"采取技术措施在生成合成内容文件数据中添加的，不易被用户明显感知到的标识"。第四条要求文本在起始、末尾或中间位置加文字或符号提示，音频加语音或节奏提示，图片视频加显著提示。第六条要求传播平台核验元数据并分三档提示：查到隐式标识的"添加显著提示标识"，未查到但用户声明的"添加提示标识"，两者皆无但"检测到显式标识或者其他生成合成痕迹的"添加"疑似"标识。配套强制国家标准 GB 45438-2025《网络安全技术人工智能生成合成内容标识方法》同日实施。欧盟《人工智能法案》第 50 条：生成式 AI 提供者须以机器可读方式标记输出，深度伪造须向用户披露，2026 年 8 月 2 日起适用；欧委会 2026 年 7 月 20 日发布最终版透明度指南与行为守则。
证据等级：A。法规原文。
情景：全情景。
来源：国家互联网信息办公室等 (2025). 人工智能生成合成内容标识办法. <https://www.cac.gov.cn/2025-03/14/c_1743654684782215.htm> ; 国家市场监督管理总局、国家标准化管理委员会 (2025). GB 45438-2025 网络安全技术人工智能生成合成内容标识方法 ; European Commission (2026). Guidelines on transparency obligations for providers and deployers of certain AI systems. <https://digital-strategy.ec.europa.eu/en/policies/guidelines-transparency-ai-generated-content> ; EU AI Act Article 50. <https://artificialintelligenceact.eu/article/50/>
备注：欧盟 2026 年 5 月的"AI 综合修订案"临时协议据称给已上市的生成系统宽限到 2026 年 12 月 2 日再满足机器可读标记要求，此点待核实。标识解决的是"合规厂商生成的内容"，境外工具、开源模型和故意去标的人不在其列，见第 6 条。

6. 别把"没标识"当"是真的"，也别把"有标识"当"全是假的"

成本：不花钱。
说人话：标识制度管得住守规矩的公司，管不住故意造假的人：截图一次、录屏一次、换个境外工具，隐式标识就没了。2026 年网信办专项行动第一阶段处置了 1.4 万多款违规 AI 产品、2.6 万多个账号，问题之一就是"标识落实不到位"。反过来，一段合法合规的 AI 配音科普片也会打标，标识说的是"怎么做出来的"，不是"内容是假的"。所以：没标识只说明"平台没核到"，有标识只说明"是生成的"，真假仍要回到第 3、4 条。
收益：中央网信办 2026 年 4 月启动"清朗·整治 AI 应用乱象"专项行动，2026 年 7 月 6 日通报第一阶段成果：处置违规网站、应用程序、智能体等 AI 产品 1.4 万余款，清理违法违规信息 600 余万条，处置账号 2.6 万余个，下架违规 AI 商品 1,300 余个、违规开源数据集 9 个；点名问题包括"生成合成内容标识落实不到位"。《标识办法》第六条的第三档"疑似"标识依赖平台检测"生成合成痕迹"，而 Deepfake-Eval-2024 基准显示开源检测器在真实流传内容上的 AUC 比学术基准低 45% 到 50%（见第 8 条），意味着相当比例的生成内容会漏过第三档。皮尤研究中心 2025 年对 5,000 名美国成年人的调查：76% 希望 AI 内容加标识，只有 12% 对自己分辨人写与 AI 内容"非常有信心"。
证据等级：B。法规与执法数据是 A，但"漏标比例有多大"没有直接测量，只能由检测器性能推断。
情景：全情景。
来源：中央网信办 (2026). 中央网信办深入开展"清朗·整治 AI 应用乱象"专项行动第一阶段工作. <https://www.cac.gov.cn/2026-07/06/c_1785081384384987.htm> ; Chandra NA 等 (2025). Deepfake-Eval-2024: A Multi-Modal In-the-Wild Benchmark of Deepfakes Circulated in 2024. <https://arxiv.org/abs/2503.02857> ; Pew Research Center (2025). How Americans View AI and Its Impact on People and Society. <https://www.pewresearch.org/>
备注：这条什么时候失效：当主流平台的隐式标识能在截图、转码、跨平台转发后存活，且第三方审计显示漏标率很低。C2PA 内容凭证的方向是让"真的"自证（见第 18 条），比让"假的"自首更可靠，但覆盖率还很小。

7. 不靠肉眼辨深度伪造，把"看手指、看光影"降级为参考

成本：不花钱。要放弃的是"我看得出来"的自信。
说人话：把 56 项研究、8.6 万多名参与者合起来算，人分辨深度伪造的总准确率是 55.5%，可信区间跨过 50%，也就是和抛硬币没有统计上的区别。视频 57%，图片 53%，文本 52%，音频略好，62%。而且生成模型每几个月一代，2021 年能用的"六根手指""眨眼不自然"到 2026 年基本失效。真正能用的办法是回到来源（第 3 条）和多渠道验证（第 25 条），以及在涉及钱的时候打电话对暗号（见第 17 节）。
收益：Diel 等 2024 年发表在 Computers in Human Behavior: Artificial Humans 的系统综述与荟萃分析：纳入 56 篇论文、137 个效应量、86,155 名参与者，人类总体深度伪造检出准确率 55.54%（95% CI 48.87 到 62.10）；分模态：音频 62.08%，视频 57.31%，图片 53.16%，文本 52.00%；敏感度的置信区间跨过机会水平。2026 年一项大规模音频听辨研究显示人对合成语音的识别率从 2021 年的 72.8% 降到 68.7%，且对真实语音的误判率上升。哥伦比亚 Tow 中心与皮尤的数据显示，人们对自己分辨能力的信心（12% 非常有信心）反而低于实际需要，这是少数"自知之明"合理的领域。
证据等级：A。大样本荟萃分析，方向明确。
情景：全情景。生成质量只会更高，人的感知不会升级。
来源：Diel A 等 (2024). Human performance in detecting deepfakes: A systematic review and meta-analysis of 56 papers. Computers in Human Behavior: Artificial Humans. <https://doi.org/10.1016/j.chbah.2024.100538> ; (2026). Eroding Trust in Real Speech: A Large-Scale Study of Human Audio Deepfake Perception. <https://arxiv.org/abs/2605.26136>
备注：反方证据：受过训练的取证分析师明显好于普通人，且在对比原始高清素材时线索更多。但读者在手机上看的是压缩过的转发件，条件最差。"看细节"可以作为起疑的触发器，不能作为放行的依据。

8. 也别迷信"AI 鉴伪工具"，把它当第二意见而不是判决

成本：多数在线工具免费。每次 1 到 2 分钟。
说人话：鉴伪工具在实验室数据上能报 95% 以上的准确率，拿到 2024 年真实流传的深伪视频、音频、图片上一测，开源检测器的判别能力掉了将近一半。原因很简单：它们只见过训练时的那几种生成器，没见过新的，而且随手一次 JPEG 压缩就能把它们搞糊涂。商业工具好一些，但作者们明说还赶不上人类取证专家。工具报"疑似伪造"值得警觉，报"真实"不能当放行。
收益：Deepfake-Eval-2024（Chandra 等，2025）：收集 2024 年在 88 个网站、52 种语言中实际流传的 45 小时视频、56.5 小时音频和 1,975 张图片，最先进的开源检测器与学术基准相比 AUC 下降：视频 50%，音频 48%，图片 45%；商业模型与在该数据集上微调过的模型表现更好，但"尚未达到深度伪造取证分析师的准确度"。澳大利亚联邦科学与工业研究组织（CSIRO）与成均馆大学 2025 年 3 月的研究评估 16 种主流检测器，没有一种能可靠识别训练分布之外的真实世界深伪，并归纳出 18 个影响准确率的因素。
证据等级：A。有公开数据集与可复现的评测数字。
情景：全情景。
来源：Chandra NA 等 (2025). Deepfake-Eval-2024. <https://arxiv.org/abs/2503.02857> ; CSIRO (2025). Research reveals 'major vulnerabilities' in deepfake detectors. <https://www.csiro.au/en/news/all/news/2025/march/research-reveals-major-vulnerabilities-in-deepfake-detectors>
备注：这条什么时候失效：当检测器在"当年流传的真实样本"上的独立评测连续两年保持高准确率。2026 年 9 月尚无此类结果。工具的正确用法：多个工具交叉，结果不一致就按"未知"处理，然后回到来源。

9. 遇到重大突发的图片和视频，先等官方通报，24 小时内不转

成本：不花钱。忍住一天。
说人话：台风、地震、火灾、事故这类突发，是 AI 造谣最集中的场景，也是执法最严的场景。2026 年 8 月上海一名 60 岁男子用 AI 软件生成"浦东一女子在台风中坠楼"的视频发上网，被行政拘留；同月公安部一次公布了 15 起用 AI 编造灾情、伤亡人数的案例，全部被处罚。而平台的纠错机制平均要 75 小时才能把辟谣注释贴上去，那时 97% 的转发已经发生了。你等一天，既躲开了谣言最浓的窗口，也躲开了法律风险。
收益：2026 年 8 月 9 日，上海警方通报高某某（60 岁）为博取流量，使用 AI 软件生成涉台风虚假视频，编造"浦东一女子在台风中坠楼"信息发布，依法处以行政拘留。公安部网安部门 2026 年 8 月依托"净网 2026"专项行动公布 15 起涉汛等灾害网络谣言典型案例，多起使用 AI 工具生成虚假通知或编造死伤人数，涉案人员均被行政处罚。2026 年 8 月 18 日公安机关公布 14 起涉企网络谣言案例，其中河南商丘薛某华使用 AI 工具生成"汽车车祸现场"虚假视频在抖音发布，被行政处罚。Chuai 等 2024 年对 X 平台社区注释的研究：注释一旦显示，可使误导性帖子的再转发减少 50% 以上，但从发帖到注释附上平均间隔 75.5 小时，此时 96.7% 的转发已经完成，折算后注释对总转发量的抑制只有约 11%。
证据等级：A。执法通报与平台实证研究。
情景：全情景。
来源：上海市公安局 (2026). 警情通报（2026 年 8 月 9 日）. 转引自澎湃新闻 <https://m.thepaper.cn/newsDetail_forward_33750362> ; 公安部 (2026). 公安机关持续严厉打击编造传播涉台风等涉灾网络谣言，公布典型案例. <https://app.xinhuanet.com/news/article.html?articleId=20260820383102aea2a841d1a685d266bb068dd6> ; 中央网信办 (2026). 利用 AI 炮制虚假信息严重误导公众干扰秩序多部门联动整治谣言乱象. <https://www.cac.gov.cn/2026-06/05/c_1782399706641180.htm> ; Chuai Y 等 (2024). Community-based fact-checking reduces the spread of misleading posts on social media. <https://arxiv.org/abs/2409.08781>
备注：例外：涉及你自己和家人安全的预警信息（政府短信、应急广播、社区通知）要立刻看、立刻行动，这里说的"不转"是不转来路不明的现场画面。核实入口：中国互联网联合辟谣平台（piyao.org.cn）、当地政府与应急管理部门官方账号。法律责任的具体条款见第 11 条。

10. 自己发 AI 生成的内容时主动声明，别删别人内容上的标识

成本：不花钱。发布时多点一个"AI 生成"的选项。
说人话：2025 年 9 月 1 日起，你用 AI 做的图、视频、配音发到平台上，法规要求你主动声明并用平台的标识功能打标；任何人不得恶意删除、篡改、伪造、隐匿标识。不声明的直接后果是平台限流、下架、封号，严重的由网信、公安部门处理。反过来，你主动打了标，就把"我是不是在造假"的举证责任卸掉了大半。
收益：《人工智能生成合成内容标识办法》第十条："用户向提供网络信息内容传播服务的服务提供者上传生成合成内容时，应当主动声明并使用服务提供者提供的标识功能进行标识。任何组织和个人不得恶意删除、篡改、伪造、隐匿本办法规定的生成合成内容标识，不得为他人实施上述恶意行为提供工具或者服务，不得通过不正当标识手段损害他人合法权益。"第十三条规定违反者由网信、电信、公安和广播电视等主管部门依据职责依法处理。《民法典》第一千零一十九条：任何组织或者个人不得利用信息技术手段伪造等方式侵害他人的肖像权；第一千零二十三条规定对自然人声音的保护参照适用肖像权保护。网信办 2026 年专项行动第一阶段处置账号 2.6 万余个（见第 6 条）。
证据等级：A。法规原文。
情景：全情景。
来源：国家互联网信息办公室等 (2025). 人工智能生成合成内容标识办法，第十条、第十三条. <https://www.cac.gov.cn/2025-03/14/c_1743654684782215.htm> ; 全国人民代表大会 (2020). 中华人民共和国民法典，第一千零一十九条、第一千零二十三条. <http://www.npc.gov.cn/npc/c30834/202006/75ba6483b8344591abd07917e1d25cc8.shtml>
备注：主动打标不豁免内容本身的责任：AI 生成的谣言打了标仍是谣言，AI 换脸的他人肖像打了标仍侵权。本书不构成法律意见，具体案件以律师意见为准。做内容生意的合规细节见第 11 节。

11. 转发前算一笔法律账：500 次转发、5,000 次浏览是刑事门槛，灾情疫情警情另有专门罪名

成本：不花钱。
说人话：原书第 26 节讲过转发谣言的责任，这里只加 AI 时代的变化：以前编一条像样的谣言要费点心思，现在 AI 一分钟出图出视频，谣言的"质量"高了，转发量更容易冲过刑事门槛。同一条诽谤信息被点击浏览 5,000 次以上或转发 500 次以上，就算"情节严重"；编造或明知虚假仍传播险情、疫情、灾情、警情，严重扰乱社会秩序的，最高 7 年。达不到刑事门槛的，也有 5 到 10 天行政拘留。转发的人不是"只是转一下"。
收益：最高人民法院、最高人民检察院《关于办理利用信息网络实施诽谤等刑事案件适用法律若干问题的解释》（法释〔2013〕21 号，2013 年 9 月 10 日施行）第二条：同一诽谤信息实际被点击、浏览次数达到 5,000 次以上，或者被转发次数达到 500 次以上的，应当认定为《刑法》第二百四十六条规定的"情节严重"。《刑法》第二百九十一条之一第二款（《刑法修正案（九）》增设，2015 年 11 月 1 日施行）：编造虚假的险情、疫情、灾情、警情，在信息网络或者其他媒体上传播，或者明知是上述虚假信息故意传播，严重扰乱社会秩序的，处三年以下有期徒刑、拘役或者管制；造成严重后果的，处三年以上七年以下有期徒刑。《治安管理处罚法》（2025 年 6 月修订，2026 年 1 月 1 日施行）对散布谣言、谎报险情疫情警情扰乱公共秩序的行为规定拘留并可并处罚款。2026 年 8 月的公安通报案例（见第 9 条）均适用行政处罚，说明"没到刑事门槛"不等于没事。
证据等级：A。法律与司法解释原文。
情景：全情景。
来源：最高人民法院、最高人民检察院 (2013). 关于办理利用信息网络实施诽谤等刑事案件适用法律若干问题的解释. <http://gongbao.court.gov.cn/Details/2a817c79a6dbd485eb37b8f6fcd7f8.html> ; 全国人民代表大会常务委员会 (2015). 中华人民共和国刑法修正案（九）. <http://www.npc.gov.cn/> ; 全国人民代表大会常务委员会 (2025). 中华人民共和国治安管理处罚法（2025 年修订）. <http://www.npc.gov.cn/>
备注：可逆性标"否"是因为处罚记录无法撤回。"明知虚假"是主观要件，但"AI 生成、来路不明、内容耸动"的组合在实务中会被拿来推断你应当知道。本书不构成法律意见。修订后的治安管理处罚法罚款金额上限本章未逐字核对，待核实。

12. 给家里老人立"三不"：不转来路不明的视频、不信"内部消息"、不按视频里的话打款

成本：不花钱。要反复讲，一年讲几次。
说人话：把真实的转发记录和问卷对起来看，65 岁以上的人在社交平台上转发假新闻网站文章的数量，是最年轻一组的近 7 倍，学历、立场、党派都一样时仍然如此。2026 年 8 月被拘留的那位 AI 台风谣言制造者 60 岁。老人不是笨，是更信任"看起来像新闻的东西"，而 AI 让什么都看起来像新闻。三条规矩比教他们看细节有用得多。
收益：Guess、Nagler 与 Tucker 2019 年发表在 Science Advances 的研究：把 1,300 余名美国 Facebook 用户的问卷与其真实分享记录关联，2016 年大选期间只有 8.5% 的人分享过假新闻网站的链接，但 65 岁以上者平均分享的此类文章数量约为 18 到 29 岁组的 7 倍，控制教育、意识形态、党派后差异仍显著。上海警方 2026 年 8 月 9 日通报的 AI 台风谣言制造者为 60 岁男性（见第 9 条）。Diel 等 2024 年荟萃分析显示年龄越大深伪识别准确率越低（见第 7 条）。
证据等级：A。行为数据与问卷关联的大样本研究，加执法通报。
情景：全情景。
来源：Guess A, Nagler J, Tucker J (2019). Less than you think: Prevalence and predictors of fake news dissemination on Facebook. Science Advances. <https://doi.org/10.1126/sciadv.aau4586> ; Diel A 等 (2024). 同第 7 条.
备注：反方证据：Guess 的数据是 2016 年美国的，中文平台没有同类的行为关联研究，待核实。"不按视频里的话打款"是与第 17 节家庭暗号、第 24 节老人手机设置配套的，三处一起做。给老人的手机装国家反诈中心 App、开启来电预警，见第 24 节。

13. 给孩子做一次"预防接种"：先看一遍常见的操纵手法，再让他自己找例子

成本：不花钱。一次 30 分钟，之后每学期一次。
说人话：让人事先看 90 秒的短片，讲清楚"煽动情绪""非此即彼""找替罪羊"这几种套路，之后他识别操纵性内容的能力就会提高。剑桥团队在 YouTube 上给 540 万人投放这类短片，效果在真实环境里成立，每次观看成本约 0.05 美元。对孩子，讲"套路"比讲"这条是假的"更管用，因为套路不会过时，具体的假新闻明天就换一条。
收益：Roozenbeek、van der Linden 等 2022 年发表在 Science Advances 的研究：7 项实验、近 3 万名参与者，随机观看 90 秒"预防接种"视频或对照视频后判断 10 条社交媒体帖子，实验组识别操纵手法（情绪化语言、非此即彼、替罪羊、人身攻击、不连贯）的能力显著高于对照组；在 YouTube 前贴片广告位的现场实验覆盖约 540 万次曝光、约 100 万人完整观看，观看者在随后的测试题上识别率提高约 5 个百分点，每次观看成本约 0.05 美元。Brodsky 等 2021 年的大学课堂研究显示横向阅读教学（见第 3 条）在学期内显著提升学生判断来源的能力。
证据等级：B。随机实验加现场实验，效应量小到中等，持续时间与对儿童的直接证据有限。
情景：全情景。
来源：Roozenbeek J 等 (2022). Psychological inoculation improves resilience against misinformation on social media. Science Advances. <https://doi.org/10.1126/sciadv.abo6254> ; Brodsky JE 等 (2021). 同第 3 条.
备注：效应会衰减，隔几个月要补一次。反方证据：有研究发现预防接种会让部分人对真消息也更怀疑，所以要配合第 4 条的"分级"，教孩子什么可以信，不只是教怀疑。孩子的 AI 使用规则整体见第 23 节。

14. 名人"AI 换脸带货、荐股、求助"视频默认是假的，除非本人官方账号同步发了

成本：不花钱。
说人话：医生、教授、企业家、明星"亲口"推荐某个产品、某支股票、某个理财群，是 2025 到 2026 年中国网信和公安通报里最常见的 AI 造假类型之一。2026 年 6 月网信办通报的案例里，有人用 AI 冒充知名医生带货，有人用 AI 生成"车企自燃、智驾事故"视频抹黑企业。规则很简单：名人说话，只信他本人认证账号上同步发出的版本；视频里的人让你加群、转账、下单，就是假的。
收益：中央网信办 2026 年 6 月 5 日通报"利用 AI 炮制虚假信息严重误导公众干扰秩序"多部门联动整治情况，典型手法包括 AI 换脸拟声冒充公众人物带货、编造专家言论、伪造企业负面事件。公安机关 2026 年 8 月 18 日公布 14 起涉企网络谣言案例，含 AI 生成"汽车车祸现场"视频、编造智驾事故等，涉案人员被行政处罚。《民法典》第一千零一十九条、第一千零二十三条对肖像与声音的保护（见第 10 条）意味着这类视频本身就是侵权件。美国联邦贸易委员会（FTC）2024 年冒充类诈骗损失 29 亿美元，中国公安部反诈数据见第 17 节。
证据等级：A。官方通报与法律原文；损失金额部分引自第 17 节。
情景：全情景。
来源：中央网信办 (2026). 利用 AI 炮制虚假信息严重误导公众干扰秩序多部门联动整治谣言乱象. <https://www.cac.gov.cn/2026-06/05/c_1782399706641180.htm> ; 公安部 (2026). 公安机关公布 14 起涉企网络谣言案例. 转引自财联社 <https://www.cls.cn/detail/2456631> ; 全国人民代表大会 (2020). 中华人民共和国民法典.
备注：真名人也会代言，区别在于渠道：官方账号、品牌方官方账号、有合同的正式广告。"只在某个群里流传的名人视频"没有任何一个渠道背书。涉及投资的，本书不构成投资建议；AI 荐股类骗局的清单见第 13 节。

15. 用 AI 核查 AI：让第二个模型只做一件事，找出可点开的原始链接，然后你自己点开

成本：免费模型够用。每次 2 到 5 分钟。
说人话：AI 找线索比人快，AI 下结论比人不可靠，所以分工是：让它找、你来看。具体做法：把可疑的说法贴给另一家公司的模型，要求它"只列出支持或反驳这一说法的原始来源链接，不要总结，不确定就说不确定"，然后逐个点开，看链接是否存在、内容是否真的说了那句话。第 1 条的数据说明为什么必须自己点开：Grok-3 的 200 条引用里 154 条打不开，ChatGPT 答错 134 次只承认 15 次不确定。
收益：哥伦比亚 Tow 中心 2025 年研究显示不同工具的错误率差异巨大（37% 到 94%），且错误相关性不完全一致，用两家工具交叉可以过滤一部分单点错误；NewsGuard 2025 年 8 月审计显示 10 个模型对同一批虚假说法的重复率从个位数到 50% 以上不等，即交叉比对有信息量。欧洲广播联盟与 BBC 2025 年研究的建议之一是要求 AI 助手在回答中区分事实、观点与来源缺失。以上是"为什么交叉有用"的证据，"交叉后错误率降到多少"没有直接研究。
证据等级：B。方法有依据，效果没有直接测量。
情景：全情景。
来源：Jaźwińska K, Chandrasekar A (2025). 同第 1 条 ; NewsGuard (2025). August 2025 AI False Claim Monitor. <https://www.newsguardtech.com/ai-monitor/august-2025-ai-false-claim-monitor/> ; EBU, BBC (2025). News Integrity in AI Assistants Toolkit. <https://www.ebu.ch/files/live/sites/ebu/files/Publications/MIS/open/EBU-MIS-BBC_News_Integrity_in_AI_Assistants_Toolkit_2025.pdf>
备注：限度：两个模型可能读的是同一批被污染的网页，NewsGuard 已记录到有组织的行为者专门建站"喂"给模型。所以交叉只是过滤器，最后一步永远是回到第 4 条的第一、二级来源。这条与第 7 章"用 AI 干活但不外包判断"是同一原则。

16. 别用 AI 文本检测器给人定罪，无论对方是学生、员工还是作者

成本：不花钱。要放弃一个省事的工具。
说人话：拿 91 篇非英语母语者写的托福作文去测 7 个主流 AI 文本检测器，平均 61.3% 被误判为 AI 写的，超过 91% 的作文至少被一个检测器冤枉；同一批检测器对美国学生的作文几乎不误判。原因是检测器把"用词朴素、句式规整"当成机器特征。用它判定一篇文章、一份作业、一封求职信是 AI 写的，等于用一个歧视非母语者和写作朴素者的工具下结论。被冤枉的人很难自证清白，这是不可逆的伤害。
收益：Liang 等 2023 年发表在 Patterns 的研究：7 个 GPT 检测器对 91 篇非母语者的托福作文平均误判率 61.3%，至少被一个检测器标为 AI 的作文超过 91%，19 篇被全部 7 个检测器一致误判；对照的美国八年级学生作文误判率接近零。作者归因于非母语者文本"困惑度"较低。GPTZero 自报更新后的误判率为 7.7%（宽松口径 1.1%），Turnitin 自报误判率低于 1%，两者均为厂商内部测试，无独立同行评审数据。OpenAI 于 2023 年 7 月下线自家 AI 文本分类器，原因是"准确率低"。
证据等级：A。同行评审研究，数字明确；厂商自报数据另作标注。
情景：全情景。文本生成越接近人类写作，检测越不可能，这个方向不会逆转。
来源：Liang W 等 (2023). GPT detectors are biased against non-native English writers. Patterns. <https://doi.org/10.1016/j.patter.2023.100779> ; OpenAI (2023). New AI classifier for indicating AI-written text（含 2023 年 7 月 20 日下线说明）. <https://openai.com/index/new-ai-classifier-for-indicating-ai-written-text/>
备注：如果你是老师或管理者，可用的替代办法是口头答辩、过程稿、当场写作，即把"证明"从文本移到人身上，这正是本书第 4 条原则。如果你被检测器冤枉，要求对方出示检测器的独立验证数据和误判率，并保留自己的写作过程记录。学术不端的正式认定规则见第 18 节。

17. 法律、医疗、合同、财务这四类信息不用 AI 摘要替代原文

成本：不花钱。读原文比读摘要多花几倍时间。
说人话：连专门给律师用的、号称"无幻觉"的法律 AI，2024 年斯坦福测出来也有 17% 到 33% 的回答编造或答错；四大会计师事务所之一 2025 年交给澳大利亚政府的一份 44 万澳元报告，被发现引用了不存在的论文和编造的判决原话，退了 9.7 万澳元。专业机构付了钱、配了人都会中招，普通人拿 AI 摘要去决定签不签、吃不吃、买不买，风险只会更大。规则：这四类事，AI 帮你找到条款和段落，原文自己读，决定找能负责的真人确认。
收益：斯坦福大学 RegLab 与人本 AI 研究院 2024 年的研究：对 LexisNexis 的 Lexis+ AI 与汤森路透的 Westlaw AI-Assisted Research 等专业法律 AI 工具进行 200 余个法律问题的测试，幻觉率分别为 17% 与 33%（幻觉定义为回答错误或引用不支持结论的来源），完整正确率分别为 65% 与 42%；两者都低于通用 GPT-4 的幻觉率，但远非"无幻觉"。德勤澳大利亚 2025 年 10 月向澳大利亚就业与劳资关系部退还一份 44 万澳元报告的最后一期款项约 9.7 万澳元，该报告被悉尼大学研究者发现含不存在的学术论文引用和编造的联邦法院判决引文，修订版承认使用了 Azure OpenAI GPT-4o 工具链。
证据等级：A。独立学术测评加有金额的公开事件。
情景：全情景。
来源：Magesh V 等 (2024). Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools. Stanford RegLab. <https://reglab.stanford.edu/publications/hallucination-free-assessing-the-reliability-of-leading-ai-legal-research-tools/> ; Australian Department of Employment and Workplace Relations (2025). Targeted Compliance Framework assurance review（修订版报告与退款说明）; AI Incident Database (2025). Incident 1193. <https://incidentdatabase.ai/cite/1193/>
备注：本书不构成法律意见、医疗建议或投资建议。反方证据：2026 年模型的幻觉率比 2024 年低，但没有一家披露"在法律引用上的错误率为零"，且法律 AI 厂商的自报准确率仍未经独立复现。用 AI 做第二意见看病的方法见第 31 节。

18. 任何带 DOI、文号、案号、股票代码的说法，花 1 分钟去原库查一次

成本：不花钱。1 分钟。
说人话：AI 编引用有个特点：格式完美，内容不存在。它会编出真实期刊、真实作者、看起来合理的年份和页码，唯独那篇文章不存在。反过来这也是最容易核的：DOI 去 doi.org 查，判决书去中国裁判文书网或人民法院案例库查，部委文件去发文机关官网查，公司披露去交易所网站查。查不到就当不存在。2023 年纽约律师因提交 ChatGPT 编造的 6 个判例被罚 5,000 美元，2025 年德勤退了 9.7 万澳元，都是这 1 分钟没花。
收益：Mata v. Avianca（美国纽约南区联邦法院，2023 年 6 月 22 日裁定）：两名律师提交的答辩状引用了 6 个由 ChatGPT 编造的判例，法院认定其恶意行为并处罚 5,000 美元。德勤澳大利亚 2025 年事件见第 17 条。斯坦福 RegLab 2024 年研究将"引用不存在或不支持结论的来源"列为法律 AI 最主要的幻觉形式之一（见第 17 条）。哥伦比亚 Tow 中心 2025 年研究显示 Grok-3 的 200 条新闻引用中 154 条链接失效（见第 1 条）。中国裁判文书网与人民法院案例库均免费开放检索，doi.org 解析服务免费。
证据等级：A。法院裁定与公开事件。
情景：全情景。
来源：United States District Court, S.D.N.Y. (2023). Mata v. Avianca, Inc., Opinion and Order on Sanctions, 22-cv-1461. <https://www.courtlistener.com/docket/63107798/mata-v-avianca-inc/> ; 最高人民法院. 中国裁判文书网 <https://wenshu.court.gov.cn/> ; 人民法院案例库 <https://rmfyalk.court.gov.cn/>
备注：注意反向陷阱：AI 也可能给出真实存在的文献，但文献内容和它声称的相反，所以查到"存在"之后还要看摘要或原文里是否真有那句话。这条和第 7 章"用 AI 干活的核查责任"是同一件事的读者版。

19. 看到"专家表示""研究显示""知情人士透露"却没有名字、没有机构、没有链接的，按没有这回事处理

成本：不花钱。
说人话：AI 写的文章最爱用这三个短语，因为它们看起来有据可查，实际上什么都没说。欧洲公共媒体 2025 年测评 AI 助手时，重大问题里最大的一类就是来源问题，占 31%，表现为引用缺失、引用错误、把观点当事实。一条消息里的"研究"如果给不出作者、年份、期刊，就把它当作者的意见看；"知情人士"如果连机构都没有，就当没有。
收益：欧洲广播联盟与 BBC 2025 年研究：3,000 多条 AI 助手回答中 31% 存在重大来源问题（缺失、误导或错误归属），是所有重大问题中占比最高的类别；20% 存在重大准确性问题，包括编造细节与过时信息；Gemini 回答的重大来源问题比例为 72%。NewsGuard 对 AI 内容农场的样本分析显示，这类站点的典型特征包括无署名、无更正页、无联系方式、大量"专家称"式表述（见第 23 条）。
证据等级：B。测评数据针对 AI 助手，外推到一般网络文章是推断。
情景：全情景。
来源：EBU, BBC (2025). 同第 1 条 ; NewsGuard (2026). AI Tracking Center. 同第 4 条.
备注：正规媒体也会用匿名信源，区别在于它有署名记者和编辑为此负责，出错有更正记录。所以这条要和第 4 条的分级一起用：第三级媒体的匿名信源打折信，第四级的直接不信。

20. 给新闻定量：每天固定一到两个时段、三到五个固定来源，其余时间不刷

成本：不花钱。要改习惯，头两周最难。
说人话：全球近半数人（42%）说自己经常或有时刻意回避新闻，四分之一的人一周只看一次。这不是冷漠，是对信息洪流的合理反应：研究显示无休止地刷负面新闻会通过"受不了不确定"这条路径加重焦虑，越刷越想刷，越刷越焦虑。AI 让可刷的内容变成无限供给，所以要给自己设配额，像给饮食定量一样。定时定量看，反而记得住、判断得清。
收益：路透研究院 2026 年数字新闻报告：42% 的受访者表示经常或有时回避新闻；25% 自称被动新闻使用者（每周接触新闻不超过一次），比十年前高 10 个百分点；18 到 24 岁中 17% 每周通过 AI 聊天机器人获取新闻，55 岁以上为 5%；全球对新闻的信任处于 2015 年以来最低。关于"末日刷屏"的研究综述（2025 年发表于 Acta Psychologica 与 JMIR Mental Health 等）：负面新闻摄入与焦虑、抑郁症状呈正相关，机制模型为"不确定性不耐受"驱动的重复信息搜寻，且存在日间相互强化（前一日的疫情新闻暴露预测次日担忧上升）；2024 年一项工作场景研究发现工作日刷负面新闻预测更低投入与更多反刍。
证据等级：B。相关性研究为主，缺大规模随机试验证明"限量后焦虑下降多少"。
情景：全情景。
来源：Reuters Institute (2026). Digital News Report 2026. <https://reutersinstitute.politics.ox.ac.uk/digital-news-report/2026/dnr-executive-summary> ; (2025). Climate change news and doomscrolling: An examination of influencing factors and psychological effects. Acta Psychologica. <https://www.sciencedirect.com/science/article/pii/S0001691825002380> ; (2025). Impact of Media-Induced Uncertainty on Mental Health. JMIR Mental Health. <https://mental.jmir.org/2025/1/e68640>
备注：反方证据：完全不看新闻会错过与自己直接相关的预警与政策，所以是"定量"不是"戒断"。原书第 30 节的社交媒体戒断随机试验照旧。焦虑处理的整体方法见第 5 节，把对 AI 的"末日焦虑"拆成可行动指标的方法见第 2 章。

21. 认得出内容农场：没有署名、没有更正页、没有联系方式、文章像流水线，看到就关

成本：不花钱。
说人话：到 2026 年 6 月，仅 NewsGuard 一家就数出 3,749 个 AI 内容农场"新闻站"，覆盖 16 种语言，每月新增三五百个，其中不少伪装成地方新闻网站。它们有几个共同点：域名像本地报纸但查不到办公地址，文章没有记者名字或名字查不到人，一天发几十上百篇，没有更正记录，评论区关闭。这些站的目标是广告点击和喂给 AI 搜索，不是告诉你什么。多停一秒都是浪费。
收益：NewsGuard AI 追踪中心：截至 2026 年 6 月 23 日识别 3,749 个"不可靠的 AI 生成新闻与信息网站"，判定标准为"在几乎没有人类监督的情况下运营，发布主要或完全由机器人生成的文章"，2026 年 3 月 12 日为 3,006 个，2025 年初约 1,200 个；月增 300 到 500 个；部分站点被 NewsGuard 记录为俄罗斯"真理网"（Pravda network）等有组织行动的一部分，目的之一是让 AI 模型抓取并复述其内容。Ahrefs 2025 年 4 月对 90 万新网页的分析：74.2% 含 AI 生成内容。哈佛公共卫生学院 2025 年综述指出 AI 生成健康"新闻"站是健康错误信息的新增来源。
证据等级：A。持续更新的公开追踪数据库，方法公开。
情景：全情景。
来源：NewsGuard (2026). Tracking AI-enabled Misinformation: AI Content Farm sites. <https://www.newsguardtech.com/special-reports/ai-tracking-center/> ; Ahrefs (2025). 同第 4 条 ; Harvard T.H. Chan School of Public Health (2025). The rise of AI-generated news websites. <https://hsph.harvard.edu/health-communication/news/the-rise-of-ai-generated-news-websites/>
备注：中文内容农场没有同等规模的公开追踪，本条特征清单对中文站同样适用但数量待核实。这条与第 15 条相连：内容农场的存在就是"用 AI 核查 AI"有上限的原因，两个模型可能读的是同一个农场。

22. 一条消息只在一个平台、一个圈子里流传时先存疑，去辟谣平台和其他平台各查一次

成本：不花钱。2 分钟。
说人话：真的大事会同时出现在多个不相干的渠道，假的往往只在一个群、一个平台、一种立场的账号里打转。查两处：中国互联网联合辟谣平台（piyao.org.cn），以及至少一个你平时不用的平台。平台自己的纠错机制有用但慢：X 的社区注释一旦贴上，能把误导帖的再转发压掉一半以上，可平均要等 75 小时，那时转发已经完成了 97%。你自己查比等平台快。
收益：Chuai 等 2024 年研究（见第 9 条）：社区注释显示后误导帖再转发下降 50% 以上，但平均延迟 75.5 小时，累计抑制效果约 11%；X 平台内部研究（Wojcik 等 2022）报告注释附上后转发下降 25% 到 34%。中央网信办举报中心数据：2025 年 1 月全国受理网络违法和不良信息举报 1,691.6 万件，其中主要网站平台受理 1,577.1 万件，说明平台端是主要的处置入口但依赖用户举报驱动。中国互联网联合辟谣平台由中央网信办违法和不良信息举报中心主办，提供分类查证与举报入口。
证据等级：B。平台机制研究为 A，"跨平台交叉能降低多少误信"没有直接测量。
情景：全情景。
来源：Chuai Y 等 (2024). 同第 9 条 ; Wojcik S 等 (2022). Birdwatch: Crowd Wisdom and Bridging Algorithms can Inform Understanding and Reduce the Spread of Misinformation. <https://arxiv.org/abs/2210.15723> ; 中央网信办举报中心 (2025). 2025 年 1 月全国受理网络违法和不良信息举报情况. <http://www.news.cn/legal/20250217/215d37063707490da2b0508224224885/c.html> ; 中国互联网联合辟谣平台 <https://www.piyao.org.cn/>
备注："多平台都有"也不等于真，有组织的投放会同时铺多个平台。所以交叉查的是"独立来源是否一致"，而不是"出现次数"。回到第 4 条：多个第四级来源加起来还是第四级。

23. 图片和视频先反向搜索，再看元数据；两样都查不到就当"来源不明"

成本：不花钱。2 到 5 分钟。
说人话：AI 造假之外，更常见的其实是"旧图新用"：把几年前别处的照片配上今天的文字。反向图片搜索（谷歌、百度、Bing、TinEye）能在几秒内找出这张图最早出现在哪。找不到更早版本，再看文件元数据里有没有 AI 生成标识或内容凭证（见第 5、24 条）。都没有，就按"来源不明"处理，不作为判断依据。这是横向阅读在图像上的版本。
收益：Wineburg 与 McGrew 2019 年研究中职业核查员的核心动作是离开当前页面寻找原始出处（见第 3 条）；国际事实核查网络（IFCN）签署机构的公开核查报告中，反向图片搜索是最常用的单项工具。《标识办法》第四条要求图片、视频添加显式标识，第五条要求在文件元数据中添加含服务提供者名称或编码、内容编号的隐式标识，意味着合规工具生成的图像在元数据层可查。Deepfake-Eval-2024 与 Diel 等的研究（第 7、8 条）说明肉眼与检测器都不可靠，来源追溯是剩余的可靠手段。
证据等级：B。方法有专家实践与法规支撑，缺"反向搜索能拦住多少假图"的量化研究。
情景：全情景。
来源：Wineburg S, McGrew S (2019). 同第 3 条 ; 国家互联网信息办公室等 (2025). 人工智能生成合成内容标识办法，第四条、第五条. 同第 5 条 ; International Fact-Checking Network. Code of Principles. <https://ifcncodeofprinciples.poynter.org/>
备注：截图会抹掉元数据，转发会重新压缩，所以尽量找到原始文件。反向搜索对全新生成的图无效，这时只能靠发布者是谁（第 3 条第一问）。

24. 给自己的重要照片和视频留"出生证明"：能开内容凭证的设备就开

成本：支持的设备不额外花钱，设置一次 5 分钟。换设备要花钱，不建议为此换。
说人话：与其等别人证明假的是假的，不如让真的自己能证明是真的。C2PA 内容凭证的做法是在拍摄那一刻用设备里的密钥给文件签名，之后每一次编辑都记一笔账，谁看都能验证。2025 年 8 月起谷歌 Pixel 10 默认给每张照片签名，2026 年徕卡、索尼、佳能、尼康有十几款相机支持。如果你的照片将来可能要当证据（事故、纠纷、维权、新闻），这个签名就是它的出生证明。
收益：C2PA（内容来源与真实性联盟）规范 2.2 版：以密码学签名的"清单"记录内容的创建设备、时间与编辑历史，任何一环被篡改即验证失败。谷歌 2025 年 8 月发布的 Pixel 10 系列为首款默认对所有相机照片附加内容凭证的主流手机，使用 Titan M2 芯片的硬件密钥与设备端时间戳，通过 C2PA 合规计划的保证级别 2（当前最高级）。截至 2026 年，徕卡、索尼、佳能、尼康共约 17 款相机支持在拍摄时签名（厂商与第三方汇总数据）。中国《标识办法》第五条的元数据隐式标识与 C2PA 思路相同，但方向相反：前者标"生成的"，后者证"拍摄的"。
证据等级：B。规范与厂商披露是硬的，但覆盖率低，且验证工具在中文平台上尚未普及，实际能发挥作用的场景有限。
情景：基准线及更快。慢线上生成内容没那么泛滥，"自证为真"的需求也没那么迫切。
来源：C2PA (2025). Content Credentials Technical Specification 2.2. <https://spec.c2pa.org/> ; Google (2025). How Pixel and Android are bringing a new level of trust to your images with C2PA Content Credentials. <https://blog.google/security/pixel-android-trusted-images-c2pa-content-credentials/> ; C2PA Conformance Program. <https://c2pa.org/conformance/>
备注：反方证据：签名证明的是"这台设备在这个时刻生成了这个文件"，不证明画面内容没有摆拍；截图和多数社交平台的转码会剥掉凭证。所以它对"我留底"有用，对"别人转发的"暂时没用。个人数据与数字资产的整体管理见第 16 节。

25. 只为"到场的人"付费：署名记者、原始数据库、行业报告；不为 AI 摘要和 AI 早报付钱

成本：一份认真的付费媒体或数据库每年几百到一两千元。省下的是各种 AI 资讯订阅。
说人话：AI 摘要的边际成本趋近于零，谁都能做，明年更便宜，为它付费是在为正在变便宜的东西付溢价。真正稀缺的是有人去了现场、翻了原始文件、签了自己的名字并为错误负责。全球只有 20% 的人信任 AI 聊天机器人给的新闻，这个数字是对的。如果你要为信息花钱，花在有人负责的地方。
收益：路透研究院 2026 年报告：对 AI 聊天机器人提供的新闻信任度 20%，仅 1% 的受访者以 AI 为唯一新闻来源；为在线新闻付费的比例在多数市场停滞在 20% 以下。哥伦比亚 Tow 中心 2025 年研究：与新闻机构签有内容授权协议的 AI 公司在引用该机构内容时准确率没有系统性提高，即"AI 早报"即便付费也不保证引用正确。EBU 与 BBC 2025 年研究显示 AI 助手 45% 的新闻回答有重大问题（见第 1 条）。
证据等级：B。信任与付费数据是调查问卷；"付费 AI 摘要质量不高于免费"有单项研究支持。
情景：全情景。
来源：Reuters Institute (2026). 同第 4 条 ; Jaźwińska K, Chandrasekar A (2025). 同第 1 条.
备注：这条是本书第七条原则（别为正在变便宜的东西付高价）在信息上的版本，AI 相关的付费陷阱清单见第 13 节。反方证据：把 AI 当"读原文的辅助工具"（翻译、检索、对照）是划算的，问题只在于把它当"内容本身"来买。

26. 涉及你自己的假信息，先取证再举报：录屏、存原始链接、算哈希，然后 12377、平台、公安三条线一起走

成本：不花钱。取证 30 分钟，举报流程几小时到几天。
说人话：有人用 AI 把你的脸、你的声音、你的名字做成假东西，处置顺序是：先把证据固定下来（录屏带时间、保存原始链接和文件、用免费工具算一个文件哈希值），再同时做三件事：平台投诉（要求下架并保存后台记录）、12377 网络举报（中央网信办举报中心）、涉及诈骗或色情的报警。2025 年全国受理处置网民举报线索 2.23 亿件，渠道是通的，缺的通常是证据。
收益：中央网信办违法和不良信息举报中心（12377.cn，电话 12377）2025 年 1 月受理举报 1,691.6 万件，2025 年全年全国受理处置网民举报线索约 2.23 亿件。《标识办法》第十条禁止伪造他人内容标识、通过不正当标识手段损害他人合法权益，为"AI 假冒你发布的内容"提供了额外投诉依据。《民法典》第一千零一十九条、第一千零二十三条为肖像与声音侵权提供民事请求权基础；2024 年 4 月北京互联网法院判决全国首例 AI 声音侵权案，原告胜诉获赔 25 万元。美国 TAKE IT DOWN Act（2025 年 5 月成法）要求平台在 48 小时内下架非自愿亲密图像，含 AI 生成，适用于美国平台。
证据等级：A。官方受理数据、法规与判例。
情景：全情景。
来源：中央网信办举报中心 (2025). 同第 22 条 ; 违法和不良信息举报中心 <https://www.12377.cn/> ; 北京互联网法院 (2024). 殷某诉北京某智能科技公司等人格权纠纷案（AI 声音侵权案）判决. <https://www.court.gov.cn/> ; U.S. Congress (2025). TAKE IT DOWN Act, S.146. <https://www.congress.gov/bill/119th-congress/senate-bill/146>
备注：哈希值的用处是证明你保存的文件与后来举证的文件是同一个，公证处的电子数据保全更硬但要花几百到上千元。被深度伪造成色情内容的完整处置见第 17 节，追损与心理支持见第 29 节。本书不构成法律意见。

27. 每年审一次"信任名单"：把常看的来源写下来，砍掉一年里被抓到造假两次以上的

成本：不花钱。一年一次，半小时。
说人话：信任是资产，要像管理订阅一样管理。把你经常看的账号、媒体、群、播客列出来，标上第 4 条的等级，对每一个问一句"过去一年它有没有把假的当真的告诉我"。抓到两次以上的删掉，不管它多有趣。名单越短，你需要核查的东西越少，剩下的每一个都更值钱。
收益：这是作者判断，没有直接研究。间接依据：路透研究院 2026 年报告显示信任集中在少数品牌，且"信任的来源"与"实际使用的来源"重合度低；Guess 等 2019 年研究显示假新闻分享高度集中于少数用户与少数来源域名（8.5% 的用户贡献了全部分享），说明来源层面的筛选比逐条筛选更有效率。
证据等级：C。做法是推演，没有随机试验。
情景：全情景。
来源：Reuters Institute (2026). 同第 4 条 ; Guess A 等 (2019). 同第 12 条.
备注：这条什么时候失效：如果平台能可靠地替你做来源分级并标注历史错误记录。2026 年没有任何一个中文平台做到这一点。原书第 26 节的"订阅审计"条目是这条的钱版，本条是信任版。

这一节在 AGI 时代变了什么、没变什么

变了的是成本结构。2020 年 1 月，抽样里的网络文章只有 2.2% 是机器写的；2025 年 5 月，这个数字是 51.7%。一个人写一篇像样的假新闻要一小时，AI 要一秒；一个人做一段以假乱真的视频要一个团队，AI 要一句话。当生产的边际成本趋近于零，供给就趋近于无限，而人的注意力和时间没有变。原书写作的那个世界里，筛选主要由平台、媒体和法律完成，你只需要在最后一环留点心。到 2026 年，平台的纠错要 75 小时才能追上一条帖子，媒体自己在被 AI 搜索抽走流量，法律在追但每年只能处置几万个账号。筛选成本落到了每个人自己身上，这就是本章比原书对应章节长得多的原因。

还变了一件事：辨别的传统手段失效了。原书时代的"看细节"（看语法、看光影、看是否眨眼）在 2026 年是一个 55% 准确率的抛硬币游戏。工具也一样，实验室里 95% 的检测器到真实世界掉一半。所以本章把重心从"辨别内容"整个挪到了"追溯来源"上。这背后是本书第四条原则：把信任当资产管理。凡是零成本可生成的东西都不再是信号，图片不是、视频不是、流畅的文字不是、格式完美的引用也不是。还是信号的东西只剩下几样：原始文件、有人签字负责的机构、能在多个独立渠道相互印证的事实，以及设备在拍摄那一刻留下的密码学签名。本章 27 条里有一多半在教同一件事，就是怎样用最少的时间回到这几样东西上。

第五条原则"用 AI 但不把判断外包"在这一章有最直接的体现。AI 搜索给的引用六成以上是错的，专业法律 AI 有 17% 到 33% 的幻觉率，付了 44 万澳元的报告里有编造的判决原话。这些数字说的不是 AI 没用，而是 AI 的角色：它是找线索最快的实习生，不是签字的人。让它找，你来看，然后由能负责的真人来决定，这个分工在 2026 年成立，在基准线和快线上更成立，因为模型越强，它编出来的东西就越像真的，你自己核查的那一步就越不能省。

第七条原则在这一章也有一个清楚的对应：别为正在变便宜的东西付高价。AI 摘要、AI 早报、AI 资讯订阅，都是在卖边际成本趋近零的东西。稀缺的是到场的人、翻原件的人、署名的人。把钱花在那里，把信任也花在那里。

没变的东西比变了的多。人转发假消息的主要原因仍然是没去想，而不是想了也分不清，所以一句"这是真的吗"仍然是全章最便宜有效的动作。老人比年轻人更容易转发假消息，这个规律从 2016 年到 2026 年没变，变的只是假消息的产量。横向阅读、多渠道印证、看署名、找原件，职业事实核查员在 AI 出现前就是这样工作的，AI 出现后依然如此，只是每个人都得学会做一点核查员的活。法律也没变：500 次转发、5,000 次浏览的门槛是 2013 年定的，编造传播险情疫情灾情警情的罪名是 2015 年定的，2026 年的 AI 谣言案适用的还是这些条款。

最后是第一条原则，可逆优先。本章几乎所有条目都是可逆的：不转、等一天、多查一处、少订一份，做错了没有任何代价。只有两条标了不可逆：转发达到刑事门槛的谣言，和用检测器给一个人定罪。这两件事恰好都是"一键完成"的，AI 时代让不可逆的决定变得比以前更容易做出，本章的作用就是在那一键之前，给你插一句"这是真的吗"。