大模型如何帮助媒体核查 AI 生成图片的来源
大模型如何帮助媒体核查 AI 生成图片的来源
一张洪水现场图片在社交平台传播，画面逼真，媒体却找不到摄影者。模型可以分析生成痕迹、元数据和反向搜索结果，但没有任何单一检测器能替记者完成来源核查。最可靠的问题仍是：谁拍的、何时何地、原始文件在哪里。
编辑部应保存收到的原文件、提交渠道与修改记录，检查画面里的地标、天气和已知事件时间线。若图片由 AI 合成，即便用于说明，也要明确标注“示意”与生成方式，不让读者误当现场证据。若无法确认来源，就不应因为图片视觉冲击力强而抢先发布。
模型可帮助寻找早期传播节点和相似图，但平台压缩、转发和剪裁会抹掉元数据。对声称来自目击者的图片，应通过独立联系方式核实，保护提供者身份。后续若证实误用，公开更正并说明原核查在哪一步失效。
来源核查最好在图片进入编辑系统时就开始。记者从社交平台下载压缩图，很多原始信息已丢失；如果先联系发布者请求未处理文件，能更早看见拍摄设备、连续帧和地点线索。对匿名目击者，要在核验与保护身份之间取舍，不把原始元数据未经处理公开。
模型生成或编辑的图片也可能混入真实照片里，例如只替换背景或添加烟雾。检测工具对这种局部修改表现不稳定，编辑需与原图、现场视频和独立证人交叉核对。若新闻必须使用无法完全确认的画面，应清楚说明限制，并避免在标题里把它写成确定现场。一次核查失败后，编辑部要更新图片接收与标注流程，而非只把责任归给制图技术。
媒体还应建立图片来源的责任交接。记者收到文件时记录渠道和原始说明，图片编辑检查格式与修改痕迹，版面编辑确认最终图注能否准确反映核验程度。若图片被裁剪掉关键背景，技术上没造假也可能改变事实。模型能比较不同版本差异，让人看见裁剪和局部修图，却不能判断这些改动是否新闻上正当。
对于 AI 生成示意图，编辑可先问是否真的需要它。一篇讲洪水的报道若有可靠地图和现场照片，合成一张“水淹街道”可能只增加误导。确需视觉解释时，用明显不同于新闻摄影的形式，并标注依据。面向读者的核心承诺是：看起来像证据的图片，必须有真实来源；没有的，绝不借真实的外观偷取信任。
图片来源核查还要关心传播中被裁掉的部分。一张真实的污染照片可能来自十年前、另一个国家，也可能只是演习现场。记者应找最早发布者、原始文件和拍摄地点，向摄影者确认授权；找不到来源就不能因为画面“符合事实”而采用。核查结论可以分为确认、存疑和证伪，不把缺少证据直接写成伪造。
图片越容易制作，新闻机构越要把“我看见了”与“我知道它真实发生”分开。
