第14卷 第1期2018年2月竞争情报Competitive Intelligence Vol.14 No.1Feb. 2018
后真相时代，新闻如何求真04
编者按：在新闻来源趋于多元、传播路径趋于复杂、受众“打假”意识较弱的局面下，新闻业要如何捍卫其最重要的品质——真实性呢？放眼世界，无论是老牌媒体，还是社交“新贵”都不得不面对这一“后真相时代”所带来的巨大挑战。本文尝试梳理全球新闻媒介“打假”求真的手段。有趣的是，观察新闻工作者们运用传统的事实核查方法或机器智能工具，抽丝剥茧无限接近新闻事件的真相，在这样的一个过程中，分明能看见情报的影子——同样地越过信息收集的简单层次，通过深入调研、比对与研判，最终抵达真相，形成洞见（insight ）；也同样地期盼技术手段帮助提升工作方式与效率，却仍然离不开来自人类的洞察与判断
力。 “我们需要慢新闻，需要数据、调查、分析和专业知识构成的更深入的新闻，以进一步了解我们所身处的这个世界”，2017年1月英国BBC 新闻编辑室宣布，要用“慢新闻”（slow news ）[3]打击假新闻。这个“慢”，并不意味着BBC 对“突发新闻”的采编态度发生了重大改变，而是将放缓新闻的生产过程，整合更多的资源，利用调查分析和深度数据挖掘，对信
息进行验证后再予以发布。
互联网时代，似乎所有的新闻都成了“会反转的”。 2017年8月31日，陕西榆林一院孕妇坠亡事件[1]，迅速成为社交媒体的焦点话题。受众最初得到的讯息是死者家属拒绝孕妇和医院的剖宫产要求，导致孕妇疼痛难忍而自行坠亡；随之而来的是监控视频流出，令人质疑医院看护不到位；待当地警方和卫计局介入调查，结果显示，医生确曾建议剖宫产，但家属选择自然分娩并签字确认，而院方也负有监护不到位之责。类似这样的新闻，往往循着“事件爆出、媒体跟进、舆情形成、新闻反转、舆情随之反转”的传播路径，甚至发生多次反转。 若说因涉事方各执一词而产生的“罗生门”尚情有可原，更令人难以接受的是蓄意炮制的假新闻。在马其顿有一座4.5万人口的小镇韦莱斯（Veles ），那里的青年以编写假新闻为主业。美国大选期间，他们上线了“世界政治”“美国政治日报”“今日美国保守派”“唐纳德·特朗普新闻”等百多个网页，靠获取Facebook 和谷歌等社交媒体广告分成牟利，漫天散布假新闻[2]。
最棘手的，或许是受众的态度。2017年12月11日，中国留学生江歌被杀案在东京开庭。事件发生后，扑
面而来的信息碎片竟绕过了嫌疑人陈世峰，却将证人刘鑫和受害人母亲推向风口浪尖。开庭后，法律终于使真相的归于真相、情感的归于情感。可是，舆论依旧“固执”，检方呈现的证据链只要有一环不符合受众预期，就引发哗然一片。正如2016年牛津字典选出的年度词语“post truth ”，我们正处于一个“后真相时代”。在这个时代里，客观事实对塑造公共意见的影响力，远不及情感与个人信仰的诉求。 去伪求真，这是新闻行业“安身立命”之根本，而今却成了老牌媒体和社交网络的巨大挑战。本文尝试梳理这些新闻媒介的“打假”举措，他们或依靠传统的事实核查，或借助新兴的技术工具，而更大的趋势是将两者有机结合，从而析取真相，重塑受众对新闻行业的信心。
施雯（上海图书馆（上海科学技术情报研究所），上海 200031）
施雯 女，上海图书馆（上海科学技术情报研究所），副研究员，研究方向为竞争情报理论与应用。作者：wshi@libnet.sh
特写施雯.
后真相时代，新闻如何求真 05
第三方事实核查机构 BBC 新闻编辑室成立了常设性的“事实核查团
队”（permanent reality check team ），以原有的“分
析研究和政治研究小组”为基础，额外从BBC 的采
编团队里抽调了精兵强将，专门负责选取未经验证的
热点信息作为选题，进行跟踪与调查，最后将结果在
BBC 的“真实核查”（Reality Check ）栏目下予以发
布。BBC 还在构建庞大的专家网络，利用其在世界范
围内不断扩张的全球服务频道（World Service ）所布下
的人才网，成立一个“情报单位”（intelligent unit ），
可以在第一时间帮助采编团队判断世界各地发生事件
的真伪。在事实核查的过程中，BBC 强调求证过程的
专业性和展示手段的多元化，大量引入数据分析和专
家学者的权威分析和调查，通过文本、视频、数据可
视化和统计信息提升客观性，同时吸引更多的受众。
除在编辑部内自建事实核查团队外，也有新闻媒
介引入了第三方事实调查公司，专门负责对新闻内容
进行查证。尤其社交媒体，每天有海量的、非自身内
容团队采写的信息在平台内外流转，引入第三方从事
专业核查工作往往更高效、更专业。典型如Facebook
与美国公司Snopes 开展的长期合作。Facebook 首
先会自行甄别出一些“可疑的”新闻，由Snopes 的事
实调查员对其进行事实审核，并将那些查证为作假的
文章标注为“有争议的”。被标有此类标签的文章，
出现在用户新闻列表中的顺序就会被下调。如果用户
点开这则新闻，还会收到“事实调查员证明这是假新
闻”之类的提示。同时，“相关文章”会展示给用
户一些由事实调查员撰写的有关求证过程的文章。
Snopes 网站创办于1995年，是美国历史最悠久、最受
信赖的“辟谣专业户”之一。“Snopes ”在美国的语
境里已被赋予了“辨别真伪”的含义，用法类似“谷
歌”。比如，“你在转发那条八卦消息前，为什么不
先Snopes 一下？”[4]
大部分第三方事实调查公司都如此行事。通常会
从报纸、新闻网站、社交网站、宣传册、海报等渠道
寻值得核查的信息。为保证自己的公信力，这些公
司往往更青睐传统的调查方式，例如查阅政府记录及
档案、查询图书馆资料、翻阅过去的目录册、浏览往
期报纸，而不是在网上搜索答案。Snopes 的联合创始人大卫·米克尔森（David Mikkelson ）就曾经说过：“我会用谷歌和作为调查的起点，但那并非真正的调查。”每条进入核实程序的信息都会由一名事实调查员跟进，给出初步的评估结果，并撰写论证报告。随后有至少三位编辑对文章内容和论证
过程进行审核，并最终确定该信息的真实程度，主要分为六类：①真实，主要陈述被证实是准确无误的；②基本真实：大部分陈述被证实是准确的，但有些细节不实或需要得到进一步验证；③半真半假；④基本失实；
PolitiFact 该网站成立于2007年，是由美国佛州一家独立报纸《坦帕湾时报》（Tampa Bay Times ）旗下的几位记者和编辑共同创办的事实核查项目，旨在寻求美国政治报道的真相。该网站“打假新闻”的文章有相对固定的结构模式，通常在标题中指出文内所涉及的政治人物及言论，文章主体对言论中的事实进行分析，结尾给出核查员对该言论真实度的裁定。 网站：www.politifact/FactCheck.Org 这是美国非营利、无党派性质的事实核查网站，由宾夕法尼亚大学公共政策中心所创建。网站目的是让受众了解美国的政客们说的话“哪句真，哪句假”。其团队通过对政治人物在脱口秀节目、辩论活动、公开场合的言论，在网站或社交媒体上发布的帖子等，审核他们主张的真实性。数字核查占该网站较大的工作比例，方法是用更权威的统计数据来证明当事人的数字是否准确。 网站： /Snopes 1994年由大卫·米克尔森（David Mikkelson ）创立，其初衷是研究各种各样的“都市传说”，逐渐演变成互联网上历史最久、规模最大的事实核查网站。编辑部成员负责初步背景资料研究并写下评估初稿，在这个过程中还会咨询专业人士的意见。事后要经过至少三名编辑（一名原稿编辑、两名内容编辑）把关。 网站：www.snopes/Correctiv 被誉为德语世界里的首个调查新闻编辑室，是由一调查记者组成
的非营利组织。该机构的“打假模式”主要是与各类媒体合作，共同分享核查新闻的报道内容。同时，该机构也启动了一个教育计划，希望向更广泛的受众传递事实核查与新闻调查的方法。 网站：
06竞争情报第14卷 第1期⑤虚假；⑥未经证实，即尚未得到任何有用的信息。 从检阅新闻内容以辨真伪的角度来看，除了建立核查团队与引入第三方核查力量外，有些媒体也尝试给予受众更多的信息，帮助他们练就“火眼金睛”。如Facebook 还试图“以信息战淹没假新闻”。2017年10月，Facebook 在新闻推送中新增了“i”按键，用户点击后，会先看到新闻信源的信息，如一则来自《纽约时报》的新闻，
会相应地显示《纽约时报》“是一份美国日报”等对新闻来源的简要概述；如果维基上没有信源词条，Facebook 也会显示“无词
条”，也就是提醒读者：连维基词条都没有，信源可信度相对就没那么高了。在信源下方，还会生成同一话题的相关文章，主要是《华尔街日报》、美国国家公共广播电台NPR 、新媒体Quartz 等主流平台。这类策略，让平台可以免于成为“审查者”，而只是同一话题不同内容的“搬运工”，把不同角度、不同侧重点的文章全部抛给受众，希望他们在分享热门新闻的时候，以“马赛克拼图”的方式多做深度思考和自我辨析，最终接近真相。
假新闻源于新闻领域，却借技术之手得以广泛传播。世界经济论坛组织早在2013年就在《全球风险报告》中，将“错误信息的在线传播”列为未来的主要风险之一。在恶意攻击面前，互联网平台变得尤其脆弱。在Twitter 上，由自动软件控制的大型机器人账号和被盗号的普通用户账号，都可以为假新闻推波助
澜。而在谷歌等搜索引擎的世界里，充斥着大量用来提升假新闻在搜索结果中排名的方法。 科技界正试图研发辅助工具，遏制假新闻的传播。 世界经济论坛组织于2017年2月推出一款针对Twit- ter 网站的实验型机器人[6]。机器人可以实时关注Twitter 上涉及达沃斯年会的相关新闻与评论，并指出事实错误，加以改正。用来纠错的“标准答案”主要是论坛官方发布的新闻、观点以及先前对不实信息的辟谣等。举例来说，当论坛发现某媒体的某篇新闻报道中出现了关于世界经济论坛的不实信息后，论坛就起草了一份声明，并发表在了论坛博客上，并由这款机器人账号监测影响力较大的Twitter 用户（主要是认证用户和粉丝数超过2000人的用户）。如果后者发送或转载了不实信息，机器人会以@回复的方式提醒他们，并附上论坛的官方声明链接。 为了打击假新闻的传播，曾经对聊天机器人持保留态度的法媒《世界报》，也设计了一款针对Facebook 的机器人助手（Facebook Messenger Bot ）。借助该助手，《世界报》可以把在Facebook 上的350万名关注者们的特定的网页链接或重要的关键词“丢给”这位机器人，并自动进行真伪检验。在机器人的背后是Décodex 数据库[7]，它由600多个被认定为不可靠的网站所构成的，这些网站是《世界报》核查小组成员（一批被称为“破译者”（Les Décodeurs ）的人）耗费一年时间收集整理的。在《世界报》看来，假新闻分成三类：完全虚构的故事，以真相为核心但掺杂着谎言的文章以及受不同党派的利益驱动所讲述的故事。因此，这个数据库收集的网站，不只有纯粹的“假新闻制造机”，也包括那些喜欢把从其他来源处获得的信息极度夸大以博取点击率的网站。任何用户打开《世界报》的即可使用这一数据库，直接输入某网站的名称或网址来查询它是否是经过验证的、可靠的新闻来源。该开发团队还设计了适合Chrome 等浏览器的相应扩展应用，在打开某则新闻时，
所使用的浏览器会立即弹出颜标签——红、黄和绿分别提醒读者这则新闻的来源是完全错误的、还是未经验证的抑或是真实的。而这一工具是开源的，《世界报》的相关负责人表示：“开源是很重要的。这并不是我们与其他媒体之间的战役。我们的目标就是共享这些工具。”
正在摸索以自动化的新闻写作替代部分记者工作的路透社，研发了名为“路透社新闻追踪器”（Reu- ters News Tracer ）[8]
的社交媒体监测工具，其特点在于
07
特写施雯. 后真相时代，新闻如何求真的初创企业也应运而生。如2017年成立的AdV erif.ai [9]，其创始人拥有丰富的语义分析和机器学习知识。Ad- V erif.ai 通过扫描侦查出某些可疑迹象，例如新闻的标题与内容不匹配，标题中大写字母过多等，这都被传统媒体普遍默认是假新闻的可能指针。它还通过数千个合法或虚构的新闻数据库交叉检查新闻，该数据库每周更新一次。客户可以看到系统认定为可疑消息的报告，使用分数评估哪些可能是假新闻，哪些可能携带恶意软件或者含有客户要求系统注意的内容。创始人还计划提高AdV erif.ai 识别经过篡改的图像的能力。� 机器智能还只是刚刚进入新闻业领域，未来会有无限可能。新闻打假挑战赛（Fake News Challenge ），经由“全球100多名志愿者和来自学术界和产业界71支团队的努力”，于2016年12月启动，旨在探索如何利用人工智能技术——特别是机器学习和自然语言处理技术——打击假新闻问题。虚假新闻挑战赛发布了供团队使用的数据集，最终有50个团队提交数据。思科网络安全部门的塔洛斯智能（Talos Intelligence ）赢得了这次挑战赛，其设计的算
法的正确率高达80%以上。挑战赛还将继续进行，下阶段将专攻图像与视频。
可以模仿记者的思考方式，为受众“降噪”，剔除广告、垃圾与假新闻，最终从海量的网络帖子中自动发现真正的新闻点，并予以编辑发布。这个工具是一个立足于社交媒体的自动化信息收集系统，第一步是每天对1200万条Twitter 上的推文（占总量的2%）进行监测，其中一半是随机的，另一半来自路透社的记者列出需要跟踪的Twitter 账号，包括大型企业、流量大V 等，以及其他的主流媒体账号如@CNN 、@BBC- Breaking 、@nytimes 等。这两大类的信息可以相互对比，交叉检验。追踪器需要出对话中提到的最早的推文和它所指向的网站，目的是追查最初的信息来源。然后，它会查询已知的假新闻数据库，包括众所周知的虚假新闻来源，如讽刺类的假新闻网站《洋葱报》（The Onion ）等。第二步，确定一则新闻事件是何时何地发生的。不同推文的发送时间与地理位置信息也是可以交叉验证的。当然，在剔除假新闻的同时，路透社也运用了这一工具，以超越传统媒体的速度，就确认为真的新闻素材，展开机器编写，包括标题和摘要，通过路透社渠道率先发布。 除新闻媒介外，一些旨在以人工智能打击假新闻人工与智能合作打假的Storyful
爱尔兰公司Storyful 在其上，这样介绍自己：“专业知识使我们能够将社交数据和社交对话情景化，验证用户生产的内容，从而在广阔的社交噪音环境中，到真相。”Storyful 创立于2009年的都柏林，创始人是爱尔兰的资深记者马克·里特尔（Mark Little ）。其主要的商业模式是依靠一套大数据信源监测工具和经验丰富的人工编辑团队，甄别假新闻，为各大传统媒体输送经过核查的、具有“热度价值”
的新闻素材。
Storyful 的工具名叫“新闻专线”（Newswire ）[10]，它可以对Twitter 、Facebook 、Youtube 、Instagram 等社交媒体上的用户生产内容进行实时监测，第一时间将抓取到的可能具有新闻价值的热点素材（主要是视频）推送给人工编辑。 人工编辑凭借其长期积累而形成的职业新闻敏感，判断出哪些内容具有新闻价值。与此同时，人工编辑还需要对视频、图片的真伪进行核实。一般来说，他们会想办法联系视频或图片的发布人，或通过其他渠道到视频原始素材，再将视频内容与事实交叉对比，从而判断视频的可靠性。比如说，YouTube 上出现了一个视频，其内容为某处有架飞机坠毁了，Storyful 的客户希望能够使用这个视频，但又不确定其真假。那么， Storyful 的工作人员就会到视频上传者，获得原始素材，之后再将视频中地形、周边环境等信息与谷歌地球对比，查看天气状况是否符合当地当时的天气，“质疑每个事件”。在确认之后，Storyful 的客户就会付费给视频的创作者，向其购买使用权。Storyful 会为图片或视频贴上“事实清晰”“等待回复”“已经授权”“尚无回复”等标签。这个“贴标签”的过程就相当于完成了信源的核实工作。 2013年12月，默多克的新闻集团以2500万美元估值完成对Storyful 的收购。除前文所提到的社交媒体外，美国财经新闻频道CNBC 、纽约时报、彭博商业周刊、福布斯、连线杂志等传统媒体也都是Storyful 的忠实客户。
也不是所有的专家都倾向于利用人工智能鉴别假新闻。《MIT 技术评论》文章指出：“即使开发出能有效遏制假内容的系统，也未必能终结这一切。人工智能系统已经能够创的文字，以及令人难以置信的
图像和视频[11]。”更理想的方法，也许是让传统媒体、互联网平台和第三方事实调查公司结成打击假新闻联盟，通过技术手段与人类智慧并举，使假新闻无立足之地。 “第一稿联盟”（First Draft News ）是一种尝试。2015年6月，谷歌新闻实验室等机构联合创建了这样一个非营利组织，旨在揭穿谣言与错误主张，坚持准确报道，扭转误导性新闻霸屏的局面。该联盟网罗了全球三十几家重要媒体，如英国的BBC、卫报，法国的法新社、法国电视台，德国的德新社、广播电视联合会，美国的彭博新闻社、CNN 、纽约时报等，以及Twitter 、Y ouTube 、Facebook 这些社交媒体。另有一批媒体行业的研究机构。目前，中国的大数据服务商凡闻科技（Fanews ）也加入了该联盟。 2017年初，该联盟孵化出名为“交叉核查”（Cross Check ）的项目。该项目因同年的法国总统选举而一战成名。2016年美国总统大选期间，Face- book 因为虚假新闻遭受多方质疑。大选年的法国媒体吸取了教训，利用这个“交叉核查”项目，对与大选相关的新闻进行了大量的事实核查。如“马克龙的妻子真的在Twitter 上发起了支持勒庞的投票调查吗？”核查结果是“没有”。又如“马克龙真的被视频拍到在与工人握手之后马上洗手吗？”结果也是“没有”。 交叉核查联盟采用的“打假”方法主要是将大数据分析与人工的事实核查结合起来。通过谷歌的Trends 和Facebook 的CrowdTangle 工具——前者握有全球的谷歌搜索数据，后者可跟踪某新闻在网络上的传播路径——提供的信息来发现具有争议的爆料内容和故事，然后由多家新闻机构进行查证和公布，编辑和记者也会对争议点进行总结和解析，最后形成可共享的报告发布在交叉核查联盟的平台上。各家新闻社和网络媒体可以用这份报告来判别用户发布的内容的真假。此外，社会大众也可以参与甄别。只要向交叉核
查联盟提交疑问或者有争议的新闻内容链接，交叉核
特斯拉起诉特朗普政府08竞争情报第14卷 第1期
课老师提供指导。“全球新闻业正面临着重新‘认识’和‘报道’事实的挑战。值此，南京大学新闻传播学院开启‘事实事实核查的基本准则是：“得出结论的过程比结论本身更重要！开放的思维比真假更重要！永远
在勘误！” 核时间点、地点、因果、数据、解读、复述、比较。核查过程中，主要针对可被核查的事实性陈述句，而不核查观点；核查文章中的核心陈述句，而非明显口误；核查有可能产生误读、误解的事实性陈述句。每个核真项目结束，会配有一个核真指数，评定新闻是错误的、大部分错误、一半真实、大部分真实、真实的。
参与此项目的南大学生说：“我们在新闻敏感度方面，一直训练如何在铺天盖地的新闻中出最重要的公共事务，从中发现最有可能干扰公众认知的陈述；在语言功底方面，我们慢慢学习如何最清楚、最有效率地把复杂的事件或问题解释清楚，让公众不再被语言障眼法蒙蔽了了解真相的双眼；在逻辑思维方面，我们一直在小心警惕每一事件因果推导中的逻辑陷阱，拨开层层迷雾，探寻事件真相。”这正是未来新闻从业者们不可或缺的职业素养。
发布评论