
目錄
- 1 新聞報導的影片是AI假?媒體識讀與來源查證完整教學
- 2 一、為什麼「新聞影片」會變成造假者的首選目標?
- 3 二、認識 Deepfake:假新聞影片背後的技術原理
- 4 三、假新聞影片的五種常見類型與真實案例模式
- 5 四、假影片的共同特徵:快速檢查的十二個紅旗訊號
- 6 五、來源查證七步驟:一套可重複執行的標準流程
- 7 六、進階技巧:影片本身的細節鑑識
- 8 七、真假資訊來源的分級與辨識
- 9 八、各大平台的查核機制與使用者自保設定
- 10 九、法律層面:偽造新聞影片會觸犯哪些法?
- 11 十、建立你的個人媒體識讀防禦系統
- 12 十一、給教育工作者與家長的教學建議
- 13 常見問答(FAQ)
- 14 結語:在後真相時代,懷疑是一種責任
- 15 作者簡介
新聞報導的影片是AI假?媒體識讀與來源查證完整教學
近年來,隨著生成式人工智慧技術突飛猛進,一段「看起來就是新聞報導」的影片,很可能從主播的臉、聲音到畫面上的台標、跑馬燈,全部都不是真的。2024 年美國大選期間,偽造的名人背書影片層出不不窮;2025 年多起國際衝突事件中,深度偽造(Deepfake)影片更是在社群媒體上瘋傳,連主流媒體都曾誤用;而在台灣,詐騙集團利用 AI 換臉技術偽造親友影片進行「視訊詐騙」的案件也時有所聞。當「有影片有真相」這句話不再成立,每一個使用網路的人,都必須學會一套新的媒體識讀與來源查證能力。
這篇文章將從技術原理講起,拆解假新聞影片的製作手法與常見類型,提供一套可實際操作的逐步查證流程,整理國內外可用的查核工具與資源,並涵蓋法律規範、教育應用與常見問答,協助你建立面對 AI 假訊息時的防禦力。手機如何快速辨識Deepfake?行動裝置AI檢測App推薦
一、為什麼「新聞影片」會變成造假者的首選目標?
在進入技術細節之前,我們必須先理解一個根本問題:為什麼造假者特別鍾愛偽造「新聞報導」形式的影片?
1.1 新聞的權威光環效應
心理學研究早已指出,人們對「新聞台播報」的信任門檻遠低於一般網路影片。新聞畫面帶有幾個強烈的信任訊號:正經的主播、專業的攝影棚、新聞台標(Logo)、跑馬燈、字幕條、記者署名。造假者只需要複製這些視覺元素,就能「借用」大眾對新聞媒體長期累積的信任。這種現象在傳播學上稱為「來源權威的移轉」——觀眾信任的是形式,而非內容本身。
1.2 影音內容的說服力遠高於文字
人腦處理影像的速度比文字快得多,而且「親眼看到」會啟動強烈的情感反應。一段精心製作的假新聞影片,能在十幾秒內讓觀眾產生恐懼、憤怒或同情,而理性查證的過程往往需要幾十分鐘。造假者深諳此道,因此刻意製造「情緒先行、查證在後」的時間差,讓假訊息在查核人員反應過來之前就已擴散數百萬次。
1.3 製作門檻的大幅降低
過去要偽造一段新聞影片,需要專業的剪輯師、配音員、動畫師,成本動輒數十萬元。但現在,任何人只要有一張顯示卡、一點基本電腦操作能力,就能使用免費或低價的 AI 工具,在幾小時內產出以假亂真的偽造影片。AI 詐騙工具包的商業化,更讓「不會寫程式」的普通人也能一鍵生成假影片。
1.4 社群平台的演算法獎勵情緒內容
臉書、YouTube、抖音(TikTok)等平台的推薦演算法,偏好互動率高的內容——而假新聞影片因為挑動情緒,往往比枯燥的真實新聞獲得更高的點讚、分享與留言。這形成了一個惡性循環:越聳動的假影片傳得越快,越多人看到,造假者獲得的流量變現收益也越高。
二、認識 Deepfake:假新聞影片背後的技術原理
要對抗假影片,首先要大致理解它是怎麼做出來的。你不需要成為工程師,但知道基本原理能幫助你理解「哪些地方最容易露出破綻」。
2.1 什麼是 Deepfake(深度偽造)?
Deepfake 是「Deep Learning」(深度學習)與「Fake」(偽造)的合併詞,指的是利用深度學習技術——特別是生成對抗網路(GAN, Generative Adversarial Network)和後來的擴散模型(Diffusion Model)——來合成或篡改影像、聲音的技術。
簡單來說,造假者會用某個人大量的照片、影片、錄音作為訓練資料,讓 AI 學會這個人的臉部特徵、表情習慣、說話嘴型與聲音特質,然後就能讓這個「數位分身」說出他從未說過的話、做出他從未做過的事。
2.2 製作假新聞影片的四種主要技術路徑
| 技術類型 | 原理簡述 | 製作難度 | 常見破綻 |
|---|---|---|---|
| 換臉(Face Swap) | 將目標人物的臉部特徵覆蓋到演員或原始影片的臉上 | 低,免費工具即可完成 | 邊緣模糊、光影不一致、耳朵/牙齒異常 |
| 口型同步(Lip Sync) | 修改影片中人物的嘴型,讓他「說出」指定台詞 | 中 | 嘴型與發音不完全吻合、牙齒糊成一片 |
| 聲音複製(Voice Cloning) | 用少量錄音樣本訓練出相似度極高的合成聲音 | 低,數十秒樣本即可 | 語調平板、缺乏情緒起伏、背景雜音異常 |
| 全片生成(Full Generation) | 用 AI 從零生成整段新聞畫面,包括主播、攝影棚、字幕 | 中高,但工具日益成熟 | 手部畸形、文字亂碼、物理常識錯誤 |
2.3 最容易「穿幫」的身體部位
有趣的是,即使 AI 已經能做出極度逼真的臉孔,仍有一些細節是目前的技術相對難以完美處理的,這也成為人工查核的重要線索:
- 手部與手指:AI 生成的人物常出現手指數量錯誤、關節扭曲、物件穿模(例如手指「穿過」麥克風)。
- 牙齒與口腔:說話時的牙齒常常糊成一片或邊緣不規則,因為訓練資料中口腔內部的影像較少。
- 耳朵與耳環:耳朵的複雜結構是 AI 的弱點,側臉畫面常出現耳朵形狀異常。
- 光影與反射:臉部光線方向與背景光源不一致、眼鏡鏡片沒有正確反射環境。
- 背景文字:AI 生成的招牌、字幕、新聞台標常出現無意義的亂碼文字或扭曲字母。
- 物理常識:煙霧的流動、頭髮的飄動、液體的流動、物體的運動軌跡,都可能違反物理常識。
需要提醒的是:這些破綻正在快速消失。 隨著模型迭代,AI 生成內容的品質每六到十二個月就提升一個檔次。因此,「找破綻」只能作為輔助手段,不能作為唯一的查證依據——這一點在後續章節會反覆強調。
三、假新聞影片的五種常見類型與真實案例模式
3.1 類型一:偽造名人、政治人物的「發言影片」
這是最常見也最具殺傷力的一類。造假者讓政治人物「說出」爭議言論、讓企業家「宣布」某項政策、讓藝人「表態」支持特定立場。這類影片的目的通常是影響輿論、操縱選情或製造社會對立。
辨識重點:若影片中的言論「太剛好符合某個陣營的叙事」,就應該提高警覺。真實的政治人物發言幾乎一定會有多家主流媒體報導,若一段爆炸性發言只有單一來源、只在社群平台流傳,可信度就極低。
3.2 類型二:偽造的「突發新聞」現場畫面
戰爭、空難、地震、爆炸……重大災難發生時,AI 生成的假現場影片會如潮水般湧現。例如以假亂真的「飛彈擊中大樓」畫面、「海嘯淹沒城市」的場景。這類影片利用人們在突發事件中的資訊飢渴與恐慌心理,傳播速度極快。
辨識重點:重大災難一定有大量的現場照片、不同角度的錄影、多個新聞台的現場連線相互印證。如果一段「震撼畫面」沒有任何一家正規媒體同步報導,或與已確認的現場照片對不上(建築物、天氣、時間光線不符),就高度可疑。
3.3 類型三:AI 主播與虛構新聞台
更隱蔽的一種做法是整個「新聞台」都是假的——不存在的頻道、AI 生成的主播、虛構的新聞內容,包裝成看起來像正规新聞的頻道或帳號。這類內容常用於散播特定立場的陰謀論、健康偽科學或金融詐騙資訊。
辨識重點:檢查該頻道是否存在於有線電視系統台或有官方登記的新聞機構名錄中;檢查該頻道的其他影片是否都是同一個「主播」、內容是否都圍繞同一種立場;搜尋該新聞台名稱加上「查核」「fake」等關鍵字。
3.4 類型四:移花接木的「真實影片+假敘事」
這是最古老也最不容易被技術工具偵測的一招:影片本身是真的,但配上錯誤的時間、地點、脈絡。例如把某國軍演的舊畫面說成「剛發生的入侵行動」、把電影拍攝現場說成真實事件、把抗議遊行的畫面剪接成「暴動」。有時甚至不需要 AI,光靠剪接與配文就能達到欺騙效果。
辨識重點:這類影片的破解關鍵是關鍵畫面截圖搜尋(Reverse Image Search)。把影片的幾個代表性畫面截圖,用 Google 以圖搜圖或 TinEye 搜尋,往往能找到這段影片更早的原始出處。
3.5 類型五:AI 視訊詐騙與變臉直播
這是與每個人切身相關的一類。詐騙集團利用 AI 換臉與變聲技術,在視訊通話中冒充你的親友、老闆或銀行客服。台灣警方已多次通報「視訊詐騙」案例:受害者接到「兒子」的視訊電話,畫面中的人長得、聽起來都和兒子一模一樣,聲稱急需匯款,結果受騙金額動輒數十萬甚至上百萬元。
辨識重點:即時換臉在動作幅度大、光線變化快、轉頭時最容易穿幫。若對方在視訊中長時間低頭、刻意避開某些角度、或以「鏡頭壞了」為由只露半張臉,應立即提高警覺。最重要的一條鐵律:涉及金錢的要求,一律掛電話後用「原本的電話號碼」回撥確認,絕不直接在通話中處理。
四、假影片的共同特徵:快速檢查的十二個紅旗訊號
在進行正式查證之前,你可以先用這份「紅旗清單」對影片做第一輪篩檢。符合的項目越多,影片是假的可能性就越高:
- 只有單一來源:全網只有這個帳號發布,沒有任何正規媒體跟進。
- 情緒極度聳動:內容專門挑動恐懼、憤怒、仇恨或狂喜。
- 缺乏基本資訊:沒有明確的時間、地點、當事人、消息來源署名。
- 帳號本身可疑:新註冊、無歷史貼文、頭像可疑、追蹤數與互動數異常。
- 發布時機敏感:選在選舉前、災難發生後、社會對立高峰時發布。
- 音畫不同步:口型與聲音對不上、聲音有機械感或異常回音。
- 畫面異常模糊或異常清晰:刻意用低畫質掩蓋破綻,或 AI 生成的過度平滑感。
- 背景文字異常:招牌、字幕、台標出現亂碼或無意義文字。
- 物理常識錯誤:光影不一致、物體穿模、動作不自然。
- 要求立即行動:影片結尾呼籲「快分享」「不要讓這個消息被封殺」。
- 夾帶可疑連結:描述欄或留言區有縮網址、不明的投資連結。
- 內容與常識矛盾:例如氣候、植被、建築風格與聲稱的地點明顯不符。
要特別注意:這份清單是篩檢工具,不是判決工具。通過了所有檢查不代表影片就是真的,出現紅旗也不代表百分之百是假。它的作用是幫你決定「這段影片值不值得花時間深入查證」。
五、來源查證七步驟:一套可重複執行的標準流程
這一章是全文的核心。以下七個步驟,是專業事實查核工作者與資訊識讀教育者普遍採用的查證框架,任何人都可以學會並應用。
步驟一:停下來,控制自己的情緒反應
這聽起來不像「技術步驟」,卻是最關鍵的一步。心理學研究發現,強烈的情緒會顯著降低人們查證訊息的意願與能力。當你因為一段影片感到憤怒、恐懼或興奮時,大腦的「系統一」(直覺反應)會壓過「系統二」(理性分析)。所以查證的第一守則是:在按下分享鍵之前,先深呼吸十秒鐘,問自己:「我為什麼想分享這個?是事實讓我想分享,還是情緒讓我想分享?」
步驟二:追蹤影片的最初出處
在社群平台上,一段影片可能被轉發了幾十手,標題也被改得面目全非。查證的第一步是找到「最原始的發布者」:
- 檢查發布帳號的歷史貼文、註冊時間、過去的內容主題。
- 使用工具(如 InVID / WeVerify 瀏覽器外掛)解析影片,查看影片是否被剪接過、找出最早的上傳版本。
- 注意:原始發布者「最早發布」不代表內容為真,但這一步能幫你判斷訊息傳播的脈絡,以及發布者是否有造假的動機與前科。
步驟三:關鍵畫面截圖反向搜尋
這是查核工作者最愛用的技巧之一,對付「移花接木型」假影片特別有效:
- 從影片中挑出 2 到 3 個最有代表性的畫面(場景、人物、建築物)。
- 截圖後使用 Google 圖片「以圖搜圖」、Google Lens、TinEye 或 Yandex 圖片搜尋。
- 如果這段影片是舊片新用,你很可能會找到幾年前甚至十幾年前的原始出處。
- 即使找不到完全相同的照片,也可以檢查畫面中的地標是否真實存在:把畫面中的建築物、招牌、山脈拿去搜尋,驗證「聲稱的拍攝地點」是否合理。
步驟四:用關鍵字進行「交叉搜尋」
假新聞影片通常會有配套的文字敘述。把影片的關鍵元素(人物、事件、地點)組合成多組關鍵字,分別搜尋:
- 在搜尋時加上 fact check / 查核 / 造假 / debunk 等字樣。
- 若事件是國際性的,試著用英文搜尋——國際查核組織(如 AFP Fact Check、Reuters Fact Check、BOOM、Full Fact 等)通常會比台灣本地查核更快處理國際素材。
- 同時搜尋「支持方」與「反對方」的關鍵字,了解事件是否有不同版本的說法,避免只接觸單一立場的資訊。
步驟五:檢查有沒有「多源互證」
這是判斷真偽最硬的標準。真實的事件會留下大量相互獨立的證據:
- 是否有至少兩家以上彼此獨立的正規新聞機構報導同一事件?
- 是否有不同角度、不同拍攝者的現場影像可以互相印證?
- 當地官方(政府、警方、消防、氣象單位)是否有發布相關資訊?
- 目擊者是否在社群媒體上有第一時間的原始貼文(而非轉發)?
如果一段「重大新聞影片」只有單一來源、沒有任何旁證,無論它看起來多麼逼真,都應該視為「未經證實」。
步驟六:使用 AI 偵測工具(但僅作輔助)
市面上有許多偵測 AI 生成內容的工具,例如:
| 工具類型 | 代表工具 | 適用情境 | 注意事項 |
|---|---|---|---|
| AI 影像偵測 | Hive Moderation、AI or Not、Illuminarty | 檢測圖片是否為 AI 生成 | 誤判率高,不能單獨作為判斷依據 |
| Deepfake 影片分析 | Deepware Scanner、Reality Defender | 分析影片是否有換臉痕跡 | 對低畫質影片效果差 |
| 元數據檢查 | ExifTool、線上元數據檢視器 | 查看圖片/影片的拍攝資訊 | 社群平台會抹除元數據,截圖也會失去元數據 |
| 瀏覽器查核外掛 | InVID-WeVerify | 影片解析、截圖反向搜尋 | 需安裝外掛,有學習曲線 |
必須強調:目前沒有任何一款 AI 偵測工具的準確率達到可以放心依賴的程度。研究顯示這些工具的偽陽性與偽陰性比例都不低,而且「偵測器分數」很容易被法官、教師或一般使用者誤解為判決證據。正確的使用方式是:偵測結果可以當作線索,佐證必須回到步驟三、四、五的實質查證。
步驟七:查詢專業事實查核組織
如果自行查證後仍無法確認,或事件影響重大,應該求助專業查核機構:
- 台灣:台灣事實查核中心(TFC)、MyGoPen、蘭姆酒吐司(現已轉型)、假訊息查證相關社群協作平台、Cofacts 真的假的(LINE 機器人協作查證)。
- 國際:AFP Fact Check、Reuters Fact Check、Associated Press Fact Check、Full Fact(英國)、Snopes、PolitiFact、Boom(印度)、Africheck、Chequeado 等,多為國際事實查核聯盟(IFCN)認證成員。
- 求助方式:多數查核機構接受民眾投稿查核請求,也可以直接在查核報告資料庫中搜尋關鍵字。
走完這七步,你對一段影片的真偽應該能有相當有把握的判断。如果仍有疑問,那就請維持「未經證實」的態度——在資訊查證的世界裡,「不知道」是誠實且負責任的答案。
六、進階技巧:影片本身的細節鑑識
除了追查來源,直接檢視影片內容也能發現許多線索。以下按鑑識的難易度排列:
6.1 入門級:文字與字幕檢查
- 新聞台標是否正確:假影片常用仿製的台標,字體、顏色、比例可能有微妙差異。比對正牌新聞台的官方畫面。
- 跑馬燈內容是否合理:假影片的跑馬燈常常文不對題、文字重複、或出現語法不通的句子。
- 字幕翻譯:有些假影片是外國素材配上中文字幕,字幕與原始語言完全無關——找懂原文的人核對即可拆穿。
6.2 中階:人物與場景一致性
- 光影方向:觀察人物臉部的光源方向是否與背景環境光一致。AI 換臉最常見的破綻就是臉部的亮度、色溫與背景格格不入。
- 邊緣瑕疵:放大檢查臉部與頭髮、脖子的交界處,換臉技術常在此留下模糊、抖動或閃爍。
- 幾何一致性:眼鏡的反光、耳環的晃動、頭髮與肩膀的遮擋關係是否符合物理邏輯。
- 場景物件:桌上的物品、背景的電子鐘、天氣與季節(樹葉、衣物厚度)是否符合聲稱的時間地點。
6.3 進階:聲音分析
- 聲音與環境:在戶外喧鬧場景,聲音卻乾淨得像錄音室,是常見的合成跡象。
- 情緒與語調:AI 複製的聲音常顯得語調平板、缺乏自然的停頓與呼吸聲。
- 背景音樂蓋過人聲:造假者常用吵雜的背景音樂掩蓋聲音合成的破綻。
- 口音與用詞:冒充特定人物時,用詞習慣、口頭禪、口音細節常對不上。
6.4 地緣與時序驗證
- 天氣驗證:查詢聲稱日期、地點的歷史天氣資料,比對影片中的天氣、光照、陰影方向。例如影片聲稱是台北午後,但陰影顯示太陽在南邊且很低——可能根本是早上的畫面,或根本不是台北。
- 太陽方位:太陽影子指向可以用來推算拍攝時間與方位,是資深查核員常用的技巧。
- 植被與地貌:亞熱帶的台灣不會出現寒帶針葉林,若「台灣街頭」的影片背景是溫帶景觀,直接破功。
七、真假資訊來源的分級與辨識
查證過程中,你會接觸到各式各樣的資訊來源。學會給來源「分級」,能大幅提升效率:
7.1 來源可信度光譜
| 層級 | 來源類型 | 例子 | 使用建議 |
|---|---|---|---|
| A級 | 官方一手來源、國際查核組織 | 政府公報、法院判決書、IFCN 認證查核機構 | 可作為查證的錨點 |
| B級 | 正規新聞機構 | 具有編輯台、採訪團隊、更正機制的媒體 | 交叉比對兩家以上 |
| C級 | 專業人士個人帳號 | 學者、醫師、律師、工程師的專業發言 | 注意其專業領域是否對口 |
| D級 | 一般使用者內容、匿名爆料 | 社群貼文、論壇、通訊軟體轉傳 | 僅作為線索,需獨立驗證 |
| E級 | 已知造假帳號、內容農場 | 無署名網站、大量複製貼上的頻道 | 直接列入黑名單 |
7.2 快速評估一個網站或帳號的五個問題
- 它有沒有清楚的「關於我們」頁面與聯絡方式?
- 它有沒有更正(correction)機制的紀錄?
- 它的營運方式是什麼?有沒有揭露資金來源與廣告政策?
- 它的內容是署名報導為主,還是匿名拼貼、翻譯、 aggregation?
- 搜尋它的名稱加上「爭議」「造假」「reliable」等字,看看第三方如何評價它?
7.3 關於「主流媒體也會報錯」這件事
在媒體識讀的討論中,常有人質疑:「正規媒體也會出錯,為什麼要相信它?」這是個好問題,答案是:我們相信的不是「它永遠正確」,而是「它有更正機制、有專業流程、出錯的機率較低且可以被追責」。 正規媒體誤報時,通常會發布更正啟事;內容農場與造假帳號不會。查證時引用正規媒體,是採用「機率上最可靠」的來源,而非尋求絕對真理——這種機率思維本身就是成熟的資訊素養。
八、各大平台的查核機制與使用者自保設定
8.1 平台端的作法
面對 AI 假訊息海嘯,各大平台陸續推出應對措施(以下為截至目前的普遍趨勢,實際政策會隨時間調整):
- YouTube:要求 AI 生成或合成的逼真內容必須標註,並降低誤導性內容的推薦權重;對醫療、選舉等高風險議題有更嚴格政策。
- Meta(Facebook/Instagram):對 AI 生成內容提供標籤機制,與第三方查核機構合作下架或降低觸及,並對重複分享虛假資訊的帳號祭出處分。
- TikTok:要求 AI 生成內容標註,禁止未標註的逼真合成人物內容,並提供「作者標註 AI 生成」的工具。
- X(Twitter):推出 Community Notes(社群註記)機制,由使用者協作在可疑貼文下方附加背景資訊與查證連結。
8.2 你可以開啟的自保設定
- 關閉「自動播放」與「個人化推薦」中過度聳動的內容類別。
- 啟用平台的事實查核提示功能(例如 Meta 會在某些內容上加註「經查核機構查證為不實」)。
- 對來路不明的帳號使用「減少此類內容」的回饋,訓練演算法不要餵你假訊息。
- 在通訊軟體(LINE、WhatsApp)上開啟可疑連結警告,並善用「已讀標籤檢查」與「轉傳次數標示」功能——LINE 上被轉傳多次的訊息會出現提示,這是重要的警訊。
8.3 一個殘酷但必要的認知
平台的查核機制永遠追不上內容產生的速度。以 Facebook 為例,每天新增的貼文以億計,查核機構的人力只能處理其中極小的一部分。因此不能把安全寄託在平台身上——個人的查證能力才是最後一道、也最能依靠的防線。
九、法律層面:偽造新聞影片會觸犯哪些法?
了解法律後果,一方面是保護自己(不要成為轉傳者),另一方面是理解有哪些救濟管道。
9.1 台灣相關法律
| 法律 | 相關條文方向 | 適用情境 |
|---|---|---|
| 刑法第 310 條 誹謗罪 | 散布不實言論損害他人名譽 | 用假影片毀謗特定人物 |
| 刑法第 313 條 誹毀信用罪 | 散布謠言損害公司商譽 | 偽造企業家發言影響股價 |
| 社會秩序維護法 | 散布謠言足以影響公共安寧 | 製造社會恐慌的假災難影片 |
| 總統副總統選罷法等選罷法規 | 意圖使候選人當選或不當選而散播不實訊息 | 選舉期間的假背書影片 |
| 個人資料保護法 | 未經同意使用他人肖像、聲音 | 未經同意製作他人 Deepfake |
| 兒少相關法規 | 製作或散播兒少性剝削的 Deepfake | 涉及未成年人的合成影像(絕對紅線) |
| 反詐騙相關修法 | 詐欺罪加重、沒收犯罪所得 | AI 視訊詐騙 |
近年台灣立法與司法實務對 Deepfake 的態度日趨嚴格,法院在量刑時會考量 AI 技術的欺騙性與散布範圍。此外,若假影片侵害名譽或人格權,受害者還可提起民事訴訟請求損害賠償。
9.2 其他國家的立法趨勢(簡介)
- 美國:各州陸續立法,許多州規定選舉相關的 Deepfake 為刑事犯罪;聯邦層面有《AI 揭露法案》等提案討論中。
- 歐盟:《數位服務法》(DSA)要求平台對系統性風險負責,AI 生成內容的標示義務則由《人工智慧法》(AI Act)逐步落實。
- 中國:對深度合成服務提供者設有嚴格的管理規定,要求實名制與顯著標識。
- 韓國:對色情 Deepfake 有嚴厲的刑事規範,並強制通訊軟體與平台負擔更多責任。
立法趨勢的共同方向是:要求標示、加重刑責、平台問責、保護選舉與未成年人。但要務實地說,跨國性的假訊息操作往往落在執法管辖的縫隙中,法律是必要但不充分的防線。
十、建立你的個人媒體識讀防禦系統
查證是「事後補救」,識讀是「日常體質」。以下是一套可長期執行的個人防禦系統:
10.1 資訊飲食管理
就像注意飲食健康一樣管理你的資訊來源組合:
- 主餐:2 到 3 家不同立場的正規新聞媒體。
- 配菜:專業領域的可靠來源(公衛機構、氣象局、統計處、學術機構)。
- 零食:社群媒體——可以吃,但知道它高油高鹽,別當主食。
- 定期斷食:每天設定無社群媒體時段,降低演算法對你注意力的操控。
10.2 三個日常小習慣
- 看到聳動標題先讀完內文再判斷:研究顯示多數分享行為發生在使用者未點開全文的情況下。
- 對「完全符合我立場」的訊息特別警惕:我們最容易被「自己想相信的事」欺騙,這叫確認偏誤(Confirmation Bias)。
- 分享前多打一行字:在轉發時附上「這是我查過的,來源是某某某」,或「我還沒查證,大家幫忙看看」。這個小動作能讓整個社群網路的資訊品質提升。
10.3 家庭與職場的查證協作
- 與家人約定「金錢相關資訊一律電話二次確認」的家規,對付 AI 視訊詐騙。
- 為家中長輩的手機安裝防詐 App、示範如何查核 LINE 群組轉傳訊息。
- 在公司建立「重要訊息不以通訊軟體單一管道確認」的流程,防範深偽語音冒充主管的「CEO 詐騙」。
十一、給教育工作者與家長的教學建議
媒體識讀已納入台灣的課綱(如社會領域、綜合活動、資訊科技),但多數成人讀者是離開學校後才需要面對 AI 假訊息海嘯。以下教學設計適合課堂、社大、讀書會與親子共學:
11.1 一節 90 分鐘的入門課程設計
- 破冰(10 分鐘):播放兩段影片,一真一假,讓學員投票判斷,再公布答案——多數人會猜錯,這是最佳的動機建立。
- 概念講解(20 分鐘):Deepfake 原理、五種假新聞影片類型、十二個紅旗訊號。
- 實作演練(40 分鐘):學員分組,每組拿到一段可疑影片(教師事先準備的實際案例),依七步驟流程實地查證,並上台報告結論。
- 工具介紹(15 分鐘):以圖搜圖、InVID 外掛、AI 偵測工具現場示範,並強調工具的局限性。
- 反思與承諾(5 分鐘):每人寫下一個自己願意改變的分享習慣。
11.2 教學中的關鍵觀念
- 不要教「看穿一切」:要教「如何建立合理懷疑、如何查證、如何承認不確定」。過度自信的識讀教學反而讓人更容易被騙。
- 用真實案例,不用自創素材:實際查核機構發布過的案例最能引起共鳴。
- 跨科整合:地理課教地標辨識與氣候查證、數學課教統計圖表誤導手法、國文課教修辭與情感操控、資訊課教反向搜尋與元數據。
常見問答(FAQ)
Q1:AI 偵測工具說這影片 99% 是 AI 生成的,可以確定是假的嗎? 不一定。AI 偵測工具存在顯著的誤判率,低畫質、多次轉檔、經過壓縮的影片特別容易被誤判,反之高品質 Deepfake 也可能被判為真。偵測結果只能當作線索之一,最終仍要靠來源查證與多源互證。把偵測器當「測謊機」是常見的誤用。
Q2:影片有新聞台標、有主播,看起來很專業,怎麼會是假的? 正因為新聞形式自帶信任感,它才是造假者的首選包裝。台標和攝影棚畫面都可以用 AI 或剪接軟體仿製。請記住核心原則:形式不能證明內容。同樣的畫面若出現在不知名的 YouTube 頻道,查證標準應該比看到電視播出更嚴格,而不是更寬鬆。
Q3:我在群組收到長輩轉傳的假影片,怎麼勸才不會吵架? 避免直接說「這是假的,你別再傳了」,這會觸發防衛心態。可以改用:「這個我也看過,我後來查了一下,好像有出入,我傳查核報告給你參考」——把重點放在「我們一起搞清楚」而非「你錯了」。長期而言,教長輩一兩個簡單技巧(如以圖搜圖、看查核中心網站)比一次次糾正更有效。
Q4:如果我不小心分享了假影片,該怎麼辦? 立即刪除或加上更正聲明(「經查證此內容為不實訊息,請勿再轉傳」)。迅速更正不僅止損,還能建立你的可信度。研究發現,主動更正錯誤訊息的人,之後發布的內容會被受眾以更高的標準信任——這叫「更正的誠信紅利」。沉默刪文反而讓截圖流傳,造成更大誤解。
Q5:為什麼假影片常常查不盡、刪不完? 因為假訊息產生的成本極低(幾分鐘生成一段),而查證需要專業人力(數小時到數天),這是不對稱戰爭。解方不是更努力刪,而是提升全民識讀,讓假訊息「傳不動」——當越來越多人在分享前先查證,假訊息的擴散係數就會低於 1,自然消亡。
Q6:查證這麼麻煩,有沒有懶人包? 有最小可行版本:(1)停十秒,問情緒;(2)Google 關鍵字加「查核」;(3)找不到查核報告就不分享。 這三步只需兩分鐘,能攔下八成的假訊息。進階的反向搜圖、多源互證留給重大或你要公開轉發的內容。
Q7:未來 AI 影片會逼真到完全無法分辨嗎?技術上有希望嗎? 內容本身的分辨難度確實在快速上升,「用眼睛看」終將失效。但查證的重心本來就不該放在鑑識畫面,而是鑑證來源:這段影片最早由誰發布?有無獨立旁證?官方與專業查核機構怎麼說?這條路線不會因為生成技術進步而失效。另外,內容憑證(Content Credentials,C2PA 標準)等來源標示技術正在推廣,未來相機與編輯軟體將能為真實素材附上加密產地證明,這是樂觀的方向。
Q8:AI 假影片只會用來做壞事嗎? 不是。同樣的技術也用於電影特效、語言學習、無障礙溝通(讓失聲者用合成聲音說話)、懷念已故親人等正面用途。技術是中性的,問題在於使用意圖與是否揭露。治理的方向應是「要求標示、追究惡意濫用」,而非全面禁止技術本身。
Q9:我是記者或內容工作者,如何避免在報導中誤用 AI 假素材? 建立「素材三重驗證」流程:任何非自己拍攝、非官方提供的影像,必須(1)完成關鍵畫面反向搜尋;(2)確認上傳者身分並取得書面授權;(3)由第二位編輯獨立複查。重大事件素材優先使用通訊社或自家採訪畫面。多家國際媒體已因誤用 AI 假畫面而公信力受損,這是專業流程可以避免的錯誤。
Q10:小孩幾歲可以開始學媒體識讀? 越早越好,但要配合認知發展。學齡前可從「廣告和卡通是假的」開始;小學可教「圖片可以修改、標題可以騙人」;中學以上可進入完整的查證流程教學。研究顯示,接受過系統性識讀教育的學生,辨識假訊息的準確率可顯著提升,且這種能力會遷移到日常網路行為。
結語:在後真相時代,懷疑是一種責任
我們正處於一個歷史的轉折點:影像從「證據」變成「主張」。一百年前,照片讓人們相信「眼見為憑」;二十年前,修圖軟體讓人們學會「照片可能是修過的」;而今天,AI 讓我們必須接受「影片可以完全憑空生成」。這不是技術的墮落,而是人類資訊環境的常態升級——正如印刷術既帶來科學革命也帶來謠言小冊子,關鍵永遠是社會整體的識讀能力。
對你個人而言,這篇文章最重要的訊息只有三句話:看到聳動內容,先停十秒;查證三步走(搜關鍵字、反搜圖、找查核);查不了就不分享。 當千萬人都這麼做,AI 假新聞影片就會失去它最需要的燃料——我們不假思索的轉發。
而對於「查證麻煩」這件事,請換個角度想:查證不是負擔,是數位公民的基本禮儀。你在按下分享鍵前花的兩分鐘,省下的可能是朋友的一次恐慌、群組裡的一場爭吵、長輩的一筆積蓄,甚至是一場社會動盪。在假訊息的時代,謹慎,就是最溫柔的善良。
作者簡介
林奕辰(筆名) 資深新媒體觀察者與媒體識讀教育工作者,長期關注數位資訊生態、AI 生成內容治理與事實查核機制的發展。曾於大專院校、社區大學與企業內訓講授媒體素養與資訊查證課程,致力將專業查核方法轉譯為一般大眾可實際運用的日常技能。相信面對 AI 時代的資訊混亂,最好的防禦不是更聰明的演算法,而是更清醒的每一個人。
