AI生成新闻泛滥，生成少内容真实性核查必不可少早上刷手机，新闻性核一连看了三条“突发新闻”，泛滥点进去一看，内容行文流畅，真实结构完整，查必男女免时间地点人物样样齐全。生成少可总觉得哪里不对劲——翻到评论区，新闻性核有人指出“这地方上个月刚拆了”，泛滥有人贴出卫星图反驳“事发地点根本不是内容这栋楼”。再往下拉，真实文章底部一行小字：“本文由AI生成，查必仅供参考”。生成少心里咯噔一下。新闻性核现在这种事儿太常见了。泛滥AI写新闻已经不是新鲜事，从天气预报到体育赛事，从财报摘要到突发快讯，机器写作早已渗透进日常信息流。问题在于，当AI生成的内容开始混在真人采写的报道里，读者根本分辨不出哪句是记者跑断腿问出来的，哪句是模型根据概率“猜”出来的。为什么AI新闻容易“翻车”先别急着骂AI。它本质上是一个“文字接龙”工具，根据上文预测下文，用最合理的鉴黄师。词句把话说完。但“合理”不等于“真实”。它不知道窗外下了多大的雨，也没去事故现场闻过焦糊味，更没跟当事人面对面聊过天。它的世界是由训练数据构成的——而这些数据里，错误、偏见、过时信息比比皆是。举个我经历过的例子。某地发生小规模地震，AI快讯秒出：“震中位于XX街道，暂无人员伤亡。”数据来源是地震台网，这没问题。但紧接着，另一个AI生成的自媒体文章开始“深度解析”，说“此次地震与当地页岩气开采存在关联”，还引用了几篇看起来像模像样的论文。结果地质专家出来辟谣，纯属胡扯。AI只是把“地震”和“页岩气”这两个高频词拼在了一起，就制造了一条假新闻。更让人后背发凉的是，AI编造的细节往往特别“真”。它知道小人物该说什么话，知道描写天气要加一点风，借黄师知道引述“目击者”时要说“我当时正在……”。这些套路，模型学得滚瓜烂熟。读者读完觉得“细节丰满，很有画面感”，结果全是幻觉。真实性核查到底在核查什么很多人以为核查就是“查有没有说谎”。其实没这么简单。至少分三层：第一层，事实核查。时间、地点、人物、数字、经过，是否与权威信源一致。这一层AI能做一部分，比如交叉比对数据库。但遇到新发生的事、没被记录的事，AI就抓瞎了。第二层，信源核查。文章里引用的“专家”“报告”“数据”，到底存不存在？是不是张冠李戴？曾经有AI生成的健康文，引用“哈佛大学某教授”的看黄用的观点，结果哈佛大学根本没这人，是模型凭空捏造的。信源核查需要查原始出处、查机构背景、查作者资质，这些活儿，AI干不了。第三层，逻辑核查。文章论证是否自洽？因果链条是否成立？有没有偷换概念？比如“某地区犯罪率下降，因为安装了AI摄像头”——这可能是巧合，可能是统计口径变化，也可能摄像头真的有用。但AI不会去质疑，它只会顺着“看起来最顺”的逻辑往下写。人类编辑这时候要跳出来问一句：“这两件事有因果关系吗？”核查的难点不在技术，在人心说实话，技术手段已经有不少了。水印标记、来源追踪、交叉验证平台、深度伪造检测……但问题在于，读者不买账，平台不积极，创作者更不在乎。平台想的看黄的是流量。AI生成的内容成本低、产量大，一天发几百篇，总有一篇爆。后台算法看的是停留时间、点击率、转发量，才不管内容是不是人工核过。只要假新闻跑得比辟谣快，那就永远有市场。创作者想的是收益。用AI批量生产“情感故事”“历史解密”“健康养生”，配上夸张标题，贴片广告一挂，躺赚。谁愿意花三天时间去核实一篇稿子的真实性？不划算。读者想的是“快”。地铁上刷到一条爆炸新闻，转手就发家庭群。等到傍晚发现是假的，家里长辈早传开了。人类对“新鲜事”的渴求，远大于对“准确事”的耐心。这叫信息时代的悖论——越吃快餐，越饿。但核查不能靠读者自觉有人会说：你自己长点脑子不就行了？看到离谱新闻先别信。这话没错，但不够用。因为AI生成的假新闻，正在变得越来越“不离谱”。它懂得避开明显的雷区，用模糊的措辞，打擦边球，让你信个八九分。而且，人的精力是有限的。一天接收几百条信息，每一条都去溯源，不现实。我们要的不是让每个读者变成侦探，而是让行业建立一套“出厂质检”机制。举个例子。传统新闻有“三审三校”，采编分离，记者、编辑、主编层层把关。AI时代，这套流程应该被继承，而不是因为“AI写的不用核”就被废弃。恰恰相反，越是AI生成，越要人工复核。现在有些媒体做了不错尝试——AI生成初稿后，由人工记者对照原始数据、采访录音、现场视频进行修订，确认无误再发布。有家体育媒体用AI写赛后快讯，但每个数字、每个引语后面都标注了来源链接，读者点进去就能看到原始素材。这就很好。技术上能做什么：从被动追查到主动防守除了人工复核，技术层面也有些实用的做法。一是强制标识。AI生成的内容，必须打上“AI生成”标签，就像食品包装上的配料表。读者看到标签，自然会多一分警惕。欧盟已经要求生成式AI对输出内容进行标记，国内也有相关规定。但执行层面还比较粗放，有些AI工具只是轻描淡写地加一句“由AI生成”，藏在页面底部，普通人根本注意不到。二是可信时间戳。利用区块链或中立的第三方机构，给关键新闻内容打上时间戳，记录“什么时间、由谁、基于什么数据生成了什么信息”。一旦后续信息被篡改，可以溯源。就像给新闻盖个骑缝章。三是反向图片识别。很多AI假新闻配了图，用反向图片搜索能查到这张图是不是老图、是不是PS过、是不是在其他事件里出现过。技术上已经成熟，但很多平台懒得做。四是算法降权。对未标注或无法证实信源的AI内容，在推荐系统里降权处理。让“快消息”让位于“准消息”。这不是限制言论自由，而是给真实内容多留点氧气。没有完美的答案，但可以有更好的默认选择说到底，AI生成新闻不全是坏事。它效率高、覆盖广，能写枯燥的数据报表，能快速播报财报电话会议。但所有工具的发明，都伴随责任。汽车跑得快，所以要系安全带；AI写得多，所以更要核真。你可能会说：那我自己写点东西，偶尔用AI辅助一下，也得那么较真吗？就我的经验来说，把AI当“搜索增强工具”用，而不是当“代笔”。 我需要数据，让它帮我整理；我需要背景资料，让它帮我收集；但关键的判断、核实和表述，自己来。偶尔偷懒引用AI的一句话，也会顺手搜一下，看看有没有权威来源支撑。这个习惯，能减少九成以上的“AI幻觉阅读体验”。前几天又看到一条AI生成的中医养生文，说“吃饭时喝汤会伤胃”，底下几千条评论都在讨论。有个评论说：我爷爷喝了一辈子汤，九十多了，胃好得很。这个评论比那篇文章更能说明问题。我们没法阻止AI生成内容，但我们可以选择用什么样的态度去对待它。多问一句“消息从哪来的”，多看一眼“谁写的原文”，多等一会儿“有没有官方回应”。这三个“多”，花不了多少时间，但能挡住大部分假新闻。核查不是一次性的任务，它更像是一种习惯。就像出门前会不会检查钥匙，发消息前会不会看一眼收件人。AI时代，把这个习惯找回来，比装什么过滤软件都管用。
应对暑期驾考高峰 泉州交警推出多项便利措施
每年暑假，高校学生、高中应届毕业生等预约参加驾考的学员人数都会大幅增加。为了方便广大学员暑期学车考证，全力保障暑期驾考高峰不出意外，泉州市公安局交警支队驾管大队持续深化“放管服”改革，推出多项驾考便利措施。
交警进驾校开展文明交通宣传活动
科目三增设周末考试专场
据悉，驾管大队结合实际情况进行研判，一方面安排录表人员，加班加点录入新训学员信息，一方面想方设法扩大考场考能。其中支队科目一考场每日考量增加至900人，支队考试场小型汽车C1、C2科目二、科目三于8月13日至9月4日期间的周六、周日（共8天）增设“机动车驾驶人考试周末专场”，科目二计划人数600人/天、科目三计划人数700人/天。
在支队考试场，驾管大队启用了全域防疫道闸，进入考场人员只需刷身份证或健康码即可完成测温和健康码自动核验，大大提高了通行效率。
此外，暑期以来，全市各地公安交警部门组织警力深入辖区驾校开展文明交通“五个一”进驾校宣传活动。通过“一堂文明交通法治课”、分发宣传单、粘贴宣传挂图等方式，教育学员们在日常出行中自觉做到不闯红灯、开车不使用手机、不酒驾醉驾、不超员，坚决杜绝各类交通违法，努力做一名文明守法、安全行车的驾驶人。 （泉州晚报记者 傅恒 通讯员 赵美缘 文/图）
蒂格开价蹲监狱30天：400万美元，还得拿钱疏通狱友
前NBA球员蒂格在播客节目《CLUB 520》里聊到一个话题：给他多少钱，他愿意去监狱蹲30天。
从100万一路加到400万
蒂格先表示，如果有人肯给100万美元，他会告诉狱友别惹自己，等一个月后出狱，会送10万美元进来。随后他又改口，说自己需要200万，不，是400万，因为出狱后还要回来给狱友“送温暖”。
这段对话来自蒂格自己的播客，他是在轻松闲聊中给出这个数字，并没有真正要进监狱的意思。
相关新闻 （共 6 条）