然而《纽约时报》这一充满怀旧意味的举动似乎难以挽回新闻业作为“真相捍卫者”的历史地位。新闻生产正在从“职业范式”转向“网络化范式”（黄旦，2015），真相不仅仅掌握在建制主体手中。此外，数字技术深度卷入信息生产与流通，一方面真相似乎更加唾手可得，但另一方面真相也愈加稀缺和珍贵（科瓦奇、罗森斯蒂尔，2014）。不断涌现的数字技术对“真相生产”带来诸多挑战，深度伪造即是典型表征。深度伪造是人工智能深度学习领域的一个分支，依靠算法，它可以生成“以假乱真”的视频，冲击“眼见为实”的真相观念，也给核实等实践操作带来挑战。长久以来，新闻抵达真相依赖的是新闻真实性理论指导下的职业规范，包括信源检验、事实核查等。但面对深度伪造的冲击，职业规范略显无力，真实性理论也亟需更新。
本研究采用案例分析的方法，以深度伪造为研究对象，在进行文献讨论后，提出从网络化的视角重新审视数字时代的新闻真实，并重点考察技术物在求真实践中的能动性。文章提出“新闻真实网络”的概念，网络中存在多元主体，如机构、公众、从业者、技术物等。多元主体构成网络中的节点，节点变动逻辑在于“循迹”，“迹”指数字痕迹。网络中节点越多，其价值也就越大，越容易生成持续的“真实网络”。
一、文献回顾
【资料图】
真实是新闻的生命，然而进入数字新闻时代，经验主义认识论遭遇较大挑战，真实逐渐成为“首要又令人困惑”的原则（科瓦奇、罗森斯蒂尔，2014）。对这一“古老的新问题”（王辰瑶，2022），学术探讨颇为热烈，我们将其总结为两种路径。一种路径是从本体论出发，尝试拆解何为新闻真实（芮必峰，2004；杨保军，2008；姜华，2022）；另一种努力是从认识论的角度，试图重新阐释新闻真实，由此诞生了若干个“××真实”的阐释语簇与概念集群（杨奇光、周楚珺，2021），比如包容了媒介技术面向的“体验真实”（华维慧，2020），吸纳了传受双方的“收受真实”（杨保军，2017），以符号学为理论渊源的“符号之真”（蒋晓丽、李玮，2013）等。
（一）何为新闻真实
“新闻真实”是由“新闻”和“真实”两个复杂概念组合而成的，它具有多维度的解读空间。李良荣所著《新闻学概论》中曾提出新闻的两种界定方式，其一将新闻视作“新近事实的信息”，即“信息说”；另一种认为“新闻是新近事实的报道”，也被称为“报道说”。对新闻真实的讨论也沿着两条路线展开。如果新闻是“信息”，是人类在日常实践中经验和关注的新近事实，那么在此意义上的“新闻”属于社会存在范畴，是一种记者无法改变的“客观实在”，那也就意味着讨论“新闻是否真实”没有必要。但如果说新闻是“报道”，那就是对“经验事实”的表象和陈述，在此意义上的“新闻”属于社会意识范畴，是一种被物化之后的“物质实体”（芮必峰，2004）。
芮必峰认为新闻学所研究的事实是在社会实践中与人相遇，并且能够被人感知的“经验事实”。这种区分有利于明晰新闻真实的概念对象，我们取其实践的面向，将数字时代的新闻置于公共知识生产范畴，它超越社会意识范畴，是面向公众的、持续的信息交流实践。真实则是另一个棘手的概念，其英文写作truth，有时也译作真理或真相，但这些概念在不同语境下有不同所指，这里不展开论述，我们以“真实”作为文中探讨的概念。
哲学研究中存在着三种主要的真实观——符合论（the correspondence theory）、自洽论（the coherence theory）以及实用主义（the pragmatist theory）的真实观（Glanzberg，2021）。符合论真实观认为“与实在相一致、与事实相符合”即是真实的。而自洽论真实观（也译作融贯论）则认为真实与否不在于是否符合事实，而在于是否在命题系统中自洽，不会自相矛盾。实用主义真实观侧重于真实的实际价值，它是能够被验证的、有益处的，是人类经验的创造（Glanzberg，2021）。那么新闻真实到底是何种意义上的真实呢？
长久以来，新闻学中将新闻真实的判定标准界定为“新闻报道与客观事实是否相符合”，也就是“客体之真”（蒋晓丽、李玮，2013），足以见得符合论真实观对新闻真实理念的深刻影响。黄旦认为这种“主客二分”的新闻真实论已落后于学术界的认知，事实并非客观之物，而是对外在事物的判断和陈述（黄旦，2015）。姜华（2022）阐释了新闻真实的一般构造，尝试厘清真实、现实、真相、事实之间的关系。他认为新闻真实是通过对事实的人为揭示，呈现真相、接近现实的实践过程。而无论自然事实还是社会事实都有“不可通达”的面向，这就导致了新闻真相呈现出极其复杂的状态。
（二）重新阐释新闻真实
面对“客体之真”的诸多困境，研究者们尝试从不同维度解困，于是围绕新闻真实生发出数十个概念语簇。有研究者认为新闻报道要能够穿透复杂的现象，揭示出事物的本质规律，即追求“本质真实”（王武录，1981）。有的提出“微观真实”和“整体真实”，微观上要反映具体新闻事实的整体面目，宏观上要呈现出目标报道领域新闻事实的整体图景。还有研究者关注实现新闻真实的“程序”，据此提出“依据真实”，认为新闻报道的内容必须是由他人所提供的或者新闻从业者亲身经历的新闻事件，而不能是新闻记者凭空想像或编造出来的。不管依据是否符合客观事实，但依据本身必须真实存在并经过记者和新闻传播机构的判断和认定（吴晓春，2005）。
另有研究将新闻真实放置于数字新闻业背景下，将受众纳入到新闻真实构建中，提出“收受真实”（杨保军，2017）的概念。而实践中，新闻真实是层层符号化过程中传受多方主体在对符号解释的互动一致中构建的，其核心在于寻找一种“新闻符码”，能够建立起不同的符号解释主体之间感知、解释和审美上的共鸣，因而学者们又提出用“符号之真”代替“客体之真”（蒋晓丽、李玮，2013）。
操瑞青（2017）认为新闻求真的过程并非真实本身，而是在实践中获得的新闻收受者的“信任”，由此新闻真实是一种“假设真实”。更进一步，借用马克思关于有机报刊的阐述，杨保军（2022）又提出“有机真实”，即在新兴媒介环境中，新闻真实不再像传统新闻业时代那样，是由单一的职业新闻传播主体决定的，而是由所有参与新闻生产传播的多元主体共同决定的。
上述研究提升了新闻真实的研究热度，在概念层面丰富了新闻真实的理解面向。但繁多的概念语簇使得“新闻真实”日趋碎片化，其概念对象似乎更加飘渺不定，在实践层面难以观照现实，无法成为引领新闻践行真实的纲领。现仅以“收受真实”为例，展开些论述。其观照了受众的能动性，认为实现新闻真实需要传受双方达成认同，但现实中传受关系往往是复杂而多样的。首先，在收受真实概念的论述中“传者”仍以职业新闻从业者为主体，而在数字时代，传受双方的位置往往是动态的。其次，受众并非千人一面，受众不能化约为一个“共同体”，其认知是复杂而多样的，如何判定传者与受众达成认同，这似乎是个无法完成的任务。此外，根据“动机性推理”，人们倾向于接受与自己观点一致的信息，对于与自己信念背道而驰的信息会选择性回避和无视（Oppong，2019），因而即便达成认同，是否抵达了真实也有待商榷。
“有机真实”的概念精准把握了当下的传播环境，但未能明确多元主体如何共同展开求真实践。无论是对“客体之真”的追求，还是转向受众视角，都是以“传”与“受”的二元关系作为前提，然而在数字时代，新闻真实正逐渐演变为多元新闻传播主体之间的对话和博弈，参与者既包括职业新闻从业者，也包括民众个体和脱媒主体（杨保军，2016），甚至还包括非人类行动者，比如技术物的参与。黄旦（2015）指出，新闻真实的概念需要在网络化关系下“重新考量”。因循这一路径，我们将引入网络化的研究视角。
（三）网络化的研究视角
分析数字时代的知识时，温伯格（2014）提出知识呈现出网络化的特征。因特网是知识的新的基础设施，超文本链接改变了知识的结构，每一个链接都指向与源文本相关的背景或人，链接的累积使得网络上累积的内容更有价值，而知识就存在于网络本身。网络连接起异质的人，共同解决问题。由此权威也不再仅由资质和证书来确认，而取决于其在网络中的贡献（温伯格，2014）。新闻业曾享有宣称真相的权威，在网络时代，这种权威也日渐稀释。
黄旦（2015，p.79）曾援引延森的论述提出，当下的媒介世界是三种媒介平台交错混杂而形成的网络，即人的身体的媒介平台、大众媒介平台和以数字技术为核心的元技术平台的相互叠加。在这个网络中存在着不同的节点，节点通过吸收信息并处理信息来增强其在网络中的地位，节点的重要性并不在于其自身的属性，而在于其展现的能力，如果节点表现不佳，其任务则会被其他节点接收。作为职业传播者的新闻业也是网络中的一个节点，但它并不天然占据高地，其位置仍然取决于吸收能力、连接能力和处理能力。
知识的基础——事实也正在网络化，温伯格将近代历史上的事实区分为三个阶段，首先是经典事实阶段，其代表是使用解剖工具的达尔文和印制权威内容的蓝皮书，此时事实相对稀缺。接下来是数据事实阶段，由部分人为我们挑选知识，知识相对受限。最后是网络化事实时期，事实只有连接在网络内才能被人们理解，比如科学论文会链接到数据库或科学实验说明。网络中有各种层面的诠释群体，真实与客观等理念需要重新考量，网络化的事实开启了一个充满纷争的认知时代（温伯格，2014）。这或许能部分地解释新闻真实为何变得令人困惑，因为真实的体制发生了变迁（Foucault，1977），启蒙时代以来确立的以科学理性为根基的真实观正在瓦解（Waisbord，2018）。数字时代的新闻真实不宜再被视作一套规范、一种标准或是一种方向明确的可达成之静止状态，它更是一种动态的网络化实践。
本研究以网络化的视角重新审视新闻真实，试图揭示网络中节点的特点和变动逻辑。尤为值得关注的是数字时代，技术已成为衡量新闻真实的“特殊界碑”（刘海明、付莎莎，2019）。已有研究关注到技术对新闻真实的塑造，提出VR新闻带来的“体验真实”“具身真实”（华维慧，2020），大数据新闻中呈现出的“前瞻真实”（杨保军、孙新，2019）等概念。但这些概念是对技术物能动性的抽象概括，而不是对过程的描述。我们也将在研究中特别观照技术物的行动特征。为实现上述研究目标，深度伪造无疑是有效的研究对象。一方面围绕深度伪造展开的确证实践是一个持续不断的知识生产过程；另一方面，确证过程中技术物也起到独特而关键的作用，有利于对其展开描摹。
二、研究方法
本研究采用案例分析的方法，选取近年来围绕深度伪造产生较大影响的典型案例，包括深度伪造视频的传播案例、新闻界和计算机界对于深度伪造的应对案例等，分析网络化的实践过程。
深度伪造被应用于政治和社会领域大约自2018年4月开始，本研究选取2018年4月至2022年3月间引发公众热议的典型案例共4个，包括对奥巴马、佩洛西、扎克伯格和伊丽莎白的深度伪造视频，同时抓取视频平台上奥巴马深度伪造视频下的相关评论。
此外，研究者也选取了在应对深度伪造时取得显著成效的相关案例，包括深度伪造检测（F3-Net等）、“开放核证”（“法证建筑”和“贝灵猫”）以及区块链（“新闻出处溯源”项目和Civil平台）等，分析其确证实践过程。
三、深度伪造引发的真实危机
深度伪造的出现颠覆了“眼见为实”的信念。深度伪造一词从英语中的组合词deepfake翻译过来，由“深度学习”（deep learning）和“伪造”（fake）合成。顾名思义，深度伪造是一种经由人工智能深度学习后用于合成伪造视频的技术，也称合成媒体（synthetic media）技术（陈昌凤、徐芳依，2020）。
2017年，一名名为“Reddit”的用户运用人工智能技术将娱乐明星的脸换到色情视频中的人物上，一时间引起轰动（姬德强，2020）。自此，深度伪造逐渐被人知晓。但当深度伪造开始用于生产政治和社会领域的内容，或会带来较严重政治后果。
（一）深度伪造蔓延
深度伪造视频引发广泛关注始自2018年。美国导演乔丹·皮勒（Jordan Peele）运用深度伪造技术生成了美国前总统巴拉克·奥巴马的演说视频，视频中奥巴马用污秽语言攻击他的继任者唐纳德·特朗普（Donald Trump）。2019年，一段美国国会众议院议长南希·佩洛西（Nancy Pelosi）谈论总统特朗普的视频同样被证实是由深度伪造技术生成。伪造者将视频速度放慢至75%左右，使得佩洛西看起来像喝醉了酒，语速和语调异常且滑稽。不久之后，脸书首席执行官马克·扎克伯格（Mark Zuckerberg）也成为伪造视频中的主角。视频中他吹嘘自己“控制着数十亿人被盗的数据，掌握着他们所有的秘密、生活和未来”。
2020年美国演员黛布拉·斯蒂芬森（Debbie Stephenson）运用深度伪造技术拍摄短片《另类的圣诞致辞》（Alternative Christmas Message）。在片中，她的脸被换成了英国女王伊丽莎白二世（Elizabeth II）。视频中主人公坐在后期合成的白金汉宫里发表圣诞致辞，致辞结束后她突然跳上桌子，秀起了TikTok热舞。该短片的导演威廉姆·巴特利特（William Bartlett）希望用这种方式发出对深度伪造和虚假新闻的“严厉警告”。
深度伪造在国内受到关注，源于一款名为Zao的应用，这款应用可以让用户将自己的脸换到经典的影视作品片段上并合成视频。这款应用上线后，很快就冲上应用商店免费榜排名前二。但随后因严重侵犯用户隐私而下架。
从技术角度来看，深度伪造是指将照片、声音和视频输入到机器模型中，机器可以将视频中的人脸替换为照片中的人脸，合成极为真实的换脸视频，轻易地实现“面部操作”（face manipulation；姬德强，2020）。该技术最早出现在20世纪90年代，由学术科研机构研发，但随着机器学习算法和移动应用软件的普及，用深度伪造制作虚假视频变得越来越简单。亚利桑那州立大学人工智能方向教授苏巴拉奥·坎巴姆帕蒂（Subbarao Kambhampati）称，“不需要大量的训练数据，短短10秒的视频就足够实现换脸”（Skibba，2020）。
深度伪造对个人、企业、媒体和国家安全都可能带来负面影响。对个人而言，深度伪造制作的换脸色情视频一旦在社交媒体上传播，会损害受害者名誉，甚至可能被用于污名化女性和“色情报复”。对企业来说，深度伪造可以篡改企业管理者的公开视频，任意表达某种观点，从而损害企业的信誉和利益（曹建峰、方龄曼，2020）。对于新闻媒体，深度伪造会以收割社交媒体流量的方式，将公众的视线转移至社交媒体上的虚假视频，从而使新闻媒体的权威信源“边缘化”，间接导致政治和社会议题讨论的“去中心化”（姬德强，2020）。对于国家安全来说，深度伪造的负面影响主要包含四个维度：威胁政治安全，包括抹黑政治人物、伪造政治制度和破坏国家间关系；威胁经济安全，包括破坏企业形象和干扰金融稳定；威胁社会安全，包括激化社会信任危机、导致法律举证困难和容易被恐怖主义利用；威胁国民安全，包括从生命、财产和心理三方面威胁公众安全（龙坤等，2019）。
（二）挑战新闻职业权威
深度伪造引发普遍的信任危机。皮尤研究中心（Pew Research）于2019年6月发布的一项报告中指出，63%的美国人认为被篡改的视频或图像是误导公众的主要原因，足以见得深度伪造让公众对于基本事实的理解产生了极大的困惑。
深度伪造的误导性严重损害了公众的新闻体验，43%的美国人因为担忧虚假新闻（made-up news）而减少了获取新闻的总量，改变了新闻消费习惯。并且，超过一半的受访者认为，在未来五年内，因虚假新闻而产生的问题将会变得更糟。同时，编造的虚假新闻内容影响了美国民众对于媒体的信任，超过一半的美国民众认为新闻媒体最有理由对此负责，应当采取措施减少虚假新闻的生产和传播，这也解释了为什么很多深度伪造的相关事件看似与媒体无关，但公众仍然将问题归咎于媒体。
为观察公众对于深度伪造的感知情况，本研究抓取了网络视频平台油管（Youtube）上，由导演皮勒在2018年发布的奥巴马演讲深度伪造视频下的热门评论。用户The Mr Tischbein引用亚伯拉罕·林肯（Abraham Lincoln）的一句话“不要相信互联网上的任何东西！”获得了近万名网友的点赞。公众的不信任并不是只针对深度伪造视频本身，而是延伸到整个互联网和新闻业，比如用户ghost walk发布的评论：
虽然这段视频很搞笑，但实际上很有教育意义。它告诉我们，我们不能相信我们在互联网或电视（尤其是新闻）上看到或听到的任何东西，即使这些话似乎是直接从这个人的嘴里说出来的。
深度伪造动摇了公众长期以来建立的对视觉影像的信任。对新闻业来说，更为重要的是公众并不会区分新闻的来源是网络还是电视，是专业媒体还是自媒体。公众会泛化地认为“视频”这种形式的真实性有待考量。这就导致公众对整体传播环境的不信任，损伤新闻业的“公信力”。当公众对于互联网信息不再信任时，网络空间便被分裂成一个个碎片化的社区，不同社区的用户之间难以达成共识，治理虚假新闻的难度会提升。
面对深度伪造对何为真实的冲击，媒体的解决方案依然是坚守专业操作，完善信源检验以尽可能地接近真实。首先，用更精细的标准核验视频素材真伪，比如用非线性视频编辑软件逐帧检查脚本，寻找那些细微处的“小问题”，比如唇部的模糊或不自然的光线（姬德强，2020）。其次，人工追溯信源在网络空间的“数字足迹”，或者反向查找视频的旧版资源，观察存疑视频来自何种消息渠道，根据视频来源判定资源可靠性（Bayer & Bouwmeester，2022）。
但这两种方法耗时耗力，对于核查人员的能力要求也较高，真正实施起来较为困难。德国和意大利研究者曾组织核查团队进行实验，在经过了1000段“换脸视频”的测试后提出，只有经过特殊训练的人才可以准确辨别视频内容的真假，说明鉴别此类视频对人才的要求较高（贺毅、冯菊香，2021）。在深度伪造等自动化内容生成技术面前，仅依靠新闻室内部“封闭作业”可能无法充分应对其挑战，甚至可以认为新闻从业者对于深度伪造视频的识别能力与普通的非专业人士并无二致。
（三）应对深度伪造
目前，应对深度伪造有两类可行对策。一类是“事后检测”，另一类是“事前防御”。
事后检测可以理解为“验真”，也就是对已经制作完成并传播的视频进行检测，判断存疑视频是否由深度伪造制作而来。在事后检测方法中，又可以从垂直和水平两个维度入手。垂直维度是指对一个存疑视频深入研究，排查视频是否存在某些特定伪造特征的方法，比如“深度伪造检测”方法；水平维度是指收集同一事件的多个分散证据，交叉检验不同视角下的视频以求得真相，比如“开放核证”方法。
而事前防御则属于另一种逻辑，可以理解为“防伪”，也就是建立一个可信任的机制，使得深度伪造的视频无法在该机制下传播，从根本上杜绝深度伪造的隐患，比如“区块链”方法，如图1所示。
1. 技术方案：深度伪造检测
一种相对直接的对策就是采用计算机领域的其他技术手段检测视频是否经过了深度伪造。在技术层面，深度伪造检测是指从人脸视频本身提取特征，根据这些特征将视频进行二分类鉴别，即分成真实视频和伪造视频两类。早期的被动检测依赖于人工选取特征，比如眼部异常、牙齿异常、边界融合异常等等（Matern et al.，2019）。但随着伪造视频越来越逼真，想要从这些直观特征上区分真伪变得愈发困难。这是因为，深度伪造应用“生成对抗网络”（Generative Adversarial Nets，简称GAN）这种算法模型，它由一组对抗性的神经网络组成，是目前为止最成功的生成模型之一（林懿伦等，2018）。深度伪造之所以难被肉眼看出或被检测出来，就是因为其算法本身就包含了“伪造”和“检测”的二元对立逻辑。
GAN在传统的生成模型的基础上引入了“对抗”机制，由一个生成模型（generative model）和一个判别模型（discriminative model）构成，二者互相博弈学习产生输出。一个常见的比喻是，生成模型好比一个制造假钞的团伙，他们的目标是制作更加逼真的假钞，让警察无法识别。而判别模型就是警察，专门识别假钞。因此两者是对抗关系，相互博弈，不断对自身能力进行优化，最终达到均衡。算法在执行中不断自我优化，让“假视频”看起来更加“真实”，更不易被检测出来。
由于GAN技术的复杂性，计算机学界和新闻业界对深度伪造检测技术（deepfake detection）进行了长期的探索，来减轻深度伪造带来的危害。社交媒体脸书联合微软公司等知名企业以及麻省理工等高校在卡格尔（Kaggle）竞赛平台上发布了奖金丰厚的深度伪造检测挑战赛（Deepfake Detection Challenge，简称DFDC），吸引了全球超过2200支队伍参赛。
在现有的技术水平下，深度伪造检测能够将人工选取特征转为基于深度学习技术的提取特征。具体的方法是向深度学习模型输入事先伪造好的人脸视频，让模型在空域、时域、频域三个维度上学习伪造视频的特征，再根据这些特征在验证集上作判断，输出二分类的结果。以这些经过数字视频信号处理和傅立叶变换后的数据作为二分类的依据来判断视频真伪。比如检测深度伪造视频的F3-Net方法，在模型中设计了频域信息提取模块，使用频率感知分解和局部频率统计信息来放大视频帧图像的频域中由深度伪造过程带来的周期性伪影。存在伪影，这条视频为假；不存在伪影，这条视频为真。
目前F3-Net方法对于高压缩率的伪造视频检测取得了良好的效果（Qian et al.，2020）。现阶段投入应用的对于深度伪造的应对措施大多是基于深度伪造检测的方法（周文柏等，2021）。但目前看来，深度伪造检测技术并不是最优的可行对策。
首先，深度伪造检测技术准确性不高。深度伪造检测技术并不总是能作出正确的判断。非营利组织“目击者”（Witness）的深度伪造专家萨姆·格雷戈里（Sam Gregory）表示，检测技术并没有那么可靠，即使是脸书专门为检测深度伪造而创建的最优算法也只有65%的准确率（Knight，2021）。
其次，深度伪造检测属于“黑箱”性检测。深度伪造检测模型依据何种特征作出的真伪判断，无论是算法设计者还是使用者都不得而知，属于算法“黑箱”。而对“黑箱”给出的真伪判断也只能接受，无从纠偏。
最后，深度伪造检测具有滞后性，即每一类问题的解决都需要一段时间的针对性技术攻关才能投入应用。因此伪造技术的发展总是超过检测技术。在没有可用的针对性检测技术之前，新闻从业者仍然需要凭借自身有限的能力去核查新闻。正如纽约州立大学教授吕思伟（Siwei Lyu）所比喻的，生产和识别虚假视频的竞争关系类似一场国际象棋，谁能最终胜出还需要看对方招数（Fillion，2019）。
2. 社会化证据生产：开放核证
开放核证（open verification）为检测深度伪造提供了新的思路。开放核证是采取开放和社会化生产证据的方法和流程，收集和分析线上或其他公开来源的素材，还原事件的“真相”（Weizman，2019）。对媒体来说，在庞杂繁复的碎片化消息中发现关键碎片，以及在海量碎片的拼贴过程中还原事件全貌的“碎片整合能力”尤为重要（彭兰，2020）。
当事件发生时，不同的拍摄者在不同地点、不同角度同时拍摄，每个视频都为事件提供了一个独立的视角。视频中包含着大量的旁观者、场景、车辆等元素，通过元素之间的相互位置关系可以还原出每个视频拍摄者的位置和视角，以及多个拍摄者的空间关系，进而依照空间关系将多个视频进行连通。其中，真实视频更容易与其他视频连通，视频中的细节也能够与其他视频成功匹配，而深度伪造等虚假视频却无法融入其他视频中，据此可以判断视频的真伪。
开放核证的工作就像在特写镜头和超广角镜头之间来回切换，在各个视点、视角之间横向移动（Weizman，2019）。“法证建筑”（Forensic Architecture）和“贝灵猫”（Bellingcat）是开放核证调查领域的佼佼者。“法证建筑”是伦敦大学金史密斯学院于2010年成立的空间调查研究团队，创始人是以色列建筑师埃亚勒·魏兹曼（Eyal Weizman）。在这个团队中，有建筑师、科学家、律师、电影制作人、记者、软件开发人员、考古学家等。团队成员充分发挥跨学科的优势，在案件调查和审判过程中提供可视化的信息作为证据，利用3D模型作为动态数字环境定位摄影机。
2018年6月1日，在加沙的汗尤尼斯附近的抗议活动中，20岁的军医鲁赞·纳贾尔（Rouzanal-Najjar）被以色列狙击手射杀。“法证建筑”同步了可用的镜头素材，反向计算出每个摄像头的运动以模拟个人的位置，并建立一个可能的“弹道锥束”。一旦某个视频反求出空间关系与摄影机的位置，其他视频就很容易匹配到同一3D空间中，3D空间中的视频或图像越多，对事件的看法就越完整，虚假视频混入的风险也会越低。“贝灵猫”是艾略特·希金斯（EliotHiggins）于2014年创立的公民记者网站。
与“法证建筑”相似，“贝灵猫”擅长利用卫星地图、社交媒体文章、油管平台视频和在线数据库等公开资料进行开源调查，以揭示争议事件的“真相”。2020年1月8日，乌克兰国际航空公司的PS752航班在德黑兰坠毁，机上乘客和机组人员全部遇难。“贝灵猫”收集、验证和分析公开可用的照片、视频以及谷歌街景，寻找事件的蛛丝马迹，通过完整而严密的证据链推翻了伊朗官方宣称的“引擎故障”，证明失事客机是被伊朗人为击落的。
调查人员通过横向比较互联网上的碎片化信息，能够交叉验证不同“碎片”的真实性，从而寻找“真相”的拼图。开放核证的调查员们通常并不具备专业媒体在界定真实上的话语权，缺少新闻机构资质和声誉的加持。他们所宣称的“真实”需要在开放核证的过程中体现，尽可能保证确定事实的过程公开透明，从而获得公众的信任。
开放核证需要全面曝光团队的工作流程，包括情境、参与人员、素材使用、每一块证据材料如何和在何地被发现、验真模型以及不同证据如何组合的整体叙述。开放核证的实现依赖于构建一个“实践社区”，调查的公开过程相当于建立了一个社会契约，所有的参与者形成了一个独特的生产和传播的聚合“网络”，将调查研究的过程“去中心化”。
3. 无中心节点的网络：区块链
区块链由“区块”和“链”组成，创建了一个独特的、不可更改的元数据块链。它由去中心网络组成，没有中心节点，每个节点区块包含“块头”和“块体”，如图2所示。块头包含时间戳、哈希值（节点的唯一标识）、父哈希值（父节点的唯一标识）等信息，块体主要包含自身携带的内容。这些信息用于记录发布者身份和发布时间，通过时间戳和节点间的链接就可以追溯到每条深度伪造视频的传播路径，追踪视频信息在哪个节点被篡改和破坏，显著地提高了数字视频传播过程中的安全性。区块链通过其独特的技术机制实现了对伪造视频的“标本兼治”，也就是不管伪造技术如何发展，区块链都能够追溯到伪造视频的源头，从而遏制深度伪造的扩散。
近年来，学界和业界都在积极进行“区块链+新闻”的探索，借助区块链技术实现深度伪造视频的溯源。尚文倩等将数据溯源和新闻传播过程结合，提出了一种基于区块链的新闻跟踪模型，覆盖了新闻生产、传播和溯源的全过程（Shang et al.，2018）。
哈亚·R.哈桑（Haya R. Hasan）等提出用区块链和智能契约（Smart Contract）来检测深度伪造视频，将每个视频关联上各自唯一的智能契约，通过智能契约便能追溯到原始视频的来源（Hasan & Salah，2019）。《纽约时报》在2019年和国际商业机器公司合作推出了“新闻出处溯源”（The News Provenance Project）的开源区块链新闻项目，追溯网络空间中的视频传播路径（Koren，2019），分析视频的元数据是否存在编辑、调速、合成等伪造行为，改变了传统新闻媒体相对低效的事实核查模式。
2016年成立于美国的初创公司“公民”（Civil）是“区块链+新闻”的先行者。Civil的目标是借助区块链技术创新新闻平台商业模式，建立一个“去中心化”的新闻社区（万可等，2020）。Civil平台推出代币，称为CVL，主要用于内容生产和分发中的微支付。每个在Civil平台拥有“通证”（token）的用户都可以阅读新闻内容、参与新闻生产环节的各项决策、监督并惩罚不实内容等。因此在公众的通证投票下，诚实、专业的新闻报道会得到肯定和CVL奖励，虚假新闻则会被惩罚和排斥，以促进公正客观的新闻报道的呈现（汤屈等，2021）。
四、循迹网络
无论是通过检测技术，还是开放核证，抑或是“区块链+新闻”的溯源过程，都呈现出网络化的实践过程。追求更好的检测技术，需要引入由多元主体参与的竞赛。开放核证中，异质的要素共同参与其中，包括：不同身份的人，比如建筑师、设计人员、记者、商业人员、极客等；还有各种技术物，比如卫星地图、3D空间等。
而在“区块链+新闻”的尝试中，时间戳、通证等技术物以及公开透明、代币奖励等制度措施，作为不同的节点构成了一个动态的网络。在这个网络中，每个节点不断贡献自身的力量，好似泛起涟漪，这些波动叠加延展，网络也在节点的持续作用和变化中变动不居。那么求真网络中节点的变动逻辑又是什么呢？在网络中，技术物的能动性日益凸显。技术物提供了达成信任的开放环境，也提供了可供公众和媒体追寻的痕迹，由此连接起更多的节点。
受到循证医学概念的启发，研究者提出“循迹网络”的概念来解释求真网络的变动逻辑。“循证医学”（Evidence-based Medicine）诞生于20世纪80年代，其强调决策过程透明，要求尽可能搜集一切证据并进行证据分级，遵循现有最佳的证据展开实践。“循证社会科学”“循证新闻”等概念也应运而生。新闻作为一种“公共知识”，所遵循的应当是能够被公众所认可的公开证据，是一种多元主体参与下的证据“网络”。
新华社总编辑、党组书记傅华（2016）指出，循证新闻是指运用互联网思维、大数据技术以及实证方法的新闻生产方式，力求基于一切相关证据，进行全景化、立体式的新闻呈现。“法证建筑”和“贝灵猫”团队所开展的开放核证调查即是“循证新闻”的实践，通过公开、广泛地搜集事件发生的一切证据来求真。而这些证据存在且只能存在于网络中，网络中的证据便是循迹中的“迹”。它是指具有独特性的数字痕迹，比如时间戳、特征码等，可以被认为是区块链信任下的“最佳证据”。循迹网络的最佳实践是指通过分布式的区块链技术构建一个数字痕迹可追溯、数字内容防篡改、集体维护的新闻真实网络。
本研究提出“循迹网络”的概念来解释数字时代新闻真实实践过程。这个概念不仅适用于深度造假事例中，它的生命力还在于循迹也能够阐释新闻真实的历史变迁。纵观媒介技术的演进过程，“循迹”在不同的历史阶段有不同表征。
在印刷媒体时代，新闻真实的合法化证据为印刷文字。17世纪的欧洲，报纸的诞生标志着公共知识体系的建立，将报纸与市井闲聊、小说等其他早期传播渠道区分开来，形成了“新闻”与“非新闻”的界定标准，确立了现代意义上的“新闻”观念，新闻的真实性和时效性特征也逐渐显露。如杰里米·边沁（Jeremy Bentham）所说，报纸是唯一常规性的公共知识和真实的贡献者。几乎所有报纸的出版人和编辑都会高度宣扬自家报纸能够提供真实可信的报道，将真实作为一个重要的卖点。英国作家丹尼尔·笛福（Daniel Defoe）在出版《伦敦每日邮报》（London Daily Post）时就承诺，这份报纸会用简单的话语呈现纯粹的事实（王敏，2020）。因此在某些意义上，小范围的口口相传、私人信件刊载登报之时，便具有了公共场域的“真相”进行传播的条件。公众愿意相信，一则刊载在报纸上的消息，相比口述、手抄新闻、宣传册、小说等形式具有更强的真实性，能够成为新闻真实的合法化证据。
进入影像媒体时代，视觉影像成为新闻真实的证据痕迹。与印刷文字相比，视觉影像能够让公众间接“目击”到事件发生的现场，有效弥补了文字描述的不足，并催生了一套以“目击”为核心的实践策略。19世纪摄影术的发明，通过其内在的技术逻辑，将客观世界的光学痕迹定格成为影像，使得现实主义的公众“目击”得以实现。图片建立的“在场感”更为突出，对于现实世界的呈现相比文字和绘画要真实得多，甚至被神化为呈现一切场景的“宣誓证人”（sworn witness）或“沉默的目击者”（silent witness）（Schwartz，1992）。《哈泼斯周刊》（Harper's Weekly）对于美国内战中的“安提坦之战”的报道中，就大量地使用了照片这一形式，并且强烈表示照片对于现实世界的呈现能力与简单的文字描述相比要真实成千上万倍（Zelizer，2007）。
电视媒介的问世让公众直观“看见”生动的现场，更为直接地呈现动态事件和感性形象，与真实世界“距离”最近。由此催生出的现场直播，更让屏幕前的观众感到“身临其境”，塑造更为强烈的“临场感”。现场直播将当时发生的事情不加任何修饰地直接展现给观众，因此不存在剪辑、后期合成的时间。甚至对于观众来说，那些原生态、背景声嘈杂、镜头摇晃、画质低劣的视频更能够产生“身临其境”的效果（王敏，2020）。这种“临场”的感觉让观众更倾向于相信新闻内容，相信媒体提供的视觉影像证据，从而形成了一种高度“客观”的“循迹”实践。
数字时代，数字痕迹开始作为新闻真实的证据痕迹。借用循证社会科学中证据分级的视角，数字痕迹证据的级别高于视觉影像证据，视觉影像证据又高于印刷文字证据。在互联网时代，碎片化的文字和影像内容真假难辨，大量充斥着网络信息环境。区块链技术的产生为数字时代新闻真实的循证实践提供了数字痕迹，以此来标记内容生产和传播的全流程，供其他用户溯源验真。
英国《经济学人》（The Economist）杂志把区块链技术比作“一台创造信任的机器”。其实，数字痕迹早已有之。互联网环境下用户的任何行为都会产生数字痕迹，比如浏览记录、使用时长、转载信息等。但这种非结构化的数字痕迹并不全面，也不具备通用性，因此不能作为新闻真实的证据。而区块链技术提供的数字痕迹能够唯一标识某一节点，能够准确全面记录每次新闻生产和传播的过程，且不会被轻易篡改。因此这种技术机制保证了区块链提供的数字痕迹能够作为新闻真实的证据。
数字时代，理解新闻真实需要借助“新闻真实网络”的视角，将新闻真实的实践过程看作是开放的、动态的网络化过程，网络中的节点为抵达真实贡献自己的力量，而这一过程的主要逻辑是“循迹”，本研究重点考察了求真网络中技术物发挥能动作用的过程。而福柯（Foucault，1979）提示我们，真实是权力的产物，每个社会都有其真实体制，即真实的一般政治。在后真相文化弥漫的情境中，求真意味着把目光从特定的主体转移到拆解真实体制的结构，为后续研究提供了方向。
本文来自微信公众号：全球传媒学刊（ID：GJMS2014），原文刊载于《全球传媒学刊》2023年第3期“新闻学—事实核查”专栏，作者：徐笛（复旦大学新闻学院副教授）、梁鹤（复旦大学新闻学院硕士研究生）
关键词：
