你看到一篇新聞。
網站是真的。
版面很正常。
文章有作者名字。
作者甚至有：
頭像、
社群帳號、
個人介紹。
那是不是至少可以先假設：
「這個作者是真的？」
現在答案已經不能這麼簡單了。
短答案：不代表
一篇文章刊登在真正存在的媒體網站上，
只能證明：
這個網站真的發布過它。
它不能單獨證明：
作者身份是真的。
作者背景是真的。
文章裡每個事實都正確。
更不能證明：
背後沒有組織刻意操弄資訊。
OpenAI 10 月 8 日公布的一項調查，
剛好提供了一個很實際的例子。
OpenAI 找到 7 個看起來像真的「記者」
OpenAI 表示，
公司最近封鎖了一組源自伊朗的影響行動。
這組行動建立：
7 個 Journalist Personas。
也就是七個看起來像獨立記者的人物身份。
這些身份不是只有：
一個 ChatGPT 產生的名字。
其中一些還建立：
Medium、
X、
Facebook、
Instagram、
Threads
帳號。
有作者甚至把自己介紹成：
美國自由撰稿人。
也就是，
當一般讀者看到這個名字時，
可能會看到：
文章。
作者簡介。
社群帳號。
過往貼文。
乍看之下，
一整套數位身份都存在。
文章甚至真的進入外部媒體
OpenAI 表示，
透過 Open-source Investigation，
找到：
接近 100 篇
使用這些相關署名發布或轉載的文章。
範圍橫跨：
約十多家線上媒體。
最早可以追到：
2025 年 7 月。
最近則一直到：
2026 年 10 月。
而且至少部分文章，
後來還被刊登媒體自己的：
社群帳號
再次推廣。
這就是今天真正值得注意的地方。
不是：
「假網站發布假新聞。」
而是：
假的作者身份，有可能借到真的媒體網站的可信度。
所以看到真媒體，以後到底怎麼查？
不用每看一篇文章，
都做兩小時 OSINT。
一般人可以先用三個問題。
第一個：作者是誰？
先不要只停留在文章裡的：
Author Bio。
因為如果這個身份本身就是包裝出來的，
他的 Bio 當然也可以寫得非常完整。
可以直接另外開一個搜尋頁，
查：
作者完整姓名。
再看：
以前在哪些媒體寫過？
這些文章存在多久？
不同網站上的經歷是否一致？
作者是否有長期、合理的報導主題？
所屬機構能不能找到這個人？
社群帳號是最近突然建立，
還是有合理的長期活動？
不是「搜尋不到＝假記者」
這個 Boundary 非常重要。
剛入行記者、
自由工作者、
地方媒體記者
本來就可能沒有很大的網路足跡。
所以：
找不到很多資料
不是證據。
真正要看的是：
已經存在的身份資訊能不能互相對得起來。
例如作者聲稱：
長期在美國採訪。
但公開透明度資料卻長期顯示帳號在另一個國家營運。
那才是一個值得繼續查的訊號。
不是看到：
「這個人粉絲只有 200。」
就判定是假記者。
第二個：這篇文章的證據從哪裡來？
接著不要只問：
「這是哪一家媒體寫的？」
改問：
「它是根據什麼寫的？」
例如文章說：
某家公司宣布新政策。
那有沒有：
公司公告？
監管文件？
法院文件？
正式研究？
公開數據？
記者直接訪問？
如果文章引用：
「研究顯示……」
能不能找到那份研究？
如果引用：
「官方表示……」
能不能找到原始聲明？
這叫：
往上游找。
不要只停在：
A 網站說 B。
繼續找：
B 原本從哪裡來。
有連結也不等於已經驗證完成
一篇文章有：
Sources、
Citation、
超連結
當然比完全沒來源好。
但你仍要看：
連到的是原始資料？
還是另一篇重複報導？
來源真的支持文章的結論？
還是只支持其中一句？
這和我們以前講 AI Citation 的問題一樣：
有來源
不等於：
整段推論都被來源證明。
第三個：其他獨立來源怎麼說？
這一步特別適合：
政治、
戰爭、
公共衛生、
重大事故、
金融市場、
高度爭議事件。
不要只在同一個網站裡一直讀。
離開它。
搜尋：
核心人物＋事件。
核心公司＋事件。
原始文件名稱。
看看：
其他彼此獨立的可靠來源
是否也報導同一個核心事實。
這就是常說的：
Lateral Reading。
不是在一個漂亮網站裡：
從上看到下，
然後決定它像不像真的。
而是：
跳出去看別人怎麼描述它。
為什麼這招現在變得更重要？
因為生成式 AI 已經讓「看起來很專業」變便宜很多。
以前要建立一個完整假身份，
可能要準備：
人物背景、
文章、
社群貼文、
Email Pitch、
留言，
還要維持相同語氣。
現在 AI 可以協助：
改文章、
寫 Pitch、
產生留言、
維持 Persona 語氣。
OpenAI 這次調查就是一個例子。
所以：
文筆流暢、
拼字正確、
有完整作者介紹
本身的驗證價值正在下降。
但也不要反過來變成「看到 AI 就不信」
另一個極端同樣有問題。
OpenAI 說的是：
相關影響行動使用它的模型，
再結合：
傳統操作方式、
社群平台、
其他技術。
它並沒有證明：
那接近 100 篇文章的每一個字
全部由 AI 自動產生。
所以不能把事件簡化成：
「AI 寫的文章都是假的。」
AI 可能被用來：
改寫、
研究、
翻譯、
整理、
編輯。
真正要判斷的仍然是：
作者身份。
證據品質。
事實能否被驗證。
而不是猜：
「這篇看起來很像 ChatGPT。」
小媒體也不等於不可信
OpenAI 表示，
相關文章出現在多家：
Small and Medium Online Outlets。
這同樣不代表：
小型媒體比較不可信。
很多重要的：
地方新聞、
專業產業報導、
調查新聞
本來就來自小型編輯部。
真正需要看的還是：
編輯制度。
更正政策。
來源透明度。
作者驗證。
報導紀錄。
不能把：
「規模小」
直接當成：
「新聞假」。
如果只有 30 秒，先查哪個？
如果內容不重要，
不需要每篇都深挖。
但遇到一篇會影響你：
轉發、
投票、
投資、
健康判斷、
工作決策
的內容，
至少做：
作者／證據／其他來源
三步。
1. 作者
搜尋這個人。
身份與過往紀錄對不對得起來？
2. 證據
文章的核心說法來自哪裡？
能不能回到原始來源？
3. 其他來源
離開這個網站。
其他獨立可靠來源怎麼說？
這三步比：
「網站看起來很專業」
可靠得多。
編輯與內容工作者還要再多做一步
如果你經營：
網站、
媒體、
Guest Post、
投稿平台，
今天這件事還有另一層提醒：
不要只審文章，也要審作者。
如果一個新作者突然投稿：
政治、
國際衝突、
高度敏感議題，
可以多確認：
真實身份。
長期作品。
聯絡方式。
過往 Publication。
引用來源。
甚至直接要求：
能夠核實身份的資料。
因為未來最大的內容風險，
可能不只是：
AI 編出一個錯誤引用。
而是：
AI 幫忙包裝出一個看起來完全合理的人。
最後記住一個簡單公式
以前我們習慣：
真網站 → 比較可信。
現在要再拆一層。
真網站 ≠ 真作者。
真作者 ≠ 每個說法都正確。
有來源 ≠ 結論一定成立。
所以真正比較穩的判斷方式是：
作者是誰？
證據在哪？
別人怎麼說？
AI 可以讓假的東西看起來愈來愈像真的。
我們不需要因此什麼都不信。
只是需要把：
「看起來可信」
升級成：
「我知道為什麼可信。」
推薦閱讀
AI 一分鐘教學｜2026/07/16：如何請 AI 檢查文章裡的錯誤，不只改錯字
