“别栽在 AI 手上”——专访《纽约时报》视觉调查团队联合创始人马拉基·布朗

2011年初，马拉基·布朗（Malachy Browne）开始把一段段“阿拉伯之春”的视频拼凑起来时，并没有想过自己在开创一种新的新闻形态，他只是想弄清楚哪些画面是真的。

在社交媒体一片混乱的年代，核实手机拍下的晃动画面还只是一门小众技艺，但如今它已经成为现代新闻业最重要的发展之一。

作为《纽约时报》视觉调查团队的联合创始人，布朗参与开创了一种报道方式：把传统调查手法与数字取证结合起来。他用卫星图像、地理定位和视频分析揭露战争罪行、曝光权力滥用，并厘清争议事件中的事实。

这个团队的构想是慢慢成形的。布朗说，最早给他启发的是法证建筑（Forensic Architecture）、SITU Research 和 Bellingcat 等机构。转折点出现在卡内基梅隆大学的一次聚会上，调查人员与技术人员齐聚一堂，有研究者展示了记录战争罪行的新方法。

2016年加入《纽约时报》后，布朗看到了一个机会：把开源调查带进主流新闻编辑室，借助后者更强的“报道实力和广度”。他向时任视频部门执行总监南希·高斯（Nancy Gauss）提议，组建一支专门的记者队伍，与视频和图表记者协作。他和高斯以及自己的编辑马克·谢弗勒（Mark Scheffler）一起，先做了几个早期的视觉调查，证明这条路走得通。时任执行主编迪恩·巴奎（Dean Baquet）随后抛出了一个决定团队走向的问题：“怎么把它做大？”

如今，布朗是《纽约时报》视觉调查团队的高级制作人兼深度报道总监。这支团队的作品，把开源报道从一门小众的核实技术，变成了调查性报道的重要门类。在这次访谈中，他回顾了这一领域的发展历程，谈到人工智能带来的挑战，以及为什么留下历史记录依然至关重要，本访谈内容经过简单编辑。

问：你入行时，视觉调查这个领域几乎还不存在。你是怎么走上这条路的？

马拉基·布朗：我刚开始做（这行）的时候，我们不叫它视觉调查，而是叫开源报道。我当时在都柏林一家叫 Storyful 的公司工作。2010年底到2011年初，这家公司在做的就是盯着社交媒体上的对话，从中发现有价值的新闻线索并把它报道出来，最后做成可视化产品。后来公司发展起来，我们还帮原发布者管理版权，把内容授权给新闻机构，替他们赚钱。

那是我第一次接触开源新闻和视觉调查。我们那时候做的是突发新闻。“阿拉伯之春”爆发，革命浪潮席卷利比亚、突尼斯、埃及、也门和叙利亚，大量视频从这些国家涌出来。还有福岛海啸、挪威恐袭这类前所未见的事件。这些都是视觉性极强的重大新闻，而传统编辑室面临的难题是：这么丰富的新信息源，怎么才能信得过？Storyful 做的就是这件事。我们摸索出一套核实方法，为这些地方流出的素材加上一层可信度。

问：一条线索是怎么变成一篇可以发表的报道的？

马拉基·布朗：这非常依赖团队合作。我们要和编辑、视频和图表专家一起工作。一个选题是怎么来的？可能是一个新闻事件。比如伊朗一所学校遭到轰炸，人们马上会问：这怎么可能发生？第一个问题是：这件事到底发生了没有？这是第一道核实关。你要走一遍开源报道的流程，尽可能多地搜集和分析各种信息，无论是影像的还是文字的。

然后开始拼图，试着回答：究竟发生了什么？是谁干的？顺着这些问题问下去，你最后可能会问到美国政府头上——因为他们是最可能的责任方。

也有些调查是主题式的。我记得2019年我在刷推特，看到红新月会发帖说，过去五周里，叙利亚平均每29小时就有一家医院、一处医疗设施或一辆救护车在空袭中被击中。这说明那不是一次次失误，而是一种蓄意的攻击模式。由此，我们展开了一项针对叙利亚医院和医疗设施遭轰炸的长期调查。

还有一类报道，本身就成了某种行为、某种权力滥用或某种社会病灶的缩影，比如2020年布伦娜·泰勒、乔治·弗洛伊德和阿莫德·阿贝里之死。（这三名非裔美国人的死亡，成为2020年全美“黑人的命也是命”抗议浪潮中的标志性案件。）我们意识到有必要调查这些事件，寻找答案并争取追责。

另一个例子是乌克兰的布查惨案。俄军入侵期间最严重的暴行就发生在那里（2022年3月俄军撤出后，人们在该镇发现数百具平民遗体，国际社会随即就可能存在的战争罪行展开调查。）我们做了一项复杂的调查，去弄清那里究竟发生了什么、是哪支俄军部队所为，以及这些袭击是系统性的还是随机的。

《纽约时报》视觉调查团队对俄军士兵在乌克兰布查可能犯下的战争罪行做了详尽报道。图：纽约时报

问：《纽约时报》视觉调查团队有一点很突出，就是在方法论上非常透明。你们为什么选择把过程摊开来给人看？

马拉基·布朗：我们试着把故事、证据、围绕证据的疑问、证据能解决的问题，以及支撑结论的依据，编织在一起。我们想做的是呈现，而不是讲述，我们希望让观众跟着我们一起经历发现的过程。

我觉得这在今天格外重要。一方面，公众对主流媒体的信任在流失；另一方面，生成式 AI 让伪造图像、或把真实图像稍加改动变得太容易，人们对什么是真的也没有了把握。正因如此，展示过程才有意义。我们希望大家了解到我们是怎么一步步得出结论的。

讲故事和给太多细节之间总要权衡。有时我们会加一段方法论说明，或者在 X、Bluesky 上发一条长帖，或者写一篇“Times Insider”的文章。

这也是开源社群的天性。对我们大多数人来说，这是刻在骨子里的。我发现，当我们把过程公开，就等于向那些可能掌握更多信息的人发出信号，反而会带来新的信源和新的调查方向。

问：这类报道会大量接触到血腥的影像证据。在应对这份工作带来的情绪和心理冲击上，你有什么经验可以分享？

马拉基·布朗： 替代性创伤是一个有研究支撑的现象，它确实会影响人。反复目睹人性中最坏的一面，是有代价的。你未必身处冲突前线，但你看到的是冲突最惨烈的后果。承认这一点是最重要的第一步，然后要愿意和同事说出来。作为管理者，我们会留意谁接触了这些素材、每个人反应如何，并在分工上保持平衡。

研究显示，当极端血腥的内容叠加上工作或生活中的其他压力，伤害会格外严重。创伤就是在这时候累加起来，产生负面影响。

自由撰稿人的处境会更加艰难，因为他们还得养活自己。在《纽约时报》，我们有专业资源，可以提供心理咨询，也办过小组活动，请心理学家讲解心理预警信号。

有时候我不太好意思谈这个，因为急诊室的医生、神职人员、消防员每天都在直面惨状。对记者来说，重要的是意识到这种影响，并采取措施，别让它以不健康的方式侵蚀自己。

我们有些报道的素材，我看了非常难受。但如果你是在为权力关系中的弱势一方发声，这些素材也会成为动力。

问：从美国国会山骚乱到布查惨案，你报道过世界上最有争议的一些事件。在叙述截然对立的情况下确立事实，这些调查让你学到了什么？

马拉基·布朗：叙述之所以截然对立，很大程度上是媒体环境和政治人物在带节奏、在为事件设定框架。我们的工作就是穿透这一切，找到真相。布查惨案的调查让我意识到，也许是头一次意识到，我们能在事发几个月内就搜集到足够的证据，而这些证据有可能被用于战争罪审判。我们不直接和追责机制合作，但通过搜集证据、分析证据、得出结论，我们希望展示这些材料可以怎么用。

我认为，负责起诉和追责的机构，在掌握和运用这些技能与方法上还有些滞后。更宏观地说，这件事让我看到，数字世界里的证据非常充足。作为记者，我们可以搜集、整合这些证据，用它们回答重要的问题——无论是在冲突地区，还是在对同一事件存在对立叙述的情况下。

问：对想提升视觉调查能力的记者，有哪些工具或方法可以从头学起？

马拉基·布朗：对我来说，这个过程主要就是搜集信息，并在空间和时间两个维度上把它们标注出来。我用 Google Earth 这类工具，把事发地点、关键事件、人物、证据、视频和照片一一标上去，再配一条事件时间线。这两样东西反复帮我回答问题，或者让故事自己浮现出来。就拿最近伊朗的一次空袭来说，社交媒体上的视频前后相隔约半小时出现。我一确认拍摄地点，就能确定一所学校和旁边一处伊朗军事设施是在同一波袭击中被击中的。

这立刻指向了责任方的几种可能，因为那些行动者本来就在攻击该地区的军事设施。再把视频和卫星图像做比对，你就能判断出这些是高精度打击，很可能用了精确制导武器。

把一切标注出来，不停地追问，你就能打开新的调查路径，最终形成向有关当局提出的问题。走完这个流程，你对自己的结论才有底气。

更广泛地说，任何想进入这一行的人都应该知道，网上的资源非常多。Bellingcat 发布了大量材料。X 和 Bluesky 上都有相关社群。还有 Discord 群组，包括 Project Owl 和 Bellingcat 自己的 Discord 频道。你可以加入这些讨论，参与其中，边做边学。这其实是最好的学习方式。

问：你给开源报道的新手上课或做辅导时，看到最多的错误是什么？

马拉基·布朗：我见过有人得出完全错误的结论，因为他们并不真正懂得怎么做这类分析——而且这还是发生在大型国际新闻编辑室里。你必须做到不假设任何事，并且和有经验的同事交叉核对。这类报道高度依赖协作，在团队环境里效果最好。还有，别栽在 AI 手上。

回到你刚才关于血腥内容的问题，我还想说，大家要留意这些素材对自己的影响。它对不同的人影响不同。如果一开始就觉得不对劲，要承认这一点，去和主管或同事谈。

最后，我想鼓励所有对这份工作感兴趣的人：直接开始做。自己发表，参与协作调查，或者和 Bellingcat 这样的团体合作。机会无穷无尽，等待被讲出来的故事也无穷无尽。

问：你觉得视觉调查和开源报道接下来最大的挑战是什么？

马拉基·布朗：我认为AI生成内容的兴起，大概是我们这个领域最大的挑战。另外，新闻编辑室资源萎缩也会是个大问题，对非大型新闻机构尤其如此。

调查报道需要时间、技能和耐心。预算越来越紧的新闻机构，很难支撑这样的报道。往大了说，做新闻本身也在变贵。

我们不再只是把一份报纸送到读者门口。我们要做视频、做图表，为不同平台、不同受众生产内容。但这同时也是巨大的机会，因为数字平台让我们能触达海量受众。

后我想说，新闻机构有责任解释自己的报道过程，认真思考怎样才能让受众重新建立信任、更深地参与进来。

问：你认为未来几年 AI 会如何改变视觉调查领域？

马拉基·布朗：我认为视觉核实——尤其是音频核实——会变得极其困难。我们采访过哈尼·法里德（Hany Farid），他是媒体操纵和 AI 生成内容方面的专家，在这个领域深耕了几十年。他警告说，检测工具的进步跟不上生成工具，这正在变成一场军备竞赛。这类内容我们只会见得更多，它们会继续侵蚀信任。而当政治领导人连明摆着的事实都否认时，这种猜疑只会更深。

这也正是严谨的方法、流程和标准的价值所在。像我们这样的团队，就是想在高度对立的环境里分清事实与虚构，抵达真相。我希望受众会越来越认识到这份价值。

另一方面， AI 也是一个我们才刚开始摸索的好工具。只要运用得当，它能极大地帮到记者。我们已经用它做过大规模的图像分析。一个例子是加沙战争初期。以色列把加沙南部的部分区域划为北部逃难平民的安全区。我们知道那里也在挨炸，但不知道有多少。当量最大的炸弹会在沙地上留下明显的弹坑。我们拿到卫星图像，用一个 AI 模型扫描该区域轰炸前后的影像，识别出五百多个与2000磅炸弹相符的弹坑，而这些都在所谓的安全区里。我们的一位记者逐一核实了每一次打击：确认那不是旧弹坑，也不是把水塔误认成了弹坑。此外还有1600多个其他弹坑，足见轰炸规模之大——而这还只是冲突爆发后一个月到一个半月的情况。

《纽约时报》视觉调查团队发现，以色列在划给平民的安全走廊内投下了数百枚大当量炸弹。图：纽约时报

对于形状更复杂、特征不规则的目标，AI 就没那么好用了。不过机器在学习。AI还可以在海量视频或图像中搜索特定物体或活动。比如你手上有一周的监控录像，不必让记者一秒一秒地看，算法可以找出有移动发生、或画面中出现特定物体的时刻。

问：调查记者往往希望自己的报道能推动追责，但这并不总能实现。当制度对证据无动于衷时，你怎么看调查报道的价值？

马拉基·布朗：调查报道的影响时有时无。有时你能看到直接的效果，有时看不到。这很大程度上取决于当时掌权的是谁，他们是否愿意接受调查结论，而不是立刻摆出防御姿态。

当一个政府一再撒谎、一再搪塞，你的报道就很难产生影响。战争罪行或其他严重侵害反复发生却无人被追责时，也是一样。在这种情况下，有时确实看不见工作的价值。但我仍然认为，为历史留下真相有着巨大的价值。这份记录日后可以被追责机制、检察官、历史学家，或任何想弄清究竟发生了什么的人所用。所以即便影响不是立竿见影，这份工作依然重要。

编者注：本文最初由路透新闻研究所发表，全球深度报道网经授权翻译转载。

Maurice Oniang’o 是一名多媒体记者，关注社会公正、腐败、环境保护、媒体生态与新闻自由。他的作品见于《国家地理》《卫报》、The Continent、100Reporters和路透新闻研究所等，曾获汤姆森基金会”年度青年记者”奖及肯尼亚媒体委员会的多个奖项。他拥有哥伦比亚大学新闻学院新闻学硕士学位。