“別栽在 AI 手上”——專訪《紐約時報》視覺調查團隊聯合創始人馬拉基·布朗

2011年初，馬拉基·布朗（Malachy Browne）開始把一段段“阿拉伯之春”的視頻拼湊起來時，並沒有想過自己在開創一種新的新聞形態，他只是想弄清楚哪些畫面是真的。

在社交媒體一片混亂的年代，核實手機拍下的晃動畫面還只是一門小眾技藝，但如今它已經成為現代新聞業最重要的發展之一。

作為《紐約時報》視覺調查團隊的聯合創始人，布朗參與開創了一種報道方式：把傳統調查手法與數字取證結合起來。他用衛星圖像、地理定位和視頻分析揭露戰爭罪行、曝光權力濫用，並釐清爭議事件中的事實。

這個團隊的構想是慢慢成形的。布朗說，最早給他啟發的是法證建築（Forensic Architecture）、SITU Research 和 Bellingcat 等機構。轉折點出現在卡內基梅隆大學的一次聚會上，調查人員與技術人員齊聚一堂，有研究者展示了記錄戰爭罪行的新方法。

2016年加入《紐約時報》後，布朗看到了一個機會：把開源調查帶進主流新聞編輯室，藉助後者更強的“報道實力和廣度”。他向時任視頻部門執行總監南希·高斯（Nancy Gauss）提議，組建一支專門的記者隊伍，與視頻和圖表記者協作。他和高斯以及自己的編輯馬克·謝弗勒（Mark Scheffler）一起，先做了幾個早期的視覺調查，證明這條路走得通。時任執行主編迪恩·巴奎（Dean Baquet）隨後拋出了一個決定團隊走向的問題：“怎麼把它做大？”

如今，布朗是《紐約時報》視覺調查團隊的高級製作人兼深度報道總監。這支團隊的作品，把開源報道從一門小眾的核實技術，變成了調查性報道的重要門類。在這次訪談中，他回顧了這一領域的發展歷程，談到人工智能帶來的挑戰，以及為什麼留下歷史記錄依然至關重要，本訪談內容經過簡單編輯。

問：你入行時，視覺調查這個領域幾乎還不存在。你是怎麼走上這條路的？

馬拉基·布朗：我剛開始做（這行）的時候，我們不叫它視覺調查，而是叫開源報道。我當時在都柏林一家叫 Storyful 的公司工作。2010年底到2011年初，這家公司在做的就是盯着社交媒體上的對話，從中發現有價值的新聞線索並把它報道出來，最後做成可視化產品。後來公司發展起來，我們還幫原發布者管理版權，把內容授權給新聞機構，替他們賺錢。

那是我第一次接觸開源新聞和視覺調查。我們那時候做的是突發新聞。“阿拉伯之春”爆發，革命浪潮席捲利比亞、突尼斯、埃及、也門和敘利亞，大量視頻從這些國家湧出來。還有福島海嘯、挪威恐襲這類前所未見的事件。這些都是視覺性極強的重大新聞，而傳統編輯室面臨的難題是：這麼豐富的新信息源，怎麼才能信得過？Storyful 做的就是這件事。我們摸索出一套核實方法，為這些地方流出的素材加上一層可信度。

問：一條線索是怎麼變成一篇可以發表的報道的？

馬拉基·布朗：這非常依賴團隊合作。我們要和編輯、視頻和圖表專家一起工作。一個選題是怎麼來的？可能是一個新聞事件。比如伊朗一所學校遭到轟炸，人們馬上會問：這怎麼可能發生？第一個問題是：這件事到底發生了沒有？這是第一道核實關。你要走一遍開源報道的流程，儘可能多地搜集和分析各種信息，無論是影像的還是文字的。

然後開始拼圖，試着回答：究竟發生了什麼？是誰幹的？順着這些問題問下去，你最後可能會問到美國政府頭上——因為他們是最可能的責任方。

也有些調查是主題式的。我記得2019年我在刷推特，看到紅新月會發帖說，過去五周里，敘利亞平均每29小時就有一家醫院、一處醫療設施或一輛救護車在空襲中被擊中。這說明那不是一次次失誤，而是一種蓄意的攻擊模式。由此，我們展開了一項針對敘利亞醫院和醫療設施遭轟炸的長期調查。

還有一類報道，本身就成了某種行為、某種權力濫用或某種社會病灶的縮影，比如2020年布倫娜·泰勒、喬治·弗洛伊德和阿莫德·阿貝里之死。（這三名非裔美國人的死亡，成為2020年全美“黑人的命也是命”抗議浪潮中的標誌性案件。）我們意識到有必要調查這些事件，尋找答案並爭取追責。

另一個例子是烏克蘭的布查慘案。俄軍入侵期間最嚴重的暴行就發生在那裡（2022年3月俄軍撤出後，人們在該鎮發現數百具平民遺體，國際社會隨即就可能存在的戰爭罪行展開調查。）我們做了一項複雜的調查，去弄清那裡究竟發生了什麼、是哪支俄軍部隊所為，以及這些襲擊是系統性的還是隨機的。

《紐約時報》視覺調查團隊對俄軍士兵在烏克蘭布查可能犯下的戰爭罪行做了詳盡報道。圖：紐約時報

問：《紐約時報》視覺調查團隊有一點很突出，就是在方法論上非常透明。你們為什麼選擇把過程攤開來給人看？

馬拉基·布朗：我們試着把故事、證據、圍繞證據的疑問、證據能解決的問題，以及支撐結論的依據，編織在一起。我們想做的是呈現，而不是講述，我們希望讓觀眾跟着我們一起經歷發現的過程。

我覺得這在今天格外重要。一方面，公眾對主流媒體的信任在流失；另一方面，生成式 AI 讓偽造圖像、或把真實圖像稍加改動變得太容易，人們對什麼是真的也沒有了把握。正因如此，展示過程才有意義。我們希望大家了解到我們是怎麼一步步得出結論的。

講故事和給太多細節之間總要權衡。有時我們會加一段方法論說明，或者在 X、Bluesky 上發一條長帖，或者寫一篇“Times Insider”的文章。

這也是開源社群的天性。對我們大多數人來說，這是刻在骨子裡的。我發現，當我們把過程公開，就等於向那些可能掌握更多信息的人發出信號，反而會帶來新的信源和新的調查方向。

問：這類報道會大量接觸到血腥的影像證據。在應對這份工作帶來的情緒和心理衝擊上，你有什麼經驗可以分享？

馬拉基·布朗： 替代性創傷是一個有研究支撐的現象，它確實會影響人。反覆目睹人性中最壞的一面，是有代價的。你未必身處衝突前線，但你看到的是衝突最慘烈的後果。承認這一點是最重要的第一步，然後要願意和同事說出來。作為管理者，我們會留意誰接觸了這些素材、每個人反應如何，並在分工上保持平衡。

研究顯示，當極端血腥的內容疊加上工作或生活中的其他壓力，傷害會格外嚴重。創傷就是在這時候累加起來，產生負面影響。

自由撰稿人的處境會更加艱難，因為他們還得養活自己。在《紐約時報》，我們有專業資源，可以提供心理諮詢，也辦過小組活動，請心理學家講解心理預警信號。

有時候我不太好意思談這個，因為急診室的醫生、神職人員、消防員每天都在直面慘狀。對記者來說，重要的是意識到這種影響，並採取措施，別讓它以不健康的方式侵蝕自己。

我們有些報道的素材，我看了非常難受。但如果你是在為權力關係中的弱勢一方發聲，這些素材也會成為動力。

問：從美國國會山騷亂到布查慘案，你報道過世界上最有爭議的一些事件。在敘述截然對立的情況下確立事實，這些調查讓你學到了什麼？

馬拉基·布朗：敘述之所以截然對立，很大程度上是媒體環境和政治人物在帶節奏、在為事件設定框架。我們的工作就是穿透這一切，找到真相。布查慘案的調查讓我意識到，也許是頭一次意識到，我們能在事發幾個月內就搜集到足夠的證據，而這些證據有可能被用於戰爭罪審判。我們不直接和追責機制合作，但通過搜集證據、分析證據、得出結論，我們希望展示這些材料可以怎麼用。

我認為，負責起訴和追責的機構，在掌握和運用這些技能與方法上還有些滯後。更宏觀地說，這件事讓我看到，數字世界裡的證據非常充足。作為記者，我們可以搜集、整合這些證據，用它們回答重要的問題——無論是在衝突地區，還是在對同一事件存在對立敘述的情況下。

問：對想提升視覺調查能力的記者，有哪些工具或方法可以從頭學起？

馬拉基·布朗：對我來說，這個過程主要就是搜集信息，並在空間和時間兩個維度上把它們標註出來。我用 Google Earth 這類工具，把事發地點、關鍵事件、人物、證據、視頻和照片一一標上去，再配一條事件時間線。這兩樣東西反覆幫我回答問題，或者讓故事自己浮現出來。就拿最近伊朗的一次空襲來說，社交媒體上的視頻前後相隔約半小時出現。我一確認拍攝地點，就能確定一所學校和旁邊一處伊朗軍事設施是在同一波襲擊中被擊中的。

這立刻指向了責任方的幾種可能，因為那些行動者本來就在攻擊該地區的軍事設施。再把視頻和衛星圖像做比對，你就能判斷出這些是高精度打擊，很可能用了精確制導武器。

把一切標註出來，不停地追問，你就能打開新的調查路徑，最終形成向有關當局提出的問題。走完這個流程，你對自己的結論才有底氣。

更廣泛地說，任何想進入這一行的人都應該知道，網上的資源非常多。Bellingcat 發布了大量材料。X 和 Bluesky 上都有相關社群。還有 Discord 群組，包括 Project Owl 和 Bellingcat 自己的 Discord 頻道。你可以加入這些討論，參與其中，邊做邊學。這其實是最好的學習方式。

問：你給開源報道的新手上課或做輔導時，看到最多的錯誤是什麼？

馬拉基·布朗：我見過有人得出完全錯誤的結論，因為他們並不真正懂得怎麼做這類分析——而且這還是發生在大型國際新聞編輯室里。你必須做到不假設任何事，並且和有經驗的同事交叉核對。這類報道高度依賴協作，在團隊環境里效果最好。還有，別栽在 AI 手上。

回到你剛才關於血腥內容的問題，我還想說，大家要留意這些素材對自己的影響。它對不同的人影響不同。如果一開始就覺得不對勁，要承認這一點，去和主管或同事談。

最後，我想鼓勵所有對這份工作感興趣的人：直接開始做。自己發表，參與協作調查，或者和 Bellingcat 這樣的團體合作。機會無窮無盡，等待被講出來的故事也無窮無盡。

問：你覺得視覺調查和開源報道接下來最大的挑戰是什麼？

馬拉基·布朗：我認為AI生成內容的興起，大概是我們這個領域最大的挑戰。另外，新聞編輯室資源萎縮也會是個大問題，對非大型新聞機構尤其如此。

調查報道需要時間、技能和耐心。預算越來越緊的新聞機構，很難支撐這樣的報道。往大了說，做新聞本身也在變貴。

我們不再只是把一份報紙送到讀者門口。我們要做視頻、做圖表，為不同平台、不同受眾生產內容。但這同時也是巨大的機會，因為數字平台讓我們能觸達海量受眾。

後我想說，新聞機構有責任解釋自己的報道過程，認真思考怎樣才能讓受眾重新建立信任、更深地參與進來。

問：你認為未來幾年 AI 會如何改變視覺調查領域？

馬拉基·布朗：我認為視覺核實——尤其是音頻核實——會變得極其困難。我們採訪過哈尼·法里德（Hany Farid），他是媒體操縱和 AI 生成內容方面的專家，在這個領域深耕了幾十年。他警告說，檢測工具的進步跟不上生成工具，這正在變成一場軍備競賽。這類內容我們只會見得更多，它們會繼續侵蝕信任。而當政治領導人連明擺着的事實都否認時，這種猜疑只會更深。

這也正是嚴謹的方法、流程和標準的價值所在。像我們這樣的團隊，就是想在高度對立的環境里分清事實與虛構，抵達真相。我希望受眾會越來越認識到這份價值。

另一方面， AI 也是一個我們才剛開始摸索的好工具。只要運用得當，它能極大地幫到記者。我們已經用它做過大規模的圖像分析。一個例子是加沙戰爭初期。以色列把加沙南部的部分區域劃為北部逃難平民的安全區。我們知道那裡也在挨炸，但不知道有多少。當量最大的炸彈會在沙地上留下明顯的彈坑。我們拿到衛星圖像，用一個 AI 模型掃描該區域轟炸前後的影像，識別出五百多個與2000磅炸彈相符的彈坑，而這些都在所謂的安全區里。我們的一位記者逐一核實了每一次打擊：確認那不是舊彈坑，也不是把水塔誤認成了彈坑。此外還有1600多個其他彈坑，足見轟炸規模之大——而這還只是衝突爆發後一個月到一個半月的情況。

《紐約時報》視覺調查團隊發現，以色列在劃給平民的安全走廊內投下了數百枚大當量炸彈。圖：紐約時報

對於形狀更複雜、特徵不規則的目標，AI 就沒那麼好用了。不過機器在學習。AI還可以在海量視頻或圖像中搜索特定物體或活動。比如你手上有一周的監控錄像，不必讓記者一秒一秒地看，算法可以找出有移動發生、或畫面中出現特定物體的時刻。

問：調查記者往往希望自己的報道能推動追責，但這並不總能實現。當制度對證據無動於衷時，你怎麼看調查報道的價值？

馬拉基·布朗：調查報道的影響時有時無。有時你能看到直接的效果，有時看不到。這很大程度上取決於當時掌權的是誰，他們是否願意接受調查結論，而不是立刻擺出防禦姿態。

當一個政府一再撒謊、一再搪塞，你的報道就很難產生影響。戰爭罪行或其他嚴重侵害反覆發生卻無人被追責時，也是一樣。在這種情況下，有時確實看不見工作的價值。但我仍然認為，為歷史留下真相有着巨大的價值。這份記錄日後可以被追責機制、檢察官、歷史學家，或任何想弄清究竟發生了什麼的人所用。所以即便影響不是立竿見影，這份工作依然重要。

編者註：本文最初由路透新聞研究所發表，全球深度報道網經授權翻譯轉載。

Maurice Oniang’o 是一名多媒體記者，關注社會公正、腐敗、環境保護、媒體生態與新聞自由。他的作品見於《國家地理》《衛報》、The Continent、100Reporters和路透新聞研究所等，曾獲湯姆森基金會”年度青年記者”獎及肯尼亞媒體委員會的多個獎項。他擁有哥倫比亞大學新聞學院新聞學碩士學位。