收益：
- 能够在新闻报道的八个阶段（线索、数据、破译、确认、写作、包装、道德/来源、出版）中使用人工智能完成有限且依赖材料的任务。
- 在每个阶段的输出处，都会有一个人工验证门运行并询问“此输出中有哪些未经验证的内容？”能够防止幻觉随着过渡的问题而增长
- 能够理解责任链是由人组成的，发布后的错误通过透明的更正得到解决，并且该过程被转化为可重复的检查表。
端到端工作流程：完整的人工智能驱动的新闻之旅
在前面的十个单元中，我们分别学习了各个部分：验证反射、数据分析、转录、事实核查、虚假信息防御、写作、摘要、翻译、道德和来源保护。在最后一个单元中，我们将各个部分组合成一个工作流程。我们的目标是在正确的地方、在正确的界限内使用人工智能，从头到尾——从提示到发布再到编辑——制作真实的新闻。在新闻编辑室中，这一流程在编辑流程中运作——新闻从记者到编辑，到事实核查台，再到出版的链条。综合原理是这样的：人工智能在每个阶段都在加速，但每个阶段的出口都有一个人工验证门；未经验证，任何输出都不会进入下一阶段。本单元将您所学到的内容转化为清单和可重复的过程。
新闻故事的八个阶段和人工智能的地位
第一阶段——提示和初步研究。人工智能勾勒出主题的背景，生成要提出的问题，描述相关的公共数据。 Door：记者决定哪种说法真正值得调查。
第 2 阶段 — 文档和数据收集/分析。 AI 扫描文档堆栈，提取探索性问题，描述分析方法（第 2 单元）。 Gate：每个数字都是从原始数据中重新轮询的；计算不是由人工智能进行的。
第三阶段——采访和转录。 AI 转录录音，提取带有时间戳的候选报价（第 3 单元）。门：每个报价都经过记录逐字验证。
第四阶段——确认。人工智能将索赔分解为各个组成部分并生成清单（第 4-5 单元）。门：准确性判断以第一手来源为准，有两次独立确认； AI不做判断。
第五阶段——写作。 AI 生成倒金字塔骨架、现货和帽子替代品（第 6 单元）。门：材质中不包含的不添加；标题不超过正文；参考文献已关闭。
第 6 阶段 — 摘要/翻译/包装。 AI 生成不同格式和语言的草稿（第 7-8 单元）。 Gate：上下文被保留；报价翻译经过人工确认；每种格式都会检查编号/标题。
第 7 阶段——道德和资源保护审计。 AI 进行道德风险和源代码妥协筛查（第 9-10 单元）。门：增加透明度声明；合成成分已贴上标签；焊缝痕迹已清理干净。
第 8 阶段——发布、更正、存档。如果发布后出现错误，我们会进行快速且透明的更正。门：责任在人；不存在“车辆造成的”借口。
提示：用“转换问题”具体化每个阶段的门：“此输出中有哪些内容未经验证，以及在将其移至下一阶段之前如何确认它？”这个单一的问题可以防止幻觉沿着链条发展。
编辑中的角色分配
人工智能的引入并没有改变角色的分配，而是加强了角色的分配：记者收集和核实材料，事实核查台交叉核对，编辑遵守诚信和道德，编辑管理承担责任。人工智能提高了每个角色的速度；但它并不能取代其中任何一个。责任链由人组成。
三个迷你箱子
案例 1 — 可靠的端到端覆盖。一个团队按照以下流程进行了公共采购调查：人工智能爬取 3,000 行数据（手动验证分析），转录 6 小时的采访（从录音中确认引文），加快手稿（引文关闭），进行道德和来源扫描。通常 3 周的工作在 9 天内完成；未经核实，不会发布任何问题或报价。该消息没有得到否认。
案例 2——门被虫子咬住了。在撰写阶段，YZ在草稿中添加了材料中没有的“过去的处罚”信息。在第五阶段门口的“抓住材料中不存在的东西”检查发现了这一点。如果没有门，一个没有根据的、有诽谤风险的句子就会被发表。
案例 3——矫正文化。出版后，一位读者报告说百分比不正确。该团队再次探测数据，发现了错误（转换错误），在 20 分钟内发布了透明修复程序，并在流程中添加了“数字输出的第二人验证”步骤。问责制维护了信任。
可复制模板
1）舞台门门禁控制：
我目前处于 [阶段名称]，输出为：[输出]。在继续下一步之前列出我需要验证的每个元素：未经确认的事实/数字/引用、添加的信息、来源风险、上下文丢失。为每一项写一句话“我如何确认”。这取决于我。
2) 端到端新闻清单：
我会给你一份可供发表的新闻草稿。将以下 8 个标题标记为缺失/有风险：(1) 未经验证的数字，(2) 记录中未经验证的引用，(3) 单一来源声明，(4) 标题超出正文，(5) 未归属的句子，(6) 上下文丢失，(7) 泄露来源的风险，(8) 缺乏道德/透明度。只需出具检验报告即可。草稿：[此处]
3）编者注：
我正在将此消息转至确认台。撰写一份简短的备忘录草稿，其中包括：哪些事实已得到核实以及如何核实，哪些事实[需要核实]，哪些引述已从记录中得到确认，为保护来源而采取的预防措施。不要添加我未提供的信息。状态：[此处]
4）发表后修正稿：
已发布的新闻中出现以下错误：[错误]。起草一份诚实、清晰且对读者无攻击性的更正；说明什么是错误的，什么是正确的，以及何时纠正。不要责怪车辆；使用负责任的语言。
弱提示/强提示
弱提示：“制作有关该主题的完整新闻报道。”
结果：AI让各个阶段充满想象力；没有验证门，幻觉沿着链条增长，输出无法发布。
强大的提示：将流程分成几部分：在每个阶段将人工智能运行在有限的、依赖于材料的任务上，并将人类控制放在阶段门口。 “在这个阶段，只做[你的]任务；不要添加材料中没有的内容；标记需要验证的内容[必须验证]，然后再进入下一阶段。”
区别：强方法分阶段限制AI，在每个输出处放置验证门，并防止幻觉累积。
对比图
舞台
人工智能的使命
验证门
提示/初步研究
背景、问题
新闻价值决定
数据分析
筛选、方法
检查原始数据中的数字
破译
文本、引文候选
从记录中确认报价
确认
解析、列出
两个独立的主要来源
拼写
骨架, 引擎盖
没有多余的材料，完整的归属
总结/翻译
格式、语言草案
上下文+人工翻译确认
道德/来源
风险筛查
声明、标签、痕迹清理
出版/修正
修改稿
责任在于人
常见错误
- 绕过舞台大门。将输出从验证转移到下一阶段；误差沿着链条增长。
- 让AI来做所有的流程。端到端“生产新闻”意味着；它会产生大量无法验证的文本。
- 切换期间丢失上下文。授权时不指定已验证/尚未验证的内容。
- 延迟纠正或采取防御措施。破坏问责制并失去信任。
- 没有记录过程。如果没有可重复的检查清单，每条新闻报道从一开始就会犯错误。
坚持流程：清单和团队文化
按此流程制作一条新闻一次即成功；但真正的价值在于将流程转变为可重复的系统。经验丰富的新闻编辑室会将他们学到的每一个教训添加到一个清单中：当他们收到反驳时，他们会写下导致该错误的缺失步骤，并将其作为清单上的永久项目。因此，信息不会停留在单个记者的头脑中，而是进入该机构的集体记忆中。人工智能可以帮助起草这些清单和工作流程模板；但正是该团队使该列表保持活力，在每条新闻中引用它并更新它。
持久性的第二个要素是团队文化。人工智能驱动的流媒体只能在每个人都遵循相同验证规则的文化中安全地工作。实习生必须遵守“人工智能不能要求准确性”的原则，高级编辑必须遵守“合成图像被标记”的规则，事实核查台必须同样严肃地遵守“两个独立来源”的要求。这种文化不是通过惩罚错误来建立的，而是通过尽早诚实地报告错误来获得奖励的环境来建立的；因为当一个被掩盖的错误被公开时，一个共同的怀疑就会把它抓住。 AI工具将快速变化，新能力和新风险随之而来；但无论使用什么工具，“一切产出都经过人门，责任在人”的原则将仍然是新闻业不变的核心。
总之
端到端人工智能驱动的新闻业是一个八步链：提示、数据、转录、事实核查、写作、包装、道德/源控制、出版/编辑。人工智能在每个阶段都在加速；但每个阶段的出口处都有一个人工验证门，未经验证，任何输出都不会进入下一个阶段。 “此输出中有哪些未经验证的内容？”过渡问题可以防止幻觉的增长。责任链由人组成；发布后，错误将通过透明且负责任的更正来修复。将此流程转变为清单可确保速度和可靠性。
应用任务
选择一个真实或虚构的新闻主题，并将八个阶段写在表格中。对于每个阶段：（1）确定您将使用人工智能执行哪些有限任务，（2）确定该阶段验证门的转换问题。然后将“端到端新闻清单”提示应用于草稿并实际解决由此产生的风险。
清单
- [ ] 我在每个阶段的出口处操作一个人工验证门。
- [ ] 我在每个阶段给 AI 有限且依赖于材料的任务，而不是整个流程。
- [ ]“此输出中有哪些内容未经验证？”我问每个时代的转型问题。
- [ ] 我清楚地说明了校对周期中已验证/尚未验证的内容。
- [ ] 我通过透明、负责任的修复来修复发布后的错误，并记录该过程。
模块考试
1、记者未经核实，将人工智能给出的“最高法院判决编号”放入新闻中，该编号属于实际不存在的判决。这种情况的主要教训是什么？
- A）未经第一手来源验证就发布人工智能输出；忽视产生幻觉的风险，责任在于记者✔
- B）严禁在法院新闻中使用人工智能
- C）最高法院的判决从未出现在新闻中
- D) 决定未以表格形式呈现
描述：人工智能流畅但实际上可以产生虚假信息（捏造来源、虚假数字）；这称为幻觉。并非新闻中包含的所有事实、名称、数字和来源都可以在未经主要来源验证的情况下发布；责任在于记者。
2. 在数据新闻中，计算表格中的百分比和平均值的最安全方法是什么？
- A) 让人工智能直接计算数字并将结果放在新闻中
- B) 让人工智能描述方法/公式，在可审核的工具中运行它，并验证原始数据的结果✔
- C) 完全不使用数字，只写注释
- D）将人工智能给出的第一个猜测视为两个来源
说明：人工智能是语言模型，不是计算器；经常错误地计算平均值和百分比。正确的方法不是让人工智能进行计算，而是描述方法，在可审核的工具（电子表格、查询）中运行它并检查原始数据的结果。
3. 要在通过自动转录 (ASR) 提取的采访文本中将引述包含在新闻中，必须执行哪一步？
- A) 通过人工智能纠正报价，使其更加流畅
- B) 假设成绩单中的句子正确并直接发布
- C) 通过将报价逐字与时间戳记录进行比较来验证报价 ✔
- D) 只依靠说话者辨别而不是听音源
说明：自动转录是草稿；尤其是在专有名称、数字和行话中，一个词就可以改变和颠倒含义。新闻中引用的每句话都应该通过查看时间戳并逐字聆听录音来验证。
4.为了确认某个说法，实习生可以直接询问AI“这是真的吗？其来源是什么？”他问道。这种方法的主要问题是什么？
- A）问题太长
- B) 该主张并非基于视觉
- C) 人工智能根本无法用于确认
- D）人工智能产生真实判断和捏造消息来源的能力； ✔ 证据必须来自第一手来源
披露：人工智能不是事实核查的来源； “这是真的吗？”可能会给出令人信服但错误的结论，甚至可能给出问题的捏造来源。在验证过程中，人工智能简化了流程（将索赔分解为多个组成部分，生成清单）；准确性的证据来自主要来源，即记者的手。
5. 要测试互联网上所说的“今天在该城市拍摄的”事件照片的真实性，最有效的第一步是什么？
- A) 通过反向图像搜索查找图像先前发布的地点/时间 ✔
- B) 问人工智能“这张照片是真的吗？”询问并相信答案
- C) 查看照片的美学品质
- D) 查看分享账户的关注者数量
说明：最常见的视觉虚假信息是将旧图像呈现为新事件。反向图像搜索通常通过显示该图像之前发布的地点和时间来单独揭露此类假货。
6. 人工智能“虚假检测工具”称图像“78% 是人造的”。在编辑决策中应如何使用此输出？
- A) 如果比例较高，则直接声明该图片为假图片并撤回发布。
- B) 以此为线索，回溯源头，反向查找，进行实际验证✔
- C) 如果百分比较低，则完全不检查就发布图像
- D) 将工具的输出写入新闻中作为发布的理由
解释：检测工具可能在两个方向上都是错误的：它们可以将真品称为假品，也可以将假品称为真品。这个输出不是决定性的证据，而是一条线索。条款;由源提取、元数据、反向搜索和独立上下文验证提供。
7. 虽然人工智能为新闻机构生成了合适的标题，但它会将“考虑退出”的决定标题为“撤回”。这违反了什么规定？
- A) 标题超出正文的精确度；标题无法表达正文未表达的内容✔
- B) 标题太短
- C) 标题中没有数字
- D) 标题不是问题形式
说明：标题不能比新闻正文表达更多内容；超出正文精确度的标题会误导读者并产生反驳的风险。人工智能产生的称号必须通过与本体的比较来检验。
8、人工智能在总结冗长的法庭判决时说“被告被无罪释放”；然而，该决定“由于缺乏证据，上诉的可能性是开放的”，另一起诉讼正在进行中。这个典型的错误是什么？
- A）摘要太长
- B）摘要没有放在表格中
- C) 上下文丢失；如果删除条件和过程信息，正确的句子就会产生误导 ✔
- D) 决定必须是外语
解释：摘要最具误导性的是“脱离语境”：一个句子在技术上是正确的，但由于省略了条件、时间或来源条件而产生了错误的感知。摘要中不应遗漏关键条款的情况，信息应与原文进行核实。
9. 对于多语言新闻中通过机器翻译提取的外国引述，正确的态度是什么？
- A) 按原样发布机器翻译，并加引号
- B) 只需检查报价的长度
- C) 逐字翻译并准确使用它们
- D) 将翻译视为草稿，与懂该语言的人确认其与原件，并将原件记录在案 ✔
解释：机器翻译可能会漏掉否定词（not/none）、条件句或反讽词，并误译短语；这可能会使引用的意思完全相反。新闻中的引述由懂该语言的人与原文进行比较来确认，并且原句保留在记录中。
10. 在新闻报道中使用人工智能生成的“犯罪现场”图像在道德上正确的方式是什么？
- A）使用没有标签的图像，就好像它是真实照片一样
- B) 使用图像清楚地将其标记为“具有代表性，由人工智能制作”，并且以不模仿现实的方式✔
- C) 放置不带任何标签但尺寸较小的图像
- D）在不询问读者的情况下替换真实事件的视觉效果
说明：呈现为代表真实事件的合成图像相当于虚假信息。人工智能生成的图像只有在明确标记（具有代表性，由人工智能生成）并且不模仿现实的情况下才能使用；给人以现实印象的合成媒体不包含在新闻中。
11. 在咨询人工智能时，使用了将消息来源描述为“总部唯一的残疾员工”的句子。为什么这有风险？
- A) 句子太长
- B) 该句子并非取自官方文件
- C) 间接标识符是指小团体中的单个人，与姓名一样暴露身份✔
- D）人工智能无法理解残疾问题
说明：资源保护不仅仅是隐藏名称；而是隐藏名称。指代一小群人中的一个人的间接标识符就像名字一样暴露身份。 “这个食谱适合多少人？”如果测试为1，则资源不受保护；此外，将这些数据提供给公共工具会导致失去控制。
12.人工智能总结敏感泄密文件之前的关键步骤是什么？
- A) 通过快速上传文档来节省时间
- B) 彩色扫描文档
- C) 只需更改文档的标题
- D) 清理文档的元数据并将其转换为纯文本和匿名标识符✔
描述：文件中嵌入的元数据（作者姓名、编辑历史记录、创建日期、位置）可以直接识别来源。在将文档导出到工具之前，必须清理元数据，将其转换为纯文本，并且必须对所有直接/间接标识符进行匿名化。
13. 已发布的新闻中出现源自人工智能的错误数字。问责原则需要什么？
- A) 承担责任并发布透明且非防御性的更正 ✔
- B）通过说“车辆制造了它”来将错误归咎于人工智能
- C) 默默地删除错误并且不做任何解释
- D) 更换车辆并保留新闻原样。
解释：责任不能转移到车辆上； “人工智能以这种方式总结/计算”并不是有效的辩护。所有出版的内容背后都有一个人的支持；通过透明和负责任的纠正来纠正错误，而不是将责任归咎于车辆。
14. 在端到端人工智能支持的新闻流程中，“阶段门”的概念意味着什么？
- A) 人工智能自动切换阶段
- B) 人工验证每个阶段出口处的输出；未经验证请勿进入下一阶段✔
- C）尽快将新闻发布
- D）将整个流程委托给单个人工智能请求
描述：阶段门是对每个阶段的输出进行人工验证检查：未经验证，任何输出都不会进入下一个阶段。 “此输出中有哪些未经验证的内容？”过渡问题可以防止幻觉沿着链条发展。