造谣短视频会造成哪些影响？如何治理？记者采访了中国社会科学院大学新闻传播学院副院长、教授黄楚新。

　　记者：虚假信息如何通过社会矛盾挑动社会对立？

　　黄楚新：虚假信息擅长用“微真实”包装“宏谬误”，虚假信息的编造者通常会选取现实中确实存在的个案，通过剪辑、拼接，配以极端化叙述，让观众逐渐将个案认知内化为普遍规律。此外，由于算法推荐系统对冲突性内容的偏好，与分歧、矛盾相关的关键词会获得远高于普通内容的曝光量，驱动“争议—流量—更大争议”的恶性循环。传播学中的框架理论指出，负面框架通过聚焦特定群体的“威胁”属性，诱导受众在短时间内产生情绪化分享行为，进一步加剧谣言的病毒式扩散。情绪传播机制则通过不安、愤怒等负面情绪的传染效应，促使个体在同质群体中不断强化既有偏见，形成信息茧房，加剧群体对立与社会对立。

　　记者：造谣者背后大多有MCN机构（即网络信息内容多渠道分发服务机构）的操纵，其如何从造谣中获利？

　　黄楚新：MCN机构参与造谣、辟谣的行径，多源于其奉行的“流量为王”的底层逻辑，通过AI低成本生产内容，批量制造耸动标题并配以夸大其词的表述吸引浏览量，之后再依托平台分成、广告投放及流量变现机制获利。而到此仅为其“吸金”的第一阶段。在第二阶段，造谣机构会利用用户对“真相”的好奇心，趁着热度发布辟谣或经“事实核查”后的内容，获得二次推送的机会以及持续的流量红利，达成在“造谣—辟谣”的闭环中盈利的目的。而违法主体为预防自身行径暴露，会注册多个自媒体账号，统一交由MCN机构运营，并在暴露后更换或包装新账号继续输出，以此来规避风险。此外，部分MCN机构还通过“引流”“控评”“有偿删帖”等配套服务，将触手从内容生产端延伸到舆情管理端，形成覆盖谣言“前端”到“后端”的灰色产业链。

　　记者：目前的AI识别技术能否有效应对深度伪造内容？

　　黄楚新：当前，基于多层卷积神经网络（CNN）和循环神经网络（RNN）的AI识别技术，能一定程度上有效识别音频与视频中的伪造痕迹，如面部细节中微小的失真情况等。但是一旦遇到更高分辨率、更复杂的多模态伪造时，其检测效果将会大打折扣，出现漏判情况。而在检测使用了滤镜、美颜、色彩校正等后期操作的内容或者经过多次压缩、截帧、网络传输的低质量视频时，则可能出现误判真实内容的情况。而此恰恰证明了，投喂给AI的训练数据难以囊括真实世界存在的所有内容，伪造手段的不断进化也帮助其绕过现有的检测模型，与检测手段打起了“游击”。AI识别技术的发展任重道远，未来还需通过对抗训练等综合手段，不断提高技术的精准度。