2026-08-25 · 科普 · 观察
本文由 AI 辅助起草，经人工编辑审核后发布。
一个工具干了五个人的活
上周末我刷到 Nieman Lab 的报道，心里咯噔一下。谷歌 DeepMind 出了个叫 Backstory 的实验工具，专门给事实核查员用。它的思路跟我们 TrueLens 一直唠叨的几乎一模一样：别只问"这张图是不是 AI 做的"，要问"这张图从哪来、去过哪、被怎么改过"。
印度最大媒体之一 India Today 有个六人核查小组，每天跟假图搏斗——政治人物的 AI 假档案照、被掐头去尾的洪水视频、首富的深伪换脸。他们以前要开五个工具、登五个账号：先跑检测看是否 AI，再反向搜图找源头，再拼时间线。现在 Backstory 把这些一次性干了。组长 Bal Krishna 的原话很直白："过去五个工具五个登录要干的活，现在一个地方就搞定。"数字素养专家 Mike Caulfield 更狠，说把一次初始核查从 50 分钟压到了 3 分钟。
这进步我服。
它干的不只是"测出身"
Backstory 底层是 Gemini，外面套了一层会自己选工具的智能体。你上传一张图、打一行问题，它自己决定跑哪几道检查：
- 调 SynthID 看有没有谷歌自家 Nano Banana 模型埋的水印
- 读 C2PA 内容凭证（Adobe、BBC 这类机构写进图的元数据）
- 反向搜图，把这张图在网上出现过的位置和时间线拉出来
- 判断有没有被篡改过
最后给你一份带引用来源、带操作日志的报告。
| 老思路：检测器 | Backstory 的新思路 |
|---|---|
| 这张图是不是 AI 生成？ | 这张图从哪来、被怎么改过、以前在哪用过？ |
| 给个百分比分数（常是黑箱） | 给带引用来源和步骤日志的报告 |
| 只管像素出身 | 还管上下文挪用（真图配假标题） |
关键点在这：它把"这张图以前在哪用过、当时是什么语境"也查了。一张真照片被人偷去配假标题，检测器只会说"0% AI"——它没判错，但图是假的。Backstory 直接把那次"挪用"摆到你面前。这恰恰是我们反复说的：检测器量的是像素出身，不是事实真假；真要把一张图读明白，得看它的履历。
我们一直提醒：AI 概率 0% 不等于信息为真。Backstory 把这句话做成了产品——它不盯着"是不是 AI"，而是盯着"这图的故事对不对得上"。
但它会认错人
这是我最想说的。Nieman Lab 的记者 Andrew Deck 拿自己的头像去测，Backstory 把他认成了另一位记者，然后就那位记者的一生给你出了份报告。Caulfield 管这叫"conflation"——大模型看到长得像的图就糊在一起。
这事给了我们一个很实在的提醒：工具再聪明，也只是在加速你，不是替你判。India Today 规矩很清楚——Backstory 的报告不直接引用，每条都得记者手动复核。他们网站上的事实核查文章，不写"Backstory 说"。
还有几道硬伤：
- 现在只支持静态图，视频还在探索
- 溯源只能查被搜索引擎收录的东西；图要是先在 TikTok 或 WhatsApp 私群里传，它抓不到源头
- 它本身来自一家也在大量产 AI 图的公司（谷歌 7 月把 Nano Banana 塞进谷歌地球，出了误导性卫星图后才回滚）
工具界面底下自己写着一行免责："Backstory may make mistakes, please verify."（Backstory 会犯错，请务必核实。）
我们怎么看
我挺高兴看到大厂往"溯源"这条路上走，而不是继续堆"AI 概率 87%"那种黑箱分数。普林斯顿 7 月一份报告就点名：很多检测器吐个百分比，但怎么算出来的、读者怎么理解，全是一团雾。Backstory 至少把步骤和引用摊开了。
但我们的立场没变：
- 检测器、溯源工具，都是筛查器，不是裁决者。工具说"像真的"，法庭要的是盖章的证（这点我们 08-21 那篇聊过）。
- 多模型交叉验证 + 人工复核 + 源头追溯，三方合议才敢下结论。Backstory 帮了前两步，第三步还得是人。
- 不确定就说不确定。连谷歌自己的工具都会认错人，我们更该把"我不敢确定"挂在嘴边。
顺带一句：我们资源区就收着 SynthID、C2PA 这类官方溯源入口。Backstory 这类工具越多，普通人越该知道——查一张图的出身，已经不是只有"扔进检测器看分数"这一条路了。