原文标题： Reality Re-Imag(in)ed. Mapping Publics’ Perceptions and Evaluations of AI-Generated Images in News Contexts

一、研究对象与核心研究问题

本研究以新闻受众为研究对象，聚焦于一个核心问题：公众如何感知和评价新闻媒体中由生成式人工智能（AI）生成或编辑的图像？具体而言，研究旨在通过探索性方法，深入了解三个层面的问题：第一，受众在何种程度上、以何种形式接触到新闻中的AI生成图像，以及他们的体验如何（RQ1）；第二，受众如何评价新闻中使用AI生成图像所带来的挑战与机遇（RQ2）；第三，受众对于新闻媒体负责任地使用AI生成图像提出了哪些具体的要求、条件与建议（RQ3）。通过这些研究问题，论文试图弥补当前学术界在AI新闻研究领域的两大空白：一是受众视角的缺失，现有研究多关注新闻从业者和技术本身；二是对视觉模态关注的不足，多数研究聚焦于AI生成文本，而忽略了在社交媒体时代更具冲击力的图像。

二、研究背景

本研究的现实背景是生成式AI技术的迅猛发展及其对新闻视觉内容生产和传播的革命性影响。以Dall-E、Midjourney、Stable Diffusion等为代表的图像生成工具，使制作逼真但完全虚构的图像变得极其民主化和便捷，这引发了新闻界对其真实性、伦理和公信力的深切担忧。现实意义在于，新闻业正处于一个十字路口：一方面，BBC、CBC等主流媒体已开始尝试将AI用于图像创作或后期编辑，以期提高效率；另一方面，虚假信息和“眼见不再为实”的风险对新闻真实性和受众信任构成了前所未有的威胁。尤其是在视觉内容主导的社交媒体成为主要信息入口的背景下，研究受众如何看待这些实践，对于新闻机构制定既能利用技术优势又不损害公信力的策略至关重要。因此，了解公众的担忧、期望和信息需求，成为新闻业在AI时代生存和发展的关键议题。

三、理论背景

本研究以新闻伦理框架作为核心理论透镜。文章指出，新闻伦理是伴随媒介技术形态演变而发展的规范性指引，它强调准确、公平和透明等核心价值观。将AI视觉内容纳入新闻伦理考量，是因为这项技术直接冲击了新闻的真实性原则和公众信任。理论背景主要涵盖两个维度：

  1. 技术对新闻业的影响：文献回顾了AI技术（尤其是生成式AI）如何渗透到新闻采集、生产和分发的全价值链，重塑新闻工作流程、产品形态以及媒体与受众的关系。新闻伦理框架在此过程中不断受到冲击和重新定义。
  2. 视觉新闻的真实性危机：该研究根植于视觉传播研究，探讨了图像作为“目击证人”和“图像证据”的传统认知基础。文献指出，图像在新闻中不仅具有吸引注意力的功能，更承担着传递真实政治和社会信息的民主角色。AI生成的逼真图像挑战了这一根基，引发了学者和从业者对“后真相”时代视觉证据可信度的讨论。此前研究发现，即使是专业摄影师也难以区分数字照片与AI生成的照片，而本研究则将这一关切延伸到普通受众的感知层面，并呼应了先前关于AI使用透明度的“透明度悖论”——即受众既要求透明，又可能因信息披露而产生逆向的信任流失效应。

四、研究设计

本研究采用质性研究设计，通过在荷兰进行的四个焦点小组访谈来收集数据，这种方法适合对尚未被充分探测的受众感知进行深入探索。

  • 样本与招募：通过专业调查公司招募了25名参与者，构成四个焦点小组（每组5-8人）。样本在年龄（平均34.4岁）、性别（男性52%，女性48%）和教育背景上具有多样性，以获取多样的观点。
  • 数据收集：2024年10月下旬，在阿姆斯特丹大学进行了四次时长为一小时的焦点小组讨论。讨论遵循半结构化的访谈指南，分为三个主题板块，分别对应三个研究问题：让参与者反思其AI内容体验（RQ1）、评价AI图像在新闻中的使用（RQ2），以及提出对新闻媒体的要求和期望（RQ3）。讨论中，研究人员并未向参与者展示具体的AI图像实例，而是鼓励他们进行一般性的思考和评价。
  • 数据分析：对录音转录稿进行主题分析。两位研究者采用“共识编码”的方式，共同对前两组数据进行逐段编码，以协商一致的方式确定编码标签，并反思研究者的立场偏见。后两组数据则各自独立编码。整个编码过程采用归纳法，从数据中提炼出初步代码，随后对代码进行合并与归类，最终整合成对应三个研究问题的核心主题。

五、主要发现

研究揭示了公众对于新闻中AI图像的感知、评价与期望，主要体现在以下三个方面：

  1. 有限的体验与模糊的认知（RQ1）：

    • 普遍缺乏意识：受众在新闻中感知到AI生成内容的经历非常有限，并承认自己难以辨别内容是否为AI生成。
    • 平台与模态的区分：参与者明确区分了社交媒体和新闻媒体，认为AI内容主要泛滥于偏重娱乐的社交媒体（如Instagram、TikTok），而对新闻媒体抱有较高的信任度。同时，他们在“软新闻”和“硬新闻”（如政治）之间划出界限，对后者使用AI的容忍度极低。
    • 图像与文本的认知差异：人们认为识别AI图像比识别AI文本更难，且缺乏验证图片真伪的有效手段，更多依赖“直觉”或“太完美”等不稳定性指标。

  2. 普遍的忧虑大于机遇（RQ2）：

    • 核心忧虑：重塑现实与虚假信息。最大的担忧是AI有能力生成一个不受限的“虚假现实”，并可能被当作“客观现实”而快速扩散。参与者害怕这会动摇他们理解世界的共享真实感，即“我们如何再知道什么是真的？”
    • 其他具体担忧：包括AI训练数据的来源不透明及其可能带来的偏见（如种族和性别刻板印象的视觉化）、视觉信息因被动消费而比文本更具“瞬间内化”的误导能力、技术的快速传播和算法推荐会加剧社会极化，以及对新闻专业技能的威胁。
    • 有限的机遇认可：经过引导，参与者承认AI在某些领域有用，比如创建示意图表、动画等辅助性、说明性图像，以提高记者效率。他们强调，信任的客体是负责任的新闻媒体和使用技术的人，而非技术本身。

  3. 对媒体负责任使用的条件与建议（RQ3）：

    • 对未来的恐惧：受众对技术发展之快和年轻一代失去“纯人类创作”基准表示深切忧虑。
    • 接受的条件：受众认为AI在新闻中的使用似乎不可避免，但有严格的前提。这包括：严格的政府或第三方监管、媒体机构的可信度背书、以及在政治等严肃话题中禁用AI图像。
    • 具体建议：受众要求高度透明，例如在AI图像上打上不可忽视的“水印”或标识，并披露使用了哪种AI工具和具体的生成指令。同时，他们也建议加强公众的AI媒介素养教育。这些发现再次印证了“透明度悖论”：受众要求透明，但对如何有效利用这些透明信息缺乏清晰框架。

六、研究结论与讨论

本研究的结论是，公众对新闻中AI生成图像的评价以担忧为主导，核心恐惧是AI技术可能导致的“客观共享现实”的丧失，这直接威胁了新闻业赖以生存的真实性根基。研究的学术贡献主要体现在四个方面：

  1. 弥合了专业与受众视角：研究将此前集中于新闻从业者内部的讨论扩展到受众端，证实了公众与专业人士一样，对信息真实性深感焦虑。它首次从受众视角具体描绘了对AI图像的特定担忧。
  2. 凸显了视觉真实性的重要性：研究发现受众对图像真实性的认知标准，如对“不完美”的认同和对“完美”的警惕，与视觉传播理论中的真实性标记理论相呼应，揭示了AI时代视觉信任危机的具体表现。
  3. 深化了对“虚构现实”担忧的理-解：研究详细阐释了受众如何将AI图像的潜在危害与社交媒体环境、被动信息消费、政治极化等社会议题联系起来，为“后真相”话语提供了有力的受众经验证据。
  4. 探索了透明度的悖论：研究通过实证数据揭示了受众在AI披露问题上的复杂心态：他们渴望透明，却不知如何处置这些透明信息，这为新闻机构制定政策提出了一个需要精细平衡的实践难题，即直接满足透明要求可能效果不佳。

总之，本研究为新闻机构在数字时代如何负责任地整合生成式AI视觉技术提供了宝贵的受众视角与底层逻辑支持，强调了维护公众信任仍然是新闻业的核心挑战与责任。