新闻人工智能错误和“传话游戏”：我们真的还在阅读真实的新闻吗？

人工智能的秘密应用？媒体巨大的双重标准及其真正的结构性缺陷

人工智能会产生幻觉、捏造事实，并威胁真相——这是许多媒体发出的令人担忧的警告。然而，在这声讨背后却隐藏着明显的双重标准：尽管新闻编辑室公开警告这项技术存在缺陷，但最近的研究表明，70%的记者已经在日常工作中秘密使用这些人工智能工具。对机器错误的愤怒转移了人们对一个更深层次、由来已久的本土问题的关注：新闻业数十年来一直存在的“传话游戏”。在标题党和注意力经济的驱动下，新闻未经核实就被广泛接受，背景被扭曲，事实被歪曲。对公众信任的真正威胁并非人工智能本身，而是不可靠的算法与早已结构性衰败的媒体体系之间的冲突。本文将深入分析扭曲的激励机制、不断下降的媒体信任，以及新闻业为何迫切需要真正落实信息来源的严格把关。.

信息系统缺陷：结构性扭曲的激励机制、信息传递的误区以及人工智能的悄然入侵如何动摇公众认知的基础

新闻编辑室一边谴责人工智能造成的幻觉，一边却暗地里大规模部署同样的技术——却忽略了这样一个事实：几十年来，他们自己的行业一直受到根深蒂固的不准确文化的影响。

围绕新闻业人工智能的公共讨论呈现出一种奇特的不对称性。一方面，新闻编辑室、媒体评论家和记者协会纷纷发出警告，称人工智能会产生“幻觉”——即语言模型生成统计上看似合理但实际上错误的内容。“幻觉”一词已成为当前媒体讨论的核心流行语。另一方面，新闻编辑室的实际情况却截然不同：根据《2025年媒体趋势监测报告》，70%的德国记者已经在日常工作中使用人工智能工具——用于转录、研究、文本摘要、头脑风暴和文章优化。.

这种矛盾不仅引人注目，而且发人深省。一方面将人工智能产生的幻觉视为对信息质量的根本威胁，另一方面，相关行业早已将这项技术融入自身的工作流程——而且往往并未向读者公开这种融合的程度。当人工智能在后台构建研究框架、预先撰写文本或分析数据集时，公众通常毫不知情。因此，对机器错误的愤怒实际上是选择性的：被视为外部威胁的事物，在内部却被视为一种有用的工具。.

欧洲广播联盟 (EBU) 最近的一项研究更具启发性，该研究系统地测试了常用人工智能系统的可靠性。结果显示：ChatGPT、Gemini 和其他聊天机器人高达 40% 的答案都是捏造的，并将其当作事实呈现。常用聊天机器人的每两条答案中就有一条包含重大错误——无论是由于信息来源过时、提示不准确，还是所谓的“幻觉”。这些数据真实且令人震惊。但这些数据引出了一个令人不安的后续问题：如果记者每天使用的人工智能系统高达 40% 的输出都是“幻觉”，那么基于此系统生成的最终产品的实际错误率究竟是多少？

被遗忘的结构性缺陷：新闻报道中的电话沟通原则

在人工智能辩论的喧嚣背后，隐藏着一个由来已久、根深蒂固且至今仍未得到充分解决的问题：新闻机构自身对信息的系统性传播和歪曲——这早在算法出现之前就已存在。媒体研究领域对此现象的探讨不一，但归根结底都指向同一个机制：新闻并非源自一手信息，而是从其他新闻中衍生而来。每一个中间环节都会降低信息的准确性。.

第一个关键机制是循环报道，在盎格鲁-撒克逊媒体研究中被称为“虚假确认”。当信息源B引用信息源A的信息，信息源C又从信息源B复制了这些信息，最终，信息源A引用信息源C作为对其自身最初主张的独立确认时，循环报道便产生了。表面上看，多个独立信息源似乎都证实了同一件事，但这种印象具有欺骗性：所有信息源都源自同一个、往往是错误的来源。其结果是一种认知错觉——将一个可能存在缺陷的单一陈述浓缩成一种看似社会共识的说法。.

第二种机制与之密切相关：“新闻速成”（churnalism），这个词是由英语单词“churn out”（大规模生产）和“journalism”（新闻报道）组合而成。它描述了一种新闻形式，在这种形式中，新闻稿、通讯社报告或来自竞争媒体的文章被改写或直接批量采用，而且大多未经核实。在注意力经济、点击率和实时报道的压力下，新闻速成不再是例外，而是成为网络新闻很大一部分的常态。在这种做法中，新闻文字游戏以惊人的速度进行：一份通讯社报告出现错误，上百家新闻编辑室会在几分钟内不加质疑地采纳。.

第三种机制是二手信息来源错误。这指的是新闻从业者不直接引用原始信息来源（即第一手资料），而是引用其他媒体对该来源的报道。每经过一次中间环节，信息细节丢失、数据断章取义或表述方式在不知不觉中偏离原意的风险就会增加。一项研究可能在特定条件下显示出有限的相关性；但经过三轮报道后，标题却呈现出一种普遍适用的因果关系。真正的危害很少在于彻头彻尾的谎言，而在于对原意的逐渐偏离。.

数据真正揭示的真相：感知与现实是危机的两面。

关于媒体错误和媒体信任的研究始终在方法论上区分两种现象：一是实际可测量的媒体错误率，可通过受控的事实核查研究确定；二是感知到的错误率，反映了公众的主观不信任感。这两个维度对于进行合理的分析都至关重要，因为它们都会产生实际后果。感知到的错误率决定了虚假报道造成的社会损害程度——即使实际错误率较低。反之，如果公众没有意识到，即使实际错误率很高，其社会影响也可能微乎其微。.

目前尚不存在一个适用于所有新闻内容的、经过科学验证的通用错误率。然而，来自受众感知、新闻研究和媒体信任度调查的现有数据，描绘出一幅错综复杂、有时甚至令人担忧的图景，其影响遍及各个国家、媒体形式和主题领域。.

美国测量方法：高达 44% 的感知误差

最详尽的定量数据来自美国。2018 年盖洛普/奈特基金会的一项研究提供了最具启发性的发现。该研究显示，美国成年人估计报纸、电视和广播中 44% 的内容不准确。社交媒体的评估结果更为惊人：同一批受访者认为社交平台上 64% 的内容不准确，其中 65% 甚至被认为是虚假信息——即被当作真信息呈现的虚假或误导性信息。.

按政治倾向划分的分布情况揭示了一个显著的模式。共和党人认为传统媒体存在明显的偏见、不准确和虚假信息，而民主党人则不然。然而，两党成员在社交媒体问题上的看法基本一致：他们都认为这些平台上存在大量问题内容。这表明，与传统媒体信任度的下降相比，社交媒体信任度的下降是一个更广泛、更少党派色彩的现象。.

在制度层面，信任的丧失尤为显著：绝大多数美国成年人——包括超过九成的共和党人——表示，近年来他们对新闻媒体失去了信任。与此同时，69%的信任丧失者认为，如果媒体能够展现出准确性、透明度和摒弃偏见的态度，这种信任原则上是可以重建的。.

全球视角：几乎每两个人中就有一个人每周都会注意到错误。

全球范围内，调查结果一致表明新闻媒体存在结构性信誉问题。根据路透社新闻研究所发布的《2018年数字新闻报告》，全球59%的受访者表示，他们最担忧的媒体问题是事实被歪曲以达到某种目的——这是一种蓄意而为的错误，而非仅仅是疏忽。同一项研究还发现，42%的受访者在上周遇到过质量低劣的新闻报道——不准确的报道或误导性的标题。这意味着几乎一半的新闻消费者每周都会遇到特定的新闻质量问题。.

路透社新闻研究所发布的《2025年数字新闻报告》调查了48个国家近10万名受访者，结果显示，这种趋势并非昙花一现。在全球范围内，超过半数（58%）的受访者表示，他们担心自己在浏览网络新闻时辨别真假的能力。美国和非洲的这一比例最高，达到73%；西欧的比例相对较低，为46%，但也绝非令人安心。同一份报告指出，全球范围内，大多数时候都信任大多数新闻的人仅占40%——考虑到多年来信任度的持续下降，这一结果并不令人意外，但其影响却不容小觑。.

德国处于稳定与结构性不信任之间

在德国，目前的研究描绘了一幅更为复杂但同样令人深感不安的图景。由美因茨约翰内斯·古腾堡大学开展的《2024年美因茨媒体信任度纵向研究》自2015年以来每年都对德国公众对媒体的态度进行调查，结果显示，47%的民众在环境问题、健康风险或政治丑闻等真正重要的议题上信任媒体。另有34%的受访者表示“部分信任”。相反，这意味着20%的德国民众对媒体抱有强烈的不信任感，而总体而言，媒体的信任度远未达到社会大多数人的水平。.

从分析角度来看，这种主题上的差异尤为引人注目。就各个媒体类别的信任度而言，公共广播在2024年以61%的信任度领先——然而，这也是迄今为止长期对比中记录到的最低值。只有3%的德国民众认为社交媒体在某种程度上或完全值得信赖；YouTube等视频平台的信任度为8%，而另类新闻网站的信任度仅为4%——同样是迄今为止记录到的最低值。因此，公众的信任集中在少数几家老牌媒体机构，而那些主要受年轻一代使用、正在蓬勃发展的新闻频道却几乎得不到任何信任。.

WDR委托Infratest dimap公司基于对1319名合格选民的代表性调查，对2025年媒体公信力进行了一项研究。研究显示，媒体公信力略有回升：61%的受访者认为德国媒体的信息可信，比2023年上升了5个百分点。这一上升趋势确实存在，但必须将其置于历史背景下看待：该数据仍低于新冠疫情期间的峰值。当时，由于危机期间对信息的迫切需求，媒体信任度曾一度上升，但此后有所回落。此外，该研究还揭示了显著的政治分歧：92%的绿党支持者信任公共广播，而只有10%的德国选择党（AfD）支持者持相同观点。.

Xpert.Digital 是一个以数据驱动的 B2B 行业中心，由 Konrad Wolfenstein 领导。该公司为工业合作伙伴提供外部的、准内部解决方案，弥补其在市场营销、内容和销售方面的运营缺口，而无需客户投入额外资源。.

更多信息请点击这里：

• 准内部解决方案：Xpert.Digital 如何弥合 B2B 营销和销售中的运营差距——智能内容驱动型业务

动机问题：为什么公众会指认错误的罪犯——以及为什么公众的指认仍然是正确的。

语境、点击量、人工智能：为什么当今新闻业的框架存在偏差

对于结构性分析而言，媒体错误的关键不仅在于其“如何”发生，更在于其“为何”发生。由德国研究基金会（DFG）资助的“媒体结构变革中的新闻信任”项目在这方面提供了富有洞见的研究成果。72%的受访者认同媒体机构主要追求发行量和收视率，并认为这是造成质量缺陷的主要原因。只有24%的受访者将错误主要归因于新闻从业人员缺乏专业素养。.

乍看之下，人们可能会认为这是公众的误解：记者通常都是训练有素的专业人士，认为他们主要出于经济利益而进行虚假报道的说法听起来像是阴谋论。然而，事实上，这种公众认知中蕴含着一丝真相。媒体行业中存在着许多结构性的扭曲激励机制：标题夸大其词、为了增强情感冲击力而选择性地搜集事实、将复杂问题简化为非黑即白的善恶二元论——所有这些错误并非源于能力不足，而是源于注意力经济的商业逻辑。公众或许找错了责任人，但他们却指出了正确的系统性问题所在。.

在德国，42%的成年互联网用户缺乏辨别真假信息的信心——这一数字比2023年增加了5个百分点。这并非一个微不足道的数字：它反映了这样一个社会：近一半的活跃网络新闻消费者不再能够可靠地掌握信息处理的基本技能——区分事实与错误的能力。.

新闻报道中的四种不准确类型：当细节破坏整体信息时。

研究区分了四种性质不同的错误类型，它们对公众认知和报告整体信息的影响差异很大。.

事实性错误是最显而易见却影响最小的一类错误：例如数字、日期、姓名或地点错误。这类错误很容易核实，很少是故意的，而且通常可以纠正，不会影响文章的核心信息。语境性错误则更为隐蔽，影响也更大：正确的事实被呈现，却缺少必要的语境来理解其含义。例如，缺少比较点的百分比、缺少样本量的研究、缺少前文的引语——这些语境性错误虽然在技术上并非错误，却可能从根本上改变文章的整体信息。.

重点错误——误导性标题、选择性开头句和耸人听闻的叙事结构——是新闻报道中最常见的错误形式。据他们自己统计，全球42%的新闻消费者每周都会遇到这类错误。他们并非通过谎言来达到目的，而是通过控制新闻报道中哪个方面被呈现为最重要的来达到目的。最后，还有一种是带有议程设置的错误：为了宣传某种特定观点而选择性地选择或歪曲事实。这种错误是全球媒体最普遍的问题——全球59%的新闻消费者将其列为他们最大的担忧。.

语境错误和强调错误尤其难以量化，因为它们很少被识别为典型的虚假新闻。它们的影响并非源于单一的谎言，而是源于诸多细微的遗漏、强调和框架构建的累积，这些因素共同塑造了一种特定的现实图景，而这些图景本身在事实上并无错误。这使得它们成为最危险，同时也是最难证实的新闻不实形式。.

社交媒体问题：当不信任蔓延到平行世界

社交媒体平台已成为日益增长的年轻化群体的主要新闻来源，传统新闻业的所有问题——新闻速递、循环报道、语境错误——都被放大，并因算法放大和编辑质量控制的彻底缺失而进一步恶化。在德国，只有5%的人认为社交媒体平台可信。TikTok和类似服务的信任度甚至低于10%。.

然而，社交网络仍然是18至24岁人群最重要的信息来源：该年龄段人群中有三分之一的人将社交媒体视为其主要信息来源，17%的人完全从社交媒体获取新闻。这造成了一种结构性的潜在危机：越来越多的人从一个他们自己认为极不可靠的渠道获取日常新闻。信任度和使用率之间存在巨大差距。这并非个人非理性行为，而是由于在这些目标群体偏好的形式和平台上缺乏具有吸引力且值得信赖的替代信息来源所致。.

此外，制造不确定性还会产生心理影响：一项针对政治深度伪造视频的研究表明，此类内容未必能欺骗用户，但会加剧用户的不确定性。这种不确定性会蔓延至人们对新闻的普遍信任：那些经常在平台上接触到被操纵或误导性内容的人，往往也会对该平台上的合法信息来源抱持怀疑态度。新闻业的公信力危机不仅因社交媒体而加剧，而且还被传播到那些信誉良好的新闻机构本就处于结构性劣势的渠道。.

人工智能新悖论：机器错误与人类在竞争中玩“传话游戏”

人工智能在新闻编辑室的广泛应用正在引发一个此前鲜少被提及的新问题：人为错误和机器错误来源的重叠。如果一位记者使用 ChatGPT 进行调研准备，而系统生成的错误内容高达 40%，并且这位记者随后——正如大约五分之一的媒体从业人员所承认的那样——由于时间不足而未能对输出结果进行全面核实，那么一种新型的新闻“电话沟通”模式便应运而生：人工智能出现“幻觉”，人类接管判断，而读者却信以为真。.

讽刺的是，传统的电话新闻之所以有效，是因为人类编辑在时间压力下会直接采用其他来源的内容，而不加核实。人工智能驱动的版本也遵循同样的基本原理——只不过第一个“来源”现在是一台机器，它与真理的关系是统计性的，而非认知性的。人工智能系统并不知道什么是真理。它们只是根据训练数据生成听起来在统计学上合理的表述。一个听起来令人信服的系统，即便其内容是虚构的，也特别不适合不加批判地使用——因为流畅的表达方式会抑制批判性的纠正，即对内容的怀疑。.

由此得出的结论令业界感到不安：新闻界的反人工智能言论与其说是出于对机器错误的根本否定，不如说是为了抵御外部竞争和维护自身形象。其核心结构性问题——缺乏信息来源审查、出于经济利益而进行的删减、循环报道——早在人工智能出现之前就已存在，而人工智能在不利条件下的应用只是加剧了这些问题。.

注意力经济的系统性设计问题

现有数据无法对新闻报道的总体错误率给出简单直接的答案。然而，它确实可以得出结构清晰的结论：人们感知到的错误和不准确率大约在25%到60%以上，具体数值取决于媒体、国家和主题领域。至关重要的是，这需要区分显而易见的谎言和更为隐蔽但影响更大的语境错误——这种错误并非通过谎言，而是通过遗漏、框架或片面关注，从根本上改变了整体信息。.

这类错误最为普遍，最难证实，也最能动摇公共信息空间的根基。72%的德国民众认为发行量和收视率压力是造成信息质量下降的主要原因，这一事实揭示了一个至关重要的集体认知：问题不在于个别记者的偶然失误，而在于以关注度为导向的媒体商业模式的系统性缺陷。那些在持续点击压力下发布内容的媒体追求的是传播范围，而非真相。那些在时间压力下运作的媒体依赖二手信息源，而非核实一手信息源。竞争对手则照搬竞争对手已发布的内容——这恰恰强化了信息传播的恶性循环，最终侵蚀了整个信息系统的质量。.

路透社新闻研究所发布的《2025年数字新闻报告》显示，德国民众对新闻的信任度基本稳定在45%，但仍低于新冠疫情期间的峰值。低水平的稳定性并非自满的理由，而是媒体与公众之间结构性关系受损的征兆——这种关系无法通过谴责人工智能的“幻觉”来修复，而只能通过数十年来一直被忽视的措施来解决：持续的信源审查、生产过程的透明化，以及坦诚地承认新闻传播中的“传话游戏”并非机器的“新发明”。.

☑️ 我们的业务语言是英语或德语。

☑️ 新增：用您的母语进行通信！

 

我和我的团队很乐意为您提供私人顾问服务。.

您可以通过填写此处的联系表格联系我wolfenstein@xpert.digital：，或者直接致电+49 7348 4088 965。我的邮箱地址是

我期待着我们的合作项目。.

 

 

☑️ 为中小企业提供战略、咨询、规划和实施方面的支持

☑️ 制定或调整数字化战略和数字化

☑️ 拓展和优化国际销售流程

☑️ 全球及数字化 B2B 交易平台

☑️ 先锋业务拓展/市场营销/公关/展会

人工智能搜索改变一切：这款SaaS解决方案将如何彻底革新您的B2B排名。.

B2B企业的数字化格局正在经历快速变革。在人工智能的驱动下，在线曝光的规则正在被改写。对企业而言，挑战始终在于如何在浩瀚的数字信息海洋中脱颖而出，以及如何精准触达目标决策者。传统的搜索引擎优化（SEO）策略和本地营销（地理营销）复杂耗时，而且往往需要与不断变化的算法和激烈的市场竞争作斗争。.

但如果有一种解决方案，不仅能简化流程，还能使其更智能、更具预测性、效率更高呢？这正是将专业的B2B支持与强大的SaaS（软件即服务）平台相结合的优势所在，该平台专为满足人工智能搜索时代SEO和GEO的需求而设计。.

新一代工具不再仅仅依赖人工关键词分析和反向链接策略，而是利用人工智能更精准地理解搜索意图，自动优化本地排名因素，并进行实时竞品分析。最终形成一种积极主动、数据驱动的策略，为B2B企业带来决定性优势：它们不仅能被搜索到，还能被公认为所在细分领域和地区的权威领导者。.

这就是 B2B 支持与 AI 驱动的 SaaS 技术相结合，改变 SEO 和 GEO 营销的方式，以及您的公司如何从中受益，在数字领域实现可持续增长。.

更多信息请点击这里：

​

• B2B SEO、GEO 和 AIS（人工智能搜索）支持与博客 – 人工智能搜索
• 别再用昂贵的SEO工具了——这款替代方案凭借无与伦比的B2B功能占据主导地位。