人工智能技术的发明在各个领域都敲响了警钟，新闻业也不例外，而合成媒体的出现更是雪上加霜。本指南将重点阐述合成媒体的定义、技术，以及最令人震惊的——它对新闻业构成的种种警示。.
重要性：
构成新闻内容的各种数据形式正处于虚假的边缘，因为合成媒体——一种可以操纵文本、图像和视听内容的算法——目前可供有需要的人使用。借助这种基于人工智能的模型，“可以创造出不存在的面孔和地点，甚至可以创造出模仿人类语音的数字语音化身。”
阿尔达纳山谷 2019）想象一下这样一个世界：真假新闻难以区分，因为假新闻的传播者可以篡改“证据”以迎合自身利益。例如，如果特朗普、普京和金正恩宣布开战的视频在网上全球流传，恐怕没有人会停止相信第三次世界大战已经爆发。尽管相关政府可能会辟谣，但此类新闻造成的心理和经济恐慌可能比导弹袭击的影响更大。.
深入挖掘
合成媒体可以通过三种生成式人工智能技术创建，分别是生成对抗网络（GAN）、变分自编码器和循环神经网络。上述生成式人工智能分别用于生成照片、视频和文本。之所以使用“生成”一词，是因为使用这些算法创建的大多数媒体内容并不存在；然而，合成媒体也可以用于复制。根据 Aldana Vales 的说法，“生成对抗网络使用两个相互竞争的神经网络（神经网络是一种能够预测和建模复杂关系和模式的计算系统）。”第一个网络和第二个网络分别充当生成器和判别器。判别器监督生成器，确保不遗漏任何细节。经过两者的反复修改，生成的内容将与原始内容相似。与生成对抗网络不同，变分自编码器中的神经网络被称为编码器和解码器，因为该技术涉及视频内容的压缩和重构。 “解码器包含概率建模，可以识别两者之间可能存在的差异，从而重建那些在编码解码过程中丢失的元素。”（Aldana Vales 2019）循环神经网络的工作原理是“识别大量文本的结构”。这是手机文本自动纠错应用程序中使用的方法。这些技术应用于各种项目中，例如：GauGAN，
面对面以及 GPT-2 模型。合成媒体的最新应用体现在 Siri 或 Alexa 中。这些虚拟助手现在能够“将文本转换为音频并模仿人类语音”。2017 年，Vice 发表了一篇题为《人工智能辅助色情片来了，我们都完蛋了》的文章，曝光了一段伪造色情视频的流传。这本身倒没什么问题，因为大多数色情电影的情节都是虚构的（哈哈）；但奇怪的是，视频中的演员长着一张非色情片女演员盖尔·加朵（神奇女侠）的脸。此外，2018 年，Buzzfeed 上流传着一段“奥巴马总统谈论视频篡改风险”的视频。这段视频的怪异之处在于，由于合成媒体技术，人工智能生成的人物长着奥巴马的脸，声音却像乔丹·皮尔。目前，一场反对合成媒体对新闻真实性造成潜在危害的运动正在进行中。然而，“除了新闻报道之外……新闻编辑室正专注于合成媒体检测和信息验证。例如，《华尔街日报》创建了一个……”
新闻编辑室指南 和
委员会 检测深度伪造技术。《纽约时报》最近
宣布 “它正在探索一种基于区块链的系统来打击网络上的虚假信息。”（Aldana Vales，2019）
结论
合成媒体可以帮助新闻机构轻松打破语言障碍，但也可能助长虚假新闻的传播。虽然无法阻止科技巨头投身人工智能技术研究，但记者可以学习如何控制合成媒体带来的危害。.
