The Viral Blur: How AI Distortions of Minneapolis Tragedy Reached the Senate Floor

在數位內容傳播速度遠快於事實查核能跟上的時代，一起關於明尼阿波利斯近期槍擊事件的令人不安事件，把「實相冷漠（Reality Apathy）」的危機凸顯出來。原本在社群平台（包括 X（前稱 Twitter））上被觀看超過九百萬次的一張看似清晰、呈現混亂場面的影像，後來被證實是經由 AI 強化的偽造圖像。當一位美國參議員在參議院發言時展示了這張經數位修改的圖像，這場爭議便從網路討論升高到政府最高層，凸顯出政治論述與新聞消費中一個危險的新先例。

事件聚焦於聯邦探員在明尼阿波利斯開槍致死的重症監護室護理師 Alex Pretti。雖然槍擊本身是一個真實且可怖的事件，並被旁觀者以低畫質錄影捕捉，但在網路上引發熱傳的那張影像並非原始畫面。相反地，那是一張經由用於升頻解析度的人工智慧工具「還原」後的版本。結果是一張乍看像是高畫質的圖片，但其中包含了怪誕的數位幻覺──例如一名探員缺了頭顱、另一隻腿與武器融為一體──模糊了紀錄與虛構之間的界線。

The Anatomy of an AI Hallucination

該張影像示範了一種日益常見的 AI 錯誤資訊 類型：「善意」的修改。與旨在陷害無辜者的惡意深偽（deepfake）不同，這張圖片很可能是由一位使用者試圖「修復」顆粒狀影像以使其更清晰時產生的。然而，生成式AI（Generative AI）並不只是銳化像素；它會預測並發明像素。

當 Pretti 槍擊案的低解析度截圖被輸入升頻軟體時，演算法嘗試依據統計機率填補缺失細節，而非基於光學真實。該軟體在原本不存在的地方「幻覺」出高保真材質。

數位鑑識專家指出了洩漏該圖像合成性的明顯異常：

• 幻影肢體： 一名跪地的 ICE 探員看似沒有頭顱，而另一名探員的手部位置在解剖學上不正確。
• 物體融合： 一條腿看似無縫地與躺在人行道上的步槍結合，這在物理上不可能，但 AI 卻將其解讀為單一連續形狀。
• 材質置換： 在原始影片中可能是一隻靴子的物體，被 AI 呈現成鋸齒狀、類似岩石的物體，因為模型難以解析模糊的輪廓。

這些錯誤，常被稱為人工痕跡，卻被數百萬名情緒激動的觀眾忽視，他們將該圖像當作事件殘酷程度的定論證據來分享。AI 提供的高畫質「光澤」賦予影像虛假的權威性，繞過了人們對顆粒影片通常會抱持的自然懷疑。

From Social Media to the Senate

這種數位扭曲的影響在參議員 Dick Durbin 試圖譴責暴力時，於參議院發言中展示了該張經 AI 強化的影像，達到臨界點。此一時刻標示了立法辯論中證據審核流程的重大失敗。

Durbin 參議員的辦公室隨後發表道歉，承認他們是從網路上取用該圖像，卻未核實其真實性或注意到數位異常。「我們的團隊使用了一張在網路上廣為流傳的照片。遺憾的是，工作人員直到事後才發現該圖像被稍作修改，」一位發言人表示。

然而，傷害是雙重的。首先，這不小心提供了批評者藉口，試圖以此將實際槍擊案斥為「假新聞」，利用了所謂的 說謊者紅利（Liar's Dividend）──當存在深偽時，惡意行為者可以藉此將真實證據稱為捏造。其次，這顯示即便是高階政府官員，也缺乏區分原始新聞與 AI 生成內容的工具或識讀能力。

在明尼阿波利斯抗議事件的延伸影響中，這並非孤立事件。在另一場爭議中，官方的白宮 X 帳號發布了一張示威者 Nekima Levy Armstrong 的照片。鑑識結果顯示該影像經過數位修改，被加上了臉上的淚痕，誇大了她的痛苦。不論這種操作是透過簡單的影像編輯軟體或是生成式 AI 完成，均使得抗議的視覺紀錄更加混淆，成為彼此競爭實相的戰場。

The Technical Divide: Enhancement vs. Fabrication

要理解為何此區別重要，就必須分清傳統照片編輯與生成式 AI「強化」之間的差異。傳統方法可能調整亮度或對比，影響的是資料的「呈現」。而生成式 AI 則改變了資料「本身」。

以下表格列出在明尼阿波利斯案中，真實新聞攝影與 AI 生成影像之間的關鍵差異：

Table: Authentic Journalism vs. AI-Enhanced Imagery

The Role of Platforms and "Reality Apathy"

Pretti 影像的病毒式散播凸顯了像 X 這類平台面臨的龐大挑戰。雖然 X 的「Community Notes」功能最終確實對白宮修改過的 Armstrong 圖像做了標註，但那張經 AI 升頻的槍擊畫面仍在網路上流傳數小時，累積了數百萬次觀看，修正訊息才來得及追上。

根據錯誤資訊專家的說法，危險在於**「實相冷漠（Reality Apathy）」**的出現。當使用者被真實的、稍微改動的與完全捏造的影像混合轟炸時，為了驗證真相所需的認知負擔變得過高。最終，使用者可能會停止嘗試分辨真偽，而退回到部落式的信息孤島，只相信能證實其既有偏見的影像。

知名數位鑑識專家 Hany Farid 教授就明尼阿波利斯的影像指出：「在戰霧中，細節很容易被誤認。但當 AI 進入那層霧時，它不只是使真相模糊──它會改寫真相。」用於升頻 Pretti 影像的工具廣為可得，且常被行銷為提升生產力的工具，意味著製造此類誤導內容的門檻實際上為零。

The Future of Digital Authenticity

明尼阿波利斯事件為 Creati.ai 社群和更廣泛的科技圈提供了一個陰沉的案例研究。它顯示 AI 錯誤資訊的威脅不總是來自惡意的「機器農場」或國家行為者從頭製作深偽。很多時候，來源是善意的市民使用手機上的「增強」按鈕，卻不自覺地在改寫歷史。

對新聞室與政府機構而言，教訓是立即且明確的：在社群媒體上找到的視覺證據再也不能僅憑表面信任。像 C2PA（Coalition for Content Provenance and Authenticity，內容來源與真實性聯盟） 這類為檔案附加數位來源數據的標準的實施，正變得刻不容緩。在這些標準普遍採用之前，經訓練能辨認「無頭探員」與「熔化的槍械」的人眼，仍然是阻止我們共同實相被侵蝕的最後防線。

當我們向前邁進時，問題已不再只是「這張照片是真實的嗎？」而是「這張照片有多少部分是由機器所預測的？」如同在參議院講台上所見，答案可能對民主造成深遠影響。