Aron DSouza：我从上周我们的谈话中收获了很多。我认为这是一个非常有意思的问题——如果你拥有世界上所有的资源，你会如何重新发明新闻业，或者说真相传播这件事，来提升我们社会的整体质量？
我们正在创建的公司叫做Objection，它结合AI与人工调查员，对任何公开报道进行事实核查。这是新闻业有史以来首个系统性问责机制。这一想法源于我为彼得·蒂尔主导的Gawker诉讼——霍克·霍根为了获得正义花了整整10年和1000万美元。这对大多数人来说太慢也太贵了。我想打造一套系统，让每个人都能以更低成本、更高效率获得公正、核查和真相。我们已完成数百万美元的种子轮融资，投资人包括彼得·蒂尔、巴拉吉·斯里尼瓦桑以及其他几位风险投资人。
Aron：是的。首先是一个哲学问题：什么是真相？我喜欢说，真相不是一种感觉，真相是一套流程。我们社会中寻找真相的两种有效机制是法庭和科学方法。对抗性法庭中，原告和被告各执一词，海量证据由中立法官裁定。另一方面是科学方法，强调实验的可重复性——如果你要报道Objection的发布，一位客观记者写出的文章，理想情况下应该与另一位客观记者写出的内容高度一致。这两种方法都是寻找真相的有效途径，也都获得了社会的高度信任。这些可以成为重新构建真相发现机制的有用工具，因为这归根结底是我们社会面临的最大挑战之一。没有共同的真相，我们就无法建立文明，而我们目前并没有一套公认的真相发现体系。我正试图建立这样一套体系。
Aron：有人批评这个项目背后有亿万富翁参与——但实际上，几乎每家主要媒体背后都有亿万富翁。你们自己的媒体就隶属于阿波罗全球管理公司，背后是有着复杂历史的莱昂·布莱克。（免责声明：TechCrunch目前已不再由阿波罗所有。）你对此的回应是编辑与广告部门的职能分离，我认为同样可以用类似的方式回应这个批评：我的投资人和我们正在构建的软件之间，存在明确的边界。
Aron：Pravda从来没有建成。他发了那条推特，我觉得从智识角度看非常有意思：新闻业的核心原则之一是记者监督权力，那谁来监督新闻业？我们都不希望这件事由政府来做，那样就会走向中国式的管控模式。所以有效的、由私营部门主导的方法是什么？我们与Pravda构想之间最重要的实质区别——因为Pravda从未发布技术白皮书，我也不知道他们会如何设计——在于我们正在构建一套无需信任的系统。我用大英百科全书与的对比来类比：百科全书说，我们有严格的编辑标准，只有牛津和剑桥最顶级的教授撰稿，我们有权威编委会和严谨的出版流程。而提出了一种截然不同的方法：不要信任人，要信任软件。通过让所有人以最便捷的方式参与贡献，仅仅几年后，《自然》杂志就证明了——大英百科全书的错误多于。（事实核查：《自然》的报告发现的准确性与大英百科全书大致相当，并非错误更少。）我们正在构建的系统，不需要你信任我，不需要你信任我的投资人。它需要你信任的是一套流程，这套流程已在我们的官网上完整记录，你可以下载所有技术白皮书。
Aron：这与数据不符。看盖洛普对科学、法庭和记者的信任度调查——科学家在新冠疫情后确实受到冲击。但法庭呢：这位总统的受众远多于最高法院官，他不断批评法庭系统，但公众对法庭系统的信任依然很强——甚至我作为一名律师会说，信任度高得有点过分了。强权人物常规性地批评法庭，但法庭的信任度依然令人瞩目。
Aron：有一点我们绝对可以达成共识：律师不应该每小时收2000美元，把本来可以快速解决的事情拖成持续数十年的旷日诉讼。作为一个律师和法律学者，当你亲眼看到诽谤或libel案的实际运转方式，你会感到愤慨。整个法律系统是为律师设计的。一切都比应有的更慢，所有人都在按小时计费，最终个人根本无法获得公正。彼得·蒂尔的委托人霍克·霍根只是一个中等知名度的名人，他根本负担不起起诉Gawker的费用。我们可以讨论Gawker的是非曲直和第一修正案的含义，但归根结底，一个有一定知名度的人应该能够获得公正，而这正是当前环境的一大失败。
Aron：你会在平台上看到一个关于乔·罗根的现场测试案例。我上过他的节目，他的播出形式以一种新颖独特的方式赢得了听众的信任。但他的受众非常庞大，影响力极强，因此把他排除在外是不合适的。播客主播、YouTuber、TikToker——30岁以下的人对TikTok的信任程度不亚于《》。这很令人担忧。
Aron：社区笔记其实是无信任系统的一个很好的例子——全部源代码都可以在X网站上查阅。我挑战你去读一读，因为它很复杂，但经过深思熟虑，以至于没有任何一个人可以操控它。是的，外面有很多问题。我选择聚焦于传统媒体，特别是因为那种我们有编辑标准和严格内部流程的门槛说法，与现代世界已经不相符了。我私下和记者们交流时，他们总说80年代做记者很好——丰厚的差旅费、充足的预算、大量时间做深度调查报道。由于过去三四十年新闻业的结构性变化，这已经不可能了。这种经济变化也改变了激励机制。1990年，《》记者的工作是吸引订阅者。现在，记者必须非常注重点击量、个别标题、什么会走红——他们受制于算法。这从根本上改变了激励逻辑。
Rebecca：我觉得我的工作正在被居高临下地解释。这不一定是我们的运作方式。当然你希望写出人们愿意读的标题，但我不会坐在这里想，什么故事会走红让我刷爆点击量？我思考的是，如何问责权力？如何准确真实地报道我观察到的趋势？我们很多故事表现并不好，也有一些很好——什么让故事有传播力其实很难预测，有时候最平淡的故事反而获得最多浏览量。你说的有一定道理，但并非所有媒体都转向了点击驱动，这并不意味着故事本身的真实性必然下降。
保护消息来源对于报道重要故事至关重要，但这里存在一个权力不对称：报道对象被曝光，却无法质疑消息来源；外界也无从观察编辑流程，因为我们不是局内人，看不到编辑、律师等人批准使用该消息来源的内部会议。我让工程师构建的是一套加密哈希机制。你可以登录Objection，上传关于消息来源的录音信息、部分身份核验信息等。AI会读取这组数据，并判断：好，这是高质量的报道——Rebecca，你被授予一份证书，允许你在特定方式下使用该匿名消息来源，且该来源已在一个完全开源的无信任系统中得到独立验证。从工程角度来说存在一些限制——它需要AI模型处理，所以如果你在报道萨姆·奥特曼，我们不能把数据传给OpenAI。但有足够多的基础模型可以解决这个问题。
Aron：是的。基本上类似一支Uber司机队伍——承包商和自由职业者，就像大多数记者本身也是自由职业者一样。其中也有一些曾在知名媒体工作过的调查记者。他们会逐行、逐句、逐项核查文章。所有被公开引用的受访者都会接到电话：你真的说过这句话吗？它被断章取义了吗？这是完整、公正、准确的分析吗？重要的是，他们收集的每一条信息都会进入一个公开数据库。所以即便是乔·罗根为伊维菌素背书这样一篇简单的文章，现在也有数百条证据附在上面。
Rebecca：匿名消息来源之所以匿名是有原因的。你不会公开披露任何可能暴露其身份的信息，因为那样做可能让他们失业或遭受报复。消息来源始终是经过我们核实为可信的人。我的报道流程是：确认这个消息来源究竟是谁、他们如何能获得这些信息、我是否能直接看到第一手原始文件——而他们愿意分享这些，恰恰是因为他们知道这些信息不会公开，他们也不会因此承担后果。
Rebecca：我不怎么读它们，所以我无法判断它们是否不准确。它们有偏见吗？是的。它们是否有选择性地报道某些信息？我认为是的，而这同样适用于媒体。这是否意味着个别记者不够诚实，或者影响了使用匿名消息来源以揭发腐败、保护举报人的必要性？比如《五角大楼文件》、Facebook文件、Uber文件——你的系统能通过它们吗？
Rebecca：从很多角度来说，你确实触及了这些领域。很多人认为AI对国家安全存在实质性风险——如果一切都依赖我们无法控制或理解的系统，这本身就是国家安全风险。OpenAI已被多次起诉，原因是未成年人使用其聊天机器人后据称自杀。让一位早期投资人说出他不认同OpenAI的商业方向，正是在引发更大的对话：我们能否承认激励机制会改变一家企业的走向？你对新闻业这样说——对大型科技公司同样适用。那种让你不断点击、不断响应的激励机制，使平台并不一定是为造福全人类而设计的，而是为了吸引更多注意力。
Rebecca：当然，是的。但你没法复制匿名消息来源。它们之所以匿名是有原因的。记者有保护义务，他们花几年时间培养这些来源。这非常个人化。这不是AI能复制的，也不是另一位记者能轻易替代的。而通过降低匿名消息来源的可信度，这套模式本质上会打击举报人的意愿。你如何回应那些说这是大型科技亿万富翁试图压制举报人的批评？
Aron：这是一次事实核查的尝试，跟社区笔记性质相同。群体智慧加上技术力量，创造新的真相发现方式。当公众对新闻业的信任在过去50年里下降得如此厉害，有人应该站出来说：问题很严重，我们需要一场重大的体制改革与重新思考。媒体信任度的下滑不是我造成的，这已经持续了五十年。退一步，不要把自己看成一位记者。想象你面前有一块白板。利用我们今天拥有的技术、分发机制和生成式AI，你会如何创造出最完美的系统？你不会只是复制一个私募股权亿万富翁拥有一家媒体、然后说相信我，这个编委会是最佳方案的旧模式。
Aron：根据盖洛普，美国人对新闻最主要的担忧，是事实与观点的混淆，而这恰恰是法院和科学都处理得很好的问题。（注：TechCrunch未能找到这项盖洛普民调。皮尤研究中心2018年的报告发现，美国人难以区分新闻媒体中的事实与观点。）在《自然》杂志的科学文章中，你会看到方法、数据，然后是分析——有非常清晰的标注来区分事实和观点。法院也一样：法官在宣判时，会尽可能清楚地陈述事实，然后再发表判决意见。这是一个非常重要的区分。你问我有没有被误解？是的，有过。在事实问题上？并不常见。有人对我说过很多刻薄的话，但那是他们的观点。
Rebecca：你可以对很多事情这样说。已经有好几个倡导组织批评过埃隆·马斯克旗下的公司，结果他将它们告上法庭逼其就范。它们在讲真相吗？我认为大多数时候是的。但它们负担不起诉讼费用。而你的要求——对每一篇文章进行评分——意味着记者必须付出额外劳动，以免在已经完成的工作上被公众矮化。这跟SLAPP诉讼有什么区别？这只是更便宜、更易扩展的SLAPP。
Aron：SLAPP诉讼只存在于美国，之所以存在，部分原因就是诉讼成本对大多数人来说太高。我们不能有一套只有亿万富翁和大型企业才能用的法律系统。埃隆·马斯克理论上可以用诉讼把一个倡导组织拖垮——我认为这是真正的机能失常。Objection能提供一种改革，因为双方可以把关于事实的争议搬到平台上，几天时间、几千美元就能解决，而不是耗费数十年和数百万美元。让事实争议远离法庭，是我们能做的最重要的事，因为法庭对任何人来说都是毁灭性的，除了律师之外对谁都没有好处。
Aron：它是一个由基础模型组成的陪审团。所有主要基础模型——OpenAI、Grok、Anthropic、Mistral等——都被要求像普通美国人担任陪审员一样行事。陪审团制度被法院、法官和公众高度信任，是一种有效的真相发现方式。我们指示各个模型分别扮演，比如布鲁克林的50岁男性，或波特兰的25岁女性，依据的是美国人口统计的统计数据。
Aron：这是一个很有意思的问题。我与这些公司没有关联，但我认为确实存在一个伦理论点：有权势的机构，尤其是那些掌握着潜在垄断权力的机构，有义务保持透明度。我们要求政府官员申报每一笔礼金，《信息自由法》适用于他们发出的每一封邮件，因为公民受制于他们的垄断权力，因此作为交换，我们要求透明度，而透明度能减少腐败。同样，那些拥有巨大权力的组织，应该尽可能追求透明度。我希望你能发表这次完整的采访——对你的部分读者来说会很有价值，他们也可以把它扔进一个AI模型里，看看你是否准确引用了我。我确实同意，在设计出正确的商业激励机制以支持人工智能进一步发展的前提下，应该有一定程度的开源。事实上——
Aron：这是一个非常公平的问题，我认为两者都应该追求最高层次的透明度。马克·扎克伯格在2009至2010年将Facebook的算法从时间线排列改为算法排列，是一个重大的战略失误。这确实让他的广告收入爆炸式增长。而对TikTok来说，那套精准推送算法是其一切权力的来源。马斯克在X上几乎做到的那件事——公开算法运作方式、公开社区笔记算法——在透明度方面确实是一个有力的姿态。但商业激励机制也必须有一定的空间。构建AI基础模型非常昂贵。
Aron：这个类比是药物研发：制药药物的开发对社会非常重要，科学建立在知识积累之上，所以配方应该完全对公众开放吗？专利保护期为20年，在此期间赋予商业化的垄断权利，使其能够盈利，然后专利到期，仿制药才得以上市。也许AI模型可以遵循类似的惯例：在一段较短的时间内保持封闭——大概以月计而非以年计——在此期间可以商业化利用，之后再开源，以便人类知识能够在其基础上进一步构建。
Aron：科学曾经也是一家初创公司。在中世纪，科学家被视为伟大君主宫廷的仆从，私下研究想法。然后在18世纪初，伦敦皇家学会召集了第一本科学期刊，创立了同行评审流程。人们可以提交文章，在知名同行中传阅，他们公开发表评论，只有通过严格同行评审之后，文章才会发表在《皇家学会学报》上，300多年后这份期刊仍然是最权威的科学期刊之一。从旧模式过渡到新模式花了超过100年时间。每一次技术飞跃，都会产生新的真相发现模式。
Aron：人们可以看到我们系统的完整架构。它是完全透明的——每一个决策如何作出、算法如何运作，都不是黑箱。它有完整的文档记录，我希望杰出的数学家、律师和学者能审视这些白皮书，对其狠批，给我反馈。我们会改进算法。我们追求极高程度的透明度。在增强运动会期间，我没有让记者进入办公室，因为我们在做一些突破边界的事情，我觉得记者对幕后过程会有很多批评。但如果你哪天想来坐坐，看我们如何作出每一个决定，看源代码，聊聊激励机制，我们非常欢迎。
Rebecca：也许我会考虑你的邀请。我想你在记者面前不会像私下那样坦诚——这正是举报人的困境所在。如果他们知道自己的身份可能被曝光或可信度被降低，他们就不会站出来。我做过足够多的企业采访，知道他们隐藏了多少，这正是为什么我们需要匿名消息来源来弄清楚实际发生了什么。但我们不要在这一点上纠缠了。这件事对你来说真正的触发点是什么？不是抽象的哲学，是具体的契机。是Gawker吗？以你的资源和影响力，为什么偏偏要做这件事，而不是为AI公司、社交平台或政治虚假信息构建透明度工具？
Aron：Objection平台适用于所有这些——AI、政客、传统记者。你可以把ChatGPT的一个输出结果提交异议。我们确实希望我们的人工调查和AI裁决能成为AI训练数据的一部分，我也希望有人会对AI模型产生的内容提出异议。我希望萨姆（奥特曼）或埃隆会作出回应，因为我认为这会是对这套系统非常有力的一次检验。
Aron：宽恕有其非常深刻的力量。举一个具体的例子——一个大约30岁的年轻人，应聘了增强运动会的职位。非常聪明，面试也很顺利。我的人事主管谷歌了一下他，发现了几篇关于他大学时期的报道，一项指控，但从未被定罪。我当时想：如果一个记者发现了这件事怎么办？一项大学时期的性侵指控，而增强运动会还雇用了他——这可能会变成一整篇报道。我们最终没有录用他。
A：Objection是一个结合AI与人工调查员对公开报道进行事实核查的平台。用户可以付费对一篇文章、播客或视频提出异议。随后，由前CIA、FBI等执法背景人员组成的调查团队逐行核查内容，同时由多个主流AI基础模型扮演陪审团角色，对证据进行裁定，最终生成一份包含详细推理过程的公开判决报告。
A：这是采访中争议最大的问题之一。平台创始人DSouza表示，匿名消息来源未经独立核实，在其证据评级体系中属于较低级别，这意味着依赖匿名消息来源的报道会获得较低评分。记者Rebecca则认为，这种机制会对举报人产生寒蝉效应，让他们因为担心身份暴露或可信度被降低而不敢站出来揭露真相，实质上可能压制了公众知情权。
A：该平台将OpenAI、Grok、Anthropic、Mistral等多个主流AI基础模型整合为一个陪审团。每个模型被指示模拟不同背景的普通美国公民（如布鲁克林的50岁男性或波特兰的25岁女性），基于美国人口统计数据进行角色设定。这些模型将对案件中的所有证据进行独立评估，并给出详细推理步骤，最终形成裁定结论。
