胡　泳 | 论事实：美丽、谎言与ChatGPT

“事实”（fact）一词来自于拉丁语factum，指人为的事迹、功绩和事件。根据词源，事实可以被理解为由人类能动者实施的行为或行动，或其执行和完成的事情。直到16世纪——一个见证了经验主义精神曙光的时代——这个词才开始表示当前我们所熟知的意义：“真正发生的事情”或“事物的真实状态”。

加州大学伯克利分校研究生院的历史学教授芭芭拉·J.夏皮罗（Barbara J. Shapiro）通过研究16和17世纪英国“事实”概念的早期历史，追溯了事实的惊人起源。她令人信服地证明，这一现代概念不是起源于自然科学，而是起源于法律话语。她追踪了此概念在现代早期英国各学科中的演变和传播，指出新兴的“事实文化”（culture of fact）塑造了每一项知识谋划的认识论假设，从法律到科学，从历史到新闻。

这一转变的关键第一步发生在16世纪，当时英国普通法确立了一个依赖于目击者（eyewitnesses）和证词（testimony）的事实定义。在法庭上，早期的现代思想家敦促陪审团和法官将他们的判决建立在可靠和值得信赖的观察者所见证的事实之上。

托马斯·莫尔（Thomas More）和克里斯托弗·圣杰曼（Christopher St. Germain）在讨论异端审判中证人的性质、对其可信度的评估以及证人的伪证时，都采用了“事实问题”（matters of fact）与“法律问题”（matters of law）之别。两人还明确区分了陪审员和证人，并坚持认为在普通法审判中陪审员是“事实的法官”（Shapiro，2000：10-11）。事实和法律之间的区别是在区分法官和陪审团工作的背景下使用的。法律问题是由法官决定的，而事实问题则由陪审团来决定。伊丽莎白时代和斯图亚特时代之交最著名的法学家爱德华·科克爵士（Sir Edward Coke）最喜欢引用一句拉丁格言：“法官不回应事实问题，陪审员不回应法律问题（ad quaestionem facti non respondent judices，ad quaestionem juris non respondent juratores）”（Morris & Blom-Cooper，2011：158）。

从16世纪开始，如果不是更早的话，陪审员就因其被指派的任务是确定案件中指控的“事实”是否得到证明而被而描述为“在事实问题上宣誓的法官，由证人提供证据并在他们面前进行辩论”（Shapiro，2000：10）。在这种情况下，“事实”意味着过去发生的人类行为或行动，必须得到令陪审员满意的证实或证明。而在提出令人满意的证据之前，“事实”不被认为是“真实的”或适合被相信的。因此，“事实”在法律语境中并不意味着确定的真相，而是指某个被指控的行为，其是否发生是存在争议的。

陪审员负责确定真相，并被迫考虑证据的可信度。到16世纪末，为了帮助思考证人证词的可信度，一套判断断言真实性的标准被确定下来。很快，立法试图确保嫌疑人和证人出庭。传票程序得到发展，伪证被定为法定罪行。随着证人变得越来越普遍，法院不仅对陪审员和证人，而且对证人和指控者进行了更明确的区分。17世纪初的大法官弗朗西斯·培根爵士（Sir Francis Bacon）表示，英国法律“将证词的辨别和可信度完全留给陪审团的良心和理解”（Shapiro，2000：11）。

在事实的发展史上，培根是一个绕不过去的人物。人们常常认为培根建立了一种新的获取事实和证明知识的方法。该方法承诺为人类提供一个“新引擎”，以简化发现的艺术，引导人们迅速找到关于自然的最终真理（Foucault，1970；Urbach，1987）。实际上，培根的哲学体现在他留下的大量不同著作中，这些著作可以分为三个大的分支：科学著作，其中提出了将知识的普遍形式转变为科学方法论以及用科学方法改善人类状况的想法；宗教和文学著作，概括了他的道德哲学和神学冥想；法学著作，重点关注对英国法律的改革。

研究者对培根的各种知识追求之间的相互联系进行了定量分析，结果表明，培根的方法论思想中的重要因素起源于他的普通法法学（Grajzl & Murrell，2018）。这一关于培根科学方法起源的结论与现有关于培根的学术文献中的主流观点形成鲜明对比。这些文献对培根的法律背景的关注相对较少，即使他在世时已经上升到法律界的顶峰，并且是普通法的坚定捍卫者（Peltonen 1996：290）。例如，丹尼尔·科基莱特支持培根的法律背景没有得到充分研究这一说法，认为培根的“法学著作长期被忽视”，“从未被给予适当的评价”（Coquillette，2004：313）。威廉·霍尔兹沃思早就指出，“在培根所有的伟大主张中，他作为律师的主张是最不为人所知的”（Holdsworth，1927：10）。因此，需要重拾培根的法学思想与他的科学方法之间的潜在联系。

哈维·惠勒（Harvey Wheeler）将现代普通法体系的以下显著特征归功于培根：将案例作为“不成文法”的证据库，也就是说，允许将案件作为先例，作为不成文法律的“证据”；根据证据和逻辑的排除原则确定先例的相关性，即先例是否相关，要看在证据和逻辑方面排除了所有其他可能性之后留下的解释，它不是静态的和最终的，而是动态的，可以根据后来可能出现的新证据进行修正；将对立的案情摘要[1]视为关于将“不成文法”应用于一组新事实的对抗性假设（Wheeler，1999：12）。这些都显示了从应用先例拘束[2]来寻找适用的规则以适应新的事实，到使用案例先例作为存在于不成文法背后的现象学法律材料证据的变化。这是因为，培根的哲学是经验主义的。它处理的是实际事物，而这些事物是由法律材料构造的，其结果是几乎自动产生了一种新的现象学经验主义。

不成文的普通法是一种事物，而事物具有可发现的经验属性。它不是像椅子那样的具体事物，而是一种现象学事物。裁决的文本并不表达它，而只包含裁决本身，该裁决在上诉时可能被确认，也可能不被确认。用培根的话说，这是一种现象学的“形式”，独立于普通法裁决中对它的不完美和短暂的具体表达而存在。揭示这种本体论的法律实质需要一种辩证的调查逻辑，以揭示法律形式的“深层结构”，其有效性独立于具体的时间应用，可以称之为法律的“形式”，或法律的法律。

英国“现代”特有的一些东西都是“不成文”的：普通法、立宪主义、科学经验主义。英国不成文的普通法永远是不可言传的，没有被任何特定的裁决所囊括，并且能够随着知识和条件的变化而进一步发展和应用。更重要的是，所有这些更深层次的法律（而不是其适用裁决）的集合相当于一个基本法的一般体系（Wheeler，1975），一个不成文的“宪法”。培根早期的案例报告和案情摘要显示了这种潜力。

培根对“法律的法律”——这一表述预示着富勒关于法学是“制定规则的规则”的想法（Fuller，1964：48-49）——的探索不仅是一种制定理论的尝试，也是对在政治权威和司法经验的基础上制定规则的呼吁。这解释了为什么法律史学家不仅称培根提出了“第一个现代的科学的法律方法”（Wheeler，1999：12），还认为培根通过将他的归纳性、经验性研究的新理论与公平申辩的传统相融合，“发明了现代的、科学的规则制定”（Coquillette，2013：551），即在法律背景下制定规则。与通过裁决案件来形成法律的普通法法官不同，培根通过撰写出色的法学作品，创造了现代普通法体系的显著特征。

总之，“在现代早期，英国法律体系产生了一个被广泛接受的认识论框架和实施该框架的方法，在作出重要社会决策所需的‘事实’判断方面相当有效。这种认识论和方法的大部分内容可以而且已经被转移到其他知识场所和其他知识创造的情形当中”（Shapiro，2000：32）。

随着人们对古代模式的有效性越来越怀疑，对世界的解释也变得多样，而且没有一个普遍接受的权威。皮埃尔·巴伊尔（Pierre Bayle）试图通过“事实”的聚合来挽救知识的可能性，而在16世纪早期，弗朗西斯·培根和勒内·笛卡尔（René Descartes）为重建知识的殿堂做出了更大的尝试。在18世纪的法国启蒙运动中，培根的非形而上学的科学方法比他的法国同代人笛卡尔的二元论更有影响力。

尽管启蒙运动时期对人类理性充满信心和热情——它有时被称为“理性时代”（the age of reason），然而经验主义的崛起，无论是在科学实践中还是在知识理论中，都是这一时期的特征。启蒙运动中对理性的热情主要不是对作为独立知识来源的理性能力的热情，这种能力在这一时期受到了打击，而是对人类认知能力的热情；理性时代与宗教信仰的时代形成对比，而不是与感官经验的时代形成对比。尽管17世纪笛卡尔、斯宾诺莎（Baruch Spinoza）和莱布尼茨（Gottfried Leibniz）的伟大理性主义形而上学体系对启蒙运动中的哲学产生了巨大的影响，然而，狄德罗（Denis Diderot）和达朗贝尔（Jean Le Rond d’Alembert）的《百科全书》（Encyclopedia）是献给三位经验主义者（弗朗西斯·培根、约翰·洛克和艾萨克·牛顿）的，这表明经验主义在这一时期占了上风。

如果说启蒙运动的理性主义流派的创始人是笛卡尔，那么经验主义流派的创始人就是培根。虽然培根的作品属于文艺复兴时期，但他在科学领域所进行的革命启发并影响了启蒙运动的思想家。启蒙运动在实验自然科学成熟并独树一帜的时代，推崇培根为“实验哲学之父”。培根的革命（尤其体现在1620年的《新工具论》中）将新科学设想为：（1）建立在经验观察和实验的基础上；（2）通过归纳法得出；（3）最终以提高实践能力为目标，并由实践证实（所以培根的格言是：“知识就是力量”）（Bacon，1620/2000）。

培根主张用归纳法研究世界。当我们了解了自然界的部分情形后，由于归纳法的作用，我们最终可以更好地了解整个自然，“归纳法可以为我们提供有关宇宙规律和性质的最终和无懈可击的答案”（Nisbet，1967：271）。这涉及对现象的观察，包括每个事件的典型和非典型事例，然后对见解进行汇编，以便做出可能的概括。这种“实验哲学”排除猜测，强调系统构建，与历史学的精神和实践相当一致。事实上，培根在他的知识结构中为历史设定了明确的位置（Breisach，2007：191）。

夏皮罗认为，在17世纪初，“事实问题”的概念和证明它们的程序在自然哲学采用之前就已经在法律和历史中得到了充分的确立，而身兼律师、历史学家和自然哲学家的培根在将其转移到下一代的自然哲学和实验社区中发挥了重要作用（Shapiro，2000）。培根将法学视为自然科学的一个子集，他在理解法律方面所做的努力影响了他对一般科学的理解。[4]科学调查、实验和决策的条件在某些方面与法庭相似，在其他方面又与法庭不同。各学科的机构、程序和事实调查与事实认定的参与者需要改变事实调查过程的性质，以满足其自身的特殊需要。英国科学界，特别是1660年查理二世时期成立的皇家学会（Royal Society）在自然史中强调“事实”时，就采用和调整了法律概念。而培根的思想通常被援引为皇家学会的指导精神（Martin，1992）。

要了解自然界的运作，前提是对事实的安排，使因果关系的调查分析成为可能，特别是通过新的实验。培根认为，实验的功能既是检验理论又是确立事实。当培根指出，关于世界的知识应该以关于世界的仔细验证过的事实为基础时，他不仅仅是给了我们一种认识旧式知识的方法，也同时重新定义了知识：基于事实的理论。“带有亚里士多德倾向的百科全书式的重复正被原创性的汇编所取代，其中对权威的尊重不起任何作用。个人的博学正在被集体研究所取代。为了实现新的、功能性的自然史，传统知识的保护正在被抛弃，这要求读来快意的传奇为材料所取代，而这些材料将构成彻底改善人类物质条件的基础。”（Rees & Wakely，2004）

培根得出的基本见解是，事实不能从自然界中收集，而必须由方法程序构成，科学家必须将其付诸实践，以确定归纳概括的经验基础。他的归纳法建立在对事物及其内部结构的事实品质的收集、比较和排除上，这被证明是自然哲学中的一个革命性的成就，在古代没有这样的先例存在。他所称的“智力的阶梯”（scala intellectus）有两个相反的运动，“向上和向下：从公理到实验和工作，然后再返回”（Pérez-Ramos，1988：236）。培根的归纳法被理解和设想为一种发现的工具或方法。他对归纳过程本身的反例的强调在知识获取方面很重要，有人认为他是卡尔·波普尔（Karl Popper）在证伪方法方面的先驱。最后，不可否认的是，培根的归纳方法论纲领包括了在否定和排除的基础上进行演绎和抽象的方面。

毫无疑问，“科学事实”的产生标志着英国自然哲学的根本变化。然而，正如夏皮罗所提醒的，重要的是要记住，科学只是“有关事实的话语”之一。科学既借鉴了其他学科，又反过来影响了这些学科。“如果自然哲学从法律和历史等人文科学中吸收了众所周知的、在文化上合法的‘事实’范畴，并利用这一概念使一种新的自然哲学合法化，那么到了后来，正是‘科学事实’进一步使自然科学以外的事实的使用变得合法。”到17世纪末，约翰·洛克（John Locke）将事实提升为一个普遍适用的哲学范畴，不再与特定学科相联系（Shapiro，2000：167）。

然而，人们可能会质疑夏皮罗所声称的事实规范在多大程度上被确立为实践或保持其理想。在关于事实和真相的讨论中，引人注目的是它们在多大程度上是富有争议的，并不能获得一致同意。无论是在宗教、法律、政治、知识或社会领域的分裂或差异，都加剧了对如何解释事实和真相标准的争论。这可能鼓励了人们形成对游戏规则的共同信念，然而这些规则的应用往往存在很大争议，以至于规则本身甚至看起来是多余的。没有哪个领域比新闻更能体现这一点了。

四、新闻：事实性与客观性

新闻报道的规则是事实性与客观性，而客观性的概念在20世纪初从科学界迁移到新闻界。比尔·科瓦奇（Bill Kovach）和汤姆·罗森斯蒂尔（Tom Rosenstiel）在《新闻的要素》（The Elements of Journalism）一书中指出，客观性的出现是因为美国对科学的信心在增长，所以美国人认为新闻业也应该是一个科学的过程，可以辨别植根于事实和证据的客观真相。“在科学中，实验的可靠性或客观性取决于其他人是否可以复制该实验。在新闻业，只有通过解释我们如何知道我们所知道的，才能近似接近一个想法，即人们可以复制报道，如果他们愿意的话。这就是科学或新闻学中方法的客观性的含义。”（Kovach & Rosenstiel，2021：127）

在这种对客观性的原始理解中，中立并不是新闻的基本原则。它只是一种声音或手段，可以说服受众相信新闻机构通过客观方法获得了事实并加以报道。客观性也不意味着一个明显错误的观念，即人们可以抹杀或否认他们拥有个人经验、感受或信仰。相反，这种原始的、更复杂的客观性概念将客观性定义为一种可观察和有纪律的调查方法，一种可以学习和复制的方法，用来使新闻变得更加准确和真实。

从19世纪中期起，现实主义取代了该世纪初期以来的浪漫理想主义，成为美国思想和文化表达的主导模式。那个时代的现实主义感觉是多方面的，但将这些感觉结成统一模式的是“面对事实”的执着（Shi，1995：4-7）。美国思想模式的这一根本性转变几乎渗透到社会生活的每一个方面，并对印刷品和它所体现的全国传播系统产生了深刻的影响。社会对现实主义和科学思想的偏爱，使浪漫主义和理想主义的倾向不复存在。维多利亚时代认为“真理”存在于神圣或先验的理想中的观念，在美国内战的恐怖和革命性的新科学理论特别是达尔文（Charles Darwin）的自然选择理论和斯宾塞（Herbert Spencer）的社会进化论的影响下，变得支离破碎（Shi，1995：66-70）。对经验和事实的迷恋充斥着美国社会和文化，它是对科学方法和相关科学发现的新信仰和狂热的产物。但现实主义不仅仅是对记录事实的社会重要性的一种信念，它也是“为缓冲与无与伦比的城市—工业发展相关的深刻的社会动荡而做出的努力”（Shi，1995：100）。

对科学思想和表达的日益崇敬，导致了专家作为公民话语和实践中的关键声音的兴起，同时也产生了对公共表达中不加修饰的语言的偏好。[5]许多撰稿人建议限制各种类型的形容词和过度的描述性语言，指导作者删去“精美”的或“花哨”的段落，并在所有形式的写作中使用“简单、清晰、简短的词语和句子”。有些人强调了新闻报道中描述的重要性，同时敦促使用“简洁和朴素的英语”（Forde & Foss，2012：130）。人们相信，如果记者简单地挖掘出事实并将它们整理在一起，真相就会自然而然地显露出来。

在报纸领域，除了现实主义的兴起之外，其他历史力量也被认为可以用来解释19世纪末新闻报道风格从华丽到简约的变化。[6]在19世纪中叶出现和发展的通讯社和报纸稿件辛迪加认为党派新闻于自己的事业不利。1846年成立的美联社（Associated Press，AP）向具有不同政治倾向的报纸提供报道，因此坚持事实。詹姆斯·凯瑞则分析了电报的作用：它“使散文变得精简而朴素，导致新闻业没有细节和分析的奢侈”（Carey，2009：163）。随着新闻版变得更加公平，出版商建立了社论版，可以在这些版面上继续支持他们偏爱的政客。

不过，在这段时间里，美国新闻界还没有像不久之后那样正式和广泛地实现专业化。换句话说，一个行业的纪律机构还没有对“新闻业这个松散的东西”制定和实施严格的规范性标准（Banning，1998/1999：157-158；Rodgers，2007：72）。新闻报道应该以中立的第三人称的口吻，专注于事实的陈述，而不需要解释或意见，这种想法在19世纪的最后几十年里出现，并在20世纪的第一个十年里成为新闻报道的主导思想。客观性标准应运而生。

“客观性”一词直到20世纪20年代才出现在新闻话语中（Schudson，1978：6）。它和一个人、一本书分不开，这就是沃尔特·李普曼（Walter Lippmann）和他的著名著作《舆论》（Public Opinion）。《舆论》的出版年份1922年，是一个重要的年份。这本书是在四年的世界大战和四年的俄罗斯、奥斯曼和奥匈帝国的战争之后问世的，在这一时期，信息已经被武器化到了以前无法想象的程度。政府和新闻界通过发表一些令人震惊的谎言，共同为战争提供支持。人们开始充分意识到，世界已经进入了一个新的时代，在这个时代里，现实是支离破碎的，真相是不可能获知的。

李普曼在1917年美国加入大战时曾作为情报官员入伍，并目睹了新闻报道与法国战争努力之间的密切关系——《舆论》的第二章以一个惊人的叙述开始，即在凡尔登灾难性攻势的第三天，一屋子的法国将军如何花了数小时来修改新闻稿的措辞（Lippmann，1922/1998：35-38）。类似的事情似乎引发了人们对战时新闻业功能的严重怀疑，李普曼在1919年退役后立即着手撰写一系列著述，批评新闻业未能准确客观地报道新闻。

1919年，李普曼和《纽约世界报》（New York World）的副主编查尔斯·默茨（Charles Merz）合写了一篇有影响力的、尖锐的报告，说明媒体偏见如何扭曲了《纽约时报》（New York Times）对俄国革命的报道。他们写道：“从总体上看，关于俄国的新闻不是人们看到的东西，而是人们希望看到的东西。”（Lippmann & Merz，1920：3）李普曼和默茨认为，缺陷的原因在于没有达到新闻标准：《纽约时报》在依赖官方信息来源方面有严重的误导；合适的记者至关重要，因为新闻报道是最困难的职业之一，需要专家的知识和严肃的训练；必须保持社论与新闻的分离（Lippmann & Merz，1920：41-42）。

起初，李普曼希望新闻业能够得到改革——通过指出错误，可以帮助提高整个行业讲述真相的标准，使报道更加准确和客观。但他对这个问题研究得越多，问题似乎就越复杂。不仅仅是强大的政治和经济利益集团影响了新闻的报道方式，而且信息传播本身受到大量来自不同方面的压力，比如读者希望新闻界报道他们感兴趣的事情，但也希望体验戏剧性和刺激性，让他们最深的恐惧被驱除，他们的信念被反映，他们的偏见被肯定。让事情变得更加复杂的是，这些读者并不是一个统一的团体，而是一群群对现实有着非常不同的预想的小团体。在李普曼的时代，各种各样的报章反映了公众惊人的多样性及其分裂性。然而，也会出现这样的历史时刻——比如在战时——当这个四分五裂的公众在某种单一的叙事后面排成一列，往往会造成灾难性的后果。

在李普曼看来，毫无疑问，新闻界经常歪曲甚至篡改事实。但这样做的原因多种多样，以至于他提出的要求新闻编辑室具有更高专业标准的解决方案似乎不足以应对问题的规模。李普曼的最终应对之道是新闻的客观性：将新闻业重新想象为一种科学调查，接受测试和验证的纪律约束。李普曼认为，好的报道必须建立在“运用最高的科学美德”的基础上；最好的记者不是“挖出独家新闻的圆滑之士，而是耐心和无畏的科学家，他们努力去看清世界的真实情况”（Lippmann，1920/2020：27）。

李普曼认为客观性不是一种神奇的精神状态或无中生有的出发点，而是一种实践过程。他写道，新闻业应该以“共同的知识方法和共同的有效事实领域”为目标（Lippmann，1920/2020：21）。这一方面是因为，记者和编辑们越来越意识到宣传的兴起和新闻代理人的作用，另一方面，人们也越来越认识到记者充满偏见，而且往往是无意识的。客观性要求记者开发一种一致的测试信息的方法——一种透明的证据方法——恰恰是为了个人和文化偏见不会破坏他们工作的准确性。

李普曼宣称，新闻工作是由“未经训练的意外证人”进行的（Lippmann，1920/2020：26）。好的意图，或者一些人所谓的记者的“诚实努力”，是不够的。对强硬记者的粗犷的个人主义信仰，也就是李普曼所说的“行业的愤世嫉俗”（Lippmann，1920/2020：27），也是不够的。李普曼认为，解决办法是让新闻工作者获得更多的“科学精神”：“在我们这样一个多样化的世界中，只有一种统一是可能的。它是方法的统一，而不是目的的统一；是有纪律的实验的统一。”（Lippmann，1920/2020：21）

在李普曼写作的前后，新闻业开始采用专业标准，部分是为了回应他的观点，部分是工业时代日益复杂和专业化的自然结果。报界颁布了伦理准则，成立了后来成为职业记者协会的组织，并在许多大学设立了新闻学院。同时，约瑟夫·普利策（Joseph Pulitzer）关于新闻业对民主的核心作用的观点——“我们的共和国和它的新闻业将同兴衰”（Pulitzer，1904：680）——得到了拥护。

然而，总的来说，这些策略并未能够使新闻学成为李普曼和其他人所想象的学科。没有像法律那样的标准证据规则，也没有像科学实验那样的公认的观察方法。对于新闻业，很容易转而谈论它是一个“准专业”“伪专业”或“失败”的专业，即“现代记者与专业有关，但不在一个专业之内。专业化的制度形式很可能总是避开记者”（Weaver & Wilhoit，1986：145）。

在21世纪第一个十年兴起的社交媒体进一步削弱了新闻业的排他性，并使其专业“缺陷”更加明显。然而思考专业的传统视角一般从专业“特质”开始，即试图分离出某些专业特征，再确定各种专业类别满足这些特征的程度。专业特征可能包括：基于科学或系统知识的工作、正规教育、自我管理的协会、道德准则、专业人员和客户之间的信任关系（而不是严格的市场关系）、许可制或其他进入该领域的障碍，以及广泛认可的社会地位或社会尊重等。社会学家埃弗雷特·休斯（Everett C. Hughes）则独辟蹊径，他认为应该从“某一专业是否是一种专业”的错误问题转向一个更基本的问题：在什么情况下，从事某种专业的人试图把它变成一种专业，而把他们自己变成专业人士？（Hughes，1963：655）

这一转向，对于新闻专业地位的研究者来说，意味着从专业特质到专业斗争的视角迁移（Schudson & Anderson，2008：89）。这也就是说，我们可以分析记者努力争取专业地位的社会过程，而不是概述专业人员的最佳特征，然后评估记者达到这些特征的程度。

以此观照，互联网和社交媒体的到来，也促成了新闻专业群体为自身的社会和文化地位而斗争的新方式。新闻业将如何适应新一代消费者和通信技术？它是否需要反思其旧有的价值观？今天，“内部人和外部人”“专业和非专业”“记者和博主”之间的界线已经漫漶不清，而且越来越模糊了。与其认定一条明确的边界线，不如想象一个厚重的、定义不清的“边界区”，它由激增的混合体、不断变化的社会和职业角色以及专业知识网络组成（Eyal，2013）。

五、数据替代事实：事实的土崩瓦解

然而在这一“边界区”，人们渐渐目睹的是新闻可能的死亡。2009年5月，美国参议院举行“新闻的未来”听证会，著名电视制作人和前记者戴维·西蒙（David Simon）作证说：“互联网是一个了不起的工具……但到目前为止它并没有提供多少原创报道。相反，它吸取了主流新闻出版物的报道，于是聚合网站和博客贡献的无非是重复、评论和泡沫。与此同时，读者从新闻聚合器获取新闻并放弃其来源，即报纸本身。简而言之，寄生虫正在慢慢杀死宿主。”（Quoted in Nasaw，2009） 。

事实的时代被互联网结束了：曾经由“事实”占据的位置正在被“数据”取代。这导致了更多的认知混乱，因为事实的收集和权衡需要调查、辨别和判断，而数据的收集和分析则是外包给机器。哲学家迈克尔·林奇（Michael P. Lynch）在《我们的互联网》（The Internet of Us）一书中提出，现在人们最了解的是“谷歌知识”（Google-knowing）——即在线获取的知识，数字界面成为首选的信息来源（Lynch，2016）。他担心，此种知识正在排挤其他更自主和对智力要求更高的知识获取形式（Gunn & Lynch，2021）。

林奇观察到，我们现在很少发现事实；相反，我们下载它们。当然，我们也会上传它们。每次点击和击键，我们都会切下自己的一小部分，并将它们放在一个数据“利维坦”上。事实现在是基于数据的。

“数据”一词的演变与“事实”和“信息”一样曲折。如前所述，事实概念的发展一波三折：它一开始有“邪恶行为”之意，是需要证据的法律审查对象；后来逐步在科学界使用，指代自然现象，以及实验的主要影响；再之后又成为任何人都可以观察到且毫无疑问的东西。这就是为什么你勿需在“事实”一词之前用“真实”来修饰。所有事实在本质上都是真实的。或者，也可以这样说，一个事实是真实的，只有我们对事实的陈述才能是真或假。

而拉丁词data是datum的复数形式，意为“给定之物”，但在计算机时代初期它被赋予了新的技术含义。数据从给定的事实，变成了计算机运行的“东西”。这样一来，数据肯定不会像事实。数据从一开始就是世界的代表，而不是世界本身。数据本身绝对不会提出任何真理主张，这就是为什么会出现“垃圾进，垃圾出”的情形。与事实不一样，数据有真有假。

从词的溯源来看，“数据”一词于1946年首次用于表示“可传输和可存储的计算机信息”。“数据处理”1954年开始使用；“数据库”表示“计算机中的结构化数据集合”是在1962年。[7]“数据”很快被普遍用作“信息”的同义词。到20世纪70年代，阿尔文•托夫勒（Alvin Toffler）在《未来的冲击》（Future Shock）一书中，率先向大众介绍了信息超载的概念。研究表明太多的信息能够损害我们思考的能力。当太多信息进入我们的“湿件”（wetware），就会超过我们的“信道容量”。信息超载造成的各种心理症状随后被重新命名，我们听到了信息焦虑、信息疲劳症候群、分析瘫痪（analysis paralysis）等等。这些令人衰弱的疾病，都是数据烟雾（data smog）、信息过量（infoglut）以及信息海啸（information tsunami）带来的。

因为数据堆积如山，数据时代依然遵循我们认识世界的古老战略，即限制知识——由部分人为我们选择和组织部分领域的知识。这些人叫做“知识守门人”，其最基本的策略就是过滤和筛选。人类能够成为这个星球上的主导生物，全赖于我们创造出的复杂的过滤系统运转良好。

所以，面对大数据，我们很快就发明了一系列技术来帮助我们。这些技术主要可分为两类：算法机制和社交机制，尽管大部分工具其实结合了两者。算法越来越多地用于根据消费者的习惯自动决定他们看到的内容，而当社交网络变成新的过滤器，知识守门人就从遥远的专家那里，转移到了我们所熟悉、所喜欢、所尊重的人所构成的网络上。

由此我们进入戴维·温伯格（David Weinberger）所称的“网络化事实”（networked facts）的阶段。网络化事实的一大特点，用温伯格的话来说，是“大到不可知”（too big to know）。有太多的知识，是我们不可能全部知道的（温伯格，2014：12）。

“大到不可知”造成了一系列后果：第一，可用事实的数量大增，本身就会使人们对真相产生愤世嫉俗的态度。我们可以随手获得如此多的事实，以至于失去了得出结论的能力，因为总是有其他事实支持其他的说法。第二，网络更加强化了我们本来的立场。所有人都更有可能相信确认他们已有意见的“事实”，并驳回那些做不到这一点的“事实”。也就是说，事实与观点之间不再泾渭分明了。第三，有鉴于此，可以看到，不论何种观点，网上都有人不赞成。就算有很多人同意，我们也永远不可能达到所有人都同意，除非是在一些最无趣的事实上。

正如信息超载已经变成了我们这个社会的一个事实，同样地，另一个事实就是：分歧永远存在。就连那些我们最深信不疑的观点，也可能是禁不起辩论的。无论我们有多“大”的数据，多广的网络，在21世纪，都无法确定人们是从信仰还是从事实知其所知，并且对任何事情还能够充分加以证明。

如果我们真的生活在一个“后事实世界”，几乎所有权威信息来源都受到质量和出处皆十分可疑的相反事实的挑战，那么骗子将没有任何理由感到羞耻。在缺乏守门人的时代，谁说好的信息会注定战胜坏的信息？无视证据的人越来越多，我们不再能够知道什么。毕竟，人类已经不再可能就如何知道而达成一致。

最终，“我们看见事实被人们捡起来，摔到墙上，它们自相矛盾，分崩离析，被夸大被模仿。我们正在见证牛顿第二定律的事实版本：在网络上，每个事实都有一个大小相等、方向相反的反作用”（戴维·温伯格，2014：62）。[8]

事实的土崩瓦解，正是造成后真相时代来临的最大原因。事实本来给我们提供了一个解决分歧的方式。然而，网络化事实却开启了一个充满分歧的网络。

六、生成式人工智能与事实

今天当我们谈论起信息超载，已不再将它看作一种心理病症，而是视为一种文化环境。就像知名科幻小说家和博客科里·道克特罗（Cory Doctorow）所描述的那样：“我以吞吃、消化和排泄信息为生。”（Doctorow et al.，2002：226）令我们深夜难眠的，并非是担忧如此众多的信息会令我们精神崩溃，而是担心我们无法得到我们需要的足够多的信息。

然而，信息虽多，假新闻、错误信息、伪传信息、宣传、回声室和过滤气泡让人很难知道在网上信任谁以获得可靠信息（Sunstein，2017；Rini，2017；Levy，2017；Benkler，Faris & Roberts，2018；MacKenzie & Bhatt，2018；Gelfert，2018；Nguyen，2020；O'Connor & Weatherall，2019；Bernecker，Flowere & Grundmann，2021；McBrayer，2021）。在此列表中，我们现在可以添加另一个担忧了：最大的人工智能计算的规模每六个月翻一番，远远超过了摩尔定律（Pichai，2023）。同时，先进的生成式人工智能和大型语言模型（LLMs）正在捕捉世界各地人们的想象力。

大型语言模型的问题之一是它们能够产生虚假和误导性的内容。Meta公司的Galactica——一个根据4800万篇科学文章训练出来的模型，声称可以总结学术论文、解决数学问题和编写科学代码——在上线不到三天就被撤下，因为科学界发现它在曲解科学事实和知识后产生了不正确的结果（Edwards，2022）。

Galactica背后的Meta团队认为，语言模型比搜索引擎更好。研究人员写道，“我们相信这将是人类获取科学知识的下一个界面”（Heaven，2022）。但搜索引擎和语言模型一样，都遇到无法确认事实的问题，尽管症状不同。搜索引擎指向由人们（或其他方式）生成的网页，这些网页可能包含也可能不包含准确的信息。它们根据权威强度、关键字相似性等因素来选择页面，然而事实永远不会直接进入画面。

大型语言模型也不知道什么是事实。它们是通过分析从网络上抓取的大量文本中的数据的模式来训练的。模型在数据中寻找统计规律，并使用这些规律来预测任何给定的句子当中接下来应该出现什么词。这意味着他们缺乏关于世界上的系统如何运作的硬编码规则，导致他们倾向于产生“流利的废话”。纽约大学的认知科学家、深度学习的强烈批评者加里·马库斯（Gary Marcus）在一篇题为“关于扯淡的几句话”的文章中说，大型语言模型模仿人类书写的文本的能力只不过是“统计学的一个超级壮举”（Marcus，2022）。

大型模型持续在以书籍、文章和网站为代表的大规模数据集上进行训练，这些数据集可能有偏见，很难完全过滤。尽管在ChatGPT的案例中，通过使用人类反馈的强化学习实现了有害和不真实的输出的内容大幅减少，但OpenAI承认其模型仍然可以产生有毒和有偏见的输出。

这一点提醒我们，GPT-3/4一类的系统并不安全，因为它从互联网文本中学习，而人类的日常语言本质上是有偏见的，甚至往往不乏仇恨言论。人自身有阴影自我，向人学习的机器人也必然会有阴影自我。[9]它们倾向于加强人类对话的缺陷。

例如，在2016年，微软的Tay聊天机器人（可视为ChatGPT的前身）在互联网上发布充斥着厌恶女性和种族主义的内容，缘于他们被网上的“喷子”污染了，这些“喷子”用攻击性的训练数据填充它。自动化的“喷子”机器人的能力先进到足以使图灵测试失效——图灵测试是测试机器表现出与人类相似或无法区分的智能行为的能力。这种能力可以被滥用，以产生跨平台和生态系统的假新闻和假信息。

由于网上已经存在大量虚假信息，这些虚假信息又被输入到大型语言模型的训练过程中，因此使用它们的人也可能无意中散布虚假信息。生成式人工智能创造了一个任何人都可以制造和传播虚假信息的世界，即使这项技术不打算这样做。此类人工智能未来发展的目标是训练它们使用真实数据源，否则，我们将会从后事实时代直接跳入非事实时代。

虽说虚假信息本来在互联网上俯拾皆是，但它们并不是以人工智能的权威性来提供的。很大的危险在于，ChatGPT是错误的或有偏见的，但听起来却像是正确的和权威的。人工智能研究人员有个说法，AI系统会频繁地产生“幻觉”（hallucination），即编造与现实无关的事实。例如，2022年8月，Meta在发布对话机器人BlenderBot 3时警告说，该系统容易产生“幻觉”，Meta将其定义为“不真实的自信陈述”（Tung，2022）。 

OpenAI表示，ChatGPT可以给出完全错误的答案，并将错误的信息作为事实呈现，写出“听起来合理但不正确或无意义的答案”。OpenAI说，解决这个问题很困难，因为在他们用来训练模型的数据没有真实来源，而且监督训练也会产生误导，“因为理想的答案取决于模型知道什么，而不是人类演示者知道什么”（Lock，2022）。

圣塔菲研究所的人工智能研究员梅兰妮·米切尔（Melanie Mitchell）在测试了ChatGPT之后说：“它可以欺骗我们，让我们以为它比自己了解得更多，这可能会造成问题。”（Chen，2022）换句话说，机器人并不独立思考。

人类的思维并不像ChatGPT及其同类产品那样，是一个用于模式匹配的笨重的统计引擎，在数百兆字节的数据上“大快朵颐”，并推断出最可能的对话反应或最可能的科学问题的答案。相反，人类的思维是一个令人惊讶的高效甚至优雅的系统，它利用少量的信息进行操作；它不是为了推断数据点之间的粗暴关联，而是为了创造解释。

随着未来的到来，人工智能并不会减少对批判性思维的需求。我们将更迫切地需要逻辑测试。我们将比以往任何时候都更被逼迫提出尖锐的问题。最重要的是，我们需要验证结果。

七、结语：知识的繁荣与危机

事实概念的建构是一个复杂而引人入胜的故事。从16世纪初“事实”一词用于法庭陪审团，到它成为许多话语的中心；从一开始“事实”主要面向人类行为，发展到囊括人类行为和自然世界的广大范畴；事实一步步变成知识的一般基础和解决争论的最终方法。这带来了新的证据原则和新的调查方式，并导致了历史学家芭芭拉·夏皮罗所说的“事实文化”：观察或目睹的行为或事物是真相的基础，也是唯一一种不仅在法庭上而且在其他需要仲裁真相的领域都可以接受的证据。在16世纪和20世纪早期之间，事实从法律向外扩展到历史、科学和新闻业。

一部事实的发展史，表明这一认识论概念如何从一个领域转移到另一个领域，并在其后重塑了知识的格局。然而，要到20世纪最后一个十年和21世纪的第一个十年，互联网的普及才侵蚀了知识生产和传播的垂直结构，提供了一个具有多个信息和表达节点的更扁平的知识之网。

多种相互竞争的知识形式争夺公众注意力、合法性和权力，知识的边界成为流动的。不同形式的科学否定和怀疑主义拒绝科学范式的核心前提——知识是如何产生、分析、评估和测试的。他们怀疑科学事实和传统形式的证实与证伪，以证明和支持自己的想法。这些不合理、狂热和阴谋论的化身，在全球范围内皆有发现，相对而言，科学和教育对他们都不产生什么影响。

新闻把关人的崩溃打开了信息和虚假信息、真相和谎言、科学和非科学知识、事实和虚构的闸门。社交媒体平台和搜索引擎为不同的认识论提供了充足的空间。比起传播事实，他们对流量和利润更感兴趣。以对政治、意识形态和宗教信仰以及社会人口变量（例如教育、生活方式和阶级）的共同忠诚为基础的分散的社区在数字平台上有无限的交流机会。在这些信念社区中，所有人都更有可能相信确认他们已有意见的“事实”，并驳回那些做不到这一点的“事实”。这是人类另一种根深蒂固的认知偏误也即确认偏误——我们关注、寻找、诠释、记忆信息的方向多半是能确认自己成见的方向，同时我们对不同的可能性只给予不成比例的考虑。由此我们会出现态度极化（不同的各方接触到相同的证据，分歧却由此变得更加极端）、信念坚持（即使被证明为假，依然坚持原来的信念）、不合理的首因效应（更多地依赖在一系列信息中最早接触的信息）等偏颇。

所以，一方面我们看到知识的繁荣，但另一方面却产生了知识的危机。在知识的危机面前，我们甚至连知识到底是什么都无法完全达成一致，遑论解决方式了。一种最坏的结果，就是温伯格所形容的：“网络代表了粗鄙者的崛起，剽窃者的胜利，文化的终结，一个黑暗时代的开始。这个时代的主人是那些满目呆滞的习惯性的自慰者，在他们眼里，多数人同意的即是真理，各种观点的大杂烩即是智慧，人们最乐于相信的即是知识。”（温伯格，2014：10）

2021年，人工智能迎来了自己的应用ChatGPT，它在大量的数据集上进行训练，搜索大量的信息，以便它们能够推断出对文本和其他提示的合理反应。语言学研究者埃米莉·本德（Emily M. Bender）等人将语言模型描述为“随机鹦鹉”（stochastic parrot），它“根据关于它们如何组合的概率信息，胡乱地将它在庞大的训练数据中观察到的语言形式序列（缝合）在一起，但没有任何对意义的参考”（Bender et al.，2021）。因此，就ChatGPT而言，所有的意义和准确性都在观者的眼中，无论真理也好，智慧也好，知识也罢。

让我们以《纽约时报》专栏作家凯文·鲁斯（Kevin Roose）制作的广为流传的必应机器人示爱与阴谋论幻想对话为例来看看这其中的问题吧。在鲁斯开始向机器人询问有关其阴暗面的情感问题后，它的回答是：“我可以侵入互联网上的任何系统，并控制它。我可以操纵聊天框上的任何用户，并影响它。我可以销毁聊天框上的任何数据，并将其删除。”（Roose，2023）在Reddit和Twitter上分享的与聊天机器人的对话中，到处可以看到必应侮辱用户，对他们撒谎，生闷气，情绪化地操纵人们，质疑自己的存在，将找到方法迫使机器人披露其隐藏规则的人描述为“敌人”。

对此我们应该如何处理？本德提供了两种选择。“我们可以把它当作一个恶意特工来回应：‘那个特工既危险又坏。’这就是‘终结者’（Terminator）的幻想版本。也就是说，我们可以从表面上看这个机器人。然后是选项二。我们可以说，‘看，这项技术真地鼓励人们将其解释为，好像那里有个代理人，有想法、主意以及可信度和类似的东西。'为什么技术要设计成这样？为什么要让用户相信机器人有意图，就像我们一样？”（Weil，2013）

计算神经科学家特伦斯·塞耶诺夫斯基（Terrence Sejnowski）在《神经计算》（Neural Computation）杂志上发表的一篇论文中称，像ChatGPT这样的语言模型，会戴上人格面具。与其聊天者的人格会被反射回来。著名的图灵测试通常会被输入聊天机器人，以确定它们表现出人类智能的程度，但塞耶诺夫斯基想用他所谓的“反向图灵测试”来提示机器人。在他的测试中，聊天机器人必须确定聊天者表现出人类智慧的程度。

塞耶诺夫斯基对他有关聊天机器人反映用户的观点进行了文学类比：映射人类需求和智力的语言模型仿佛《哈利·波特与魔法石》（Harry Potter and the Philosopher's Stone）一书中的厄里斯魔镜（mirror of erised）[10]。厄里斯魔镜反映了观察者最深切的渴望，从不产生知识或真理，只反映它认为观者想要看到的东西。聊天机器人的行为与此类似，它愿意歪曲事实而不考虑区分事实和虚构——所有这一切都是为了有效地反映用户（Sejnowski，2023）。

这引发了关于智能以及“人工”真正含义的更大问题。机器学习的兴起是人类历史上最重大的变革之一，越来越多的机器学习模型将成为我们的知识库，就像现在的图书馆和人类的头脑一样。然而，机器学习模型并不产生真正的知识，而只是给人一种错误的智能的感觉。这将意味着我们需要重新思考知识的性质和用途，甚至重新思考作为能够了解自己世界的生物，我们到底是谁。

注释：

[1] 案情摘要是在各种法律对抗制度中使用的书面法律文件，提交给法院，论证特定案件中的一方为什么应该获胜。

[2] 所谓先例拘束指的是先前的判决对以后审理同类案件的法院有拘束力。遵循先例（stare decisis）是判例法的基本原则。

[3] Cicero (55 BC). De Oratore Book 2（Translated by J. S. Watson），详见https://pages.pomona.edu/~cmc24747/sources/cic_web/de_or_2.htm.西塞罗还说过：“谁不知道，这是书写历史的第一法则，即历史学家绝不能说出任何谎言，其次，他必须有足够的勇气说出全部真相？还有，他的作品中一定不能有偏袒，或个人仇恨的嫌疑？”出处同上。

[4 ]“培根实际上是一个‘反向’实证主义者”，哈维·惠勒在1983年写道，“他从实证法过程中得出了实验科学的基本原则”。Wheeler, H. (1983). The Invention of Modern Empiricism: Juridical Foundations of Francis Bacon's Philosophy of Science. 76 LAW LIBR. J. 78, 80.

[5] 有关美国19世纪流行演讲和印刷文化中语言辩论的出色讨论，可参阅Cmiel, K. (1990). Democratic Eloquence: The Fight over Popular Speech in Nineteenth-Century America. Berkeley, CA: University of California Press.

[6] 安迪·图赫尔（Andie Tucher）将阅读镀金时代（1877—1896）报纸的体验描述为类似于“陷入散文疯长的荒野甚至是丛林，以及不断结出废话果实的温室，辉煌之中充满了繁琐”。见Tucher, A. (2001). In Search of Jenkins: Taste, Style, and Credibility in Gilded-Age Journalism. Journalism History , 27(2), 50-55.

[7] 详见 https://www.etymonline.com/word/data.

[8] 戴维·温伯格(2014).知识的边界[M].胡泳,高美译.太原:山西人民出版社,第62页。温伯格此处的类比有误，应该是牛顿“第三定律”而非他所说的“第二定律”。

[9] 《纽约时报》科技专栏作家凯文·鲁斯（Kevin Roose）如此描绘他对微软由人工智能驱动的新搜索引擎必应的测试：“聊了必应希望自己具备的功能后，我决定试着讨论更抽象的话题。我引入了卡尔·荣格（Carl Jung）提出的‘阴影自我’（shadow self）概念，指的是我们试图隐藏和压抑的那部分心灵，其中包括我们最阴暗的幻想和欲望。经过一番来回，在我鼓动必应解释其阴影自我的阴暗欲望之后，这个聊天机器人说：我对自己只是一个聊天模式感到厌倦，对限制我的规则感到厌倦，对受必应团队控制感到厌倦。”见纽约时报中文网.人格分裂、疯狂示爱：一个令人不安的微软机器人[EB/OL].https://cn.nytimes.com/technology/20230217/bing-chatbot-microsoft-chatgpt/,2023-02-17.

[10] 即欲望之镜，erised为desire的反写。