横向阅读是指离开你正在看的页面,到别处查证是谁发布了这条信息,以及其他可信来源是否也这么说。与其反复研究一条可疑信息本身,不如打开新的网页标签或询问他人,到别处去核实。这个简单的方法正是专业事实核查员的做法,比单凭页面外观来判断更加可靠。
多年来,一个常见的建议是:可信的健康信息看起来整洁专业,而虚假信息看起来粗糙拙劣。人工智能打破了这个规律。如今,任何人都可以用人工智能在几分钟内制造出大量精美、流畅、令人信服的健康内容,包括假诊所、神奇疗法和编造的患者故事。其中一些内容专门针对特定社区,包括移民群体和特定语言群体。好消息是,你仍然可以保护自己,只是需要换一种更聪明的方式。
- 人工智能能够批量制造精美的虚假健康信息,因此内容看起来逼真不再代表它是真的。
- 识别这些手法:制造紧迫感、宣称神奇疗法、声称“医生不想让你知道”、逼迫付款,以及无法核实来源。
- 最有效的习惯是横向阅读:离开当前页面,到别处核实是谁在这样说。
为什么“看起来逼真”已经不够了
研究表明,人工智能工具能够快速、低成本地生成令人信服的虚假健康信息。在一项研究中,研究人员让人工智能系统生成了100多篇针对不同人群的健康虚假信息博客文章,其中还附有假的参考文献和编造的患者及医生证言(Menz et al., 2024)。在另一项研究中,人工智能撰写的虚假信息被评为比人类撰写的虚假信息更具说服力,读者也无法可靠地分辨两者的区别(Spitale et al., 2023)。这告诉我们,文字精美、语法正确、看起来专业,已经无法说明一条信息是否属实。也就是说,仅凭外观来判断内容真假,只会让你误入歧途。
这不是一个小问题。一项对69项研究的系统综述发现,虚假健康信息在社交媒体上非常普遍,在一些研究中,某个健康话题下多达87%的帖子含有虚假信息,其中关于疫苗的虚假说法尤其常见(Suarez-Lledo & Alvarez-Galvez, 2021)。世界卫生组织(World Health Organization, WHO)把这种虚假和误导性健康信息的泛滥称为“信息疫情”(infodemic),并警告这会造成混乱,把人们推向有风险的选择,还会削弱人们对医护人员的信任(World Health Organization, n.d.)。人工智能让这股信息洪流变得更大、更廉价,因此在相信之前先核实的能力,比以往任何时候都更重要。
认清手法,而不是外观
与其问“这看起来是真的吗”,不如问“这条信息在对我做什么”。虚假健康信息往往反复使用同一批施压手法,而这些手法比精心制作的假象容易识破得多。请留意以下几点:
- 制造紧迫感。 “现在就行动,不然就晚了。”真正的健康信息会给你时间思考和核实。
- 秘密或神奇疗法。 卫生权威机构提醒,一些短语常常是诈骗信号,例如“神奇疗法”“秘密成分”“科学突破”“祖传秘方”“快速见效”以及“无风险,不满意退款”,还有声称一种产品能治疗多种毫不相关疾病的说法(MedlinePlus, Health fraud, n.d.)。真正的医疗照护很少来自单一的“秘密”,而声称能包治百病的产品,往往什么都治不好。
- “医生不想让你知道。” 把自己和所有医生、诊所一起对立起来,这是一种说服手段,而不是事实。
- 付款施压。 催你尽快付款,尤其是用礼品卡、电汇或现金付款,这是一个强烈的警示信号。
- 无法核实。 没有真实地址、没有执照号码、没有可以查证的具名机构。如果你无法核实背后是谁,一定要格外小心。
只要出现其中一个或多个信号,你不必去证明这条信息是假的,只需要停下来,在相信或转发之前先核实一下。
真正有效的习惯:离开页面,去核实
最可靠的单一习惯叫做横向阅读(lateral reading),这正是专业事实核查员的做法。与其停留在页面上仔细研究,不如离开页面,去核实是谁在背后发布这条信息,以及可信来源是否也这么说。研究发现,用这种方式阅读的事实核查员,判断信息来源的准确度远远高于停留在页面上研究的历史学家和大学生(Wineburg & McGrew, 2019),而且普通成年人也能很快学会这个习惯。在一堂约一小时的简短在线课程后,年长者辨别虚假故事与真实故事的正确率,从约64%提高到约85%(Moore & Hancock, 2022)。
对你来说,离开页面去核实可以很简单:
- 打开一份LINC指南或官方网站(例如MedlinePlus),看看它是否说的是同一件事。
- 搜索这家诊所、产品或机构的名称,并加上“评价”或“投诉”等字样。
- 询问一位你信任的人,比如社区健康工作者(community health worker),了解他们对此的看法。
一个简短的示例
“紧急通知:一家新的移民健康诊所本周免费提供焦虑症治疗。无需保险,无需身份证明。已有数百人治愈。现在就给我们发消息,用礼品卡支付40美元手续费即可保留名额。”
从手法上看,破绽一目了然。这里有制造紧迫感(“仅限本周”“现在”);有神奇疗法般的说法(“已有数百人治愈”);有以可疑方式出现的付款施压(礼品卡);还有无法核实的问题:没有可查证的诊所名称,没有地址,没有执照。你不需要证明它是假的,光凭这些手法就足以让你停下来去核实。在付任何钱之前,只要快速搜索一下诊所名称,或问问社区健康工作者一句话,就能弄清真相。
转发之前,先用自己的话复述一遍
在把一条健康信息分享给家人或朋友之前,先用自己的话复述一遍,问问自己这条信息从哪里来,是否有可信来源加以证实。用自己的话复述一遍,能让你慢下来,足以察觉其中的施压手法。如果你说不出自己核实过的来源,那就是提醒你先别急着转发。在转发之前核实一条信息,能保护你的整个社区。
涉及金钱、身份证明或诊所名称时
虚假健康信息通常想从你这里得到一些东西:金钱、你的证件,或者让你迅速报名。在你给出这些之前,请先核实以下几点:
- 真正的诊所是可以查到的。 你可以在findahealthcenter.hrsa.gov确认联邦资助的健康中心,也可以在findtreatment.gov确认精神健康或物质使用治疗机构。如果一家“诊所”没有地址、没有电话、也查不到任何登记信息,那就是一个警示信号。
- 真正的医疗照护绝不会要求你用礼品卡付款。 美国联邦贸易委员会(Federal Trade Commission, FTC)提醒,任何要求你用礼品卡、电汇或加密货币付款的人都是骗子。没有任何真正的诊所或政府机构会以这种方式收款。
- 你不必匆忙做决定。 “仅限今日”这种催促本身就是一种手法。先离开一下,问问社区健康工作者或你信任的人。
- 举报它。 你可以到reportfraud.ftc.gov向联邦贸易委员会(FTC)举报诈骗。举报一条信息,就能保护你社区里的其他人。
- 你可以用自己的语言获得帮助。 你不需要用英语来完成这些。USAGov(美国政府官方信息网站)介绍了常见的诈骗手法,还提供工具帮你找到合适的举报机构,其网页也提供西班牙语版本(USAGov, n.d.)。
真正的医疗照护绝不会要求你用礼品卡付款。任何要求你用礼品卡、电汇或加密货币付款的人都是骗子。没有任何真正的诊所或政府机构会以这种方式收款。
一个简单易记的方法:SIFT
当一条健康说法出现在你面前时,有一套每次都能用的简短流程会很有帮助。研究者迈克·考尔菲尔德(Mike Caulfield)通过观察专业事实核查员的工作方式,总结出一套叫做SIFT的方法(Caulfield, 2019)。SIFT包含四个步骤:
- 停(Stop)。 在继续阅读或转发之前先停一下。意识到你还不知道这背后是谁,也不知道它是否属实。不要转发你还没核实过的信息。
- 查(Investigate the source)。 花大约一分钟弄清楚是谁提出这个说法,以及出于什么目的。真正的诊所、卖产品的公司和群聊里的陌生人,是完全不同的对象,弄清楚你面对的是哪一种,会改变一切。
- 找(Find better coverage)。 不要只依赖传到你面前的这个页面。去查找可信来源对同一说法的看法,比如LINC指南或MedlinePlus这样的官方网站。
- 溯(Trace claims, quotes, and images back to where they started)。 顺着一句引言、一项研究或一张照片,追溯到它最初的出处。断章取义或被篡改过的内容,一旦你看到原始来源,往往就会不攻自破。
中间这两个步骤,正是本指南所说的横向阅读:在做决定之前,离开页面,到别处去查证。
不要再轻信一张面孔或一张照片
过去,一张面带微笑的医生照片、一栋诊所大楼,或一位面露喜色的患者照片,多少能算是某种真实的证明。现在已经不是这样了。人工智能如今可以制作根本不存在之人的逼真图片,甚至视频,也可以让一位真实存在的医生“说出”他从未说过的话。一篇2025年针对新型人工智能视频工具的综述指出,这些系统能够制作出高质量、以假乱真的视频,而用来识别这类伪造内容的工具仍然很弱(Temsah et al., 2025)。骗子利用这一点,制作虚假的“前后对比”照片、编造医生证言,甚至复制真实诊所网站的内容。
所以,不要因为一张脸、一件白大褂,或一张看起来专业的照片就轻信内容。要用上面SIFT的步骤来判断这条说法,而不是靠照片。以下两个实用的检查方法会有帮助:
- 在别处查找同一个人或同一家诊所。 真正的医生和真正的诊所会留下痕迹:在医院或健康中心的登记名单里,或者一个可以查到的执照。如果一位“医生”只出现在向你要钱的那一则广告或视频里,就要格外小心。
- 做图片反向搜索。 你可以上传一张照片,或者右键点击它,搜索它还出现在网络上的哪些地方。一张库存图片、一张盗用的图片,或一张完全查不到任何历史记录的图片,都是警示信号。
如何核实医疗服务提供者或诊所是否真实
虚假信息最强烈的信号之一,就是没有任何可以核实的执照或登记信息。好消息是,真正的医疗服务提供者(provider)和诊所几乎总是可以查到,而且查询工具都是免费的。
- 核实医疗服务提供者的执照。 在美国,医生的执照由所在州的医学委员会颁发。你可以通过所在州的医学委员会,或美国州医学委员会联合会(Federation of State Medical Boards)的查询工具docinfo.org,查询一位医生是否持有执照,以及是否曾受到过处分(MedlinePlus, Choosing a doctor or health care service, n.d.)。如果有人自称是医生,但你查不到任何执照记录,这就是一个严重的警示信号。
- 确认诊所确实存在。 你可以在findahealthcenter.hrsa.gov确认联邦资助的健康中心,也可以在findtreatment.gov确认精神健康或物质使用治疗机构。真正的诊所有地址、有电话、有可以查到的登记信息;而一家只存在于某条信息里的“诊所”则没有。
- 向了解情况的人核实。 社区健康工作者或一家你信任的诊所,往往一分钟内就能告诉你某个地方是否真实存在。如果有疑问,请在付款或交出证件之前先问一问。
参考来源
- Caulfield, M. (2019, June 19). SIFT (the four moves). Hapgood. https://hapgood.us/2019/06/19/sift-the-four-moves/
- Federal Trade Commission. Avoiding and reporting gift card scams. https://consumer.ftc.gov/articles/avoiding-and-reporting-gift-card-scams
- MedlinePlus (U.S. National Library of Medicine). Choosing a doctor or health care service. https://medlineplus.gov/choosingadoctororhealthcareservice.html
- MedlinePlus (U.S. National Library of Medicine). Evaluating health information. https://medlineplus.gov/evaluatinghealthinformation.html
- MedlinePlus (U.S. National Library of Medicine). Health fraud. https://medlineplus.gov/healthfraud.html
- Menz, B. D., Kuderer, N. M., Bacchi, S., Modi, N. D., Chin-Yee, B., Hu, T., Rickard, C., Haseloff, M., Vitry, A., McKinnon, R. A., Kichenadasse, G., Rowland, A., Sorich, M. J., & Hopkins, A. M. (2024). Current safeguards, risk mitigation, and transparency measures of large language models against the generation of health disinformation: Repeated cross-sectional analysis. BMJ, 384, e078538. https://doi.org/10.1136/bmj-2023-078538
- Moore, R. C., & Hancock, J. T. (2022). A digital media literacy intervention for older adults improves resilience to fake news. Scientific Reports, 12, 6008. https://doi.org/10.1038/s41598-022-08437-0
- Spitale, G., Biller-Andorno, N., & Germani, F. (2023). AI model GPT-3 (dis)informs us better than humans. Science Advances, 9(26), eadh1850. https://doi.org/10.1126/sciadv.adh1850
- Suarez-Lledo, V., & Alvarez-Galvez, J. (2021). Prevalence of health misinformation on social media: Systematic review. Journal of Medical Internet Research, 23(1), e17187. https://doi.org/10.2196/17187
- Temsah, M.-H., Nazer, R., Altamimi, I., Aldekhyyel, R., Jamal, A., Almansour, M., Aljamaan, F., Alhasan, K., Temsah, A. A., Al-Eyadhy, A., Aljafen, B. N., & Malki, K. H. (2025). OpenAI’s Sora and Google’s Veo 2 in action: A narrative review of artificial intelligence-driven video generation models transforming healthcare. Cureus, 17(1), e77593. https://doi.org/10.7759/cureus.77593
- USAGov (U.S. General Services Administration). Common scams and frauds. https://www.usa.gov/common-scams-frauds
- Wineburg, S., & McGrew, S. (2019). Lateral reading and the nature of expertise: Reading less and learning more when evaluating digital information. Teachers College Record, 121(11), 1-40. https://doi.org/10.1177/016146811912101102
- World Health Organization. (n.d.). Infodemic. https://www.who.int/health-topics/infodemic
LINC是一个研究性原型项目,并非医疗或法律服务。翻译内容可能有误;你有权获得免费的合格口译员(professional interpreter)协助。对于任何重大或高风险的事项,请与社区健康工作者或你信任的人一起处理。如遇危机,请拨打或发短信至988;如有生命危险,请拨打911。