一个搞垮了Gawker的人，现在想用算法决定什么新闻可信。
Aron D'Souza的名字和"媒体"二字绑定时，总带着硝烟味。2016年，他协助Peter Thiel资助了那场让八卦网站Gawker破产的隐私权诉讼。九年过去，他推出了Objection——一个用人工智能（AI）评判新闻真实性的平台。花2000美元，任何人都能对一篇报道发起挑战，触发公开调查。
这听起来像给普通人赋权。但问题在于：当匿名吹哨人的证词被算法自动降级，当"荣誉指数"成为记者的职业标签，新闻业的核心功能会不会被冻住？
正方：D'Souza的"修复"逻辑
D'Souza的出发点是具体的痛点。他在TechCrunch的独家采访中提到，美国媒体系统有个断裂点：觉得自己被报道伤害的人，几乎没有反击渠道。
Objection的回应是一套评分体系。平台雇佣自由职业者——前执法人员和调查记者——收集材料，输入一个叫"荣誉指数"的算法模型。监管文件、官方邮件等一手记录权重最高；未经独立核实的匿名信源则垫底。
「保护信源信息是讲述重要故事的关键方式，但存在重要的权力不对称，」D'Souza说，「被报道的对象无法批评信源。」
他的目标被包装得很宏大：恢复对第四权力的信任。 seed轮融资来自Peter Thiel、Balaji Srinivasan以及Social Impact Capital、Off Piste Capital，金额"数百万美元"。Thiel本人长期批评媒体，且正是Gawker案的资助者。
这个联盟本身就传递信号：Objection不是中立的工具，而是带着特定意识形态倾向的基础设施。
反方：律师与记者的"寒蝉效应"警告
批评者的担忧同样具体。媒体律师和从业者的核心论点：Objection会让监督权力机构的报道变得更难，尤其是那些依赖机密信源的调查。
匿名信源的历史功绩很难反驳。从水门事件到企业腐败调查，吹哨人往往面临失业或报复风险。记者、编辑、律师的共同职责是验证其可靠性，而非单纯采信。
但Objection的评分逻辑把这个过程简化了。算法会给"完全匿名且未经独立核实的信源"打低分，直接影响报道的"证据与信任评分"。
这创造了一种逆向激励。如果记者知道使用匿名信源会拉低自己的"荣誉指数"——一个公开的、可搜索的职业标签——他们可能会回避高风险选题。吹哨人看到这种情况，也可能选择沉默。
更深层的问题在于证据等级的设定。监管文件和官方邮件确实"硬"，但腐败和权力滥用往往不会留下这类痕迹。把算法权重向官方记录倾斜，本质上是在奖励那些更容易被权力机构"证明"的报道，惩罚那些挑战权力结构的报道。
技术中立？看看谁付钱
Objection的商业模式值得拆解。2000美元的发起门槛不算低，但也不算高——对想要压制负面报道的企业、政客或利益集团而言，这是可承受的成本。
平台声称要"恢复信任"，但它创造的其实是一个对抗性论坛。任何人都能付费挑战报道，而被挑战的记者和机构需要投入时间、精力甚至法律资源来应对。这种不对称性，和D'Souza批评的"权力不对称"形成了讽刺的呼应。
AI在这里的角色也很微妙。Objection不是让算法直接判定真假，而是把人类收集的材料喂给模型，输出一个数值化的"荣誉指数"。这给人一种科学客观的错觉，但权重设置、评分标准、训练数据的选择，全是人为决策。
Thiel的投资背景让这套系统的倾向性更难忽视。从Gawker案到Objection，一条线索清晰可见：用法律或技术手段，降低对特定人群不利的媒体内容的传播效率。
我的判断：这不是修复，是重构权力
Objection的真正产品不是AI评分工具，而是一种新的问责关系。
传统新闻业的问责链条是：读者→媒体→权力机构。Objection试图插入一个新环节：被报道对象→付费平台→算法评分→公众认知。这个环节的设计，让拥有资源的一方获得了结构性优势。
更值得警惕的是"荣誉指数"的示范效应。如果这类评分系统被搜索引擎、广告平台或内容聚合器采纳，记者的职业生涯将和算法评分深度绑定。这不是恢复信任，而是用技术官僚的确定性，替代新闻业必要的模糊性和风险承担。
D'Souza说得没错，媒体系统有问题。但Objection的解决方案，是用一种权力不对称替代另一种。当吹哨人的声音被算法压低，当调查报道的成本被人为抬高，受损的不是"假新闻"，而是那些本就被权力边缘化的真相。
如果你关心新闻业，现在该问的不是"AI能不能评判新闻"，而是"我们想不想让Peter Thiel的算法决定什么值得信任"。
热门跟贴