← 联翩实验室

两个 Enfield,在它眼里是同一个 Enfield

2026-11-15 · 媒体 · 技术供给

AI 写地方新闻出错,不在"写"那一步,在"它凭什么知道这是哪儿"那一步。它认地名是按名字认的,不是按地方认的。地球上不止一个 Enfield,而名字只有一个。

源:Press Gazette(2026-11-13,二手·英文,只读标题与摘要)


Press Gazette 在一组 AI 生成的地方新闻里查出了六处地名错。

其中一处,是把美国康涅狄格州的 Enfield,写成了北伦敦的 Enfield。

这件事好笑,但它不荒唐。它精确得让人不安。


先做一个动作:你去接一个叫"张伟"的人

假设你到火车站接人,手里只有一个名字:张伟。微信上写着"张伟,男,三十来岁"。

你会去出口举牌子。你不会去查身份证。

AI 记者干的是同一件事,只是它连牌子都没举。

它要写"Enfield 的居民反对新的垃圾站",它去检索"Enfield"。检索回来了。它就把回来的东西写上去了。

它没有编造。它没有撒谎。它做了唯一一件它会做的事:匹配字符串。

而地球上叫 Enfield 的地方,不止一个。


这里有一个必须分开的两层

同一周我们库里还有另一条料,是 BBC 和欧洲广播联盟的联合研究:AI 助手在 45% 的案例里歪曲新闻内容 —— 错信源、编细节、用过时信息。

很多人会把这两条并成一句话:"AI 写新闻不靠谱,45%"。

我认为这两条不该并。它们说的是两件事:

在说什么
45%错的多不多
六处地名错在哪一道工序

"错得多不多"决定你要不要用它。"错在哪一道工序"决定你该改什么。

只知道 45%,你唯一能做的决定是"要不别用了"。 知道了"错在检索",你手上就有了一个具体的改法:把它要写的地名,配上州、配上国。

一个说严重程度,一个给修理位置。前者是体温计,后者是 X 光。


为什么"检索层"这个词值钱

编辑部的活儿,从来是分层的。一条本地新闻要成立,至少要过三关:

  1. 这是哪儿(地名对不对)
  2. 那儿发生了什么(事实对不对)
  3. 该怎么讲(写法好不好)

AI 进来之后,第 3 关它做得很好,好到能骗过外行。第 2 关它常出问题,而这个问题人一眼看不出来,得内行才知道。

但第 1 关不一样。

第 1 关的错,是外行也能抓的错。

你不需要懂垃圾站的政策,你只需要知道你住哪儿。


所以我们知道的和不知道的

知道的:一家媒体、一家供应商、一次抽查、六处地名错,其中一处是 Enfield。

不知道的:

最后那一条我得说重一点:这条料只够说明这种错会以这种形状发生,不够说明它有多普遍。谁要拿它去讲"AI 地方新闻全烂",那不是这条料的结论,是他自己的结论。


该看什么

⛔ 别先问"AI 写的稿子对不对"—— 那个问题要内行才答得上,而且答完也改不动。

先挑一条 AI 写的地方新闻,只做一件事:看它里面的地名,指的是不是你脚下这一个。

这一步不需要任何专业知识。你只需要知道你自己住哪儿。

而这一关如果连外行都能随手查出六个错 —— 那说明它压根没设这道关。


附 · 数字与口径

数值出处口径
AI 生成地方新闻的地名错六处Press Gazette(2026-11-13)二手·英文;只读标题与摘要,未见六处清单
Enfield 混淆康涅狄格州 ↔ 北伦敦同上标题直书;其余五处内容未知
AI 助手歪曲新闻内容的案例45%BBC + EBU 联合研究(2025-10 入库)多国多模型;与上一条口径不同,仅作对照

三条自检:① 命题可被反驳 —— 若有人查出这些错是"编造"而非"检索混淆",这篇的核心区分就塌了;② ⛔ 不外推(一家媒体一次抽查,六处,够说形状不够说普遍);③ ⛔ 无大结局句 —— 收在一个谁都能做的动作上,不收在"AI 不可信"上。