本周知乎热门问题 | 谣言可以有多逼真？

源济

本周知乎热门问题 | 谣言可以有多逼真？ 

2018-01-28 每周必看的榜单 知乎日报

「

知乎最热讨论

（1.21 - 1.28）

」

1

谣言可以有多逼真？

该问题总共获得了 37,065,467 次浏览

知乎机构号：丁香医生（11000+ 赞同）

上周末开始在微博和其他社交平台有张图非常火，就是下面这个：

相信很多人看到过，按照这个内容说法，妇科体检会有一个检查结果，检测出女性的 GPAL+精元抗体。

G = 怀孕次数，P = 生产次数，A = 流产次数，L = 现有子女次数，精元抗体 = 发生关系次数。

看起来好厉害是不是？

男同胞的福利是不是？

感觉可以一下子知道姑娘们的全部秘密了是不是？

立马想要拉着自己的妹子去做个妇科检查是不是？

好吧，丁香医生来给大家解释解释，这号称「男性福利」的「GPAL+精元抗体」究竟是个什么鬼玩意。

首先，是这个「精元抗体」

然而，无论是哪国的医学领域都不存在什么「精元抗体」的说法，那也就更不存在所谓可以通过检测「精元抗体」来知道女性和多少男性发生过性关系。

如果非要把「精子」和「抗体」扯上关系，那只有「抗精子抗体（AsAb）」这个词，不过检测出这玩意不能证明和多少男人发生过关系，只能证明你有可能罹患原发性不孕不育。

因为这种抗体阻碍精子与卵子结合而致不孕。

更重要的是，这种抗体男女都可以罹患，且是通过专门的不孕不育检查才能测出，而不是什么常规妇科检查可以查出来的。

所以「精元抗体」这个说法完完全全是瞎扯。

如果真有人拉着姑娘去医院要做精元抗体检查，相信我，任何医生都会觉得：

然后，我们在看看「GPAL」这个说法。

这个说法很有迷惑性，因为在妇产科领域，确实有「TPAL」和「GP」两套说法，

T = term births = 指足月分娩（妊娠 37 周以后）

P = premature births = 早产

A = abortions = 流产

L = refers to living children = 活着的孩子

而「GP」中的 G 指是怀孕，P 是 parity，分娩，也就是怀孕次数和分娩次数

一般来说，在临床上，TPAL 和 GP 这两套体系，主要是妇产科医生在接诊女性时，用来做女性基本信息收集用的。

但是！！！

TPAL 就是 TPAL，GP 就是 GP，并不存在什么「GPAL」这个说法。

更更重要的是！！！

无论是 TPAL 还是 GP 的数据，全部都是医生在接诊女性患者，通过口头询问获得的基本病史信息而已。

也就是说，TPAL 和 GP 的结果数据全部都是女性患者口述的，并没有任何设备检测得出结果。女性患者说什么，妇产科大夫就记下什么，说自己有过几次生育史，就记几次。

因为这些数据，对于妇产科医生来说，基本类似于你填表格时，填写的「姓名性别年龄民族.....」. 一样，都是最最基本的病史问诊内容。

而且，按照大范围的「病历」概念，包括三项：

病史（医生问出来的）

体检（医生查出来的）

辅助检查（机器检查出来的）

而 TPAL 或者 GP 则属于病史，是医生询问得来的结果，这样的结果是不会出现在任何妇产科体检报告单据中。

总结一下：

1. 没有 GPAL 这样的说法

2.TPAL 和 GP 的结果完全属于病人主观口述

3. 上述结果不会出现在任何妇产科体检报告结果中

所以，你不可能在妇产科的检查结果单据上获取到你想要的信息。而医生从保护病人隐私的角度也不可能向你透露患者的问诊病史的。

好了，至此这个所谓「GPAL+精元抗体」测女性历史的谣言，基本就被扒干净了，那么这个谣言到底有多逼真呢

我随手搜了下 GPAL 的搜索指数，发现这个词从 2011 年到 2018 年这 7 年，指数数值都是 0，直到 2018 年 1 月才突然爆表：

如果还不明白，让我们把搜索范围从 7 年缩短到 7 天：

看到没有，这个号称妇科检查的重要数据在过去 7 年里根本都没人搜过，直到 3 天前的 1 月 20 号，突然爆表，指数突破 20K。

随便在哪个搜索引擎上搜 GPAL，都是相关的询问，甚至某知名百科网站出现了这样的词条：

P 是指生产次数 production

我就问你一点啊，用 production 指代怀孕生产，相信这点的人

最后，那个广为流传的截图下面这个口口声声为 GPAL 打 call「医学生」：

你信不信我找本砖头厚的《临床医学概论》把你给拍平了......

源济

2

如何看待「救援支队长锤击性侵两姐妹致一死一伤，终审改死缓」？

该问题总共获得了  443,945 次浏览

相关新闻

2016 年 1 月 15 日凌晨 4 时许，陕西应急救援总队特勤支队队长聂李强发现两女孩乘出租车，遂起性侵之念，尾随两女孩后持榔头连续猛击两人头部，致二人受伤倒地，实行猥亵后聂李强逃离现场。

俩女孩是一对姐妹，姐姐 16 周岁，妹妹 14 周岁。被送往医院后，姐姐抢救无效死亡，妹妹属重伤二级，伤残程度八级。

聂李强家属赔偿受害者家属 90 万元。

2018 年 1 月 20 日，陕西省高级人民法院做出终审判决，上诉人聂李强犯故意杀人罪，判处死刑，缓期二年执行，剥夺政治权利终身；对上诉人聂李强限制减刑。

新闻来源：新浪新闻

知友：TEDCJK（1300+ 赞）

新闻阅毕，很是令人唏嘘。

法律圈子里霍姆斯「法律的生命不在于逻辑而在于经验」是一句「时髦话」，无论是初入门的小小学徒还是赫赫有名的领域大拿，都喜欢把这句话挂在嘴边上；但是真的只有亲自体会过，才能理解这句话本身的残酷。

很多人看到新闻就把目光聚焦在「死刑」，当然这种做法对纸上谈法的清谈客们来说当然没错。死刑存废问题是知乎的日经帖，不杀不足以平民愤是知乎的「政治正确」。

但其实认真说，这不是一个死刑存废问题，而是一个价值衡量问题。

新闻报道中说在赔偿问题上，谈判曾经陷入僵局，开始的 4、50 万到最后的 90 万元，每次都是 5 万 5 万地增加。受害人目前还欠医院的医药费，幸存的妹妹后期还需要大量治疗费用。家属也是迫于生活的需要，接受了最后90万元的赔偿。

这些钱主要是聂李强的父母筹措的，他们借遍了身边亲朋好友的钱。

现在的问题是，行为人自己的财产无法承担赔款，而显然行为人的父母、兄弟、姐妹乃至朋友并不能因为行为人的犯罪而被「连带」，因此我们需要一个条件去说服他那些实际上没有法律责任的家人甚至朋友筹措资金。

即使死缓限制减刑，出狱也至少要二十年，一个最早二十年后才能出狱的有前科中年人没有任何还款可期待性。因此实际上任何针对行为人的强制执行都没有意义，盖因债权不可能得到实现，而现有的财产又明显杯水车薪。

对于一个实际上不可能交的出钱的人来说，唯一的筹码——就是他的生命。

这就是谅解制度的现实基础，你可以拒绝赔偿拒绝谅解，就好像林森浩投毒案中的黄洋家庭一样，获得想要的结果；但你也可以选择接受犯罪人家庭筹措的资金，毕竟活着的人还要继续活着。

无论你是否支持死刑，你都不应该支持这种无奈的妥协；无论你是否支持死刑，你都只能接受这种无奈的妥协。

---

顺便，夹一句私货，知乎最近流行「真正的 XX」句式。

如果有一个名词叫做「真正的死刑支持者」的话，这个问题就是「真正的死刑支持者」最好的鉴别器。

因为一个「真正的死刑支持者」是真的站在受害人/家庭这一边，充分考虑受害者的权益而不是为了发泄情绪而支持死刑；所以他们一定能理解并接受对受害人/家庭来说的更优解。

即使为了维护「极恶之人当死」的立场，与那些键盘法学家不同的是，他们会将受害人的利益而不是某种毫无可操作性的「死刑存废」与「政治正确」挂在嘴边；他们会通过积极捐款、推动政策为受害人/家庭提供保障，使得他们无需再迫于无奈违心谅解，让罪恶之人逃出生天，而不是空口清淡，用他人的悲痛满足自己的正义感。

我在很多场合讲过，通过何种途径去推动实现自己的诉求很多时候比持有何种立场更重要，作为一个异见者，我期待这样的答案。

以上。

源济

3

如何看待 YouTube 上的 Elsagate 事件，儿童不宜内容被通过自动推荐算法，归类于儿童内容播放？

该问题总共获得了 4,651,255 次浏览

知乎机构号：景略集智（360+ 赞）

国内的几大视频网站已经开始着手清理相关视频（在有的答主那边看到快手上都有你敢信？），有几个关键字已经完全失效了。但仍不排除有漏网之鱼，请有条件的朋友多检查一下身边小孩用过的ipad，该举报的第一时间举报。有同学质疑说这个规模完全是个产业了可是怎么看不出如何盈利呢？事实上有些恶是没考虑利益的，就是纯粹的恶。

其实 YouTube 的 Elsagate 事件存在了很长一段时间了，这篇《一群变态锁定观看YouTube的孩童，我以前为他们工作》的英文原贴最早是去年 11 月发布在 Reddit 上，当时正值 YouTube 在媒体声讨下开始整顿网站内容，清理这些儿童不宜的视频。

让我们把时间轴拖到 2016 年7月，英国《卫报》开始关注 YouTube 上这类面向儿童的暴力和色情内容。同年3月份，一个叫 Webs & Tiaras 的频道悄然出现在 YouTube 上，用蜘蛛侠、忍者神龟这些漫画中的超级英雄以及童话里的公主等人物制作成黄色暴力等儿童不宜的视频，这些视频有背景音乐但没有人物对话，而且还有多个语言版本，但它们都面向小孩播放。

仅仅两个月，这个频道的第一个视频就已经被观看 17 亿次，该频道也成为 YouTube 第三大流行频道（目前该频道已被 YouTube 关闭）。随后 YouTube 上一些 UP 主和 Reddit 论坛也开始质疑这种现象，但并未引起太大动静。

2017 年 3 月，BBC 发文批评称 YouTube 上数千个卡通视频中存在对儿童严重不适宜的内容，比如以《小猪佩奇》为题材制作的视频。猛一看这些视频和正常的《小猪佩奇》动画片没什么不同，但是一旦点开播放，视频内容就变得恐怖而黑暗，比如一个拿着大针管的牙医一下子拔掉了小猪佩奇的牙，然后佩奇刺耳的痛苦尖叫。其它深受儿童喜爱的动画片如《托马斯和朋友们》、《冰雪奇缘》等也被拿来制作了这样的视频。

国外很多父母平时都很喜欢在 YouTube 上给孩子找动画片看，经常也让孩子自己在 Kids Channel 上自己找感兴趣的动画片。因为在他们眼中，动画片是启迪孩子们思维的很好的方式，而  Kids Channel 已经帮孩子们过滤掉色情或是尺度大的影片，但家长们万万没想到，这类视频还是渗透了孩子们的世界。

可就是这样的动画片被自动推荐在 Kids Channel 列表上，在 YouTube 上已有几十万甚至上百万的浏览量。倘若每十个观看者中就有一个是儿童，那看过这些动画片的孩子肯定是数以百万计的。

随后舆论开始发酵，标签 #ElsaGate 成为 Twitter 和 Reddit 上的火热话题，很多父母愤怒的表达心中的忧虑。

人们将此次事件称为 ElsaGate（「艾莎门事件」），其中 Elsa 是动画片《冰雪奇缘》里的主角，YouTube 上出现的这些邪恶视频经常出现她的身影，而 Gate 一次自从「水门事件」后就经常被用来指代丑闻，ElsaGate 毫无疑问成了 YouTube 的丑闻。

多家媒体纷纷开始关注此事，《纽约时报》、英国《周刊报道》等严词批评 YouTube 出现这种严重错误。记者 James Bridle 针对此事在 Medium 上发布了《Some Thing is Wrong in Internet》一文，质疑 YouTube 的视频推荐方式，引起人们的强烈共鸣。在舆论压力下，2017 年 11 月 YouTube 宣布采取措施，大规模整顿此类内容，关闭了大批频道，清除这些对儿童严重有害的视频。

《The London Economic》列出的部分被 YouTube 清理的视频及频道

至此事件回顾完毕

为何会出现这种问题？

第一个原因肯定是 YouTube 的视频审核系统不完善。目前全球平均每分钟就有长达 400 小时的视频被上传至 YouTube，以人工审核完这些视频是绝对不可能的，因此绝大部分都由程序自动审核。而由于当前视频识别技术并不完善，程序在审核视频时往往是通过关键词、文字描述、标签等方式进行自动筛选，如果视频发布人员提交视频时精心伪装，很容易就能蒙混过关。

2015 年初，YouTube 发布了专门面向儿童的 YouTube Kids，初衷是为家长们提供一个放心的平台，可以让孩子自己自行观看安全的视频内容。然而，由于通过了审核，这些以动画片为幌子的有害视频还是有很大一部分发送到了 YouTube Kids 上面。

第二个原因就是 YouTube 的算法推荐漏洞。记者 James Bridle 在文章中重点批评的也是 YouTube 的这种自动推荐算法。YouTube 的算法会根据用户观看的历史和视频关键词源源不断地给用户推荐相同类型的内容，这就导致一旦小孩观看一个这种有害视频，会有一大批同类视频推送给他，而且往往是自动播放。

去年网站 Tubefilter 曾发文详细谈及了 YouTube 的视频推荐算法。该算法给基于视频发布者的权值的权重很小，但给基于个人观看者的权值很大的权重。简单说就是，YouTube 不怎么关心你上传过什么视频，但很在意你看过什么视频。整个过程全是自动完成，没有人类参与，算法会实时分析数据，根据热度给视频排名，然后根据排名为用户推荐视频。

YouTube 的推荐算法架构大致分为两层，第一层叫「候选视频生成层」（Candidate Generation），第二层叫「排名层」（Ranking），如图：

如上图所示，首先算法从后台视频库中选取数百万个视频，传输至「候选视频层」，然后根据用户的观看历史和内容，从中抽取几百个视频传输至「排名层」，再根据视频特征、其它用户的观看状况和视频排名等数据，最终选出十几个视频推荐给用户。

通过这种方式，YouTube 可以给用户接连不断推送「符合用户口味」的视频。然而，这种算法虽然设计精巧，让人们在 YouTube 上观看到更多想看的视频，却忽略了一个很重要的因素：看这些视频的人是谁？

如果是正常的内容，这的确会让用户感到高兴，也省去了用户自己找同类型视频的麻烦，然而如果是 Elsagate 事件中的这种有害视频，而且观看它们的人还是儿童，算法仍然不停地向孩子推荐这种视频，可想而知这会给孩子的成长带来多大的危害。

其实单单从用户观看内容及浏览历史向用户推荐内容这种方式本身就有问题，所以另一家视频内容运营商 NetFlix 从2014年就逐渐停用这种根据观看历史推荐内容的做法，改用深度学习优化其推荐系统，更多的从观看用户是谁的角度考虑推荐内容。

或许 YouTube 除了花大力气研究推荐什么内容，也应该认真考虑算法把视频都推荐给了谁。