你读到一篇文章，末尾只写着“本文使用了 AI”。它可能只是让模型改了几个错字，也可能整段由模型生成。这句话看似透明，实际几乎无法帮助判断。
Hiroshi Sato 在 UX Collective 发表的《AI nutrition facts》，提出用类似食品“营养成分表”的披露机制，设计一套连接作者、读者与 AI 的界面。现有供稿只有标题与一句导语，因此这更适合被理解为一项设计倡议，而不是已经验证或实施的标准。
把声明变成可读的界面
这个比喻有用，因为标签不是把所有生产过程塞给读者，而是把关键差异放进固定位置。对 AI 写作来说，信息溯源——记录内容由谁、借助什么工具、经过哪些修改产生——能帮助读者区分人的判断、模型生成与后续编辑。
界面还可以采用渐进式披露：先给一句摘要，需要时再展开细节。这样，AI 说明不会抢走正文的注意力，关心介入程度的人也能继续追查。
它不是凭空出现的想法
据 Twilio 官方资料，Twilio 在 2023 年推出过 AI Nutrition Facts，以统一字段说明基础模型、客户数据是否用于训练、数据保留、人类审核与防护措施。美国国家电信和信息管理局（NTIA）也在 AI 问责政策报告中，把“营养标签”列为模型卡、系统卡等披露材料的一种可视化形式，并提醒系统说明还要覆盖部署环境和真实使用中的交互。
这说明标签真正该回答的，不只是“有没有 AI”，而是 AI 在哪里介入、数据怎样流动、谁作最后判断。它把抽象的透明度争论，变成读者能看懂、不同作品能比较的界面问题。
局限与未知
- 现有材料没有披露 Sato 方案的具体字段、适用范围和实施主体。
- 没有效果数据证明标签能提升信任或判断准确度。
- 标准化也可能制造“已经透明”的观感；字段如何选择，本身就是价值取舍。