人工智能、数字资产与信息核验

人工智能输出可以帮助整理问题、准备工作稿，但自然的语言和看似引用的参考信息，不能证明准确性。NIST 的生成式人工智能风险框架配套文件讨论了语气确定但内容错误的输出，以及核验生成材料中来源和引用的必要性。这些是依据问题，不只是写作质量问题。

本主题不对人工智能能力给出通用评级，而是审视输出被用于决策之前应核查什么。对数字资产也可作类似区分：屏幕或记录证明了什么，什么仍未确立？技术是否便利，与是否适合某项决策，是两个问题。

• 来源：底层资料是否存在，能否阅读实际内容？
• 范围：是否适用于正在考虑的国家、交易和时间点？
• 支持关系：所引段落是否支持输出中的主张？
• 遗漏：摘要是否省略了不确定性、例外或重要条件？
• 使用：能否管理输入信息的敏感性，以及后续决策的范围？

假设人工智能摘要说某份协议「可以随时终止」。这是假设示例。原文可能设有通知期限、费用或其他条件，因此不能将这句话视为充分的决策依据。应回到相关条款，找出摘要遗漏的条件。

记录核查的条款和版本、修正后的摘要，以及仍需解释的问题。一个回答准确，并不能证明协议其他部分、之后的文件或其他司法管辖区也会被正确处理。核查范围应与结果一起清晰保留。

比较信息时，统一使用栏目说明谁出具、何时适用、覆盖什么，以及与什么资料核对。多个页面重复同一陈述，可能都依赖一个未核实的原始来源。重复不应自动被算作独立佐证。赋予来源更多证据权重之前，应追踪它们之间的关系。

• 记录来源网址、标题、相关段落及核验日期。
• 审查输入信息的敏感性，以及所用服务的条件。
• 区分输出获准的用途，与仍需进一步人工评估的决定。

屏幕显示的数字资产余额或一次成功转移，可以提供关于技术状态的证据，但未必能解释合同请求权、与底层资产的联系，或保管方责任。UNIDROIT 的数字资产原则区分控制、财产权利，以及与其他资产联系的法律效力。这些原则不能替代对适用法律和实际安排的核查。

避免从人工智能解释或技术记录直接跳到法律结论。先明确未解问题，再回到原始资料、服务条款，并在必要时寻求专业审查。这样才能使用便利工具，同时不让其输出承担超出实际核查支持范围的证明作用。