人工智能伦理与治理：未来视角

导论　人工智能的伦理和治理——挑战与应对/ 1

第1章　AI向善的理论与实践/ 9

1．1　导语/ 9

1．2　主题对话：AI伦理与治理的根本问题/ 12

1．2．1　技术改变世界，世界需要治理/ 16

1．2．2　技术恶果源于人类自身，人工智能带来了哪些挑战/ 18

1．2．3　“技术替代”甚嚣尘上，通用人工智能在哪里/ 20

1．2．4　技术发展不断向前，人工智能如何治理/ 23

1．2．5　前沿技术结合行业应用，如何明确治理责任/ 25

第2章　AI的公平性/ 29

2．1　导语/ 29

2．2　主题分享/ 31

2．2．1　全球AI治理进展和新动态/ 32

2．2．2　人工智能与数据治理/ 40

2．2．3　法律如何保障AI应用的公平性/ 47

2．3　主题对话：AI 公平性的现状和趋势/ 52

2．3．1　技术提升公平性，根源在于“人心”/ 54

2．3．2　公平是动态概念，多重因素决定评估标准/ 55

2．3．3　技术“偏见”为中性，解决方案基于社会语境/ 57

2．3．4　技术标准和光同尘，AI 现实求同存异/ 58

第3 章　AI 与风险治理/ 62

3．1　导语/ 62

3．2　主题分享/ 66

3．2．1　自动驾驶中的技术、风险与法律/ 67

3．2．2　（AI）风险的事实、幻象与感知/ 69

3．2．3　道阻且长，行则将至——进入深水区的AI 安全与企业实践/ 72

3．2．4　AI 系统安全风险分析/ 76

3．3　主题对话： AI 是把双刃剑，风险和价值“皆在场”/ 80

3．3．1　风险不只是概率，也具有社会维度/ 80

3．3．2　AI 的能力越大，责任越大/ 84

3．3．3　AI 正在代替人类决策，但可解释AI 任重而道远/ 86

第4章　AI 决策的可靠性和可解释性/ 89

4．1　导语/ 89

4．2　主题分享/ 91

4．2．1　从可解释AI 到可理解AI ：基于算法治理的视角/ 92

4．2．2　人工智能：从“知其然”到“知其所以然”/ 98

4．2．3　AI 可靠性和可解释性：软件工程视角/ 102

4．3　主题对话：AI 决策的可靠性和可解释性/ 106

4．3．1　为何需要可解释与可靠性/ 109

4．3．2　面对AI 风险，公众有哪些诉求/ 110

4．3．3　AI 可靠性和可解释性有什么样的关系/ 111

4．3．4　可信人工智能在实际应用中面临哪些挑战/ 114

4．3．5　各方如何共同参与AI 可靠性的发展/ 116

4．3．6　强监管环境下，政府和企业如何联动/ 117

第5章　用户数据隐私/ 119

5．1　导语/ 119

5．2　主题分享/ 121

5．2．1　“伦理即服务”视角下的AI 数据伦理治理/ 122

5．2．2　人脸识别技术的法律规制框架/ 128

5．2．3　算法中的“人”——基于“个人信息保护法”的观察/ 131

5．3　主题对话：新时代的用户数据隐私/ 133

5．3．1　宏观视角下的数据隐私/ 136

5．3．2　如何看待用户和平台之间的关系/ 138

5．3．3　价值最大化条件下，如何减少对用户数据隐私的侵犯/ 138

5．3．4　如何定义隐私/ 140

5．3．5　如何保护个人数据隐私/ 140

5．3．6　普通民众如何影响相关的政策制定/ 142

第6章　包容性的AI/ 143

6．1　导语/ 143

6．2　主题分享/ 146

6．2．1　无障碍与平等参与/ 147

6．2．2　从爱到AI 的变与不变：残障何以作为“人”的尺度/ 151

6．2．3　面向无障碍应用的创新设计/ 157

6．2．4　无形的障碍与包容性人工智能/ 161

6．2．5　人工智能创新发展与伦理治理/ 165

6．3　主题对话：包容性AI——以人为本/ 168

6．3．1　什么是包容性AI/ 169

6．3．2　如何考虑包容性AI 的成本效益/ 170

6．3．3　人和AI 到底应该是什么样的关系/ 172

“AI 伦理与治理”系列研讨会嘉宾/ 174