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*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