目录

●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 价值优选化条件下，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