联系我们

课程大纲

自主系统中的伦理基础

  • 定义AI代理中的自主性
  • 应用于机器行为的主要伦理理论
  • 利益相关者视角和价值敏感设计

社会风险与高风险用例

  • 公共安全、健康和国防领域的自主代理
  • 人机协作与信任边界
  • 非预期后果和风险放大场景

法律与监管格局

  • AI立法和政策趋势概览(如欧盟AI法案、NIST、OECD)
  • AI代理的问责、责任和法人地位
  • 全球治理举措及其差距

可解释性与决策透明性

  • 黑盒自主决策面临的挑战
  • 设计可解释和可审计的代理
  • 透明性工具和框架(例如模型卡片、数据表)

对齐、控制与道德责任

  • 代理行为的AI对齐策略
  • 人在回路与人监督回路控制范式
  • 设计者、用户和机构之间的共同责任

伦理风险评估与缓解

  • 代理设计中的风险映射和关键故障分析
  • 安全机制和紧急停止功能
  • 偏见、歧视和公平性审计

治理设计与机构监督

  • 负责任AI治理原则
  • 多利益相关者监督模型和审计
  • 为自主代理设计合规框架

总结与后续步骤

要求

  • 了解AI系统和机器学习基础
  • 熟悉自主代理及其应用
  • 了解技术政策中的伦理和法律框架

受众

  • AI伦理学家
  • 政策制定者和监管机构
  • 高级AI实践者和研究人员
 14 小时

即将举行的公开课程

课程分类