设计公平的人工智能规则
Designing Fair AI Rules
将设计思维应用于人工智能伦理：如果你在设计一个人工智能系统，你会给它制定什么规则？它应该帮助谁？它不应该被允许做什么？
课程主题 （158 / 159）
Deepfake与AI生成内容
Deepfakes and AI-Generated Content
认识Deepfake、AI生成的图像和文字；学习如何识别它们以及它们为什么重要；了解核实信息来源的重要性；网上并非所有内容都是真…
人工智能系统中的偏见
Bias in AI Systems
如果训练数据带有偏见，人工智能也会带有偏见。比如，人脸识别对某些肤色的人效果更好，翻译会把某些词默认为特定性别。我们还…
人工智能数据收集与隐私
AI Data Collection and Privacy
人工智能系统会收集哪些关于你的数据，谁拥有这些数据，以及为什么这一点很重要；还包括网站和应用程序的浏览记录、位置追踪、…
人工智能与未来的工作
AI and the Future of Work
人工智能正在改变职场：一些工作消失，新的工作被创造出来，许多工作发生变化；有些工作目前人工智能还无法胜任；在人工智能时…
人工智能与环境
AI and the Environment
人工智能需要消耗大量的能源和水来训练；数据中心也会给环境带来代价；但人工智能也能帮助保护环境——例如预测天气、监测森林砍…
人工智能与决策公平
AI and Fairness in Decisions
探讨人工智能是否应该替人们作出重要决定，例如工作录用、贷款审批和司法判决；如果人工智能作出不公平的决定，该由谁负责；并…
推荐系统与过滤气泡
Recommendation Systems and Filter Bubbles
推荐系统如何运作：YouTube、Netflix 和购物网站会记录你点击的内容并找出规律；了解过滤气泡；分辨有益的建议与操纵行为之间的…
模式与分类
Patterns and Classification
人类很擅长发现规律；计算机也能学会发现规律，但它需要大量示例。分类和归类活动是机器学习的基础。
机器学习基础
Machine Learning Basics
从概念层面了解机器学习是如何运作的：给计算机看很多例子，它会找出规律，然后对新事物做出预测；使用Teachable Machine或类似…