第3章 伦理约束与版权边界
- 1第1章 人工智能的发展与前沿趋势
- 2第2章 政策法规与职业标准
- 3第3章 伦理约束与版权边界本文
- 4第4章 岗位全面解析与算法基础
- 5第5章 人工智能核心技术-自然语言处理
- 6第6章 人工智能核心技术-视觉处理
- 7第7章 人工智能核心技术-机器学习到深度学习
- 8第8章 系统设计及工程实践能力培养
- 9第9章 人工智能应用场景
- 10第10章 工具学习与学习资源
- 11第11章 本地部署方法教学
- 12第12章 行业应用案例-教育行业
- 13第13章 行业应用案例-医学行业
- 14第14章 行业应用案例-金融行业
- 15第15章 编程应用基础-Python
- 16第16章 编程应用基础-开发实战
- 17第17章 编程应用基础-开发实战
- 18第18章 办公应用-1
- 19第19章 办公应用-2
- 20第20章 AI变现-1
- 21第21章 AI变现-2
人工智能第三章 课程练习题(含答案解析)
一、单选题
1. 人工智能伦理的三大基石原则是公平原则、透明原则和可问责原则。
2. 公平原则要求人工智能系统在处理数据和作出决策时,必须避免什么?
- A. 技术故障
- B. 任何形式的歧视和偏见
- C. 数据冗余
- D. 算法复杂化
答案: B
解析: 课程明确指出,公平原则是人工智能伦理的核心要素之一,它要求人工智能系统在处理数据和作出决策时,必须避免任何形式的歧视和偏见。
3. 在招聘场景中,如果训练数据来自于特定性别、种族或教育背景的人群,算法会倾向于什么?
- A. 选择与数据特征相似的候选人
- B. 随机选择候选人
- C. 优先选择少数群体
- D. 忽略所有候选人特征
答案: A
解析: 课程中举例说明,在招聘场景中,如果用于训练招聘算法的数据来自于特定性别、种族或教育背景的人群,算法很有可能就会倾向于选择与这些数据特征相似的候选人,从而忽视其他优秀人才。
4. 透明原则主要目的是什么?
- A. 提高算法运行速度
- B. 增强用户对人工智能系统的信任
- C. 降低开发成本
- D. 简化算法设计
答案: B
解析: 课程指出,透明原则对于建立用户对人工智能系统的信任是至关重要的。该原则要求人工智能系统的决策、逻辑和过程是可以解释的。
5. 欧盟的人工智能法案明确规定,高风险的人工智能系统必须提供什么?
- A. 免费使用权限
- B. 详细的技术文档
- C. 开源代码
- D. 商业推广方案
答案: B
解析: 课程提到,欧盟的人工智能法案明确规定,高风险的人工智能系统必须提供详细的技术文档,其中包括算法的原理、数据的使用情况,以便监管机构进行审查,确保系统的透明性和可解释性。
6. 可问责原则明确了什么?
- A. 技术开发的时间表
- B. 人工智能系统出现问题时责任的归属和追究机制
- C. 产品的市场定价
- D. 用户的使用频率
答案: B
解析: 课程指出,可问责原则明确了在人工智能系统出现问题时,责任的归属和追究机制。当人工智能系统导致不良后果时,需要确定谁应该负责——是开发者、使用者还是其他相关方。
7. 课程中提到亚马逊(杨瓦逊)开发的招聘人工智能系统出现了什么问题?
- A. 系统运行速度过慢
- B. 对女性候选人产生歧视
- C. 无法处理大量简历
- D. 招聘成本过高
答案: B
解析: 课程案例提到,亚马逊开发的招聘人工智能系统出现了严重的算法偏见问题,系统在训练过程中使用了大量过去的招聘数据,男性候选人比例较高且录用率也较高,结果系统自动给男性候选人更高评分,而对女性候选人产生了歧视。
8. 苹果卡(Apple Card)的算法偏见事件中,大卫的信用卡额度是妻子的多少倍?
- A. 5 倍
- B. 10 倍
- C. 20 倍
- D. 50 倍
答案: C
解析: 课程提到,在苹果卡偏见案例中, Jamie Hanson 和 David Hanson 的信用分数相同、共有财产、联合报税,但大卫的苹果信用卡额度竟然是妻子的二十倍。苹果公司联合创始人史蒂夫也表示他和妻子的额度相差十倍。
9. 麻省理工学院的研究表明,面部识别在识别肤色较深的人时,错误率高达多少?
- A. 5%
- B. 10%
- C. 35%
- D. 50%
答案: C
解析: 课程提到,麻省理工学院的一项研究表明,在识别肤色较黑的人时,面部识别错误率高达 35%。而 NIST 的研究进一步表明,亚裔和非洲裔美国人被错误识别的概率是白人的 100 倍。
10. 2017 年美国信用报告机构 Equifax 发生大规模数据泄露,影响了约多少消费者?
- A. 100 万
- B. 5000 万
- C. 1.47 亿
- D. 10 亿
答案: C
解析: 课程提到,2017 年美国信用报告机构 Equifax 发生了大规模数据泄露,约有 1.47 亿消费者个人数据被泄露,包括姓名、社会安全号码、出生日期、地址等敏感数据。
11. 联合国教科文组织在哪一年制定了有关人工智能伦理的全球标准?
- A. 2019 年
- B. 2020 年
- C. 2021 年
- D. 2022 年
答案: C
解析: 课程指出,联合国教科文组织在 2021 年制定了有关人工智能伦理的全球标准,其宗旨是使人工智能系统为人类和社会谋求福利,防止由于失控造成的潜在危害。
12. 在自动驾驶汽车事故中,确定责任归属面临的最大挑战是什么?
- A. 事故现场调查困难
- B. 责任方涉及制造商、传感器供应商、算法开发者等多方
- C. 保险理赔流程复杂
- D. 道路基础设施问题
答案: B
解析: 课程指出,在自动驾驶汽车发生事故时,确定责任归属变得非常复杂,可能涉及传感器故障、算法决策错误、车辆制造商设计漏洞等,很难明确究竟是车辆制造商、传感器供应商、算法开发者还是车辆使用人应该承担主要责任。
13. 可解释 AI 技术的主要作用是什么?
- A. 提高模型训练速度
- B. 打破深度学习的黑箱,使决策过程可解释
- C. 减少数据存储需求
- D. 增加算法复杂度
答案: B
解析: 课程指出,传统深度学习模型的决策过程常被视为黑箱,用户和监管机构很难理解模型如何得出结果。可解释 AI 技术通过各种方法(如可视化技术、模型解释算法),将人工智能模型的决策过程和依据清晰呈现出来,打破了这个黑箱。
14. GAN(生成对抗网络)技术在减少算法偏见方面的应用方式是什么?
- A. 删除训练数据中的偏见过样本
- B. 通过生成多样化的数据样本补充训练数据中的不足部分
- C. 降低算法运行精度
- D. 限制用户输入范围
答案: B
解析: 课程指出,GAN 技术用于数据增强,通过生成多样化的数据样本补充训练数据中不足的部分,从而减少因数据偏差导致的算法偏见。例如在人脸识别中,利用 GAN 生成不同种族、性别和年龄的人脸数据加入训练集。
15. 区块链技术在版权保护中的核心优势是什么?
- A. 计算速度快
- B. 数据去中心化存储且不可篡改
- C. 自动生成创意内容
- D. 降低网络带宽需求
答案: B
解析: 课程指出,区块链是一种去中心化的分布式数据存储技术,数据存在多个节点上而非集中在一个中心服务器,使用加密算法确保数据安全和不可篡改,一旦数据被记录在区块链上就无法被篡改(因为篡改一个数据需要篡改所有节点数据),还利用时间戳技术精准记录数据创建时间。
二、多选题
1. 人工智能伦理的三大基石原则包括以下哪些?
- A. 公平原则
- B. 透明原则
- C. 效率原则
- D. 可问责原则
答案: ABD
解析: 课程明确指出人工智能伦理的三大基石原则是公平原则、透明原则和可问责原则,不包括效率原则。
2. 算法偏见产生的原因包括以下哪些方面?
- A. 训练数据存在偏差
- B. 算法设计存在缺陷
- C. 社会偏见渗透到算法中
- D. 用户使用频率过高
答案: ABC
解析: 课程分析了算法偏见产生的三个主要原因:(1)训练数据偏差——数据采集不全面或某些群体数据被忽视;(2)算法设计缺陷——如过于注重某些指标优化而忽略其他因素;(3)社会偏见渗透——如性别歧视、种族歧视通过数据采集、标注和算法设计渗透进来。
3. 以下哪些是课程中提到的算法偏见具体案例?
- A. 亚马逊招聘系统对女性的歧视
- B. 苹果卡信用额度性别差异
- C. 人脸识别对黑人和女性错误率更高
- D. 搜索引擎广告点击率低
答案: ABC
解析: 课程中列举了三个主要算法偏见案例:亚马逊招聘 AI 系统对男性评分更高而对女性产生歧视;苹果卡在信用额度分配上对女性不利(大卫额度是妻子 20 倍);人脸识别系统对黑人和女性识别错误率明显偏高(NIST 研究显示亚裔和非洲裔被错误识别概率是白人 100 倍)。
4. 隐私保护方面,课程中提到的措施包括哪些?
- A. 严格的数据加密
- B. 访问控制
- C. 匿名化技术
- D. 禁止所有数据收集
答案: ABC
解析: 课程指出,为了保护用户隐私,企业需要采取严格的数据加密、访问控制和匿名化的技术手段,确保用户数据的安全。同时企业也需要向用户明确告知数据的收集、使用和共享方式,并获得用户的明确同意。课程并未建议禁止所有数据收集。
5. 课程中提到的涉及人工智能伦理标准的国际组织包括哪些?
- A. 联合国教科文组织
- B. OECD(经济合作与发展组织)
- C. 世界卫生组织
- D. 国际标准化组织
答案: AB
解析: 课程提到了两个制定人工智能伦理标准的国际组织:联合国教科文组织(2021 年制定了 AI 伦理全球标准)和 OECD(制定了 OECD 人工智能原则,强调包容性增长、可持续发展、人类福祉等)。未提到世界卫生组织或国际标准化组织。
6. 课程中提到智能音箱等智能家居设备的隐私风险包括哪些?
- A. 语音指令和日常对话信息被收集
- B. 家庭住址等敏感信息被传输给第三方
- C. 银行账号信息泄露
- D. 设备自动断电
答案: ABC
解析: 课程提到,智能音箱等设备通过语音识别技术收集用户的语音指令和日常对话信息,如果这些数据被不当收集、存储或传输,可能导致个人隐私泄露。例如一些智能音箱可能将家庭住址、银行账号等敏感信息传输给第三方,而用户并不知情,可能导致财产损失和个人安全威胁。
7. 判断 AI 生成内容版权归属时,课程提到需要考虑哪些因素?
- A. 人类参与程度
- B. 作品的独创性
- C. AI 模型的品牌知名度
- D. 作品的市场价值
答案: AB
解析: 课程指出,各国在修订版权法时通常会综合考虑:(1)人类参与程度——如果人类进行了大量创意构思、指导和修改,人类创作者往往被视为版权所有者;(2)独创性——具有独特表达形式和新颖创意组合的作品可能被认定为具有独创性而获得版权保护。未提到 AI 模型品牌或市场价值作为判断因素。
8. 课程中提到的区块链版权保护应用包括哪些?
- A. 原本区块链平台提供版权登记和监测维权服务
- B. UJO Music 平台通过智能合约实现音乐版权自动化交易
- C. 区块链时间戳记录创作时间防止抄袭
- D. 区块链自动生成音乐作品
答案: ABC
解析: 课程提到了三个区块链版权保护应用:(1)原本区块链——利用区块链技术为创作者提供版权登记、监测和维权服务,自动生成唯一哈希值完成版权登记;(2)UJO Music——基于区块链的音乐登记平台,通过智能合约实现音乐版权自动化交易和授权;(3)区块链时间戳技术——精准记录数据创建时间,证明作者创作时间先后顺序。区块链并不自动生成音乐作品。
9. 课程中提到的创新版权授权模式包括哪些?
- A. 知识共享(Creative Commons)模式
- B. 微支付模式
- C. 完全禁止使用模式
- D. 强制免费共享模式
答案: AB
解析: 课程提到两种创新版权授权模式:(1)知识共享(Creative Commons)模式——允许创作者在保留部分权利的基础上授权他人一定条件下使用自己的作品,既保护权利又促进传播和再创作;(2)微支付模式——用户通过小额支付方式向版权所有者支付费用,提供便捷使用方式同时为版权所有者带来经济收益。
10. 课程中提到各主体在人工智能伦理和版权保护方面的责任包括哪些?
- A. 政府应制定相关政策和法规进行监管
- B. 企业应设立伦理审查委员会加强自律
- C. 公众应积极参与伦理和版权讨论并举报违规行为
- D. 只需要政府单方面负责
答案: ABC
解析: 课程明确指出人工智能伦理和版权保护需要三方共同努力:政府负责监管和政策引导(制定法规、设立专门监管机构);企业承担社会责任和自律(设立伦理审查委员会、加强员工培训、遵守隐私保护法规);公众积极参与和监督(参与伦理讨论、反馈意见、举报侵权和不道德行为)。不能仅靠政府单方面负责。
三、简答题
1. 请阐述人工智能伦理的三大原则(公平、透明、可问责)各自的含义及重要性。
参考答案: 三大原则的含义和重要性如下:
(1)公平原则:要求人工智能系统在处理数据和作出决策时,必须避免任何形式的歧视和偏见。公平原则强调在数据收集、预处理、模型训练和评估等各个环节,都要确保数据的多样性和代表性,避免算法对不同群体产生不公平对待。重要性在于保障社会公平,防止算法加剧社会不平等。
(2)透明原则:要求人工智能系统的决策、逻辑和过程是可以解释的。透明原则对建立用户对人工智能系统的信任至关重要。在医疗诊断、金融信贷、司法判决辅助等关键领域,用户需要了解 AI 系统如何得出结论。企业还需披露数据来源、算法设计目标和潜在风险等信息。重要性在于增强信任,便于监管审查。
(3)可问责原则:明确了在人工智能系统出现问题时责任的归属和追究机制。当 AI 系统导致不良后果时,需确定谁应负责——开发者、使用者或其他相关方。企业需建立内部伦理审查委员会对技术进行监督,法律框架需不断完善以明确不同场景下的责任界定和处罚措施。重要性在于保障公众权益,促进责任落实。
2. 请举例说明算法偏见在现实生活中的具体表现及其危害。
参考答案: 算法偏见在现实生活中的具体表现及危害:
(1)招聘领域的偏见:亚马逊开发的招聘 AI 系统,因训练数据中男性候选人比例较高且录用率较高,自动给男性候选人更高评分,对女性候选人产生歧视,严重影响了公平竞争环境,限制了女性就业机会。
(2)金融领域的偏见:苹果卡(Apple Card)在信用额度分配中出现性别歧视,Jamie 与 David Hanson 信用分数相同、共有财产、联合报税,但大卫的信用额度是妻子的 20 倍。算法通过职业、消费习惯等间接信息对不同性别产生偏见,损害了用户个人权益,引发公众对 AI 算法在金融领域应用的信任危机。
(3)人脸识别的偏见:麻省理工学院研究表明识别肤色较深的人时错误率高达 35%;NIST 研究显示亚裔和非洲裔美国人被错误识别概率是白人 100 倍。在执法领域导致无辜黑人因人脸识别错误被抓捕,加剧社会种族矛盾。
算法偏见的危害包括:违背公平公正原则,损害个人合法权益,破坏社会和谐稳定,引发社会信任危机。
支持与分享
如果这篇文章对你有帮助,欢迎分享给更多人或打赏支持!












