TellerU 官方课 · 安全与治理 · 零基础
负责任的 AI：偏见、公平与透明
AI 也会“歧视”？看懂偏见从哪来、怎么防
你将从生活中的 AI 偏见现象出发，掌握 AI 偏见的来源、公平与透明原则、问责与人类监督，以及国内外主流伦理规范，产出 1 份《AI 向善行动手册》，能识别偏见、提出改进建议，并设计透明与问责机制。
- 📚 3 个单元 · 9 节课
- ⏱ 约 4 小时
- 🧑🏫 AI 老师白板讲解 + 随堂练习
适合谁学
零基础学习者，无需技术背景，对 AI 伦理感兴趣，希望理解并应对 AI 偏见与公平问题。
课程目录
第 1 单元：识别 AI 偏见：从生活现象到根源
学习目标：本单元带你从日常生活中的 AI 偏见现象入手，理解偏见如何从数据、标注和设计三个环节产生，并分析典型案例。你将学会识别偏见信号，为项目产出「偏见案例库与根源分析卡」。
生活放大镜：AI 偏见就在你身边
用生活化类比（如「偏心的老师」）解释 AI 偏见是什么，展示推荐系统、人脸识别等真实场景中的偏见现象，让你建立直觉。
- 生活放大镜：AI 偏见就在你身边（综合）（约 27 分钟）
根源追踪：偏见从哪里来？
拆解偏见产生的三个环节：数据（历史偏见、样本不足）、标注（标注者主观）、设计（目标函数与特征选择），用比喻（如「菜谱、食材、厨师」）帮你理解。
- 数据偏见：训练数据如何「带偏」AI？（约 27 分钟）
- 标注与设计偏见：人为选择如何影响结果？（约 27 分钟）
第 2 单元：公平与透明：构建可信 AI 的基石
学习目标：本单元讲解公平性的基本概念（如群体公平与个体公平）和透明度的意义，通过案例讨论如何评估和提升 AI 的公平性与可解释性。你将学会使用公平透明检查清单，为项目产出「公平透明检查清单 v1」。
公平天平：AI 如何对待不同群体？
用「分蛋糕」类比解释公平性，介绍群体公平与个体公平的区别，讨论公平性无法绝对量化时的权衡。
- 公平是什么：为什么 AI 需要公平？（约 28 分钟）
- 公平的维度：群体公平与个体公平如何取舍？（约 27 分钟）
透明窗口：AI 如何解释自己的决策？
用「黑箱」比喻解释可解释性，介绍透明度在建立信任中的作用，通过案例展示可解释 AI 的应用。
- 可解释性：为什么 AI 需要「说人话」？（约 25 分钟）
第 3 单元：问责与伦理：让 AI 负责任
学习目标：本单元探讨 AI 问责机制与人类监督的重要性，并系统介绍国内外主流 AI 伦理原则（如中国《新一代人工智能伦理规范》、UNESCO 建议书）。你将学会对照原则设计问责流程，为项目产出「问责流程图与伦理原则对照表」，完成手册。
责任链条：谁该为 AI 的错误负责？
用「交通事故责任认定」类比，解释 AI 问责的复杂性，介绍人类监督的必要性和实现方式。
- 问责难题：AI 犯错时，责任在谁？（约 28 分钟）
- 人类监督：如何确保 AI 不「失控」？（约 28 分钟）
伦理指南针：国内外原则一览
梳理中国《新一代人工智能伦理规范》的六项基本要求与 UNESCO 建议书的核心价值，用生活化例子说明如何应用这些原则。
- 中国方案：伦理规范如何落地？（约 28 分钟）
在 TellerU 怎么学这门课
- AI 老师在白板上边讲边画，一节课讲透 3 个知识点；
- 讲到的结论都标注出处，点一下就能核对原文；
- 每节有随堂快测和练习，系统按你的掌握度安排复习；
- 听不懂随时提问，老师按你的进度换个讲法再讲一遍。