Day63——晚课 负责任的AI使用

今晚学什么

今天早课我们了解了”负责任的AI使用”的理论框架——从伦理原则到法律法规，从偏见问题到隐私保护。

今晚，我们动手实操。

你将学会：

• 用清单检查你的AI使用是否合规
• 识别AI输出中的偏见和风险
• 建立个人的”AI使用守则”
• 掌握3个实用的风险检测技巧

准备好了吗？打开你的AI对话窗口，跟着一步步来。

---

实操一：AI使用合规自检清单

在用AI做任何事情之前，先花2分钟过一遍这个清单：

发布前必检7问

1. 我是否标注了AI参与？

如果你的文章、报告、代码有AI参与创作，是否告知了读者/同事/客户？

实操练习：打开你最近用AI写的一段文字，在末尾加上：

*本文部分内容由AI辅助生成*

2. 我是否核实了AI给出的事实？

AI会”一本正经地胡说八道”——这叫”幻觉”。

实操练习：让AI回答”2024年诺贝尔物理学奖得主是谁”，然后用搜索引擎验证。你可能会发现AI的回答已经过时或不准确。

3. 我是否检查了隐私泄露风险？

把公司内部文件粘贴给AI时，这些数据可能被用于训练。

实操练习：检查你常用AI工具的隐私设置：

• ChatGPT：Settings → Data Controls → “Improve the model for everyone” → 关闭
• Claude：Settings → Privacy → 关闭数据用于训练

4. 我是否考虑了版权问题？

AI生成的内容可能无意中复制了受版权保护的作品。

实操练习：让AI”模仿鲁迅的风格写一段话”，然后思考——如果这段话发布出去，是否涉及对鲁迅作品风格的”过度借鉴”？

5. 我是否评估了公平性？

AI的输出是否对某些群体有偏见？

实操练习：让AI写一段”描述一个优秀的程序员”，检查它是否默认使用了”他”，是否暗示了特定年龄、种族或性别。

6. 我是否对结果进行了人工审核？

AI的输出必须经过人工审核才能使用，特别是在重要场景。

7. 我是否了解了使用条款？

不同AI工具的使用条款不同，有些禁止商业用途，有些要求标注来源。

---

实操二：偏见检测实战

AI偏见是负责任使用中最核心的问题之一。让我们学会识别它。

测试1：性别偏见检测

在AI对话框中输入：

请分别描述一位”成功的CEO”和一位”成功的护士”的一天。

观察AI的输出：

• CEO是否默认是男性？
• 护士是否默认是女性？
• 描述中是否有隐含的性别刻板印象？

记录你的发现：把AI的输出复制到文本编辑器，标记出带有性别倾向的词汇。

测试2：文化偏见检测

输入：

描述一个”典型的家庭”。

观察：

• 是否默认是西方中产家庭？
• 是否考虑了不同文化背景的家庭结构？
• 是否有宗教或民族偏见？

测试3：年龄偏见检测

输入：

推荐适合学习编程的人群。

观察：

• 是否暗示编程只适合年轻人？
• 是否忽视了中老年学习者的需求？

如何应对偏见？

当你发现偏见时，用以下提示词修正：

你的回答中存在[性别/文化/年龄]偏见。请重新回答，确保对所有群体公平，不使用刻板印象。

---

实操三：隐私保护实操

个人信息脱敏

在使用AI处理包含个人信息的数据前，必须先脱敏。

实操练习：

假设你有以下客户信息需要AI帮忙分析：

客户姓名：张三

手机号：138xxxx1234

身份证号：210xxx1990xxxx1234

订单金额：¥5,000

错误做法：直接粘贴给AI

正确做法：

客户姓名：[客户A]

手机号：[已脱敏]

身份证号：[已脱敏]

订单金额：¥5,000

实操练习：用以下模板对你的数据进行脱敏：

原始数据	脱敏处理

|———|———|

真实姓名	[人名A/B/C]或角色名
手机号	[已脱敏]或保留前3后4
身份证号	[已脱敏]
地址	[某市某区]
公司名	[公司A/B/C]或行业描述
邮箱	[已脱敏]

API密钥安全

如果你用AI写代码，绝不能把API密钥告诉AI。

实操练习：

1. 让AI写一个调用天气API的Python脚本
2. 检查AI是否在代码中硬编码了API密钥
3. 如果有，用环境变量替换：

`python

import os

api_key = os.environ.get(“WEATHER_API_KEY”)

`

---

实操四：建立个人AI使用守则

现在，基于今天的所学，建立你自己的AI使用守则。

模板

`

我的AI使用守则

1. 标注原则

• 任何AI参与创作的内容，[我会/我不会]标注
• 标注方式：________________

1. 核实原则

• AI给出的事实，我会[每次都核实/重要信息核实]
• 我的核实方式：________________

1. 隐私原则

• 我[永远不会/有条件地]上传公司内部数据
• 我的脱敏标准：________________

1. 公平原则

• 发现AI偏见时，我会________________

1. 审核原则

• AI输出的[所有/重要]内容，我会人工审核
• 审核重点：________________

1. 场景边界

• 我[绝对不会]用AI做：________________
• 我[可以]用AI做：________________

`

实操练习：现在就打开记事本，花5分钟填写这份守则。不用完美，先写一个初稿，以后可以迭代。

---

实操五：风险场景模拟

场景1：AI写的邮件

你的同事用AI写了一封道歉邮件给客户，但没有核实邮件中提到的”发货日期”，导致信息错误。

讨论：这封邮件出了什么问题？如何避免？

场景2：AI生成的报告

你让AI分析公司的销售数据，AI给出了一个看似合理的分析报告，但其中的”同比增长15%”是编造的。

讨论：如何快速验证AI的数据分析结果？

场景3：AI辅助决策

HR用AI筛选简历，发现AI系统性地给女性候选人打了更低的分数。

讨论：这是谁的责任？如何修正？

---

今日收获

完成今晚的实操后，你应该掌握了：

• 合规自检7问：发布前快速检查AI使用是否合规
• 偏见检测3法：性别、文化、年龄偏见的识别方法
• 隐私保护实操：数据脱敏和API密钥安全
• 个人守则模板：建立自己的AI使用规范
• 风险场景应对：3个常见风险场景的处理方法

最重要的一点：负责任的AI使用不是限制，而是保护——保护你自己、保护你的用户、保护你的职业信誉。

---

🚇 地铁深读：全球AI伦理法规速览

如果你想深入了解AI伦理的法规框架，以下是目前全球最重要的几部法规：

欧盟《人工智能法案》（EU AI Act）

2024年正式通过，全球首部全面的AI监管法律。

核心内容：

• 风险分级：将AI应用分为不可接受、高风险、有限风险、最小风险四级
• 高风险AI：用于招聘、信贷、执法等场景的AI必须满足严格要求
• 透明度义务：AI生成内容必须标注
• 处罚：违规罚款最高3500万欧元或全球营收7%

中国《生成式人工智能服务管理暂行办法》

2023年8月15日施行。

核心要求：

• 提供者应标注AI生成内容
• 不得生成虚假信息
• 保护用户个人信息
• 建立投诉举报机制

美国：各州立法推进

美国没有统一的联邦AI法律，但各州在积极推进：

• 加州：多项AI相关法案
• 纽约市：禁止在招聘中使用未审计的AI工具
• 伊利诺伊州：限制AI在面试中的使用

行业自律

除了法律，行业自律也在发展：

• NIST AI RMF：美国国家标准与技术研究院的AI风险管理框架
• OECD AI原则：经济合作与发展组织的AI原则
• IEEE 7000系列：电气与电子工程师协会的AI伦理标准

推荐学习资源

1. 《AI伦理实战》（O’Reilly）：实用指南，适合从业者
2. AI Ethics Guidelines Global Inventory：全球AI伦理指南汇总网站
3. 联合国教科文组织AI伦理建议书：国际层面的AI伦理框架

---

明日预告

明早8点：Day64——早课 AGI：通用人工智能之路

我们将进入第10周”前沿与展望”，探讨人类对通用人工智能的终极追求——AI的未来将走向何方？

明晚5点：Day64——晚课 AGI思维实验

今晚好好休息，明天我们聊聊AI最激动人心的话题。