聯繫我們

課程簡介

自主系統的倫理基礎

  • 定義 AI 代理的自主性
  • 應用於機器行為的關鍵倫理理論
  • 利害關係人視角與價值敏感設計

社會風險與高風險應用場景

  • 公共安全、醫療保健與國防領域中的自主代理
  • 人機協作與信任邊界
  • 意外後果與風險擴大的情境分析

法律與監管環境

  • AI 立法與政策趨勢概覽(歐盟 AI 法案、NIST、OECD)
  • AI 代理的問責制、責任歸屬及法律人格問題
  • 全球治理倡議與現存缺口

可解釋性與決策透明度

  • 黑箱自主決策面臨的挑戰
  • 設計可解釋且可審計的代理系統
  • 透明度工具與框架(例如:模型卡、數據文件)

對齊、控制與道德責任

  • AI 代理行為的對齊策略
  • 「人在迴路」與「人監督」的控制模式對比
  • 設計者、用戶與機構間的責任共擔

倫理風險評估與緩解

  • 代理設計中的風險映射與關鍵失效分析
  • 安全防護機制與緊急停用機制
  • 偏見、歧視與公平性審查

治理設計與機構監督

  • 負責任 AI 治理的原則
  • 多利害關係人監督模式與審計
  • 為自主代理設計合規框架

總結與後續步驟

最低要求

  • 了解 AI 系統與機器學習基礎知識
  • 熟悉自主代理及其應用場景
  • 掌握技術政策中的倫理與法律框架

受訓對象

  • AI 倫理學家
  • 政策制定者與監管人員
  • 中高階 AI 從業者與研究者
 14 小時

課程分類