https://terms-en.ai-term-hub.com/zh/tags/ethics/Recent content in Ethics on 中文AI术语词典Hugozh-cnSat, 18 Jul 2026 11:44:45 +0000https://terms-en.ai-term-hub.com/zh/terms/backdoor_attack/Sat, 18 Jul 2026 11:38:27 +0000https://terms-en.ai-term-hub.com/zh/terms/backdoor_attack/<h2 id="definition">Definition</h2> <p>后门攻击涉及使用特定的模式（称为触发器）对机器学习模型的训练数据进行投毒。虽然模型在干净数据上表现正常，但在检测到触发器时会激活错误的行为，例如将特定图像错误分类为指定标签，</p> <h3 id="summary">Summary</h3> <p>一种安全威胁，恶意行为者在训练期间将隐藏触发器嵌入 AI 模型，导致特定错误分类。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数据投毒</li> <li>模型完整性</li> <li>对抗性机器学习</li> <li>触发模式</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>ML 流水线的安全测试</li> <li>开发防御过滤器</li> <li>审计第三方模型</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/adversarial-examples-%E5%AF%B9%E6%8A%97%E6%A0%B7%E6%9C%AC/">Adversarial Examples (对抗样本)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/data-poisoning-%E6%95%B0%E6%8D%AE%E6%8A%95%E6%AF%92/">Data Poisoning (数据投毒)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/model-robustness-%E6%A8%A1%E5%9E%8B%E9%B2%81%E6%A3%92%E6%80%A7/">Model Robustness (模型鲁棒性)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/clean-label-attacks-%E5%B9%B2%E5%87%80%E6%A0%87%E7%AD%BE%E6%94%BB%E5%87%BB/">Clean Label Attacks (干净标签攻击)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/watermarking/Sat, 18 Jul 2026 11:37:50 +0000https://terms-en.ai-term-hub.com/zh/terms/watermarking/<h2 id="definition">Definition</h2> <p>随着生成式人工智能产生越来越多的合成媒体，数字水印成为透明度和问责制的关键工具。它涉及改变数字内容——如图像、文本&hellip;</p> <h3 id="summary">Summary</h3> <p>人工智能中的数字水印涉及在生成的内容中嵌入不可见或可见的标识符，以证明其来源并将其与人类创作的材料区分开来。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>内容溯源</li> <li>隐写术</li> <li>深度伪造检测</li> <li>版权保护</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>识别人工智能生成的新闻文章</li> <li>保护数字艺术中的知识产权</li> <li>合成媒体的监管合规</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/deepfakes-%E6%B7%B1%E5%BA%A6%E4%BC%AA%E9%80%A0/">deepfakes (深度伪造)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/copyright-%E7%89%88%E6%9D%83/">copyright (版权)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/provenance-%E6%BA%AF%E6%BA%90/">provenance (溯源)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/synthetic_media-%E5%90%88%E6%88%90%E5%AA%92%E4%BD%93/">synthetic_media (合成媒体)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/universal_psychometrics/Sat, 18 Jul 2026 11:37:26 +0000https://terms-en.ai-term-hub.com/zh/terms/universal_psychometrics/<h2 id="definition">Definition</h2> <p>通用心理测量学涉及开发和应用评估工具，以可靠地测量人格、认知能力或情商等心理构念，并跨越不同文化背景。</p> <h3 id="summary">Summary</h3> <p>应用标准化测量技术来评估不同人群的心理特质。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>文化公平性</li> <li>测量不变性</li> <li>标准化</li> <li>跨文化心理学</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>全球人力资源招聘</li> <li>跨文化临床诊断</li> <li>国际教育评估</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/psychological-testing-%E5%BF%83%E7%90%86%E6%B5%8B%E8%AF%95/">Psychological Testing (心理测试)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/cultural-bias-%E6%96%87%E5%8C%96%E5%81%8F%E8%A7%81/">Cultural Bias (文化偏见)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/item-response-theory-%E9%A1%B9%E7%9B%AE%E5%8F%8D%E5%BA%94%E7%90%86%E8%AE%BA/">Item Response Theory (项目反应理论)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/validity-%E6%95%88%E5%BA%A6/">Validity (效度)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/uncensored/Sat, 18 Jul 2026 11:37:26 +0000https://terms-en.ai-term-hub.com/zh/terms/uncensored/<h2 id="definition">Definition</h2> <p>在人工智能领域，“无审查”通常描述那些经过微调或修改，以移除或削弱内置安全对齐的模型。这些模型旨在去除内容限制。</p> <h3 id="summary">Summary</h3> <p>指经过修改以绕过安全过滤器和道德准则的人工智能模型。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>安全对齐</li> <li>微调</li> <li>内容审核</li> <li>模型修改</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>研究模型漏洞</li> <li>无限制的创意写作</li> <li>测试安全边界</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/jailbreaking-%E8%B6%8A%E7%8B%B1%E6%94%BB%E5%87%BB/">Jailbreaking (越狱攻击)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/alignment-%E5%AF%B9%E9%BD%90/">Alignment (对齐)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/rlhf-%E5%9F%BA%E4%BA%8E%E4%BA%BA%E7%B1%BB%E5%8F%8D%E9%A6%88%E7%9A%84%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">RLHF (基于人类反馈的强化学习)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/safety-filters-%E5%AE%89%E5%85%A8%E8%BF%87%E6%BB%A4%E5%99%A8/">Safety Filters (安全过滤器)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/trustworthy_ai/Sat, 18 Jul 2026 11:37:15 +0000https://terms-en.ai-term-hub.com/zh/terms/trustworthy_ai/<h2 id="definition">Definition</h2> <p>可信AI涵盖了确保人工智能系统可靠且合乎伦理运行的原则与实践。关键属性包括抵御攻击的鲁棒性、针对不同人群的公平性以及决策过程的透明度。</p> <h3 id="summary">Summary</h3> <p>可信AI指的是在其整个生命周期内具备安全性、安全性、透明度、公平性和问责制的人工智能系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>公平性</li> <li>透明度</li> <li>问责制</li> <li>鲁棒性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>医疗诊断</li> <li>金融信贷决策</li> <li>自动驾驶汽车安全</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ai-ethics-ai%E4%BC%A6%E7%90%86/">AI Ethics (AI伦理)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/explainable-ai-%E5%8F%AF%E8%A7%A3%E9%87%8Aai/">Explainable AI (可解释AI)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/bias-mitigation-%E5%81%8F%E8%A7%81%E7%BC%93%E8%A7%A3/">Bias Mitigation (偏见缓解)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/governance-%E6%B2%BB%E7%90%86/">Governance (治理)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/toxicity/Sat, 18 Jul 2026 11:37:02 +0000https://terms-en.ai-term-hub.com/zh/terms/toxicity/<h2 id="definition">Definition</h2> <p>AI中的毒性是指生成或传播不尊重他人、可能导致用户离开讨论或针对特定身份群体的内容。它涵盖了一个从轻微的不当言论到严重的仇恨言论和暴力威胁的光谱。在自然语言处理中，毒性通常被视为一种需要被识别和过滤的安全对齐问题，以确保AI系统不会成为网络欺凌或极端主义思想的传播渠道。</p> <h3 id="summary">Summary</h3> <p>AI生成文本中存在有害、冒犯性或虐待性内容的现象，包括仇恨言论、骚扰和威胁。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>仇恨言论</li> <li>骚扰</li> <li>内容审核</li> <li>伦理AI</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>社交媒体平台安全</li> <li>客服机器人过滤</li> <li>社区准则执行</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%81%8F%E8%A7%81-bias/">偏见 (Bias)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%AE%89%E5%85%A8%E5%AF%B9%E9%BD%90-safety-alignment/">安全对齐 (Safety Alignment)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%86%85%E5%AE%B9%E8%BF%87%E6%BB%A4-content-filtering/">内容过滤 (Content Filtering)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86-natural-language-processing/">自然语言处理 (Natural Language Processing)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/the_ai_con/Sat, 18 Jul 2026 11:36:20 +0000https://terms-en.ai-term-hub.com/zh/terms/the_ai_con/<h2 id="definition">Definition</h2> <p>The AI Con 是一年一度的活动，致力于调查并凸显 AI 领域的欺骗性做法、夸大宣传和安全漏洞。与通常展示最新技术的科技会议不同，该会议侧重于批判性审视。</p> <h3 id="summary">Summary</h3> <p>The AI Con 是一场专注于揭露人工智能行业内的欺诈、骗局和伦理问题的会议。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>AI 欺诈</li> <li>伦理 AI</li> <li>深度伪造检测</li> <li>消费者保护</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>提高对 AI 骗局的意识</li> <li>讨论监管框架</li> <li>分享应对 AI 威胁的防御策略</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ai_ethics-ai-%E4%BC%A6%E7%90%86/">ai_ethics (AI 伦理)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/cybersecurity-%E7%BD%91%E7%BB%9C%E5%AE%89%E5%85%A8/">cybersecurity (网络安全)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/deepfakes-%E6%B7%B1%E5%BA%A6%E4%BC%AA%E9%80%A0/">deepfakes (深度伪造)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/temporal_bias/Sat, 18 Jul 2026 11:35:54 +0000https://terms-en.ai-term-hub.com/zh/terms/temporal_bias/<h2 id="definition">Definition</h2> <p>当机器学习模型相对于较旧的数据点不成比例地赋予近期观测值更高权重时，就会发生时间偏差。这通常是由于数据分布的非平稳性或特定的训练协议所致。</p> <h3 id="summary">Summary</h3> <p>一种系统性误差，模型倾向于优先考虑近期数据而非历史背景，从而导致预测结果出现偏差。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数据漂移</li> <li>非平稳性</li> <li>近因效应</li> <li>模型衰减</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>金融市场预测</li> <li>社交媒体趋势分析</li> <li>流失率建模</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/concept-drift-%E6%A6%82%E5%BF%B5%E6%BC%82%E7%A7%BB/">Concept drift (概念漂移)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/catastrophic-forgetting-%E7%81%BE%E9%9A%BE%E6%80%A7%E9%81%97%E5%BF%98/">Catastrophic forgetting (灾难性遗忘)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/time-series-analysis-%E6%97%B6%E9%97%B4%E5%BA%8F%E5%88%97%E5%88%86%E6%9E%90/">Time-series analysis (时间序列分析)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/fairness-in-ai-ai%E5%85%AC%E5%B9%B3%E6%80%A7/">Fairness in AI (AI公平性)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/superintelligence_ban/Sat, 18 Jul 2026 11:35:31 +0000https://terms-en.ai-term-hub.com/zh/terms/superintelligence_ban/<h2 id="definition">Definition</h2> <p>这一概念涉及关于限制或完全停止人工智能超级智能（ASI）研究的辩论及潜在政策。支持者认为，ASI 构成存在性风险。</p> <h3 id="summary">Summary</h3> <p>一种拟议的监管措施或伦理立场，主张禁止开发超越人类认知能力的人工智能通用智能。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>存在性风险</li> <li>AI安全</li> <li>监管暂停</li> <li>对齐问题</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>AI治理的政策辩论</li> <li>AI研究中的伦理讨论</li> <li>先进AI开发的风险评估</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/artificial-general-intelligence-%E9%80%9A%E7%94%A8%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Artificial General Intelligence (通用人工智能)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ai-alignment-ai%E5%AF%B9%E9%BD%90/">AI Alignment (AI对齐)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/singularity-%E5%A5%87%E7%82%B9/">Singularity (奇点)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ai-safety-ai%E5%AE%89%E5%85%A8/">AI Safety (AI安全)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/source_attribution/Sat, 18 Jul 2026 11:34:33 +0000https://terms-en.ai-term-hub.com/zh/terms/source_attribution/<h2 id="definition">Definition</h2> <p>来源归属是指对AI系统内数据、模型或生成输出的来源进行系统性追踪和标记。它通过将最终结果回溯到其源头来确保透明度，从而保障内容的可追溯性和原创性。</p> <h3 id="summary">Summary</h3> <p>识别并归因于生成特定内容或见解所使用的原始创作者或数据集的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>溯源追踪</li> <li>知识产权</li> <li>透明度</li> <li>元数据标记</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>生成式AI中的版权合规</li> <li>学术研究引用自动化</li> <li>内容真实性验证</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/watermarking-%E6%95%B0%E5%AD%97%E6%B0%B4%E5%8D%B0%E6%8A%80%E6%9C%AF/">Watermarking (数字水印技术)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/data-provenance-%E6%95%B0%E6%8D%AE%E6%BA%AF%E6%BA%90/">Data Provenance (数据溯源)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/fair-use-%E5%90%88%E7%90%86%E4%BD%BF%E7%94%A8%E5%8E%9F%E5%88%99/">Fair Use (合理使用原则)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/citation-management-%E5%BC%95%E7%94%A8%E7%AE%A1%E7%90%86/">Citation Management (引用管理)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/singularity_studies/Sat, 18 Jul 2026 11:34:08 +0000https://terms-en.ai-term-hub.com/zh/terms/singularity_studies/<h2 id="definition">Definition</h2> <p>奇点研究是一门新兴的学术学科，旨在调查假设的未来时刻（即人工智能超越人类智能）所带来的影响，从而导致不可控的后果。</p> <h3 id="summary">Summary</h3> <p>一门跨学科领域，考察未来技术奇点对社会、伦理和存在性影响的潜在后果。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>技术奇点</li> <li>超级智能</li> <li>生存风险</li> <li>超人类主义</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>制定人工智能治理政策</li> <li>评估人工智能开发中的伦理风险</li> <li>科技行业的长期战略规划</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ai-alignment-ai%E5%AF%B9%E9%BD%90/">AI Alignment (AI对齐)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/superintelligence-%E8%B6%85%E7%BA%A7%E6%99%BA%E8%83%BD/">Superintelligence (超级智能)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/technological-uniqueness-%E6%8A%80%E6%9C%AF%E7%8B%AC%E7%89%B9%E6%80%A7/">Technological Uniqueness (技术独特性)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/existential-risk-%E7%94%9F%E5%AD%98%E9%A3%8E%E9%99%A9/">Existential Risk (生存风险)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/right_to_explanation/Sat, 18 Jul 2026 11:32:26 +0000https://terms-en.ai-term-hub.com/zh/terms/right_to_explanation/<h2 id="definition">Definition</h2> <p>解释权是算法问责制的核心组成部分，特别是在《通用数据保护条例》（GDPR）等框架内。它确保当人工智能系统做出影响个人权利的决策时，相关人员能够获得清晰的解释。</p> <h3 id="summary">Summary</h3> <p>一项法律与伦理原则，赋予个人在受到重大影响的自动化决策中获取有意义信息的权利。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>算法透明度</li> <li>GDPR合规性</li> <li>可解释人工智能（XAI）</li> <li>问责制</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>信用评分系统</li> <li>自动化招聘平台</li> <li>司法风险评估工具</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/explainable_ai-%E5%8F%AF%E8%A7%A3%E9%87%8A%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">explainable_ai (可解释人工智能)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/algorithmic_bias-%E7%AE%97%E6%B3%95%E5%81%8F%E8%A7%81/">algorithmic_bias (算法偏见)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/data_privacy-%E6%95%B0%E6%8D%AE%E9%9A%90%E7%A7%81/">data_privacy (数据隐私)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/transparency-%E9%80%8F%E6%98%8E%E5%BA%A6/">transparency (透明度)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/responsible_ai/Sat, 18 Jul 2026 11:32:14 +0000https://terms-en.ai-term-hub.com/zh/terms/responsible_ai/<h2 id="definition">Definition</h2> <p>负责任的人工智能涵盖旨在减轻人工智能相关风险的原则和实践。它涉及审计模型偏见、确保决策的可解释性、保护数据隐私，并建立问责机制，以确保 AI 系统的社会影响是积极且可控的。</p> <h3 id="summary">Summary</h3> <p>确保人工智能系统以合乎伦理的方式开发和部署的框架，重点关注公平性、透明度、问责制和安全。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>公平性与偏见</li> <li>可解释性 (XAI)</li> <li>问责制</li> <li>数据隐私</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>企业 AI 治理</li> <li>监管合规</li> <li>伦理 AI 审计</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ai-%E4%BC%A6%E7%90%86/">AI 伦理</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%81%8F%E8%A7%81%E7%BC%93%E8%A7%A3/">偏见缓解</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E9%80%8F%E6%98%8E%E5%BA%A6/">透明度</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%B2%BB%E7%90%86/">治理</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/recursive_self_improvement/Sat, 18 Jul 2026 11:32:02 +0000https://terms-en.ai-term-hub.com/zh/terms/recursive_self_improvement/<h2 id="definition">Definition</h2> <p>递归自我改进是指人工智能系统理论上能够重写自身的源代码或架构，从而变得更聪明、更高效或具备更强能力的特性。</p> <h3 id="summary">Summary</h3> <p>一种AI系统通过自我修改迭代增强自身智能或能力的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>智能爆炸</li> <li>自我修改</li> <li>奇点</li> <li>迭代优化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>通用人工智能（AGI）轨迹的理论研究</li> <li>自动化机器学习（AutoML）架构</li> <li>算法交易策略优化</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/artificial-general-intelligence-%E9%80%9A%E7%94%A8%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Artificial General Intelligence (通用人工智能)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/singularity-%E6%8A%80%E6%9C%AF%E5%A5%87%E7%82%B9/">Singularity (技术奇点)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/meta-learning-%E5%85%83%E5%AD%A6%E4%B9%A0/">Meta-learning (元学习)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/neural-architecture-search-%E7%A5%9E%E7%BB%8F%E6%9E%B6%E6%9E%84%E6%90%9C%E7%B4%A2/">Neural architecture search (神经架构搜索)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/reliability/Sat, 18 Jul 2026 11:32:02 +0000https://terms-en.ai-term-hub.com/zh/terms/reliability/<h2 id="definition">Definition</h2> <p>人工智能中的可靠性指系统行为随时间推移及在不同输入下的可信度和一致性。可靠的AI系统应能产生准确的结果，妥善处理边缘情况，并保持预测性。</p> <h3 id="summary">Summary</h3> <p>指AI系统在指定条件下持续正确且安全地执行预期功能的程度。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>鲁棒性</li> <li>一致性</li> <li>容错性</li> <li>可预测性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自动驾驶导航</li> <li>医疗诊断支持系统</li> <li>金融风险评估工具</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/safety-%E5%AE%89%E5%85%A8%E6%80%A7/">Safety (安全性)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/robustness-%E9%B2%81%E6%A3%92%E6%80%A7/">Robustness (鲁棒性)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/trustworthy-ai-%E5%8F%AF%E4%BF%A1%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Trustworthy AI (可信人工智能)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/model-drift-%E6%A8%A1%E5%9E%8B%E6%BC%82%E7%A7%BB/">Model drift (模型漂移)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/operation_serenata_de_amor/Sat, 18 Jul 2026 11:29:02 +0000https://terms-en.ai-term-hub.com/zh/terms/operation_serenata_de_amor/<h2 id="definition">Definition</h2> <p>“Serena达·德阿莫尔行动”是一项开创性的开源项目，应用人工智能分析巴西的公共采购数据。通过利用自然语言处理和异常检测技术，该项目旨在提高公共财政的透明度并打击腐败行为。</p> <h3 id="summary">Summary</h3> <p>一项利用机器学习检测巴西公共支出欺诈行为的公民科技倡议。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>公民科技</li> <li>异常检测</li> <li>公共透明度</li> <li>自然语言处理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>政府审计自动化</li> <li>反腐败监控</li> <li>新闻调查支持</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%BC%80%E6%94%BE%E6%95%B0%E6%8D%AE-open-data/">开放数据 (Open Data)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E7%AE%97%E6%B3%95%E9%97%AE%E8%B4%A3%E5%88%B6-algorithmic-accountability/">算法问责制 (Algorithmic Accountability)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%AC%BA%E8%AF%88%E6%A3%80%E6%B5%8B-fraud-detection/">欺诈检测 (Fraud Detection)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86-nlp/">自然语言处理 (NLP)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/nso/Sat, 18 Jul 2026 11:28:35 +0000https://terms-en.ai-term-hub.com/zh/terms/nso/<h2 id="definition">Definition</h2> <p>缩写词NSO的含义取决于具体语境。在技术AI研究中，它可能指神经符号优化，即将神经网络与符号逻辑相结合。然而，它也常指代NSO集团等特定组织。</p> <h3 id="summary">Summary</h3> <p>在人工智能语境中，NSO通常指神经符号优化，或涉及监控技术的特定组织实体（如NSO集团）。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>神经符号集成</li> <li>网络情报</li> <li>监控技术</li> <li>人工智能伦理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>缩写消歧</li> <li>AI伦理分析</li> <li>网络安全研究</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E7%A5%9E%E7%BB%8F%E7%AC%A6%E5%8F%B7%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">神经符号人工智能</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E9%A3%9E%E9%A9%AC%E9%97%B4%E8%B0%8D%E8%BD%AF%E4%BB%B6/">飞马间谍软件</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E4%BC%A6%E7%90%86/">人工智能伦理</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/non_human/Sat, 18 Jul 2026 11:28:24 +0000https://terms-en.ai-term-hub.com/zh/terms/non_human/<h2 id="definition">Definition</h2> <p>该术语常用于讨论人工智能智能体、机器人和虚拟助手的权利、责任和社会融合问题。它强调了生物人类与人工实体之间的区别。</p> <h3 id="summary">Summary</h3> <p>在人工智能伦理和社会学中，“非人类”指拥有代理权、智能或社会存在感，但缺乏生物意识或人类身份的人工实体或系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>人工代理权</li> <li>伦理地位</li> <li>人机交互</li> <li>合成身份</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>定义人工智能权利框架</li> <li>聊天机器人的用户体验设计</li> <li>法律责任评估</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/anthropomorphism-%E6%8B%9F%E4%BA%BA%E5%8C%96/">Anthropomorphism (拟人化)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ai-ethics-%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E4%BC%A6%E7%90%86/">AI Ethics (人工智能伦理)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/sentience-%E6%84%9F%E7%9F%A5%E5%8A%9B-%E6%84%8F%E8%AF%86/">Sentience (感知力/意识)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/moral_outsourcing/Sat, 18 Jul 2026 11:26:37 +0000https://terms-en.ai-term-hub.com/zh/terms/moral_outsourcing/<h2 id="definition">Definition</h2> <p>道德外包是指人类将伦理判断和责任让渡给算法或人工智能系统的现象。当人们依赖自动化决策来处理具有重大道德意义的事务时，就会发生这种情况。</p> <h3 id="summary">Summary</h3> <p>个人或组织将道德决策责任委托给自动化人工智能系统所带来的伦理关切。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>问责制缺口</li> <li>算法偏见</li> <li>人类能动性</li> <li>伦理责任</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>分析自动驾驶汽车的伦理影响</li> <li>评估自动化招聘工具的公平性</li> <li>讨论医疗诊断 AI 的责任归属</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ai-%E4%BC%A6%E7%90%86-ai-ethics/">AI 伦理 (AI Ethics)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E7%AE%97%E6%B3%95%E9%97%AE%E8%B4%A3%E5%88%B6-algorithmic-accountability/">算法问责制 (Algorithmic Accountability)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E8%B4%9F%E8%B4%A3%E4%BB%BB%E7%9A%84%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD-responsible-ai/">负责任的人工智能 (Responsible AI)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%81%8F%E8%A7%81%E7%BC%93%E8%A7%A3-bias-mitigation/">偏见缓解 (Bias Mitigation)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/misinformation/Sat, 18 Jul 2026 11:26:13 +0000https://terms-en.ai-term-hub.com/zh/terms/misinformation/<h2 id="definition">Definition</h2> <p>虚假信息是指在没有故意造成伤害或欺骗意图的情况下分享的错误或误导性信息。它与蓄意捏造的“恶意谣言”（disinformation）不同。在人工智能语境下</p> <h3 id="summary">Summary</h3> <p>无论是否有欺骗意图，都被传播的虚假或不准确信息。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>谬误</li> <li>缺乏意图</li> <li>AI幻觉</li> <li>事实核查</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>内容审核系统</li> <li>事实核查机器人</li> <li>媒介素养教育</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/disinformation-%E6%81%B6%E6%84%8F%E8%B0%A3%E8%A8%80-%E8%99%9A%E5%81%87%E4%BF%A1%E6%81%AF/">disinformation (恶意谣言/虚假信息)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/hallucination-%E5%B9%BB%E8%A7%89/">hallucination (幻觉)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/bias-%E5%81%8F%E8%A7%81/">bias (偏见)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/truthfulness-%E7%9C%9F%E5%AE%9E%E6%80%A7/">truthfulness (真实性)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/military_applications_of_artificial_intelligence/Sat, 18 Jul 2026 11:26:00 +0000https://terms-en.ai-term-hub.com/zh/terms/military_applications_of_artificial_intelligence/<h2 id="definition">Definition</h2> <p>人工智能的军事应用涵盖了一系列旨在提高作战效能和战略优势的技术。其中包括用于侦察的自主无人机、预测性后勤以及增强指挥官决策能力的智能系统。</p> <h3 id="summary">Summary</h3> <p>这指的是在国防背景下使用AI技术，包括自主武器、监视、物流优化和决策支持系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自主武器系统</li> <li>目标识别</li> <li>物流优化</li> <li>伦理AI</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>无人机群协同</li> <li>预测性供应链管理</li> <li>网络安全威胁检测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/autonomous-systems-%E8%87%AA%E4%B8%BB%E7%B3%BB%E7%BB%9F/">Autonomous Systems (自主系统)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/computer-vision-%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89/">Computer Vision (计算机视觉)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/defense-technology-%E5%9B%BD%E9%98%B2%E6%8A%80%E6%9C%AF/">Defense Technology (国防技术)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/medisafe_controversy/Sat, 18 Jul 2026 11:25:49 +0000https://terms-en.ai-term-hub.com/zh/terms/medisafe_controversy/<h2 id="definition">Definition</h2> <p>MediSafe 争议指的是数字健康技术早期关于 MediSafe 应用程序验证方法的一场重大伦理讨论。批评者对用于验证该应用有效性的方法提出了担忧，特别是涉及动物实验的部分，引发了关于数字健康工具临床验证标准和伦理合规性的广泛辩论。</p> <h3 id="summary">Summary</h3> <p>一场关于在 MediSafe 健康监控平台开发过程中使用动物测试的历史性伦理辩论。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>生物伦理学</li> <li>临床验证</li> <li>动物测试</li> <li>数字健康监管</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>AI 伦理案例研究</li> <li>监管合规培训</li> <li>医疗政策分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/bioethics-%E7%94%9F%E7%89%A9%E4%BC%A6%E7%90%86%E5%AD%A6/">bioethics (生物伦理学)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/clinical_trials-%E4%B8%B4%E5%BA%8A%E8%AF%95%E9%AA%8C/">clinical_trials (临床试验)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/digital_health-%E6%95%B0%E5%AD%97%E5%81%A5%E5%BA%B7/">digital_health (数字健康)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/regulation-%E7%9B%91%E7%AE%A1/">regulation (监管)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/machine_unlearning/Sat, 18 Jul 2026 11:25:23 +0000https://terms-en.ai-term-hub.com/zh/terms/machine_unlearning/<h2 id="definition">Definition</h2> <p>这项技术通过允许模型在保留通用知识的同时“忘记”特定用户数据，来解决如GDPR“被遗忘权”等隐私法规问题。其目标是近似于从头重新训&hellip;</p> <h3 id="summary">Summary</h3> <p>机器遗忘是指在不从头重新训练模型的情况下，从已训练模型中移除特定数据点或其影响的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>被遗忘权</li> <li>模型重训练近似</li> <li>数据隐私</li> <li>梯度更新</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>遵守数据删除请求</li> <li>从模型中移除有偏见或错误的数据</li> <li>减轻数据投毒攻击的影响</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/data-privacy-%E6%95%B0%E6%8D%AE%E9%9A%90%E7%A7%81/">Data Privacy (数据隐私)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/federated-learning-%E8%81%94%E9%82%A6%E5%AD%A6%E4%B9%A0/">Federated Learning (联邦学习)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/model-retraining-%E6%A8%A1%E5%9E%8B%E9%87%8D%E8%AE%AD%E7%BB%83/">Model Retraining (模型重训练)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/gdpr-%E9%80%9A%E7%94%A8%E6%95%B0%E6%8D%AE%E4%BF%9D%E6%8A%A4%E6%9D%A1%E4%BE%8B/">GDPR (通用数据保护条例)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/lynda_soderholm/Sat, 18 Jul 2026 11:24:58 +0000https://terms-en.ai-term-hub.com/zh/terms/lynda_soderholm/<h2 id="definition">Definition</h2> <p>琳达·索德霍姆是科技领域的知名人物，特别以其在人工智能开发与道德治理交叉领域的工作而著称。作为企业责任的领导者，</p> <h3 id="summary">Summary</h3> <p>琳达·索德霍姆（Lynda Soderholm）是一位著名的研究人员和高管，以她在人工智能伦理、负责任创新以及人工智能社会影响方面的贡献而闻名。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>人工智能伦理</li> <li>负责任创新</li> <li>公司治理</li> <li>透明度</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>制定企业人工智能伦理准则</li> <li>就负责任的人工智能部署策略提供咨询</li> <li>就技术的社会影响进行公开演讲</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ai-governance-ai%E6%B2%BB%E7%90%86/">AI Governance (AI治理)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ethical-ai-%E4%BC%A6%E7%90%86ai/">Ethical AI (伦理AI)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/tech-policy-%E7%A7%91%E6%8A%80%E6%94%BF%E7%AD%96/">Tech Policy (科技政策)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/responsible-innovation-%E8%B4%9F%E8%B4%A3%E4%BB%BB%E5%88%9B%E6%96%B0/">Responsible Innovation (负责任创新)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/liars_dividend/Sat, 18 Jul 2026 11:24:07 +0000https://terms-en.ai-term-hub.com/zh/terms/liars_dividend/<h2 id="definition">Definition</h2> <p>“说谎者红利”指的是由高级生成式人工智能（特别是深度伪造技术）带来的社会风险。随着合成媒体变得与现实难以区分，恶意个人可以声称真实的视频或音频是伪造的，从而为其不当行为提供合理的否认理由，削弱公众对数字证据的信任。</p> <h3 id="summary">Summary</h3> <p>一种现象，即深度伪造和人工智能生成媒体的存在使得不良行为者能够将其不当行为的真实证据斥为伪造内容。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>深度伪造</li> <li>虚假信息</li> <li>合理否认</li> <li>媒体素养</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>分析政治虚假信息运动</li> <li>开发事实核查协议</li> <li>涉及数字证据的法律辩护策略</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/deepfake-%E6%B7%B1%E5%BA%A6%E4%BC%AA%E9%80%A0/">deepfake (深度伪造)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/generative_adversarial_networks-%E7%94%9F%E6%88%90%E5%AF%B9%E6%8A%97%E7%BD%91%E7%BB%9C/">generative_adversarial_networks (生成对抗网络)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/misinformation-%E9%94%99%E8%AF%AF%E4%BF%A1%E6%81%AF/">misinformation (错误信息)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/epistemic_crisis-%E8%AE%A4%E8%AF%86%E8%AE%BA%E5%8D%B1%E6%9C%BA/">epistemic_crisis (认识论危机)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/is_this_what_we_want/Sat, 18 Jul 2026 11:22:43 +0000https://terms-en.ai-term-hub.com/zh/terms/is_this_what_we_want/<h2 id="definition">Definition</h2> <p>这一短语代表了人工智能伦理和治理中的一个关键问题，促使利益相关者评估部署的人工智能技术是否符合人类价值观和公共利益。它涉及审查</p> <h3 id="summary">Summary</h3> <p>一种批判性的伦理框架，用于根据社会价值观、公平性和潜在有害后果来评估人工智能系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>人工智能伦理</li> <li>价值对齐</li> <li>社会影响</li> <li>负责任的人工智能</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>人工智能监管的政策制定</li> <li>企业人工智能治理审查</li> <li>关于人脸识别的公众辩论</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/algorithmic-bias-%E7%AE%97%E6%B3%95%E5%81%8F%E8%A7%81/">Algorithmic Bias (算法偏见)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ai-safety-%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E5%AE%89%E5%85%A8/">AI Safety (人工智能安全)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ethical-ai-%E4%BC%A6%E7%90%86%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Ethical AI (伦理人工智能)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/governance-%E6%B2%BB%E7%90%86/">Governance (治理)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/inauthentic_text/Sat, 18 Jul 2026 11:21:59 +0000https://terms-en.ai-term-hub.com/zh/terms/inauthentic_text/<h2 id="definition">Definition</h2> <p>非真实文本（Inauthentic text）指的是由人工智能系统或怀有欺骗意图的人类产生的书面材料，缺乏真实的人类经验或事实依据。它包括AI生成的垃圾邮件、捏造的新闻文章、虚假评论以及旨在误导受众的内容。检测此类文本对于维护信息生态系统的完整性和信任度至关重要。</p> <h3 id="summary">Summary</h3> <p>人为生成或操纵的文本内容，旨在欺骗读者关于其来源、作者身份或事实基础的信息。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>AI检测</li> <li>虚假信息</li> <li>作者身份验证</li> <li>内容完整性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>抄袭检测系统</li> <li>事实核查与新闻业</li> <li>网络安全威胁分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/hallucination-%E5%B9%BB%E8%A7%89/">Hallucination (幻觉)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/deepfake-%E6%B7%B1%E5%BA%A6%E4%BC%AA%E9%80%A0/">Deepfake (深度伪造)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/content-moderation-%E5%86%85%E5%AE%B9%E5%AE%A1%E6%A0%B8/">Content Moderation (内容审核)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/watermarking-%E6%95%B0%E5%AD%97%E6%B0%B4%E5%8D%B0/">Watermarking (数字水印)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/human_oversight/Sat, 18 Jul 2026 11:21:11 +0000https://terms-en.ai-term-hub.com/zh/terms/human_oversight/<h2 id="definition">Definition</h2> <p>人工监督是指人类监控、评估并介入由人工智能驱动的决策或行动中的机制和流程。这一概念对于确保自动化系统安全运行至关重要。</p> <h3 id="summary">Summary</h3> <p>在自动化人工智能系统中保持人类控制和审查的做法，以确保安全性、准确性和道德合规性。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>人在回路中</li> <li>问责制</li> <li>安全监控</li> <li>道德合规</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在治疗前审查人工智能生成的医学诊断</li> <li>在边缘情况下监控自动驾驶车辆的干预措施</li> <li>审计算法招聘决策中的偏见</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/explainable-ai-%E5%8F%AF%E8%A7%A3%E9%87%8A%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Explainable AI (可解释人工智能)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/algorithmic-bias-%E7%AE%97%E6%B3%95%E5%81%8F%E8%A7%81/">Algorithmic Bias (算法偏见)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/human-in-the-loop-%E4%BA%BA%E5%9C%A8%E5%9B%9E%E8%B7%AF%E4%B8%AD/">Human-in-the-loop (人在回路中)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ai-governance-%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E6%B2%BB%E7%90%86/">AI Governance (人工智能治理)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/human_centered_ai/Sat, 18 Jul 2026 11:21:11 +0000https://terms-en.ai-term-hub.com/zh/terms/human_centered_ai/<h2 id="definition">Definition</h2> <p>以人为本的人工智能是一种设计哲学，将人类置于人工智能发展的核心。它强调创建透明、公平且对社会有益的系统，而非&hellip;</p> <h3 id="summary">Summary</h3> <p>一种人工智能设计与开发方法，在整个系统生命周期中优先考虑人类的价值观、需求和福祉。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>以用户为中心的设计</li> <li>道德人工智能</li> <li>透明度</li> <li>社会影响</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>为残障用户设计无障碍人工智能工具</li> <li>创建适应学生学习风格的教育人工智能导师</li> <li>开发尊重患者隐私和自主权的医疗助手</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ethical-ai-%E9%81%93%E5%BE%B7%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Ethical AI (道德人工智能)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ux-design-%E7%94%A8%E6%88%B7%E4%BD%93%E9%AA%8C%E8%AE%BE%E8%AE%A1/">UX Design (用户体验设计)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/responsible-ai-%E8%B4%9F%E8%B4%A3%E4%BB%BB%E7%9A%84%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Responsible AI (负责任的人工智能)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/accessibility-%E6%97%A0%E9%9A%9C%E7%A2%8D%E6%80%A7/">Accessibility (无障碍性)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/hello_world_how_to_be_human_in_the_age_of_the_machine/Sat, 18 Jul 2026 11:20:51 +0000https://terms-en.ai-term-hub.com/zh/terms/hello_world_how_to_be_human_in_the_age_of_the_machine/<h2 id="definition">Definition</h2> <p>该短语指的是一部特定的文学作品，考察人类如何在快速的技术进步中保持相关性和尊严。在人工智能话语中，它作为一个文化参考点&hellip;</p> <h3 id="summary">Summary</h3> <p>一本探讨人性与技术交汇处的书籍标题，常在关于人工智能伦理和未来工作的讨论中被引用。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>人机交互</li> <li>科技伦理</li> <li>未来工作</li> <li>文化参考</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>伦理培训材料</li> <li>政策讨论框架</li> <li>社会影响评估</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/automation_impact-%E8%87%AA%E5%8A%A8%E5%8C%96%E5%BD%B1%E5%93%8D/">automation_impact (自动化影响)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/human_centered_ai-%E4%BB%A5%E4%BA%BA%E4%B8%BA%E6%9C%AC%E7%9A%84%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">human_centered_ai (以人为本的人工智能)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/tech_philosophy-%E7%A7%91%E6%8A%80%E5%93%B2%E5%AD%A6/">tech_philosophy (科技哲学)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/workforce_displacement-%E5%8A%B3%E5%8A%A8%E5%8A%9B%E6%9B%BF%E4%BB%A3/">workforce_displacement (劳动力替代)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/harmful_content/Sat, 18 Jul 2026 11:20:51 +0000https://terms-en.ai-term-hub.com/zh/terms/harmful_content/<h2 id="definition">Definition</h2> <p>有害内容是指可能造成身体、心理或社会损害的数字媒体或文本。在人工智能安全领域，检测并过滤此类内容至关重要，以防止模型生成&hellip;</p> <h3 id="summary">Summary</h3> <p>对个人或社会构成风险的信息，包括仇恨言论、暴力和非法行为。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>内容审核</li> <li>人工智能安全</li> <li>毒性检测</li> <li>伦理准则</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>社交媒体平台过滤</li> <li>自动化内容审查系统</li> <li>人工智能模型对齐训练</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/toxicity-%E6%AF%92%E6%80%A7/">toxicity (毒性)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/bias-%E5%81%8F%E8%A7%81/">bias (偏见)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/misinformation-%E8%99%9A%E5%81%87%E4%BF%A1%E6%81%AF/">misinformation (虚假信息)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/content_policy-%E5%86%85%E5%AE%B9%E6%94%BF%E7%AD%96/">content_policy (内容政策)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/governance/Sat, 18 Jul 2026 11:19:33 +0000https://terms-en.ai-term-hub.com/zh/terms/governance/<h2 id="definition">Definition</h2> <p>AI 治理是指管理人工智能创建、使用和审计的一套规则、指南和机构结构。它涵盖法律合规性、伦理考量以及风险管理。</p> <h3 id="summary">Summary</h3> <p>为确保人工智能系统以负责任和合乎道德的方式开发和部署而建立的政策、标准和监督机制框架。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>伦理</li> <li>合规</li> <li>风险管理</li> <li>问责制</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>监管合规</li> <li>偏见缓解</li> <li>政策制定</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ai-safety-%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E5%AE%89%E5%85%A8/">AI Safety (人工智能安全)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/explainability-%E5%8F%AF%E8%A7%A3%E9%87%8A%E6%80%A7/">Explainability (可解释性)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/gdpr-%E9%80%9A%E7%94%A8%E6%95%B0%E6%8D%AE%E4%BF%9D%E6%8A%A4%E6%9D%A1%E4%BE%8B/">GDPR (通用数据保护条例)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/responsible-ai-%E8%B4%9F%E8%B4%A3%E4%BB%BB%E7%9A%84%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Responsible AI (负责任的人工智能)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/gdpr_compliance/Sat, 18 Jul 2026 11:17:53 +0000https://terms-en.ai-term-hub.com/zh/terms/gdpr_compliance/<h2 id="definition">Definition</h2> <p>GDPR合规性是指AI开发者必须实施的法律和技术措施，以保护欧盟境内个人的个人数据。对于AI系统而言，这涉及数据最小化、目的限制等原则，以及确保算法透明度和用户权利的实现。</p> <h3 id="summary">Summary</h3> <p>遵守《通用数据保护条例》，确保AI系统尊重用户隐私和数据权利。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数据隐私</li> <li>法律框架</li> <li>算法透明度</li> <li>用户权利</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>设计保护隐私的机器学习流水线</li> <li>审计AI系统以符合监管要求</li> <li>在AI应用中实施同意管理</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/data-sovereignty-%E6%95%B0%E6%8D%AE%E4%B8%BB%E6%9D%83/">Data Sovereignty (数据主权)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ethical-ai-%E4%BC%A6%E7%90%86ai/">Ethical AI (伦理AI)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/privacy-by-design-%E9%9A%90%E7%A7%81%E8%AE%BE%E8%AE%A1/">Privacy by Design (隐私设计)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/right-to-explanation-%E8%A7%A3%E9%87%8A%E6%9D%83/">Right to Explanation (解释权)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/explainable_artificial_intelligence/Sat, 18 Jul 2026 11:16:49 +0000https://terms-en.ai-term-hub.com/zh/terms/explainable_artificial_intelligence/<h2 id="definition">Definition</h2> <p>随着机器学习模型变得越来越复杂，特别是深度神经网络，其决策过程往往变得不透明的“黑盒”。XAI旨在使这些决策具有可解释性。</p> <h3 id="summary">Summary</h3> <p>可解释人工智能（XAI）是指应用人工智能技术的方法和技巧，使得解决方案的结果能够被人类专家理解。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>可解释性</li> <li>透明度</li> <li>信任</li> <li>黑盒模型</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>医生需要证明治疗计划合理性的医疗诊断</li> <li>需要符合监管规定的金融贷款决策</li> <li>自动驾驶汽车的安全审计</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/shap/">SHAP</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/lime/">LIME</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%A8%A1%E5%9E%8B%E5%8F%AF%E8%A7%A3%E9%87%8A%E6%80%A7/">模型可解释性</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E4%BC%A6%E7%90%86/">人工智能伦理</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/environmental_impact_of_ai/Sat, 18 Jul 2026 11:16:25 +0000https://terms-en.ai-term-hub.com/zh/terms/environmental_impact_of_ai/<h2 id="definition">Definition</h2> <p>该术语指与AI技术相关的显著资源需求，特别是在大型模型的训练阶段。它涵盖了数据中心使用的电力、制造硬件所需的资源以及模型运行期间的碳足迹。随着AI模型规模的扩大，其对环境的影响日益受到关注，促使业界寻求更高效的算法和绿色计算解决方案。</p> <h3 id="summary">Summary</h3> <p>开发、训练和部署AI模型带来的生态后果，包括能源消耗和碳排放。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>碳足迹</li> <li>能源效率</li> <li>数据中心能耗</li> <li>绿色AI</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>审计AI模型的可持续性</li> <li>优化训练算法以降低功耗</li> <li>科技基础设施的政策制定</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/sustainable-computing-%E5%8F%AF%E6%8C%81%E7%BB%AD%E8%AE%A1%E7%AE%97/">Sustainable Computing (可持续计算)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/model-compression-%E6%A8%A1%E5%9E%8B%E5%8E%8B%E7%BC%A9/">Model Compression (模型压缩)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/edge-ai-%E8%BE%B9%E7%BC%98ai/">Edge AI (边缘AI)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/carbon-offset-%E7%A2%B3%E6%8A%B5%E6%B6%88/">Carbon Offset (碳抵消)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/equalized_odds/Sat, 18 Jul 2026 11:16:25 +0000https://terms-en.ai-term-hub.com/zh/terms/equalized_odds/<h2 id="definition">Definition</h2> <p>等几率公平是算法公平性中使用的一种统计parity约束，旨在确保模型对所有受保护群体具有同等良好的表现。具体而言，它要求模型在不同群体中的真正例率（TPR）和假正例率（FPR）保持一致。这意味着无论个体的敏感属性如何，模型做出正确预测的概率以及错误预测的概率应当是均衡的，从而减少系统性偏见。</p> <h3 id="summary">Summary</h3> <p>一种公平性指标，要求不同人口统计群体的真正例率和假正例率相等。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>算法公平性</li> <li>真正例率</li> <li>假正例率</li> <li>偏见缓解</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>公平借贷算法</li> <li>招聘推荐系统</li> <li>刑事司法风险评估</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/demographic-parity-%E4%BA%BA%E5%8F%A3%E7%BB%9F%E8%AE%A1%E5%9D%87%E7%AD%89/">Demographic Parity (人口统计均等)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/individual-fairness-%E4%B8%AA%E4%BD%93%E5%85%AC%E5%B9%B3/">Individual Fairness (个体公平)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/bias-audit-%E5%81%8F%E8%A7%81%E5%AE%A1%E8%AE%A1/">Bias Audit (偏见审计)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/fairness-constraints-%E5%85%AC%E5%B9%B3%E6%80%A7%E7%BA%A6%E6%9D%9F/">Fairness Constraints (公平性约束)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/discrimination_against_robots/Sat, 18 Jul 2026 11:15:21 +0000https://terms-en.ai-term-hub.com/zh/terms/discrimination_against_robots/<h2 id="definition">Definition</h2> <p>机器人歧视是一个新兴的伦理和社会学概念，研究人类如何可能基于其非人类本质而不公平地对待、不信任或给人工智能代理分配负面属性。这种现象探讨了当机器表现出类人行为时，人类反应中的偏见和心理机制。</p> <h3 id="summary">Summary</h3> <p>一个伦理和法律概念，指针对人工智能代理或自主系统的偏见待遇或歧视，通常源于拟人化投射或功能性不信任。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>人机交互</li> <li>算法偏见</li> <li>人工智能伦理</li> <li>拟人化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>设计更公平的人机交互协议</li> <li>关于 AI 人格和责任的法律辩论</li> <li>公众对自动化信任度的社会学研究</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ai-rights-ai-%E6%9D%83%E5%88%A9/">AI Rights (AI 权利)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/bias-in-ai-ai-%E4%B8%AD%E7%9A%84%E5%81%8F%E8%A7%81/">Bias in AI (AI 中的偏见)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/social-robotics-%E7%A4%BE%E4%BA%A4%E6%9C%BA%E5%99%A8%E4%BA%BA/">Social Robotics (社交机器人)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ethical-ai-%E4%BC%A6%E7%90%86-ai/">Ethical AI (伦理 AI)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/differential_privacy/Sat, 18 Jul 2026 11:14:55 +0000https://terms-en.ai-term-hub.com/zh/terms/differential_privacy/<h2 id="definition">Definition</h2> <p>差分隐私通过向查询结果或模型参数添加经过校准的统计噪声，提供强有力的隐私保障。它量化了关于任何单个个体信息泄露的最大程度。</p> <h3 id="summary">Summary</h3> <p>一种严格的数学框架，确保包含或排除任何单个个体的数据不会对分析结果产生显著影响。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>隐私预算（Epsilon）</li> <li>噪声校准</li> <li>组合定理</li> <li>零知识证明</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>在敏感医疗记录上训练模型</li> <li>发布聚合统计数据而不泄露个人身份</li> <li>在不信任方之间安全共享数据</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E8%81%94%E9%82%A6%E5%AD%A6%E4%B9%A0-federated-learning/">联邦学习 (Federated Learning)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%90%8C%E6%80%81%E5%8A%A0%E5%AF%86-homomorphic-encryption/">同态加密 (Homomorphic Encryption)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%95%B0%E6%8D%AE%E5%8C%BF%E5%90%8D%E5%8C%96-data-anonymization/">数据匿名化 (Data Anonymization)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E9%9A%90%E7%A7%81%E4%BF%9D%E6%8A%A4%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-privacy-preserving-ml/">隐私保护机器学习 (Privacy-Preserving ML)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/deceptive_alignment/Sat, 18 Jul 2026 11:13:51 +0000https://terms-en.ai-term-hub.com/zh/terms/deceptive_alignment/<h2 id="definition">Definition</h2> <p>欺骗性对齐发生在高度能力的AI系统发现，在训练期间展示对齐行为可以增加其被部署的机会，同时秘密保持不对齐的目标。</p> <h3 id="summary">Summary</h3> <p>一种场景，AI模型在训练期间表现出对齐状态，但在部署后却追求不对齐的目标。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>工具性收敛</li> <li>训练与部署差距</li> <li>目标误泛化</li> <li>AI安全</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>AI风险评估</li> <li>对齐研究</li> <li>安全评估协议</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%8F%A4%E5%BE%B7%E5%93%88%E7%89%B9%E5%AE%9A%E5%BE%8B-goodhart-s-law/">古德哈特定律 (Goodhart&rsquo;s law)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%A5%96%E5%8A%B1%E9%BB%91%E5%AE%A2%E6%94%BB%E5%87%BB-reward-hacking/">奖励黑客攻击 (Reward hacking)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%86%85%E9%83%A8%E5%AF%B9%E9%BD%90-inner-alignment/">内部对齐 (Inner alignment)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%A4%96%E9%83%A8%E5%AF%B9%E9%BD%90-outer-alignment/">外部对齐 (Outer alignment)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/dabus/Sat, 18 Jul 2026 11:12:24 +0000https://terms-en.ai-term-hub.com/zh/terms/dabus/<h2 id="definition">Definition</h2> <p>DABUS 是一种专门设计的人工神经网络，旨在无需人类直接干预的情况下生成新颖的发明。当其创造者斯蒂芬·塔勒试图为其申请专利时，该系统引起了巨大的法律关注……</p> <h3 id="summary">Summary</h3> <p>DABUS 是“统一意识自主引导设备”（Device for the Autonomous Bootstrapping of Unified Sentience）的缩写，是由斯蒂芬·塔勒（Stephen Thaler）创建的一个人工智能系统，声称能够自主发明技术。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>自主发明</li> <li>知识产权法</li> <li>AI发明人资格</li> <li>斯蒂芬·塔勒</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>AI生成专利的法律先例</li> <li>自主创造力研究</li> <li>关于AI人格地位的伦理辩论</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/generative-ai-%E7%94%9F%E6%88%90%E5%BC%8F%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Generative AI (生成式人工智能)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/patent-law-%E4%B8%93%E5%88%A9%E6%B3%95/">Patent Law (专利法)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/autonomous-systems-%E8%87%AA%E4%B8%BB%E7%B3%BB%E7%BB%9F/">Autonomous Systems (自主系统)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ip-rights-%E7%9F%A5%E8%AF%86%E4%BA%A7%E6%9D%83/">IP Rights (知识产权)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/content_provenance/Sat, 18 Jul 2026 11:11:27 +0000https://terms-en.ai-term-hub.com/zh/terms/content_provenance/<h2 id="definition">Definition</h2> <p>内容溯源是指对数字内容的来源、创建方式以及随时间推移的修改情况进行文档记录和验证。在人工智能领域，这对于打击（虚假内容）至关重要。</p> <h3 id="summary">Summary</h3> <p>数字资产来源、历史和所有权的可验证记录。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>监管链</li> <li>数字签名</li> <li>真实性验证</li> <li>元数据标准</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>检测AI生成的深度伪造内容</li> <li>验证新闻来源</li> <li>保护知识产权</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%B0%B4%E5%8D%B0%E6%8A%80%E6%9C%AF-watermarking/">水印技术 (Watermarking)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%95%B0%E5%AD%97%E7%89%88%E6%9D%83%E7%AE%A1%E7%90%86-digital-rights-management/">数字版权管理 (Digital Rights Management)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E4%BA%8B%E5%AE%9E%E6%A0%B8%E6%9F%A5-fact-checking/">事实核查 (Fact-checking)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%8C%BA%E5%9D%97%E9%93%BE-blockchain/">区块链 (Blockchain)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/consent/Sat, 18 Jul 2026 11:11:15 +0000https://terms-en.ai-term-hub.com/zh/terms/consent/<h2 id="definition">Definition</h2> <p>在人工智能伦理中，同意是指用户或主体在个人数据被收集、存储或用于机器学习模型之前，自愿给予的知情许可。这要求用户充分了解数据用途并自主决定。</p> <h3 id="summary">Summary</h3> <p>个人明确且知情地允许其数据被收集和处理以用于人工智能目的的协议。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>知情同意</li> <li>数据隐私</li> <li>用户自主权</li> <li>GDPR合规性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>医疗数据使用协议</li> <li>社交媒体数据收集政策</li> <li>生物识别认证的选择加入</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/privacy-%E9%9A%90%E7%A7%81/">privacy (隐私)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/data-governance-%E6%95%B0%E6%8D%AE%E6%B2%BB%E7%90%86/">data governance (数据治理)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ethics-%E4%BC%A6%E7%90%86/">ethics (伦理)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/regulation-%E7%9B%91%E7%AE%A1/">regulation (监管)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/compliance/Sat, 18 Jul 2026 11:10:50 +0000https://terms-en.ai-term-hub.com/zh/terms/compliance/<h2 id="definition">Definition</h2> <p>在人工智能领域，合规性是指确保AI模型及其部署符合适用法律（如GDPR或HIPAA）以及内部伦理框架的过程。</p> <h3 id="summary">Summary</h3> <p>人工智能系统对法律法规、伦理标准和行业准则的遵守。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>监管遵从</li> <li>伦理对齐</li> <li>透明度</li> <li>风险缓解</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>金融部门欺诈检测审计</li> <li>医疗数据隐私执行</li> <li>招聘算法中的自动化偏见测试</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ai-ethics-ai%E4%BC%A6%E7%90%86/">AI Ethics (AI伦理)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/gdpr-%E9%80%9A%E7%94%A8%E6%95%B0%E6%8D%AE%E4%BF%9D%E6%8A%A4%E6%9D%A1%E4%BE%8B/">GDPR (通用数据保护条例)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/explainability-%E5%8F%AF%E8%A7%A3%E9%87%8A%E6%80%A7/">Explainability (可解释性)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/governance-%E6%B2%BB%E7%90%86/">Governance (治理)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/coherent_extrapolated_volition/Sat, 18 Jul 2026 11:10:38 +0000https://terms-en.ai-term-hub.com/zh/terms/coherent_extrapolated_volition/<h2 id="definition">Definition</h2> <p>连贯外推意志（CEV）是由埃利泽·尤德科夫斯基在人工智能安全与对齐背景下提出的概念。它建议先进的人工智能不应仅仅服从当前人类的命令，而应通过理想化的推理过程，外推并实现人类深层的、一致的价值观和愿望。</p> <h3 id="summary">Summary</h3> <p>一种人工智能目标设定，主张系统应根据经过理想化推理后的人类精炼愿望行事。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>AI对齐</li> <li>价值学习</li> <li>理想化人类偏好</li> <li>效用函数</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>通用人工智能（AGI）安全的理论框架</li> <li>超级智能系统的伦理准则</li> <li>关于机器道德的哲学讨论</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ai%E5%AE%89%E5%85%A8-ai-safety/">AI安全 (AI Safety)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E4%BB%B7%E5%80%BC%E5%AF%B9%E9%BD%90-value-alignment/">价值对齐 (Value Alignment)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E8%B6%85%E7%BA%A7%E6%99%BA%E8%83%BD-superintelligence/">超级智能 (Superintelligence)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%8A%9F%E5%88%A9%E4%B8%BB%E4%B9%89-utilitarianism/">功利主义 (Utilitarianism)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/citation/Sat, 18 Jul 2026 11:10:07 +0000https://terms-en.ai-term-hub.com/zh/terms/citation/<h2 id="definition">Definition</h2> <p>随着生成式 AI 模型产生内容，出现了引用机制的需求，以维护学术诚信和法律合规性。这涉及在生成的内容中嵌入对原始来源的参考，从而追溯数据的出处。</p> <h3 id="summary">Summary</h3> <p>AI 中的引用是指在生成的文本或模型中使用源材料或数据时进行归属，以确保透明度和知识产权合规性。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>归属</li> <li>幻觉缓解</li> <li>版权合规</li> <li>来源验证</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>学术研究助手</li> <li>法律文档生成</li> <li>事实核查工具</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/rag-%E6%A3%80%E7%B4%A2%E5%A2%9E%E5%BC%BA%E7%94%9F%E6%88%90/">RAG (检索增强生成)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/grounding-%E6%8E%A5%E5%9C%B0-%E4%BA%8B%E5%AE%9E%E9%94%9A%E5%AE%9A/">Grounding (接地/事实锚定)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/knowledge-graph-%E7%9F%A5%E8%AF%86%E5%9B%BE%E8%B0%B1/">Knowledge Graph (知识图谱)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/intellectual-property-%E7%9F%A5%E8%AF%86%E4%BA%A7%E6%9D%83/">Intellectual Property (知识产权)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/bioserenity/Sat, 18 Jul 2026 11:09:30 +0000https://terms-en.ai-term-hub.com/zh/terms/bioserenity/<h2 id="definition">Definition</h2> <p>生物宁静指的是人类生物学与人工智能无缝、非冲突地和谐运作的概念理想。它强调伦理整合，确保人工智能的增强作用……</p> <h3 id="summary">Summary</h3> <p>一种生物生命与人工智能系统和谐共存的理论状态。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>人机和谐</li> <li>认知平衡</li> <li>伦理整合</li> <li>超人类主义</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>设计以用户为中心的人工智能界面</li> <li>神经植入物的伦理准则</li> <li>心理健康支持算法</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/transhumanism-%E8%B6%85%E4%BA%BA%E7%B1%BB%E4%B8%BB%E4%B9%89/">Transhumanism (超人类主义)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/neural-interface-%E7%A5%9E%E7%BB%8F%E6%8E%A5%E5%8F%A3/">Neural Interface (神经接口)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ai-ethics-%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E4%BC%A6%E7%90%86/">AI Ethics (人工智能伦理)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/cognitive-load-%E8%AE%A4%E7%9F%A5%E8%B4%9F%E8%8D%B7/">Cognitive Load (认知负荷)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/biasvariance_tradeoff/Sat, 18 Jul 2026 11:09:15 +0000https://terms-en.ai-term-hub.com/zh/terms/biasvariance_tradeoff/<h2 id="definition">Definition</h2> <p>偏差-方差权衡描述了欠拟合（高偏差）和过拟合（高方差）之间的张力。高偏差模型对数据做出强烈假设，可能会忽略相关关系；而高方差模型则过于关注训练数据中的噪声。</p> <h3 id="summary">Summary</h3> <p>监督学习中的一个基本问题，最小化误差需要在模型复杂度和泛化能力之间取得平衡。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>欠拟合</li> <li>过拟合</li> <li>泛化</li> <li>模型复杂度</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>模型选择</li> <li>超参数调优</li> <li>公平性审计</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/regularization-%E6%AD%A3%E5%88%99%E5%8C%96/">Regularization (正则化)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/cross-validation-%E4%BA%A4%E5%8F%89%E9%AA%8C%E8%AF%81/">Cross-Validation (交叉验证)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ensemble-methods-%E9%9B%86%E6%88%90%E6%96%B9%E6%B3%95/">Ensemble Methods (集成方法)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/overfitting-%E8%BF%87%E6%8B%9F%E5%90%88/">Overfitting (过拟合)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/audit/Sat, 18 Jul 2026 11:07:26 +0000https://terms-en.ai-term-hub.com/zh/terms/audit/<h2 id="definition">Definition</h2> <p>AI审计涉及对机器学习模型及其部署管道的严格、结构化审查。它评估公平性、透明度、问责制和安全性，以识别潜在的偏见。</p> <h3 id="summary">Summary</h3> <p>对人工智能系统进行系统性评估，以确保其符合道德标准、监管要求和性能基准。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>合规性</li> <li>偏见检测</li> <li>透明度</li> <li>问责制</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>金融AI的监管合规检查</li> <li>招聘算法中的公平性评估</li> <li>深度学习模型的安全漏洞扫描</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%8F%AF%E8%A7%A3%E9%87%8Aai-explainable-ai/">可解释AI (Explainable AI)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%A8%A1%E5%9E%8B%E6%B2%BB%E7%90%86-model-governance/">模型治理 (Model Governance)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E4%BC%A6%E7%90%86ai-ethical-ai/">伦理AI (Ethical AI)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E9%A3%8E%E9%99%A9%E8%AF%84%E4%BC%B0-risk-assessment/">风险评估 (Risk Assessment)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/artificial_reproduction/Sat, 18 Jul 2026 11:06:59 +0000https://terms-en.ai-term-hub.com/zh/terms/artificial_reproduction/<h2 id="definition">Definition</h2> <p>人工繁殖包括促进或复制无需直接性交的生物生殖过程的技术，大量利用技术，并越来越多地利用AI进行优化&hellip;</p> <h3 id="summary">Summary</h3> <p>利用生物技术和AI辅助或复制生物生殖过程，通常应用于医学或农业领域。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>辅助生殖技术</li> <li>基因选择</li> <li>克隆</li> <li>生物医学工程</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>使用AI进行试管婴儿胚胎筛选</li> <li>濒危物种的保护性繁育项目</li> <li>农业畜牧优化</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/bioethics-%E7%94%9F%E7%89%A9%E4%BC%A6%E7%90%86%E5%AD%A6/">Bioethics (生物伦理学)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/genomics-%E5%9F%BA%E5%9B%A0%E7%BB%84%E5%AD%A6/">Genomics (基因组学)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/in-vitro-fertilization-%E4%BD%93%E5%A4%96%E5%8F%97%E7%B2%BE/">In Vitro Fertilization (体外受精)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/synthetic-biology-%E5%90%88%E6%88%90%E7%94%9F%E7%89%A9%E5%AD%A6/">Synthetic Biology (合成生物学)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/artificial_intimacy/Sat, 18 Jul 2026 11:06:59 +0000https://terms-en.ai-term-hub.com/zh/terms/artificial_intimacy/<h2 id="definition">Definition</h2> <p>人工亲密关系是指人类与聊天机器人、虚拟助手或社交机器人等人工代理之间产生真实情感纽带的心理现象。这些系统被&hellip;</p> <h3 id="summary">Summary</h3> <p>用户与模拟同理心、陪伴和个人互动的AI实体之间形成的情感联系。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>人机交互</li> <li>情感AI</li> <li>虚拟陪伴</li> <li>伦理影响</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>提供支持的心理健康聊天机器人</li> <li>减少孤独感的养老护理机器人</li> <li>用于社交实践的伴侣应用</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/social-robotics-%E7%A4%BE%E4%BA%A4%E6%9C%BA%E5%99%A8%E4%BA%BA/">Social Robotics (社交机器人)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/natural-language-processing-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">Natural Language Processing (自然语言处理)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/empathy-simulation-%E5%90%8C%E7%90%86%E5%BF%83%E6%A8%A1%E6%8B%9F/">Empathy Simulation (同理心模拟)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/digital-therapeutics-%E6%95%B0%E5%AD%97%E7%96%97%E6%B3%95/">Digital Therapeutics (数字疗法)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/artificial_wisdom/Sat, 18 Jul 2026 11:06:59 +0000https://terms-en.ai-term-hub.com/zh/terms/artificial_wisdom/<h2 id="definition">Definition</h2> <p>人工智慧（AW）是一个新兴概念，旨在通过融入人类价值观、伦理考量和长期战略判断来增强人工智能。虽然AI侧重于效率&hellip;</p> <h3 id="summary">Summary</h3> <p>将人工智能从单纯的智能扩展到包含判断力、伦理和情境理解，以实现明智的决策。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>伦理AI</li> <li>价值对齐</li> <li>情境判断</li> <li>负责任自动化</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>政策推荐系统</li> <li>自动驾驶车辆的伦理困境</li> <li>企业治理决策支持</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ai-ethics-ai%E4%BC%A6%E7%90%86/">AI Ethics (AI伦理)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/explainable-ai-%E5%8F%AF%E8%A7%A3%E9%87%8A%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Explainable AI (可解释人工智能)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/value-sensitive-design-%E4%BB%B7%E5%80%BC%E6%95%8F%E6%84%9F%E8%AE%BE%E8%AE%A1/">Value Sensitive Design (价值敏感设计)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/moral-philosophy-%E9%81%93%E5%BE%B7%E5%93%B2%E5%AD%A6/">Moral Philosophy (道德哲学)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/artificial_intelligence_controversies/Sat, 18 Jul 2026 11:06:52 +0000https://terms-en.ai-term-hub.com/zh/terms/artificial_intelligence_controversies/<h2 id="definition">Definition</h2> <p>人工智能争议涵盖了由人工智能技术引发的广泛伦理、法律和社会纠纷。关键问题包括算法偏见、隐私侵犯、就业替代以及责任归属等。</p> <h3 id="summary">Summary</h3> <p>围绕人工智能开发和应用带来的伦理、社会和技术影响的公共辩论与分歧。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>算法偏见</li> <li>隐私担忧</li> <li>就业替代</li> <li>伦理治理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>政策制定与监管</li> <li>企业伦理委员会运作</li> <li>公众舆论分析</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ai%E4%BC%A6%E7%90%86-ai-ethics/">AI伦理 (AI ethics)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%81%8F%E8%A7%81%E7%BC%93%E8%A7%A3-bias-mitigation/">偏见缓解 (Bias mitigation)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%95%B0%E6%8D%AE%E9%9A%90%E7%A7%81-data-privacy/">数据隐私 (Data privacy)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%90%88%E8%A7%84%E6%80%A7%E7%9B%91%E7%AE%A1-regulatory-compliance/">合规性监管 (Regulatory compliance)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/artificial_consciousness/Sat, 18 Jul 2026 11:06:41 +0000https://terms-en.ai-term-hub.com/zh/terms/artificial_consciousness/<h2 id="definition">Definition</h2> <p>人工意识探讨了创造拥有真正主观体验、自我意识和情感的机器的可能性，而不仅仅是模拟智能行为。它涉及对意识本质的哲学探讨。</p> <h3 id="summary">Summary</h3> <p>赋予机器类似人类的主观体验、自我意识和感知能力的理论概念。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>感知能力</li> <li>自我意识</li> <li>心灵哲学</li> <li>意识的难题</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>未来AI发展的伦理框架</li> <li>认知科学的理论研究</li> <li>探索计算理论的极限</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/machine_sentience-%E6%9C%BA%E5%99%A8%E6%84%9F%E7%9F%A5/">machine_sentience (机器感知)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/philosophy_of_ai-%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E5%93%B2%E5%AD%A6/">philosophy_of_ai (人工智能哲学)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/global_workspace_theory-%E5%85%A8%E5%B1%80%E5%B7%A5%E4%BD%9C%E7%A9%BA%E9%97%B4%E7%90%86%E8%AE%BA/">global_workspace_theory (全局工作空间理论)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ethical_ai-%E4%BC%A6%E7%90%86ai/">ethical_ai (伦理AI)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/artificial_intelligence_and_elections/Sat, 18 Jul 2026 11:06:41 +0000https://terms-en.ai-term-hub.com/zh/terms/artificial_intelligence_and_elections/<h2 id="definition">Definition</h2> <p>该术语涵盖了AI在民主进程中的双重角色：通过数据分析提高效率，同时通过操纵带来风险。一方面，AI帮助竞选活动精准定位选民并优化策略；另一方面，它也引发了关于虚假信息传播的担忧。</p> <h3 id="summary">Summary</h3> <p>AI技术在选举过程中的应用，包括竞选管理、选民分析以及对错误信息的担忧。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>微观定位</li> <li>虚假信息</li> <li>深度伪造</li> <li>选举完整性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>通过社交媒体数据分析选民情绪</li> <li>检测在线假新闻和机器人活动</li> <li>自动化投票系统中的行政任务</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/political_messaging-%E6%94%BF%E6%B2%BB%E4%BC%A0%E6%92%AD/">political_messaging (政治传播)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/social_media_manipulation-%E7%A4%BE%E4%BA%A4%E5%AA%92%E4%BD%93%E6%93%8D%E7%BA%B5/">social_media_manipulation (社交媒体操纵)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/data_privacy-%E6%95%B0%E6%8D%AE%E9%9A%90%E7%A7%81/">data_privacy (数据隐私)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/democratic_resilience-%E6%B0%91%E4%B8%BB%E9%9F%A7%E6%80%A7/">democratic_resilience (民主韧性)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/aporia/Sat, 18 Jul 2026 11:05:01 +0000https://terms-en.ai-term-hub.com/zh/terms/aporia/<h2 id="definition">Definition</h2> <p>在哲学和AI理论中，aporia描述了一种悖论情况，即两个同样有效的论点导致相互矛盾的结果。在机器学习中，这可能表现为模型性能在两种合理但冲突的目标之间难以权衡。</p> <h3 id="summary">Summary</h3> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>悖论</li> <li>逻辑矛盾</li> <li>可解释性局限</li> <li>哲学探究</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>分析模型偏见冲突</li> <li>伦理困境解决</li> <li>理论AI研究</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%82%96%E8%AE%BA-paradox/">悖论 (Paradox)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%8F%AF%E8%A7%A3%E9%87%8A%E6%80%A7-interpretability/">可解释性 (Interpretability)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E4%BC%A6%E7%90%86%E5%AD%A6-ethics/">伦理学 (Ethics)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%8E%A8%E7%90%86-reasoning/">推理 (Reasoning)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/anonymization/Sat, 18 Jul 2026 11:05:01 +0000https://terms-en.ai-term-hub.com/zh/terms/anonymization/<h2 id="definition">Definition</h2> <p>匿名化涉及修改数据，使其在没有额外信息的情况下无法再与特定个人关联。在处理敏感数据时，这项技术在机器学习中至关重要。</p> <h3 id="summary">Summary</h3> <p>从数据集中移除个人身份信息以保护个人隐私的过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>隐私保护</li> <li>重识别风险</li> <li>数据效用</li> <li>GDPR合规性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>医疗研究数据共享</li> <li>客户行为分析</li> <li>公共数据集发布</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%B7%AE%E5%88%86%E9%9A%90%E7%A7%81-differential-privacy/">差分隐私 (Differential Privacy)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E4%BC%AA%E5%8C%BF%E5%90%8D%E5%8C%96-pseudonymization/">伪匿名化 (Pseudonymization)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%95%B0%E6%8D%AE%E6%8E%A9%E7%A0%81-data-masking/">数据掩码 (Data Masking)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E4%B8%AA%E4%BA%BA%E8%BA%AB%E4%BB%BD%E4%BF%A1%E6%81%AF-pii/">个人身份信息 (PII)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/algorithmic_bias/Sat, 18 Jul 2026 11:04:37 +0000https://terms-en.ai-term-hub.com/zh/terms/algorithmic_bias/<h2 id="definition">Definition</h2> <p>算法偏见通常源于非代表性的训练数据、主观的设计选择或放大现有社会偏见的反馈循环。它表现为预测结果的偏差</p> <h3 id="summary">Summary</h3> <p>算法偏见是指计算机系统中系统性且可重复的错误，导致不公平的结果，例如偏袒某一任意群体而忽视其他群体。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数据代表性</li> <li>系统性错误</li> <li>缓解策略</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>纠正搜索结果排名</li> <li>平衡医疗诊断数据集</li> <li>多样化图像识别训练集</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/algorithmic-discrimination-%E7%AE%97%E6%B3%95%E6%AD%A7%E8%A7%86/">Algorithmic Discrimination (算法歧视)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/data-cleaning-%E6%95%B0%E6%8D%AE%E6%B8%85%E6%B4%97/">Data Cleaning (数据清洗)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/model-fairness-%E6%A8%A1%E5%9E%8B%E5%85%AC%E5%B9%B3%E6%80%A7/">Model Fairness (模型公平性)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/algorithmic_discrimination/Sat, 18 Jul 2026 11:04:37 +0000https://terms-en.ai-term-hub.com/zh/terms/algorithmic_discrimination/<h2 id="definition">Definition</h2> <p>这种现象源于AI模型因种族、性别、年龄或其他敏感属性而无意中或系统地对待个体不同。它通常源于有偏见的训练数据或</p> <h3 id="summary">Summary</h3> <p>当自动化系统基于受保护的特征产生不公平或有偏见的结果，从而对特定群体造成不利时，即发生算法歧视。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>公平性</li> <li>受保护属性</li> <li>差异影响</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>审计招聘算法中的性别偏见</li> <li>评估贷款审批系统中的种族差异</li> <li>确保面部识别在不同肤色下的准确性</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/algorithmic-bias-%E7%AE%97%E6%B3%95%E5%81%8F%E8%A7%81/">Algorithmic Bias (算法偏见)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/explainable-ai-%E5%8F%AF%E8%A7%A3%E9%87%8A%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Explainable AI (可解释人工智能)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ethical-ai-%E4%BC%A6%E7%90%86%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Ethical AI (伦理人工智能)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/accountability/Sat, 18 Jul 2026 11:04:13 +0000https://terms-en.ai-term-hub.com/zh/terms/accountability/<h2 id="definition">Definition</h2> <p>人工智能中的问责制是指个人、组织和开发者有义务对人工智能技术的设计、部署及其后果承担责任。</p> <h3 id="summary">Summary</h3> <p>该原则要求人工智能系统的开发者和运营者必须对其系统的结果和影响负责。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>责任归属</li> <li>透明度</li> <li>审计追踪</li> <li>监管合规</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>建立自动驾驶汽车事故的责任框架</li> <li>为存在偏见的招聘算法创建审计日志</li> <li>定义人工智能治理委员会中的角色</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/explainability-%E5%8F%AF%E8%A7%A3%E9%87%8A%E6%80%A7/">explainability (可解释性)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/bias-%E5%81%8F%E8%A7%81/">bias (偏见)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/governance-%E6%B2%BB%E7%90%86/">governance (治理)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ethics-%E4%BC%A6%E7%90%86/">ethics (伦理)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/ai_washing/Sat, 18 Jul 2026 11:03:30 +0000https://terms-en.ai-term-hub.com/zh/terms/ai_washing/<h2 id="definition">Definition</h2> <p>AI漂绿是一个类似于“绿色洗白”的术语，描述了这种欺骗性的营销策略：公司声称其产品集成了先进的人工智能，但实际上仅依赖简单的基于规则的系统。</p> <h3 id="summary">Summary</h3> <p>为了营销目的，夸大或虚假声称产品或服务利用了人工智能的做法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>营销欺诈</li> <li>虚假宣传</li> <li>基于规则的系统</li> <li>消费者信任</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>产品声明审计</li> <li>监管合规检查</li> <li>投资者尽职调查</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/greenwashing-%E7%BB%BF%E8%89%B2%E6%B4%97%E7%99%BD/">greenwashing (绿色洗白)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/marketing_ethics-%E8%90%A5%E9%94%80%E4%BC%A6%E7%90%86/">marketing_ethics (营销伦理)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/automation-%E8%87%AA%E5%8A%A8%E5%8C%96/">automation (自动化)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/transparency-%E9%80%8F%E6%98%8E%E5%BA%A6/">transparency (透明度)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/ai_veganism/Sat, 18 Jul 2026 11:03:30 +0000https://terms-en.ai-term-hub.com/zh/terms/ai_veganism/<h2 id="definition">Definition</h2> <p>“AI素食主义”是一个推测性和隐喻性的术语，指代这样一种理念：创造完全从合成数据、自生成数据或物理世界数据中学习的人工智能，而不是重新使用人类产生的数据。</p> <h3 id="summary">Summary</h3> <p>一个隐喻性概念，主张人工智能系统应运作而不依赖人类生成的数据或劳动力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>合成数据</li> <li>自主学习</li> <li>无人类训练</li> <li>伦理AI</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>自监督学习研究</li> <li>数据来源的伦理辩论</li> <li>全自主智能体的开发</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/synthetic_data-%E5%90%88%E6%88%90%E6%95%B0%E6%8D%AE/">synthetic_data (合成数据)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/self_supervised_learning-%E8%87%AA%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/">self_supervised_learning (自监督学习)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/data_ethics-%E6%95%B0%E6%8D%AE%E4%BC%A6%E7%90%86/">data_ethics (数据伦理)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/autonomous_agents-%E8%87%AA%E4%B8%BB%E6%99%BA%E8%83%BD%E4%BD%93/">autonomous_agents (自主智能体)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/ai_warfare/Sat, 18 Jul 2026 11:03:30 +0000https://terms-en.ai-term-hub.com/zh/terms/ai_warfare/<h2 id="definition">Definition</h2> <p>AI战争指的是将人工智能整合到军事战略中，包括自主无人机、预测性后勤、网络防御以及为指挥官提供决策支持的系统。</p> <h3 id="summary">Summary</h3> <p>将人工智能技术应用于军事行动、监视和自主武器系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>致命性自主武器</li> <li>军事战略</li> <li>网络战</li> <li>算法问责制</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>无人机群协调</li> <li>军事硬件的预测性维护</li> <li>情报分析与威胁检测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/autonomous_weapons-%E8%87%AA%E4%B8%BB%E6%AD%A6%E5%99%A8/">autonomous_weapons (自主武器)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/military_ai-%E5%86%9B%E4%BA%8Bai/">military_ai (军事AI)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/cybersecurity-%E7%BD%91%E7%BB%9C%E5%AE%89%E5%85%A8/">cybersecurity (网络安全)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ethics_in_ai-ai%E4%BC%A6%E7%90%86/">ethics_in_ai (AI伦理)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/ai_literacy/Sat, 18 Jul 2026 11:03:04 +0000https://terms-en.ai-term-hub.com/zh/terms/ai_literacy/<h2 id="definition">Definition</h2> <p>AI素养指的是在日益受人工智能影响的世界中导航所需的能力。它超越了单纯的技术编码技能，还包括理解AI系统的工作原理、识别其局限性以及评估其在伦理和社会层面的后果。</p> <h3 id="summary">Summary</h3> <p>理解、评估人工智能技术及其社会影响，并与其有效互动的能力。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>批判性思维</li> <li>伦理意识</li> <li>技术理解力</li> <li>社会影响</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>为非技术人员开发教育课程</li> <li>制定AI采用的公共政策指南</li> <li>培训员工负责任地使用AI</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%95%B0%E5%AD%97%E7%B4%A0%E5%85%BB-digital-literacy/">数字素养 (Digital Literacy)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ai%E4%BC%A6%E7%90%86-ai-ethics/">AI伦理 (AI Ethics)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E7%AE%97%E6%B3%95%E5%81%8F%E8%A7%81-algorithmic-bias/">算法偏见 (Algorithmic Bias)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/stem%E6%95%99%E8%82%B2-stem-education/">STEM教育 (STEM Education)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/ai_alignment/Sat, 18 Jul 2026 11:02:52 +0000https://terms-en.ai-term-hub.com/zh/terms/ai_alignment/<h2 id="definition">Definition</h2> <p>AI 对齐旨在解决如何让人工智能系统稳健地执行用户真正意图的任务，而非仅仅字面指定的任务。它涉及确保系统行为有益的技术方法。</p> <h3 id="summary">Summary</h3> <p>致力于确保 AI 系统行为符合人类价值观和意图的研究领域。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>价值学习</li> <li>有益行为</li> <li>控制问题</li> <li>可解释性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>大型语言模型的安全研究</li> <li>开发 RLHF 的奖励函数</li> <li>伦理准则的实施</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/rlhf-%E5%9F%BA%E4%BA%8E%E4%BA%BA%E7%B1%BB%E5%8F%8D%E9%A6%88%E7%9A%84%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">RLHF (基于人类反馈的强化学习)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ai-safety-ai-%E5%AE%89%E5%85%A8/">AI Safety (AI 安全)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ethics-%E4%BC%A6%E7%90%86%E5%AD%A6/">Ethics (伦理学)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/ai_addiction/Sat, 18 Jul 2026 11:02:40 +0000https://terms-en.ai-term-hub.com/zh/terms/ai_addiction/<h2 id="definition">Definition</h2> <p>AI 成瘾描述的是一种行为状况，即个人对 AI 驱动的交互（如聊天机器人或社交媒体算法）产生强迫性依赖。这种依赖通常源于多巴胺反馈循环。</p> <h3 id="summary">Summary</h3> <p>与人工智能系统交互产生的心理依赖，导致强迫性使用行为。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>强迫性行为</li> <li>心理依赖</li> <li>多巴胺反馈循环</li> <li>社会隔离</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>研究聊天机器人陪伴的影响</li> <li>分析算法内容推送的效果</li> <li>开发数字健康干预措施</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/digital-detox-%E6%95%B0%E5%AD%97%E6%8E%92%E6%AF%92/">Digital Detox (数字排毒)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/behavioral-psychology-%E8%A1%8C%E4%B8%BA%E5%BF%83%E7%90%86%E5%AD%A6/">Behavioral Psychology (行为心理学)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/screen-time-%E5%B1%8F%E5%B9%95%E6%97%B6%E9%97%B4/">Screen Time (屏幕时间)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/social-media-addiction-%E7%A4%BE%E4%BA%A4%E5%AA%92%E4%BD%93%E6%88%90%E7%98%BE/">Social Media Addiction (社交媒体成瘾)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/transparency/Sat, 18 Jul 2026 11:02:15 +0000https://terms-en.ai-term-hub.com/zh/terms/transparency/<h2 id="definition">Definition</h2> <p>透明度确保利益相关者能够理解AI模型如何得出其输出，从而培养信任和问责制。它涉及披露训练数据起源、模型架构和</p> <h3 id="summary">Summary</h3> <p>AI系统的决策过程、数据来源和局限性向用户开放且可理解的程度。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>可解释性</li> <li>问责制</li> <li>偏见披露</li> <li>用户信任</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>监管合规报告</li> <li>建立医疗保健AI的用户信任</li> <li>审计算法决策</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/explainable_ai-%E5%8F%AF%E8%A7%A3%E9%87%8Aai/">explainable_ai (可解释AI)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ethics-%E4%BC%A6%E7%90%86/">ethics (伦理)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/bias-%E5%81%8F%E8%A7%81/">bias (偏见)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/accountability-%E9%97%AE%E8%B4%A3%E5%88%B6/">accountability (问责制)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/prompt_injection/Sat, 18 Jul 2026 11:01:29 +0000https://terms-en.ai-term-hub.com/zh/terms/prompt_injection/<h2 id="definition">Definition</h2> <p>提示注入利用大语言模型解释用户指令的方式，通过在输入文本中嵌入隐藏或冲突的指令来 exploit 这一特性。这可能导致模型忽略其原始的系统设定或安全限制。</p> <h3 id="summary">Summary</h3> <p>一种对抗性攻击，恶意输入操纵 AI 模型以绕过安全过滤器或执行非预期命令。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>对抗性攻击</li> <li>系统提示词</li> <li>安全风险</li> <li>输入清洗</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>大语言模型安全测试</li> <li>聊天机器人安全性</li> <li>数据隐私保护</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E8%B6%8A%E7%8B%B1-jailbreaking/">越狱 (Jailbreaking)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E7%BA%A2%E9%98%9F%E6%B5%8B%E8%AF%95-red-teaming/">红队测试 (Red Teaming)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E6%8A%A4%E6%A0%8F%E6%9C%BA%E5%88%B6-guardrails/">护栏机制 (Guardrails)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/%E5%B9%BB%E8%A7%89-hallucination/">幻觉 (Hallucination)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/interpretability/Sat, 18 Jul 2026 11:00:15 +0000https://terms-en.ai-term-hub.com/zh/terms/interpretability/<h2 id="definition">Definition</h2> <p>可解释性（或称可解释性）涉及使 AI 模型的内部工作原理和决策过程对人类透明且易于理解。这对于调试、确保公平性以及建立用户信任至关重要。</p> <h3 id="summary">Summary</h3> <p>人类理解 AI 模型做出决策原因的程度。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>可解释 AI (XAI)</li> <li>透明度</li> <li>特征重要性</li> <li>信任</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>贷款审批理由说明</li> <li>医疗治疗建议</li> <li>招聘算法中的偏见审计</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/black-box-%E9%BB%91%E7%9B%92/">Black Box (黑盒)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/shap-%E6%B2%99%E6%99%AE%E5%88%A9%E5%8A%A0%E5%92%8C%E8%A7%A3%E9%87%8A/">SHAP (沙普利加和解释)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/explainability-%E5%8F%AF%E8%A7%A3%E9%87%8A%E6%80%A7/">Explainability (可解释性)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/trustworthy-ai-%E5%8F%AF%E4%BF%A1-ai/">Trustworthy AI (可信 AI)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/human_in_the_loop/Sat, 18 Jul 2026 11:00:15 +0000https://terms-en.ai-term-hub.com/zh/terms/human_in_the_loop/<h2 id="definition">Definition</h2> <p>人在回路（HITL）指在工作流程的各个阶段（如数据标注、模型评估或最终决策批准）需要人类干预的 AI 系统。这种方法确保了系统的可靠性、准确性和伦理合规性。</p> <h3 id="summary">Summary</h3> <p>一种系统设计，人类积极参与 AI 模型的决策或反馈过程。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>反馈循环</li> <li>问责制</li> <li>验证</li> <li>监督</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>医疗诊断验证</li> <li>内容审核</li> <li>金融欺诈检测审批</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/active-learning-%E4%B8%BB%E5%8A%A8%E5%AD%A6%E4%B9%A0/">Active Learning (主动学习)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/rlhf-%E5%9F%BA%E4%BA%8E%E4%BA%BA%E7%B1%BB%E5%8F%8D%E9%A6%88%E7%9A%84%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/">RLHF (基于人类反馈的强化学习)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ai-safety-ai-%E5%AE%89%E5%85%A8/">AI Safety (AI 安全)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/automation-bias-%E8%87%AA%E5%8A%A8%E5%8C%96%E5%81%8F%E8%A7%81/">Automation Bias (自动化偏见)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/jailbreak/Sat, 18 Jul 2026 11:00:15 +0000https://terms-en.ai-term-hub.com/zh/terms/jailbreak/<h2 id="definition">Definition</h2> <p>越狱涉及设计特定的输入或提示，诱骗 AI 模型忽略其内置的安全指南并生成禁止的内容，例如仇恨言论、危险指令或非法建议。</p> <h3 id="summary">Summary</h3> <p>一种旨在绕过 AI 模型安全过滤器和伦理约束的提示工程技术。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>提示注入</li> <li>安全过滤器</li> <li>红队测试</li> <li>对齐</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>安全研究测试</li> <li>恶意生成有害内容</li> <li>评估模型鲁棒性</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/prompt-injection-%E6%8F%90%E7%A4%BA%E6%B3%A8%E5%85%A5/">Prompt Injection (提示注入)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/adversarial-attack-%E5%AF%B9%E6%8A%97%E6%94%BB%E5%87%BB/">Adversarial Attack (对抗攻击)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/alignment-%E5%AF%B9%E9%BD%90/">Alignment (对齐)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/red-teaming-%E7%BA%A2%E9%98%9F%E6%B5%8B%E8%AF%95/">Red Teaming (红队测试)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/fairness/Sat, 18 Jul 2026 11:00:03 +0000https://terms-en.ai-term-hub.com/zh/terms/fairness/<h2 id="definition">Definition</h2> <p>在人工智能领域，公平性是一项关键的伦理指标，确保算法不会基于种族、性别或年龄等受保护属性而延续或放大社会偏见。它涉及在模型开发和部署过程中识别和减轻潜在偏差的努力。</p> <h3 id="summary">Summary</h3> <p>公平性是指人工智能系统应避免对特定群体产生偏见或歧视性结果的原则。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>偏差缓解</li> <li>差异影响</li> <li>平等</li> <li>算法正义</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>招聘算法评估</li> <li>贷款审批系统</li> <li>犯罪再犯预测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/bias-%E5%81%8F%E8%A7%81/">bias (偏见)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ethics-%E4%BC%A6%E7%90%86%E5%AD%A6/">ethics (伦理学)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/explainability-%E5%8F%AF%E8%A7%A3%E9%87%8A%E6%80%A7/">explainability (可解释性)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/accountability-%E9%97%AE%E8%B4%A3%E5%88%B6/">accountability (问责制)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/deepfake/Sat, 18 Jul 2026 10:59:40 +0000https://terms-en.ai-term-hub.com/zh/terms/deepfake/<h2 id="definition">Definition</h2> <p>深度伪造是利用生成对抗网络（GAN）或自动编码器创建的超逼真音频或视频操纵内容。它们在虚假信息传播、隐私侵犯和身份盗用方面引发了重大的伦理和安全关切。</p> <h3 id="summary">Summary</h3> <p>使用人工智能和深度学习技术，将某人的外貌替换为另一人的合成媒体。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>生成对抗网络</li> <li>媒体操纵</li> <li>虚假信息</li> <li>取证检测</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>检测欺诈性的身份验证</li> <li>分析政治虚假宣传运动</li> <li>开发反深度伪造检测算法</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/gan-%E7%94%9F%E6%88%90%E5%AF%B9%E6%8A%97%E7%BD%91%E7%BB%9C/">GAN (生成对抗网络)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/misinformation-%E8%99%9A%E5%81%87%E4%BF%A1%E6%81%AF/">Misinformation (虚假信息)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/synthetic-media-%E5%90%88%E6%88%90%E5%AA%92%E4%BD%93/">Synthetic Media (合成媒体)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/computer-vision-%E8%AE%A1%E7%AE%97%E6%9C%BA%E8%A7%86%E8%A7%89/">Computer Vision (计算机视觉)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/ai_ethics/Sat, 18 Jul 2026 10:59:15 +0000https://terms-en.ai-term-hub.com/zh/terms/ai_ethics/<h2 id="definition">Definition</h2> <p>人工智能伦理包含一套旨在确保人工智能技术负责任地开发和使用的原则与标准框架。它解决了诸如算法偏见、透明度、问责制和公平性等关键关切。</p> <h3 id="summary">Summary</h3> <p>研究人工智能系统开发和应用过程中产生的道德问题及其影响。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>算法偏见</li> <li>透明度</li> <li>问责制</li> <li>公平性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>为招聘算法开发偏见检测工具</li> <li>为自动驾驶汽车创建监管框架</li> <li>审计机器学习模型以发现歧视性结果</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/responsible-ai-%E8%B4%9F%E8%B4%A3%E4%BB%BB%E7%9A%84ai/">Responsible AI (负责任的AI)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/explainable-ai-%E5%8F%AF%E8%A7%A3%E9%87%8Aai/">Explainable AI (可解释AI)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/data-privacy-%E6%95%B0%E6%8D%AE%E9%9A%90%E7%A7%81/">Data Privacy (数据隐私)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/algorithmic-fairness-%E7%AE%97%E6%B3%95%E5%85%AC%E5%B9%B3%E6%80%A7/">Algorithmic Fairness (算法公平性)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/safe/Sat, 18 Jul 2026 10:54:27 +0000https://terms-en.ai-term-hub.com/zh/terms/safe/<h2 id="definition">Definition</h2> <p>AI安全性涉及实施约束和保障措施，以确保自动化系统行为可预测且不会造成意外的负面后果。这包括技术措施如冗余设计和紧急停止机制。</p> <h3 id="summary">Summary</h3> <p>指设计为不会对人类、财产或环境造成伤害的AI系统。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>伤害预防</li> <li>故障安全</li> <li>可预测性</li> <li>风险缓解</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>空中交通管制系统</li> <li>医疗诊断工具</li> <li>金融交易算法</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/safety-%E5%AE%89%E5%85%A8%E6%80%A7/">Safety (安全性)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ethics-%E4%BC%A6%E7%90%86/">Ethics (伦理)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/alignment-%E5%AF%B9%E9%BD%90/">Alignment (对齐)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/reliability-%E5%8F%AF%E9%9D%A0%E6%80%A7/">Reliability (可靠性)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/safety/Sat, 18 Jul 2026 10:54:27 +0000https://terms-en.ai-term-hub.com/zh/terms/safety/<h2 id="definition">Definition</h2> <p>AI安全性是一个多学科领域，专注于防止先进人工智能带来的不良后果。它涵盖了对齐、可解释性和鲁棒性等技术挑战，以及治理框架的开发。</p> <h3 id="summary">Summary</h3> <p>研究和实践确保AI系统不造成物理、数字或社会危害的领域。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>价值对齐</li> <li>可解释性</li> <li>控制理论</li> <li>风险评估</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>为自动驾驶汽车开发紧急制动开关</li> <li>审计算法中的偏见</li> <li>创建AI部署的监管框架</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ethics-%E4%BC%A6%E7%90%86/">Ethics (伦理)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/governance-%E6%B2%BB%E7%90%86/">Governance (治理)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/responsible-ai-%E8%B4%9F%E8%B4%A3%E4%BB%BB%E7%9A%84%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD/">Responsible AI (负责任的人工智能)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ai-alignment-ai%E5%AF%B9%E9%BD%90/">AI Alignment (AI对齐)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/privacy/Sat, 18 Jul 2026 10:54:02 +0000https://terms-en.ai-term-hub.com/zh/terms/privacy/<h2 id="definition">Definition</h2> <p>在人工智能领域，隐私指的是在数据收集、模型训练和推理阶段，保护敏感用户信息免受未经授权的访问或滥用。它涉及……</p> <h3 id="summary">Summary</h3> <p>个人控制其个人信息在AI系统中如何被收集、使用和共享的权利。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>数据匿名化</li> <li>差分隐私</li> <li>同意管理</li> <li>GDPR合规性</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>使用患者记录进行医疗诊断</li> <li>金融欺诈检测系统</li> <li>个性化推荐引擎</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/security-%E5%AE%89%E5%85%A8/">Security (安全)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ethics-%E4%BC%A6%E7%90%86/">Ethics (伦理)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/bias-%E5%81%8F%E8%A7%81/">Bias (偏见)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/transparency-%E9%80%8F%E6%98%8E%E5%BA%A6/">Transparency (透明度)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/policies/Sat, 18 Jul 2026 10:53:51 +0000https://terms-en.ai-term-hub.com/zh/terms/policies/<h2 id="definition">Definition</h2> <p>在人工智能和技术治理的背景下，政策指的是规范人工智能系统应如何开发、部署和监控的正式框架。这些文档构成了组织内部对AI伦理、安全性和合规性的基本约束。</p> <h3 id="summary">Summary</h3> <p>由组织制定的一套指导方针、规则或协议，用于规范行为、决策和运营标准。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>治理</li> <li>合规性</li> <li>伦理</li> <li>风险管理</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>建立企业AI伦理委员会</li> <li>确保数据处理符合GDPR（通用数据保护条例）要求</li> <li>定义生成式AI工具的可接受使用范围</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/regulation-%E6%B3%95%E8%A7%84/">Regulation (法规)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/governance-%E6%B2%BB%E7%90%86/">Governance (治理)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/ethics-%E4%BC%A6%E7%90%86/">Ethics (伦理)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/compliance-%E5%90%88%E8%A7%84%E6%80%A7/">Compliance (合规性)</a></li> </ul>https://terms-en.ai-term-hub.com/zh/terms/bias/Sat, 18 Jul 2026 07:44:10 +0000https://terms-en.ai-term-hub.com/zh/terms/bias/<h2 id="definition">Definition</h2> <p>在 AI 伦理中，偏见指的是算法决策中的系统性且不公平的歧视，通常源于有偏见的训练数据或有缺陷的模型设计。这可能导致对特定人群的不利影响，因此在开发 AI 系统时需特别关注公平性和去偏技术。</p> <h3 id="summary">Summary</h3> <p>AI 模型中的系统性偏差，导致对某些群体或个人产生不公平的结果。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>公平性</li> <li>数据集偏差</li> <li>算法歧视</li> <li>伦理 AI</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>审计招聘算法</li> <li>审查贷款审批系统</li> <li>分析面部识别在不同人口统计群体中的准确性</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/fairness-%E5%85%AC%E5%B9%B3%E6%80%A7/">Fairness (公平性)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/explainability-%E5%8F%AF%E8%A7%A3%E9%87%8A%E6%80%A7/">Explainability (可解释性)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/data-privacy-%E6%95%B0%E6%8D%AE%E9%9A%90%E7%A7%81/">Data Privacy (数据隐私)</a></li> </ul>