负责任人工智能:原则、治理与量化方法
Responsible AI: Principles, Governance, and Quantitative Methods
概述
这份学习资源涵盖具有重大影响的自动化决策系统中的负责任人工智能:公平性、可解释性、隐私,以及在系统构建与部署过程中如何整合这些考量。本课程所讲授的原则具有普适性,保险业作为贯穿全程的案例研究反复出现,同时也涉及招聘、信贷和医疗领域的实例。
课程地图
| 章节 | 主题 | 重点 |
|---|---|---|
| 1 | 导论 | 动机、生命周期、治理与职业背景 |
| 2 | 公平性原则 | 定义、法律与经济视角、公平性准则 |
| 3 | 公平性实践 | 保险领域中的衡量、缓解与案例研究 |
| 4 | 可解释性原则 | 透明度、可解释性与利益相关方需求 |
| 5 | 可解释性实践 | 方法、验证与沟通 |
| 6 | 隐私原则 | 数据保护、同意机制与监管基础 |
| 7 | 隐私实践 | 技术、风险评估与操作管控 |
| 8 | 权衡取舍与整合 | 平衡多重目标,并将负责任人工智能嵌入工作流程 |
关于作者
黄斐 博士
黄斐博士是新南威尔士大学商学院风险与精算学院的副教授。她的研究与教学聚焦于负责任人工智能、保险,以及准确、可解释且公平的数据驱动决策。
许可协议
© 2026 黄斐(Fei Huang)。保留所有权利。
本网站内容仅供北京大学光华管理学院 BA 工作坊课程教学使用,仅限注册学员在课程期间学习参考。未经作者书面许可,任何单位或个人不得以任何形式复制、传播、修改、汇编或用于商业用途本网站的任何内容。如需转载或引用,请联系作者获得授权。