- 数智伦理
- - 作者：编者:金涛|责编:龙启铭//战晓雷
  - 出版社：清华大学
  - ISBN：9787302713678
  - 出版日期：2026/06/01
  - 页数：301
- 售价：27.6

内容大纲
本书系统地探讨和解析了大数据、人工智能和物联网等数智技术在实际应用中引发的伦理问题。全书共分8章，内容涵盖了基本伦理学理论和具体应用场景的伦理分析，第1章为导论，第2章为伦理基础，第3～7章分别讨论软件工程、数据、算法、人工智能和人机协作等具体领域的伦理问题，第8章讨论智能制造、健康医疗、金融科技、智能交通与自动驾驶、教育科技、智能家居与物联网、公共安全监控7个具体应用场景中的伦理挑战和应对策略。本书通过丰富的理论讲解和实际案例分析，可以帮助读者全面理解和应对数智时代的伦理困境。
本书主要面向高等学校研究生和高年级本科生、专业技术人员、研究人员、政策制定者和监管者，是一本学习数智伦理的很好教材或参考用书。
作者介绍
目录
第1章  导论
  1.1  数智技术的发展与影响
  1.2  数智伦理的概念与内涵
    1.2.1  起源和发展
    1.2.2  伦理框架
  1.3  数智伦理的研究方法
  1.4  数智伦理的全球视角
  1.5  数智伦理规范的形成
  1.6  数智伦理的应用
  1.7  典型案例：自动驾驶汽车伦理困境
    1.7.1  数智技术的影响
    1.7.2  数智伦理面临的挑战
    1.7.3  应对工具和框架
  思考题
第2章  伦理基础
  2.1  伦理学的基本概念
    2.1.1  基本概念
    2.1.2  伦理和道德
    2.1.3  伦理问题
  2.2  主要伦理理论
    2.2.1  功利主义
    2.2.2  义务论
    2.2.3  美德伦理
    2.2.4  权利伦理
    2.2.5  正义伦理
    2.2.6  关怀伦理
    2.2.7  社会契约理论
    2.2.8  道德发展理论
    2.2.9  分析框架
  2.3  伦理问题的识别与分析
    2.3.1  识别伦理问题
    2.3.2  分析伦理问题
  2.4  伦理问题的解决
    2.4.1  伦理困境
    2.4.2  冲突解决
  2.5  伦理决策模型
    2.5.1  五步模型
    2.5.2  PLUS模型
  2.6  专业伦理守则
    2.6.1  IEEE道德行为规范
    2.6.2  ACM道德与专业行为准则
  思考题
第3章  软件工程伦理
  3.1  核心要求
    3.1.1  以公众利益为首要考量
    3.1.2  对客户与雇主负责
    3.1.3  确保产品质量与专业胜任
    3.1.4  保持独立、客观的专业判断
    3.1.5  负责任的管理与领导
    3.1.6  维护和提升专业形象

    3.1.7  对同事负责与互助
    3.1.8  提升自我与加强学习
  3.2  关键伦理问题
    3.2.1  隐私与数据保护
    3.2.2  公共利益与社会责任
    3.2.3  知识产权
    3.2.4  开源共享与知识产权保护
    3.2.5  责任追究与法律风险
    3.2.6  信息的准确性与公正性
    3.2.7  商业利益与道德冲突
    3.2.8  专业行为与行业自律
  3.3  软件开发生命周期中的伦理规范
    3.3.1  需求分析阶段
    3.3.2  设计阶段
    3.3.3  开发和实现阶段
    3.3.4  测试阶段
    3.3.5  部署和发布阶段
    3.3.6  维护和退役阶段
  3.4  软件工程伦理与专业实践准则
  3.5  典型案例：Therac-25放射治疗机事故
    3.5.1  背景
    3.5.2  技术应用中的潜在问题
    3.5.3  争议讨论
  思考题
第4章  数据伦理
  4.1  核心要求
    4.1.1  隐私与数据保护
    4.1.2  参与和知情同意
    4.1.3  最小化与目的限制
    4.1.4  数据完整性与无偏见
    4.1.5  数据透明与可解释性
    4.1.6  数据安全与稳健性
    4.1.7  责任与问责
    4.1.8  有益性与不伤害
    4.1.9  可持续性与长期视角
  4.2  关键伦理问题
    4.2.1  数据隐私与数据泄露
    4.2.2  数据歧视与偏见
    4.2.3  数据所有权与控制权
    4.2.4  数据滥用与不当使用
    4.2.5  数据共享与第三方使用
    4.2.6  数据经济与公平
    4.2.7  数据偏差影响决策
    4.2.8  数据驱动决策的伦理性
  4.3  数据全生命周期中的伦理规范
    4.3.1  收集
    4.3.2  存储
    4.3.3  使用
    4.3.4  加工
    4.3.5  传输

    4.3.6  提供
    4.3.7  公开
    4.3.8  删除
  4.4  数据权利
    4.4.1  知情权
    4.4.2  控制权
    4.4.3  访问权
    4.4.4  修正权
    4.4.5  使用权
    4.4.6  被遗忘权
    4.4.7  可携带权
  4.5  英国数据伦理框架
    4.5.1  三大总体原则
    4.5.2  五项具体行动
  4.6  美国数据伦理框架
    4.6.1  数据伦理原则
    4.6.2  《数据伦理框架》的意义
  4.7  典型案例：剑桥分析公司数据丑闻
    4.7.1  背景
    4.7.2  技术应用中的潜在问题
    4.7.3  争议讨论
  思考题
第5章  算法伦理
  5.1  核心要求
    5.1.1  公平与非歧视性
    5.1.2  透明性与可解释性
    5.1.3  隐私与数据保护
    5.1.4  安全与可靠性
    5.1.5  问责制与治理
    5.1.6  社会与环境影响
    5.1.7  可持续改进与持续审视
  5.2  关键伦理问题
    5.2.1  偏见与歧视问题
    5.2.2  透明性与可解释性不足
    5.2.3  隐私与数据保护风险
    5.2.4  安全性与可靠性挑战
    5.2.5  问责与责任归属不清
    5.2.6  滥用与操纵
    5.2.7  社会与环境负面外部性
    5.2.8  伦理规范与法律空白
    5.2.9  人类自主性与尊严的挑战
  5.3  算法生命周期伦理规范
    5.3.1  概念与需求分析阶段
    5.3.2  设计与开发阶段
    5.3.3  测试与验证阶段
    5.3.4  部署与实施阶段
    5.3.5  监控与维护阶段
    5.3.6  退役与替换阶段
  5.4  我国算法伦理规范
  5.5  典型案例：COMPAS算法中的群体偏见

    5.5.1  背景
    5.5.2  技术应用中的潜在问题
    5.5.3  争议讨论
  思考题
第6章  人工智能伦理
  6.1  核心要求
    6.1.1  技术的可靠性与稳健性
    6.1.2  环境与社会的可持续性
    6.1.3  可追溯性与问责性
    6.1.4  多方协作与治理机制
    6.1.5  以人为本的价值导向
    6.1.6  尊重人类自由与自主权
    6.1.7  跨文化与价值多元性
    6.1.8  防止伤害
  6.2  关键伦理问题
    6.2.1  自主权与人类控制
    6.2.2  增强与操控的边界
    6.2.3  就业与经济影响
    6.2.4  社会分化与信任危机
    6.2.5  环境影响
    6.2.6  创造力和所有权
    6.2.7  文化与情境敏感性
    6.2.8  用户赋权与教育
    6.2.9  伦理审计与认证
  6.3  人工智能伦理规范
    6.3.1  管理规范
    6.3.2  研发规范
    6.3.3  供应规范
    6.3.4  使用规范
  6.4  联合国教科文组织《人工智能伦理问题建议书》
  6.5  欧盟《可信赖人工智能伦理指南》
    6.5.1  基本权利
    6.5.2  伦理原则
    6.5.3  可信人工智能的要求
    6.5.4  实现可信人工智能的技术和非技术方法
    6.5.5  评估可信人工智能
    6.5.6  可信人工智能评估列表
  6.6  典型案例：致命自主武器的争议
    6.6.1  背景
    6.6.2  技术应用中的问题
    6.6.3  争议讨论
  思考题
第7章  人机协作伦理
  7.1  核心要求
    7.1.1  协同增效
    7.1.2  建立信任
    7.1.3  任务与责任分配
    7.1.4  保护人类尊严
    7.1.5  增强人类能力
    7.1.6  确保人类主导地位

    7.1.7  处理错误与责任问题
  7.2  关键伦理问题
    7.2.1  自治与控制
    7.2.2  责任归属与问责机制
    7.2.3  人类依赖性与能力退化
    7.2.4  平等与可访问性
    7.2.5  操控与说服
    7.2.6  就业替代与经济影响
    7.2.7  人机界面设计伦理
    7.2.8  增强现实与虚拟现实中的人机协作
    7.2.9  工作环境中的人机协作
  7.3  人机协作伦理规范
    7.3.1  设计阶段
    7.3.2  开发阶段
    7.3.3  测试阶段
    7.3.4  部署和运营阶段
    7.3.5  反馈与改进
    7.3.6  持续优化和完善
  7.4  IEEE《伦理对齐设计》
    7.4.1  框架支柱
    7.4.2  通用原则
    7.4.3  从原则到实践
  7.5  典型案例：波音737 MAX自动化系统事故
    7.5.1  背景
    7.5.2  技术应用中的潜在问题
    7.5.3  争议讨论
  思考题
第8章  场景与应用伦理
  8.1  核心要求
    8.1.1  情境适应性
    8.1.2  社会影响评估
    8.1.3  文化敏感性
    8.1.4  法律合规
    8.1.5  避免负面社会影响
    8.1.6  利益相关者参与
    8.1.7  透明性与问责性
  8.2  智能制造领域的伦理
    8.2.1  关键伦理问题
    8.2.2  OECD人工智能原则
    8.2.3  典型案例：福特汽车公司自动化生产线造成工人失业
  8.3  健康医疗领域的伦理
    8.3.1  关键伦理问题
    8.3.2  《赫尔辛基宣言》
    8.3.3  典型案例：IBM Watson在癌症治疗中的应用
  8.4  金融科技领域的伦理
    8.4.1  关键伦理问题
    8.4.2  金融领域科技伦理指引
    8.4.3  典型案例：ZestFinance公司的信用评分算法
  8.5  智能交通与自动驾驶伦理
    8.5.1  关键伦理问题

    8.5.2  《智能网联汽车道路测试与示范应用管理规范》
    8.5.3  典型案例：优步自动驾驶车辆致死事故
  8.6  教育科技领域的伦理
    8.6.1  关键伦理问题
    8.6.2  教育中的人工智能伦理规范
    8.6.3  典型案例：在线监考软件ProctorU的隐私争议
  8.7  智能家居与物联网伦理
    8.7.1  关键伦理问题
    8.7.2  智能家居的伦理视角与指南
    8.7.3  典型案例：亚马逊公司Alexa录音隐私泄露事件
  8.8  公共安全监控伦理
    8.8.1  关键伦理问题
    8.8.2  理解人工智能伦理和安全
    8.8.3  典型案例：伦敦摄像头监控系统的广泛应用
  思考题
参考文献
致谢

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目