伦理在线 · 让每一次技术选择都有人的温度

需要，但形式可以灵活。审查办法针对的是“人工智能科技活动”，并没有按企业规模设置豁免。中小团队可以用简化流程：内部指定一个人牵头，对照六个审查维度逐项过一遍，记录判断依据和存疑之处。重点不是材料多厚，而是有没有认真想过这些问题并留下记录。

不必须。开源社区有相当成熟的公平性检测库，覆盖分类、回归、推荐等常见场景。关键在于审计的设计而不是工具本身：你选的敏感属性是什么、用什么指标衡量公平、在哪个阈值上判断“有偏见”，这些判断需要人来做的，工具只负责计算。

先保全证据。不要急着在评论区争论，第一时间对伪造内容截图或录屏，记录发布时间、账号信息和传播数据。然后通过平台举报通道提交删除请求，保留举报回执。如果平台未处理或传播范围较大，可以咨询律师考虑人格权侵权诉讼。伦理在线的援助指南里有模板文书可以参考。

简单说，就是让AI系统的目标和行为跟人类真正在乎的东西保持一致。难点在于“人类真正在乎的东西”本身就不统一，不同文化、不同群体之间的价值排序有差异。所以价值对齐不是一个纯技术问题，它必然涉及选择和协商。目前业界用RLHF等方法做对齐，但远没有解决根本问题。

核心编辑团队有三人，分别来自技术、法律和新闻背景。同时我们约请外部作者供稿，包括一线工程师、执业律师、高校研究者和政策参与者。每篇涉及政策解读的稿件至少经过两人核对原文，涉及技术判断的会请相关领域从业者审读。作者信息标注在文末。

接受。我们偏好有具体案例支撑的稿件，而不是纯观点论述。如果你写过一份内部伦理审查材料、做过一次偏见排查、处理过一起算法相关投诉，把过程和方法写下来就是很好的投稿。不接受AI批量生成的内容和没有一手经验的泛泛之谈。投稿邮箱在页脚。

因为很多问题目前就没有标准答案。伦理审查办法刚落地不久，大量执行细节还在磨合中。我们的做法是把文件原意、不同解读、实践中的分歧都呈现出来，让你看到争议在哪里，而不是假装有一个确定结论。如果你需要的是合规底线判断，建议咨询专业律师。

至少有三个用处：第一，你能识别自己什么时候被算法影响了，比如推荐为什么给你推这个、信贷评分为什么拒了你；第二，你知道遇到问题可以找谁、用什么依据；第三，当政策征求意见时，你能提出具体而不是情绪化的反馈。伦理素养不是哲学家的专利。

每篇文章底部有“报告问题”入口。收到纠错后编辑会在一个工作日内核对原始出处，确认有误的会在原文显著位置标注更正内容和日期，不做静默修改。如果涉及事实性错误且影响较大，会单独发一条更正说明。

有的。“审查实务”分类下的工作坊材料包是专门为团队内训设计的，包含一个模拟审查案例、分组讨论问题和引导流程，下载后可以直接用。偏见排查分类里也有可以照着跑的检查清单。所有材料采用CC协议开放使用。

目前主要靠机构合作和内容授权。我们不接受AI公司对特定选题的赞助，也不做付费软文。工作坊和培训收取成本费用。页面没有广告位，未来如果有商业化计划会提前公告，并且不会影响内容的独立判断。

不是。透明可解释关注的是你能不能理解系统为什么做出某个输出；可控可信关注的是系统在多大程度上处于人的有效控制之下、行为是否稳定可靠。一个模型可以很透明（你能看到所有参数和决策逻辑），但如果它太复杂导致人无法有效干预，可控性仍然可能不足。两者需要分别评估。

看几个信号：用户协议里关于数据用途的描述是否具体而非笼统；有没有独立可查的伦理审查或影响评估记录；出问题时有没有明确的反馈渠道和响应时限；隐私设置是默认保护还是默认收集。一个认真做伦理的产品，通常在这些“不显眼的地方”不会太敷衍。

因为模型的行为边界很大程度上由标注数据决定，而标注员往往在低保障、高强度的条件下处理大量有害内容。他们的判断疲劳和心理健康直接影响数据质量，进而影响模型的安全性。伦理治理如果只看模型输出不看生产链条，就是不完整的。

每季度有一到两场线下工作坊，规模控制在40人以内，以实操为主。此外不定期举办小型的案例讨论夜，形式是提前发材料、现场围绕具体案例辩论。活动信息会提前两周在“平台资讯”栏目和邮件订阅里通知。

非商业用途注明出处和链接即可，无需单独授权。商业用途和整篇转载需要书面许可。教学场景使用（课件、课程阅读材料）属于非商业用途，欢迎使用并告诉我们使用场景，这有助于我们优化内容。

编辑团队只有三个人，产能有限。我们的选题标准是：能不能提供别处没有的信息或角度。如果一件事已经有很多人在说且说得足够好，我们更倾向于去做那些被忽略但重要的话题，比如标注员处境、中小企业的审查落地、开源模型的伦理治理。

传统伦理学处理的是人与人之间的关系，AI伦理多了一层：人通过技术系统作用于人，中间这个系统本身不“理解”伦理，但它的设计选择会放大或抑制某些伦理后果。所以AI伦理不仅要问“人该怎么对待人”，还要问“我们该造什么样的工具、造的时候脑子里装着谁的处境”。

大部分内容可以。“素养课堂”分类是完全面向非技术读者的，没有代码没有公式。“政策拆解”也尽量用日常语言写。技术性较强的文章会在开头用一段话说明“非技术读者可以跳过哪些部分、需要带走什么”。如果读起来吃力，欢迎反馈，我们再改。

编辑邮箱是 hello@lunlizaixian.example（示例地址，正式上线后替换）。纠错和投稿都发这里。日常短问题可以通过站内评论或社交媒体账号留言，回复可能慢一些但都会看。合作咨询请注明机构和事由。