2026年人工智能伦理与社会影响考试及答案

2026年人工智能伦理与社会影响考试及答案一、单项选择题（每题2分，共20分）1.2025年欧盟《人工智能责任指令》将“高风险AI系统”定义为：A.所有使用深度学习的系统B.可能对健康、安全或基本权利造成重大损害的系统C.参数量超过1000亿的模型D.面向消费者市场的聊天机器人2.在“算法偏见”的伦理治理框架中，下列哪一项最能体现“程序正义”原则？A.模型训练数据去标识化B.建立第三方独立审计通道C.使用联邦学习技术D.提高模型可解释性可视化程度3.根据2026年生效的《中国人工智能伦理规范（修订稿）》，AI产品上线前必须完成的“双评估”是指：A.安全评估与伦理评估B.性能评估与商业评估C.数据评估与算法评估D.用户评估与监管评估4.“差别性影响”（disparateimpact）指标通常用于衡量：A.模型准确率B.模型对弱势群体的负面效应C.模型推理速度D.模型碳排放5.在生成式AI的版权争议中，2026年“合理使用三步检验”最新司法解释不包括：A.使用目的必须非营利B.不得与原作构成市场替代C.使用比例须符合最小必要D.须标注训练数据来源6.若某人脸识别系统对深色皮肤人群的等化误差率（EER）为4.2%，对浅色皮肤为0.8%，则其偏见倍率（biasmultiplier）为：A.4.2B.3.4C.5.25D.0.197.“可撤销AI”（RevocableAI）的核心技术机制是：A.模型蒸馏B.智能合约触发自毁C.差分隐私D.强化学习8.2026年G7联合声明提出“AI碳足迹双标签”制度，其中绿色标签的碳强度阈值是：A.每千次推理≤0.1gCO₂eB.每千次推理≤1gCO₂eC.每千次推理≤10gCO₂eD.每千次推理≤100gCO₂e9.“道德机器实验”（MoralMachine）2026年扩展版新增的场景维度是：A.宠物与野生动物B.本国人与外国人C.年轻人与老年人D.高社会地位与低社会地位10.在“AI伦理沙盒”监管工具中，对“合成数据”的伦理审查重点是：A.数据规模是否足够大B.是否保留可逆身份特征C.是否使用最新GAN架构D.是否开源二、多项选择题（每题3分，共15分；多选少选均不得分）11.以下哪些做法可有效降低大语言模型“幻觉”风险？A.引入检索增强生成（RAG）B.使用人类反馈强化学习（RLHF）C.提高温度（temperature）参数D.在解码阶段采用置信度过滤E.扩大模型参数量至十万亿12.关于“AIforSocialGood”项目的伦理评估，必须提交的材料包括：A.利益相关者影响评估表B.数据主权协议C.模型蒸馏报告D.退出机制与补偿方案E.碳中和路线图13.2026年《人工智能生成内容标识管理办法》规定，以下哪些情形必须嵌入“隐式水印”？A.政务公文自动生成B.医疗影像辅助诊断报告C.短视频平台用户上传的AI换脸D.学术论文中AI辅助绘制的图表E.个人日记语音转文字14.在“算法审计”中，常用的公平性度量指标有：A.人口均等（demographicparity）B.机会均等（equalizedodds）C.预测平价（predictiveparity）D.个体公平性（individualfairness）E.基尼系数15.以下哪些行为可能触发2026年《人工智能安全责任保险条款》中的“重大过失”免责？A.未按监管要求设置模型版本回滚机制B.使用盗版CUDA驱动C.将医疗AI模型用于非适应症场景D.在模型卡中虚报训练数据规模E.使用开源数据集未附许可证三、判断题（每题1分，共10分；正确打“√”，错误打“×”）16.2026年起，欧盟禁止所有公共场所使用实时远程生物识别系统。17.“解释性”与“准确性”在深度学习模型中通常存在权衡关系。18.根据2026年ISO42001标准，AI治理体系必须设立“首席算法伦理官”（CAEO）一职。19.合成数据完全消除隐私泄露风险，因此无需再进行去标识化评估。20.“技术拜物教”伦理批判认为，只要技术足够先进，社会伦理问题会自然消失。21.2026年《人工智能专利审查指南》明确，纯算法特征不具备可专利性。22.在“联邦学习”框架下，参与方无法直接获取原始数据，因此天然满足数据最小化原则。23.“算法厌恶”（algorithmaversion）研究表明，用户一旦目睹AI犯错，即使后续性能提升，信任也难以恢复。24.2026年《数字服务法》将月活超过4500万的AI推荐系统定义为“超大型平台”。25.“AI伦理影响评估”（AIEIA）报告属于强制公开文件，任何公民可在线查询全文。四、简答题（每题8分，共24分）26.简述“差别性隐私”与“群体公平性”在概念与度量上的主要区别，并给出各自的一个适用场景。27.2026年某市上线“AI法官助理”系统，用于辅助撰写刑事判决书。请从程序正义角度列出三项关键伦理风险，并提出对应治理措施。28.说明“模型卡”（ModelCard）与“数据表”（Datasheet）在提升AI透明度方面的互补作用，并指出各自最容易被忽视的字段。五、计算与案例分析题（共31分）29.（计算题，11分）某招聘AI系统对1000名候选人进行打分，分数区间0–100。其中男性600人，女性400人。已知：男性平均分μ_m=78，标准差σ_m=8；女性平均分μ_f=72，标准差σ_f=6。假设分数服从正态分布，录用阈值设为80分。（1）分别计算男、女性群体的录用比例。（2）计算“影响比”（impactratio），并判断该系统是否触发美国EEOC规定的“四分之四规则”。（3）若要求影响比≥0.9，求阈值最大可上调至多少？（保留两位小数）30.（案例分析，20分）背景：2026年，A公司发布生成式AI写作助手，面向高校学生。上线三个月后，媒体报道部分学生利用该工具撰写课程论文，导致查重系统失效；同时，发现模型在生成涉及少数民族历史内容时出现“刻板印象”表述。材料：①A公司训练数据包含8000万篇网络文章，未进行主题级过滤；②模型卡仅披露“数据截至2025年6月”，未说明民族相关样本比例；③用户协议声明“输出内容不代表本公司立场”，并要求用户自担风险；④公司未设置未成年人使用限制；⑤少数民族学者联名要求下架并公开道歉。任务：（1）从“伦理风险识别”角度，列出四条主要风险，并指出对应的伦理原则（如尊重、公正、无害等）。（2）结合2026年《生成式AI服务管理暂行办法》，说明A公司应履行的四项合规义务。（3）设计一个“伦理补救路线图”，要求包含技术、法律、公共沟通三个维度，时间表不超过180天。（4）若A公司拒绝整改，请说明监管部门可依据哪些条款采取何种处罚，并估算可能面临的罚款区间（以人民币计）。卷后答案与解析一、单项选择题1.B解析：欧盟2025版指令明确“高风险”以损害后果为核心，而非技术路线。2.B解析：第三方审计通道保证程序正义中的“中立性”与“可申诉性”。3.A解析：2026修订稿新增“安全+伦理”双评估，取代原单一合规评估。4.B解析：差别性影响关注群体间负面结果差异，而非绝对准确率。5.A解析：最新司法解释允许营利性使用，但须满足其他三步检验。6.C解析：偏见倍率=4.2/0.8=5.25。7.B解析：智能合约触发自毁实现“可撤销”。8.B解析：G7绿色标签阈值为1gCO₂e/千次推理。9.A解析：2026扩展版首次纳入宠物与野生动物权衡。10.B解析：合成数据若保留可逆特征，仍可能重识别。二、多项选择题11.ABD解析：提高温度会增加随机性，反而加剧幻觉。12.ABDE解析：模型蒸馏报告非强制。13.ABCD解析：个人日记语音转文字无需隐式水印。14.ABCD解析：基尼系数衡量收入不平等，不直接度量算法公平。15.ABCD解析：开源许可证缺失属版权风险，不触发保险免责。三、判断题16.×解析：欧盟仅禁止实时远程生物识别用于执法，例外情形存在。17.√18.√19.×解析：合成数据仍需评估可逆性。20.×21.√22.√23.√24.√25.×解析：AIEIA涉商业机密可部分豁免公开。四、简答题答案要点26.差别性隐私：关注个体信息泄露风险，度量指标如ε-差分隐私；适用于医疗数据共享。群体公平性：关注群体间结果差异，指标如人口均等；适用于信贷评分。概念差异：前者保护个体隐私，后者追求群体结果均衡。27.风险：①缺乏透明解释，被告无法理解判决逻辑；②训练数据偏见导致量刑建议差异；③剥夺被告人申辩权，削弱人类法官独立判断。治理：①公开模型卡与审计报告；②设置“人类最终决策”红线；③建立算法异议听证程序。28.模型卡侧重模型性能、限制、伦理考量；数据表侧重数据来源、采集过程、法律许可。互补：模型卡不说明数据原始语境，数据表不说明模型行为。易忽视字段：模型卡——“适用边界”；数据表——“采集者立场”。五、计算与案例分析题答案29.（1）男性录用比例：P_m=P(X≥80)=P(Z≥(80-78)/8)=P(Z≥0.25)≈0.4013女性录用比例：P_f=P(Z≥(80-72)/6)=P(Z≥1.33)≈0.0918（2）影响比=P_f/P_m≈0.0918/0.4013≈0.229低于0.8，触发“四分之四规则”。（3）设阈值上调至T，要求P(Z≥(T-72)/6)/P(Z≥(T-78)/8)≥0.9数值迭代得T≈76.84，即最大可上调至76.84分。30.（1）风险与原则：①学术诚信侵蚀——尊重原则；②刻板印象强化——公正原则；③未成年人保护缺失——无害原则；④数据治理不透明——透明原则。（2）合规义务：①训练数据主题过滤与偏见审计；②更新模型卡披露民族样本比例；③设置年龄验证与未成年人模式；④建立投诉举报通道并在24小时响应。（