《人工智能通识》课件-项目8

1.有监督学习基本方法（分类：决策树）8.1学习目标1.有监督学习基本方法（分类：决策树）8.1智能引航AI双刃剑：诈骗、换脸与学术不端的深思AI电信诈骗AIGC引发的学术不端行为AI“换脸”引发的官司请尝试搜索AI诈骗的实际案例试一试请用大模型工具搜索AI诈骗的相关新闻，请罗列2~3个真实案例进行分享。提示词示例如下：1.AI诈骗案例精选：寻找并分享2-3个具有代表性的AI诈骗实例。2.揭秘AI诈骗手段：通过2-3个真实案例，深入了解AI在诈骗中的具体应用。3.AI诈骗实例解析：罗列2-3起AI诈骗的典型案例，揭示其背后的运作机制。4.探索AI诈骗新趋势：通过2-3个最新案例，了解AI诈骗的最新发展和变化。5.防范AI诈骗案例分享：精选2-3个AI诈骗案例，增强公众的安全意识。。1.有监督学习基本方法（分类：决策树）8.1情境分析小明在宿舍刷短视频时，被一条“AI美颜相机”广告吸引。小明未细读隐私条款，直接上传了一张朋友圈照片轻信网络平台一周后，室友小华在另一款购物APP的弹窗广告中发现了小明的照片。个人信息泄露小明的父母收到一条“借贷催款”视频：画面中小明手持身份证哭诉“借款逾期”深度伪造1.有监督学习基本方法（分类：决策树）8.2知识储备隐私与数据泄露深度伪造与虚假信息知识产权侵权事实上的失真算法偏见与歧视恶意工具化常见的AI安全隐患有哪些？1.有监督学习基本方法（分类：决策树）隐私与数据泄露：人工智能模型开发、训练、应用过程中，因数据处理(收集、存储、处理和共享)的技术漏洞、算法缺陷或管理失当，容易导致用户敏感信息被非法获取、篡改或滥用的系统性威胁。黑客通过大模型窃取用户数据示意图8.2知识储备1.有监督学习基本方法（分类：决策树）深度伪造与虚假信息：深度伪造像“数字魔术”，用AI把不存在的内容变得逼真，常见的深度伪造技术包括：视频伪造、语音伪造以及文本与图像伪造等。02卷积神经网络（CNN），通过提取目标人脸的生物特征（如表情、动作），生成高度逼真的虚假图片，例如性别反转AI利用大语言模型(LLM)批量生产误导性新闻、伪造文件8.2知识储备1.有监督学习基本方法（分类：决策树）知识产权侵权：AI模型像一台“超级复印机”，AI模型需要大量数据学习，若开发者未获授权使用受版权保护的文本、图像、音视频等内容（如新闻报道、美术作品），直接构成‌训练数据侵权。032024年2月8日，广州互联网法院就作出了另一份涉及AIGC著作权侵权的（2024）粤0192民初113号判决。该案被称为“AIGC平台著作权侵权全球第一案”，简称“AI奥特曼侵权案”。8.2知识储备1.有监督学习基本方法（分类：决策树）事实上的失真（Distortion）：AI技术失真指的是AI生成与事实相悖的内容，产生虚假信息并误导用户04AIGC具有一定程度的随机性AI模型不具有识别甄别能力，给出的答案很可能拼凑而来，看似合理，却暗藏事实性错误人工智能“幻觉”8.2知识储备1.有监督学习基本方法（分类：决策树）算法偏见与歧视：算法偏见（AlgorithmicBias）是指在算法设计和执行中存在的不公平性和倾向算法歧视（Discrimination）则是指对不同群体的不平等对待，可以表现为对某些群体的有利或不利。05导致AI技术不公平的两个主要原因：输入的数据的偏见算法模型本身的偏见8.2知识储备1.有监督学习基本方法（分类：决策树）恶意工具化：AI技术被恶意工具化表现为批量生成虚假内容、深度伪造身份，该现象在多个领域呈现复杂化、专业化趋势。例如，AI被滥用于通信骚扰和数据窃取，形成黑色产业链；不雅图片或者视频、虚假新闻等可通过AIGC技术输入简单指令生成，形成工业化生产链条06AI技术渗透生活，谨防AI技术沦为作恶工具8.2知识储备1.有监督学习基本方法（分类：决策树）8.2知识储备02仔细阅读AI应用程序和服务的隐私政策和服务条款，评估其必要性和可信度，避免过度分享敏感信息，如身份证号码、银行卡号等谨慎使用个人信息04意识到AI推荐系统可能存在的局限性和偏见，不盲目相信推荐结果理性看待AI推荐01了解AI安全风险相关知识关注媒体报道和专业机构的研究成果养成保护个人信息的习惯提高安全意识03设置强密码，并定期更换启用多因素身份验证，增加账户的安全性避免使用公共网络进行涉及个人隐私和资金的操作保护账户安全05积极参与相关的用户反馈和监督机制参与监督和反馈个人如何应对AI的安全风险？06学习和掌握基本的数字技能，如数据备份、网络安全防护、软件使用等提升数字技能1.有监督学习基本方法（分类：决策树）8.3任务实施任务.

AI工具在学术写作中的创新实践

任务描述身为大学生，我们常常会面临学术写作方面的任务，AI技术具有强大的内容检索以及文字生成能力，合理的利用AI工具写作可以让我们提高写作效率。本任务聚焦AI工具在学术写作中的创新应用，我们需要掌握AI辅助写作的核心技术逻辑与伦理规范。要求如下：场景选择与工具调研风险推演防控策略开发请保持批评性思维，甄别地使用AI提供的信息，对AI生成内容进行批判性筛选和分析，判断资料来源的权威性与可信度1.有监督学习基本方法（分类：决策树）8.3任务实施任务.

AI工具在学术写作中的创新实践

任务描述身为大学生，我们常常会面临学术写作方面的任务，AI技术具有强大的内容检索以及文字生成能力，合理的利用AI工具写作可以让我们提高写作效率。本任务聚焦AI工具在学术写作中的创新应用，我们需要掌握AI辅助写作的核心技术逻辑与伦理规范。要求如下：场景选择与工具调研风险推演防控策略开发请保持批评性思维，甄别地使用AI提供的信息，对AI生成内容进行批判性筛选和分析，判断资料来源的权威性与可信度1.有监督学习基本方法（分类：决策树）8.3任务实施任务.

AI工具在学术写作中的创新实践任务拆解：为了合理使用AI工具辅助我们完成学术论文的编写，我们对任务进行进阶思考，并拆解出四步关键步骤1.有监督学习基本方法（分类：决策树）8.4沧海拾贝AI安全防御技术——生成对抗网络GAN对抗训练和生成对抗网络对抗训练（AdversarialTraining）：将AI模型生成或者随机生成的对抗样本加入到训练集中去，让模型在训练的时候就先学习一遍对抗样本，从而增强模型的鲁棒性。生成对抗网络（GenerativeAdversarialNetworks,简称GAN）是一种通过对抗性训练实现数据生成的深度学习框架。GAN是由两部分组成的深度学习模型：一个生成器（Generator）和一个鉴别器（Discriminator）1.有监督学习基本方法（分类：决策树）8.4沧海拾贝AI安全防御技术——视觉AIGC识别和深度伪造检测根据已有的研究工作调研，将视觉AIGC识别粗略划分为：人脸伪造检测（FaceForgeryDetection）：包含人脸的AIG图片/视频的检测，例如AI换脸、人脸操控等。此类方法主要关注带有人脸相关的检测方法，检测方法可能会涉及人脸信息的先验。AIGC整图检测（AIGenerated-imagesDetection）：检测一整张图是否由AI生成，检测更加的泛化。这类方法相对更关注生成图与真实图更通用的底层区别，通常专注于整张图，比如近年爆火的SD、Midjounery的绘图；其他类型假图检测（OtherstypesofFakeImageDetection）：此类方法更偏向于局部伪造、综合伪造等一系列更复杂的图片造假，当然人脸伪造也属于局部、复杂，但是是人脸场景。将AIG图与真实图拼凑、合成的图片识别也属于这一类。1.有监督学习基本方法（分类：决策树）8.4沧海拾贝案例1：全球AI文生图平台侵害著作权第一案：“AI奥特曼”

2024年2月8日，广州互联网法院就作出了另一份涉及AIGC著作权侵权的（2024）粤0192民初113号判决。该案被称为“AIGC平台著作权侵权全球第一案”，以下简称“奥特曼案”。

原告上海某文化发展有限公司通过许可的形式获得了奥特曼系列作品的权利人圆谷制作株式会社在中国国内的著作权授权并享有维权权利。被告是一家提供人工智能服务的平台，其运营的网站具有AI生成绘画功能。原告发现，当要求该网站生成奥特曼相关图片时，生成的奥特曼形象与其享有著作权的奥特曼形象构成实质性近似。原告认为被告未经授权，擅自利用原告享有权利的作品训练其大模型并生成实质性相似的图片，且通过销售会员充值及“算力”等增值服务的行为侵害其对奥特曼作品享有的复制权、改编权和信息网络传播权。

在该案中，我国法院首次明确，被告经营的AI平台在提供AIGC服务过程中侵犯了原告对案涉奥特曼作品所享有的复制权和改编权，并应承担相关民事责任。1.有监督学习基本方法（分类：决策树）8.4沧海拾贝案例1：首例AI生成声音人格权侵权案

国内首例AI生成声音人格权侵权案于2024年4月由北京互联网法院一审宣判，明确了AI生成声音的法律保护边界。在这个案子里，原告殷女士是一名配音演员，殷女士曾和一家文化传媒公司合作，录制了几部有声读物。之后，这家文化传媒公司将这些录音制品，提供给了一家软件公司。该软件公司以殷女士录制的作品为素材，进行了AI化处理，生成了一款文本转语音产品并通过经销商对外出售。殷女士认为自己的声音权益受到了侵害，于是将运营智能配音软件的某科技公司、将自己的录音制品转手他人的某文化传媒公司等五家公司，起诉至法院。我国的民法典已经在人格权编，将自然人的声音视为一种人格权益，具有人身专属性。所以，法院最终认定被告方使用原告声音、开发案涉AI文本转语音产品未获得合法授权，构成侵权，书面赔礼道歉，并赔偿原告各项损失25万元。1.有监督学习基本方法（分