《人工智能基础与应用》课件-项目8以技载道以善为纲：人工智能的伦理与价值

项目8以技载道，以善为纲人工智能的伦理与价值人工智能通识教程·高职院校教学用PPT目录1项目导入与学习目标2知识准备：伦理基础3任务8.1计算机与AI伦理演进4任务8.2AI伦理问题面面观5任务8.3AI伦理基本原则6任务8.4AI伦理问题解决策略7项目小结与课后习题01项目导入案例一：福州AI换脸诈骗案2023年4月，福州AI换脸诈骗案诈骗分子利用AI换脸及拟声技术，冒充某科技公司法人代表的好友以帮忙走账支付投标保证金为由实施诈骗经福州、包头两地警银联动成功拦截部分资金技术手段：AI换脸+语音克隆受害人难以分辨真伪430万元被骗金额|10分钟内完成336.84万元成功拦截|警银联动追回AI换脸+克隆|难以分辨真伪案例二：AI系统歧视与算法偏见案例现象AI招聘系统因训练数据偏差，对特定群体求职者产生系统性歧视平台推荐算法存在明显的偏见倾向自动驾驶的「电车难题」生成式AI的「深度伪造」算法歧视到数据隐私泄露伦理挑战AI在带来巨大技术红利的同时，也引发了深刻而复杂的伦理挑战技术的「双刃剑」效应日益凸显AI系统不再是纯粹被动的工具——其决策可能逾越设计者的预期与控制边界需要伦理规则为技术发展指引正确方向更需要法律规制确保其始终服务于人类福祉案例三：机器人三定律与AlphaGo11942阿西莫夫三定律科幻作家首次提出机器人三大定律22016AlphaGo胜李世石AI在复杂博弈领域超越人类3现在AI伦理挑战60%成人担忧AI伦理问题核心问题：当机器的智能能力超越人类时，人类应如何确保对其有效控制？关键人物：艾萨克·阿西莫夫（1920-1992）人物简介美国科幻小说家、生物化学教授1920年生于俄罗斯，1923年移居美国波士顿大学生物化学博士创作近500部著作，涵盖科幻、科普、历史被誉为「科幻三巨头」之一（与海因莱因、克拉克齐名）代表作：《我，机器人》《基地》系列机器人三定律（1942年）发表于短篇小说《转圈圈》（Runaround）第一定律不得伤害人类机器人不得伤害人类，也不得因不作为而使人类受到伤害第二定律服从人类命令机器人必须服从人类给予的命令，除非这些命令与第一定律冲突第三定律保护自身存在机器人必须保护自己的存在，只要这种保护不与第一或第二定律相冲突局限：对「伤害」定义模糊、难以应对复杂场景伦理抉择——但开启了人类对AI伦理的系统思考里程碑事件：AlphaGo与AI伦理觉醒4亿美元收购，AI进入大资本时代「神之一手」白78——李世石唯一胜局「我没有办法再去享受围棋」中国第一人完败，柯洁当场落泪无需人类棋谱，3天自学超越所有版本「AI是一个无法战胜的实体」2014DeepMind被谷歌收购2016.3AlphaGo4:1胜李世石2016.3李世石赛后感言2017.5AlphaGo3:0胜柯洁2017.10AlphaGoZero自学超越2019.11李世石正式退役核心追问：当机器的智能能力超越人类时，人类应如何确保对其有效控制？学习目标知识目标理解计算机伦理与AI伦理的基本概念、发展历程与关系识别AI伦理问题的六大类别及其技术与社会根源掌握AI伦理五大核心原则的基本内涵了解AI伦理治理的多维度策略体系技能目标能运用批判性思维剖析AI应用场景中的伦理冲突能运用五大原则对AI产品进行伦理合规性评估能针对特定AI伦理风险提出综合治理建议素养目标树立「技术向善」和「人在机器之上」的伦理观念强化社会责任感与底线思维建立多元主体协同治理的思维模式02知识准备：伦理基础什么是伦理？伦理（Ethics）是关于什么是「对」与「错」、「善」与「恶」的系统化思考维度法律伦理约束方式成文规则道德原则执行力具有强制执行力依靠社会共识与个人良知核心问题行为是否合法行为是否正当核心问题1技术应该做什么？核心问题2技术不应该做什么？核心问题3当技术能力与道德责任冲突时，应如何抉择？从计算机伦理到人工智能伦理→→→→→计算机伦理信息伦理网络伦理数据伦理机器人伦理AI伦理AI伦理面对的四大全新挑战1算法偏见AI系统是否会放大社会不公？2责任归属AI造成的错误应由谁负责？3透明度我们能否理解AI的决策过程？4人类尊严AI是否会削弱人的自主性？科技伦理的历史脉络：从工业革命到AI时代18-19世纪工业革命时期蒸汽机引发机器替代人工的伦理讨论马克思批判工业资本主义的劳动异化第一次思考技术对人类尊严的影响20世纪信息技术时期1948年维纳创立控制论，提出信息伦理1958年首起计算机犯罪1970s计算机伦理学正式确立1990s互联网伦理、网络伦理兴起21世纪人工智能时期2016年AlphaGo胜李世石——AI觉醒2022年ChatGPT发布——大模型时代2023年中国《暂行办法》——制度落地2024年欧盟AI法案——全球首法03任务8.1计算机与AI伦理演进任务导入：AI人脸识别门禁事件案例背景某高校图书馆上线了一套AI人脸识别门禁系统问题：部分学生识别成功率明显偏低，多次无法通过闸机原因：训练数据中某一群体样本量严重不足，导致识别偏差思考问题这是技术问题，还是伦理问题？如果部署在医疗诊断、司法判决等关键领域，后果会如何？计算机伦理的发展历程1950维纳《人有人的用处》首次系统讨论信息技术的社会伦理问题被尊为「计算机伦理学之父」1958第一起计算机犯罪美国工程师篡改银行程序促使社会认识到制定规范的必要性1960s隐私威胁+计算机犯罪大规模收集公民信息成为现实推动计算机伦理学研究广泛开展1970s计算机伦理学确立正式成为应用伦理学独立研究领域ACM采纳第一个专业行为准则1997+制度化建设德国颁布《多媒体法》,我国出台《网络安全法》等法规关键人物：维纳与西蒙——计算机伦理思想先驱诺伯特·维纳（1894-1964）美国数学家、哲学家14岁获塔夫茨大学数学学士学位19岁获哈佛大学博士学位控制论（Cybernetics）创始人1950年出版《人有人的用处》首次系统讨论信息技术的社会伦理问题提出「信息时代」的伦理挑战远超工业时代被尊为「计算机伦理学之父」赫伯特·西蒙（1916-2001）美国政治学家、经济学家、认知心理学家卡内基梅隆大学教授1978年诺贝尔经济学奖得主1975年图灵奖得主1978年提出重要预言「信息技术将改变人类思考与决策方式」被视为计算机伦理学的思想先驱有限理性理论创始人人工智能符号主义学派奠基人之一计算机伦理的基本原则三原则（1993年）1尊重他人尊重他人的权利、尊严和隐私2尊重财产不侵犯他人的知识产权和财产权3尊重真理保持诚实，避免欺骗和造假八准则（ACM1992年）1为社会和人类的美好生活作贡献2避免伤害他人3诚实可信4恪守公正并无歧视5敬重版权和专利权6对智力财产赋予必要信用7尊重他人隐私8保守机密人工智能伦理的基本概念与学科定位计算机伦理→信息伦理→网络伦理→数据伦理→机器人伦理→人工智能伦理从学科发展脉络看,呈现了逐步深化、层层递进的演进轨迹。人工智能伦理的基本概念与学科定位AI伦理学：专门针对AI系统的应用伦理学分支，研究人类设计、制造、使用和对待AI系统的道德规范核心差异：AI系统不再是纯粹被动的工具，其自主学习和决策过程可能产生人类设计者未曾预期的伦理后果人工智能伦理的基本概念与学科定位AI伦理学：专门针对AI系统的应用伦理学分支，研究人类设计、制造、使用和对待AI系统的道德规范对比维度传统计算机伦理人工智能伦理关注核心信息滥用人类使用计算机时的不当行为算法决策的自主性AI可能产生设计者未预期的伦理后果技术对象计算机作为被动工具AI作为具有自主决策能力的系统伦理关系人与工具的关系人与智能体的新型协作关系核心差异：AI系统不再是纯粹被动的工具，其自主学习和决策过程可能产生人类设计者未曾预期的伦理后果数据驱动的偏见固化《自然·人类行为》期刊研究AI系统「继承」数据集中的人群偏见后会进一步放大人类偏见对1200多名参与者实验发现：与有偏见的AI互动后，人们不仅强化AI的偏见，自身偏见也加深形成「偏见的滚雪球效应」AI伦理对计算机伦理的继承与超越继承：隐私保护、知识产权等传统关切超越：算法自主决策问责、数据驱动偏见治理偏见数据历史数据中含社会偏见AI学习算法从数据中习得偏见AI输出偏见决策结果带有歧视人强化偏见与AI互动后人的偏见加深滚雪球效应04任务8.2AI伦理问题面面观任务导入：AI贷款审批歧视案例背景某市民使用AI贷款审批APP被自动拒绝信用记录良好、收入稳定，无法理解被拒原因调查发现：训练数据中存在对特定职业、年龄段的隐性歧视典型类别：算法偏见（AlgorithmicBias）AI伦理问题的成因与特征两大本质特征1不可预测性AI决策基于海量数据训练和复杂算法运算，其输出可能超出设计者预期，在特定场景下产生「意外行为」2自主性增强从「人使用工具」到「人与智能体协作」的新型关系模式，系统的自主决策能力不断提升关键领域应用的现实挑战2025年某三甲医院AI辅助诊断系统

等待时间从3天缩短至1小时 但引发误诊责任难界定、医患关系「去 人性化」争议649名影像科医生中近一半有AI使用经验

面对患者结果时，责任归属因结果好坏 出现明显分歧 AI在自动驾驶领域也存在交通事故等不 可控风险数据泄露代价：触目惊心的数字977万美元医疗数据泄露平均成本IBM2024年报告连续多年最高行业9亿条2023年医疗行业泄露数据某医疗科技公司5.3TB心理健康记录915亿元网民年经济损失因个人信息泄露中国经济网报道55.3亿条2015年补天平台漏洞可能泄露的个人信息量45亿/条2023年快递信息泄露国内快递信息遭泄露事件50亿条/天全球日均AI生成内容其中超62%为低质或虚假信息AI伦理问题六大类别总览1数据隐私与安全数据采集和存储涉及个人隐私数据泄露导致严重后果2算法偏见与歧视算法对某些群体表现出不公平倾向3AI造假与信息污染深度伪造技术制作逼真虚假内容4算法黑箱决策逻辑难以被人类直观理解和解释5责任归属AI造成损害时责任认定面临困境6公平正义与知识产权算法决策偏差AIGC版权争议近年全球重大AI伦理事件盘点2018算法偏见亚马逊AI招聘歧视系统对女性求职者打低分因训练数据中男性简历占多数2019数据隐私脸书5.3亿用户数据泄露用户数据被用于政治广告定向投放引发CambridgeAnalytica丑闻2023AI造假福州AI换脸诈骗案10分钟被骗430万元AI实时换脸+声音克隆2023信息污染AI生成假新闻泛滥全球日均50亿条AI内容超62%为低质或虚假信息2024责任归属AI医疗误诊争议649名影像科医生中近半使用AI责任归属因结果好坏产生分歧2024知识产权ChatGPT版权诉讼纽约时报起诉OpenAI训练数据是否构成侵权(1)数据隐私与安全

AI运行依赖海量数据作为「信息养料」数据采集和存储过程中涉及个人隐私问题典型案例某社交媒体平台利用用户浏览数据定向投放广告某医疗科技公司泄露5.3TB敏感心理健康记录2023年医疗行业泄露数据达9亿条企业可构建个人「数字画像」支付能力、社交关系、心理特征等私密信息

数据泄露后果：信息安全失控、财产被盗、心理焦虑977万美元医疗数据泄露平均成本9亿条2023年医疗行业泄露数据915亿元网民年经济损失(2)算法偏见与歧视算法偏见定义算法在决策过程中对某些群体表现出不公平倾向根源：训练数据的历史偏差+算法设计本身的不足典型案例人脸识别系统对特定肤色/年龄人群错误率更高招聘算法对特定群体求职者形成系统性排斥算法歧视的三大特征1高度隐蔽性看似中立的数学运算背后暗藏偏见2结构性偏见嵌入算法底层架构而非个别操作者3系统性连锁性某一环节偏见被算法放大并传导至后续环节(3)AI造假、欺骗与信息污染AI造假定义利用AI生成、伪造或篡改文本、图片、音频和视频深度伪造（Deepfake）技术：换脸、声音复制制作逼真虚假内容

2024年「福州AI换脸诈骗案」：实时生成亲友面容和声音AI信息污染生成式AI产生海量真假难辨的「信息垃圾」案例：都柏林AI合成万圣节游行海报引发数万人聚集案例：网购平台用户一天生产2000篇伪原创测评我国已出台《人工智能生成合成内容标识办法》50亿

条/天

全球日均AI生成内容62%低质内容占比(4)算法的不透明性与不可解释性「算法黑箱」

深度学习等复杂模型内含海量神经元连接与权重参数，其内部决策逻辑难以被人类直观洞悉两个层面的问题

用户难以判断AI决策是否可靠「它为什么给出这个诊断结论？」无法获得明确回答造成损害时难以追溯根源训练数据问题？模型架构缺陷？特定输入异常？解决方向：发展可解释性人工智能（XAI）输入数据算法黑箱海量神经元连接权重参数调优决策逻辑不可见输出结果???为什么？(5)AI系统的风险性与责任归属风险维度技术层面数据波动、算法更新不兼容、硬件故障安全层面系统漏洞导致数据泄漏或功能瘫痪伦理层面隐私侵犯、偏见和歧视经济层面投资失败与市场损失责任归属困境自动驾驶事故：谁负责？数据提供者？算法开发者？系统运营商？最终用户？AI医疗误诊：谁负责？软件公司？医疗机构？临床医生？欧盟《通用人工智能责任法案》要求AI运营方自证无过错覆盖自动驾驶、医疗诊断等九个高风险领域(6)公平正义与AIGC知识产权公平正义算法决策在资源配置、机会分配中不因种族、性别、地域产生系统性偏差算法偏差比人类偏见更严重银行贷款审批一旦算法偏差，对群体公平冲击极大防止技术成为固化社会不平等的工具AIGC知识产权AI生成作品能否认定为著作权法意义上的「作品」？版权归属问题AI使用者？AI开发者？训练数据提供者？训练模型时使用受版权保护的数据是否构成侵权？目前尚无明确司法定论，亟须立法完善AIGC知识产权：里程碑案例2018AI画作《埃德蒙·贝拉米》巴黎艺术集体Obvious用GAN生成以43.25万美元拍卖成交引发「AI艺术品是否享版权」讨论2023.03美国版权局：Thaler案裁定AI生成的图像不受版权法保护明确「人类作者身份」是前提条件确立「无人类则无版权」原则2023.11北京互联网法院：李某诉刘某中国首例AI绘画著作权案认定StableDiffusion生成图片构成作品，原告享有著作权2023.12纽约时报诉OpenAI指控ChatGPT未经授权使用数百万篇新闻报道训练索赔数十亿美元技术该不该这么做？不是一个纯技术问题，而是需要技术判断力与价值判断力共同回答的伦理命题——智能向善05任务8.3AI伦理基本原则任务导入：AI辅助诊断系统的三个问题某医院计划引入AI辅助诊断系统，伦理委员会提出三个核心问题：如何确保对各类患者群体的公平性？→算法公正原则医生能否理解AI的决策依据？→可解释性原则如果AI诊断出现失误，责任由谁承担？→责任伦理原则AI伦理五大核心原则总览原则1人类尊严AI以维护人类尊严为核心价值取向设置人工干预机制关键决策由人作出原则2算法公正AI秉持公平无偏准则消除系统性歧视主动纠正结构性不平等原则3可解释性AI决策逻辑具备可被人类理解的解释机制避免信任危机原则4可追溯性建立完整决策日志采用区块链不可篡改技术全程追踪可审计原则5责任伦理全面评估技术影响全生命周期风险管控跨学科伦理评估五大原则相互支撑、协同作用，共同构筑AI伦理核心价值体系——评估AI应用的「价值罗盘」原则一：人类尊严原则核心要义AI技术以维护人类尊严为不可动摇的核心价值取向，遵循《世界人权宣言》等国际公约确立的基本人权标准。实践要求建立多维度偏见检测机制，主动识别并消除隐性偏见杜绝任何形式的歧视性结果技术发展服务于人的全面发展需求，而非将人类异化为技术的附庸设置必要的人工干预机制，确保关键决策最终由人作出行业实践Google「公平性评估工具」量化评估模型公平性并获取优化建议欧盟AI法案将偏见检测列为AI上线前必检项通过偏见溯源、数据毒理学分析等技术路径从需求、数据、决策全链路落实偏见检测与消除原则二：算法公正原则核心要义AI技术秉持公平无偏的核心准则，在资源分配、机会获取、司法裁判等关键决策场景中消除系统性歧视。实践要求算法审计：定期检查算法是否存在系统性歧视代表性样本训练：确保训练数据覆盖各群体建立可验证的公平性评估指标体系动态权重调整机制保障弱势群体公平发展权利不仅要求算法不主动制造歧视，更要求算法能主动纠正已有的结构性不平等行业实践公平性指标体系FairnessthroughunawarenessGroupfairness统计均等差异（可量化）场景化指标敏感属性公平性机会公平性待遇公平性原则三：可解释性原则核心要义AI决策逻辑、推理路径及输出结果必须具备可被人类理解的解释机制，确保技术决策不超出人类认知与控制范畴。实践要求层级化解释工具可视化图谱特征重要性排序自然语言生成解释内容：关键特征权重、决策阈值、异常案例处理规则大语言模型应用中尤为重要用户需了解AI输出基于哪些信息源、通过何种推理路径行业实践XAI（可解释AI）当前AI伦理治理的重要技术方向注意力可视化技术展示模型决策时重点关注的输入特征决策树替代模型将复杂神经网络决策逻辑转化为人类可理解的规则序列原则四：可追溯性原则核心要义建立完整的决策日志系统，对数据来源、模型参数调整、运算过程及输出结果进行全程追踪与永久留存，构建全链路可审计证据链条。实践要求采用区块链等不可篡改技术数据来源合法性追踪模型参数调整记录实时运算过程追踪输出结果永久留存严格契合司法取证标准科学设定数据保留期限与访问权限管理机制行业实践区块链存证不可篡改的决策记录全链路审计数据采集→模型训练→推理运算→输出结果制度基础可追溯性不仅是技术问题，更是构建AI系统社会信任的制度基础原则五：责任伦理原则核心要义研发者与应用主体应全面评估技术对个体权利、社会秩序及生态环境的短期与长期潜在影响，实现全生命周期风险管控。实践要求组建跨学科伦理评估专业团队采用情景模拟、压力测试等多元方法建立动态风险预警机制与分级应急处置方案技术冗余设计（如人工干预通道）多阶段伦理审查流程核心理念：技术创新不能以牺牲社会责任为代价行业实践全生命周期管控从研发初期到应用落地跨学科团队计算机科学法学伦理学社会学五大原则实践应用：医疗领域某三甲医院部署肺结节辅助诊断系统——五大原则协同应用人类尊严原则发现问题模型对罕见病患者识别率偏低解决方案补充1200例罕见病影像样本人工复核阈值（置信度<90%触发人工审核）算法公正原则发现问题农村患者影像分辨率低误判率上升15%解决方案开发低分辨率影像自适应增强算法地域公平性评估指标差异控制在5%以内其他原则协同发现问题可解释性+可追溯性+责任伦理全生命周期伦理嵌入解决方案需求分析阶段融入伦理考量开发阶段落实可解释与可追溯上线后责任伦理持续管控五大原则实践应用：金融与自动驾驶金融领域（可解释性+可追溯性）某银行智能信贷审批系统拒绝贷款时呈现关键决策因素如「近6个月逾期次数>=3次」如「负债收入比超过70%」生成可视化决策路径图基于区块链记录全流程审批日志数据采集→特征工程→模型运算→最终裁决所有环节时间戳、操作日志不可篡改自动驾驶领域（责任伦理）某车企L4级自动驾驶系统组建跨学科伦理评估小组伦理学家+法律专家+工程师+交通安全顾问模拟200余种极端场景「优先保护行人+最小化碰撞损失」应急决策规则动态责任分担机制算法缺陷/系统故障：车企承担70%用户未及时接管：用户承担30%国际AI伦理原则对比：OECDvs本教材五大原则OECD五大原则（2019年）本教材五大原则共通点包容、可持续发展与福祉人类尊严原则以人为本，技术服务人类以人为本的价值观和公平算法公正原则公平无偏，消除歧视透明和可解释性可解释性+可追溯性决策可理解、可审计健壮性和安全性责任伦理原则风险管控，全周期保障可问责制（Accountability）责任伦理+可追溯性责任可追究，过程可追溯分析结论本教材五大原则与OECD国际原则高度一致，体现了中国AI伦理治理与国际接轨的理念。差异在于：本教材更强调「可追溯性」的独立地位，将区块链等技术手段上升为伦理原则；OECD更侧重政策层面的「可问责制」。两者互补，共同构成全球AI伦理共识。06任务8.4AI伦理问题解决策略任务导入：从原则倡导到制度落地2023年《生成式人工智能服务管理暂行办法》正式施行全球较早针对生成式AI的系统性立法之一六个维度要求：内容安全、歧视防范、知识产权保护、个人信息保护等标志我国AI伦理治理从「原则倡导」走向「制度落地」但仅靠法律够吗？还需要五大策略协同发力法律法规技术透明度伦理审查公众素养国际协作策略一：构建伦理导向的法律法规体系欧盟《人工智能法案》风险分级监管体系（2024年8月生效）风险等级监管措施典型应用不可接受风险禁止社会评分系统、公共场所实时远程生物识别高风险第三方合规评估+人类监督医疗、教育、就业、关键基础设施有限风险需标注AI生成内容聊天机器人、生成式AI最小风险遵守现有法律即可AI游戏、垃圾邮件过滤违规最高处全球年营业额7%罚款中国贡献2023年《全球人工智能治理倡议》倡导「以人为本」「智能向善」获140多个国家支持OECD人工智能原则2019年发布五大核心原则2024年完成更新联合国教科文组织2021年通过首份有法律约束力的AI伦理文件全球AI伦理立法里程碑时间线2019OECDOECDAI原则五大核心原则首份国际AI治理框架2021联合国UNESCO建议书首份有法律约束力的AI伦理文件2022中国中国科技伦理意见建立科技伦理审查制度2023中国中国暂行办法全球较早的生成式AI专门立法2024欧盟欧盟AI法案全球首个全面的AI法律框架2024联合国联合国决议中国主提AI能力建设国际合作趋势：从「原则倡导」到「制度落地」——全球AI治理从2019年OECD原则起步，2023-2024年进入立法密集期策略二：提升AI技术的透明度与可解释性核心目标：让AI系统的决策对人类具有可理解性与可审查性路径1构建开放透明机制开源关键算法组件公开训练数据来源公开模型参数信息接受学术界和第三方机构独立审计路径2采用可解释性AI模型注意力可视化技术展示模型决策时关注的输入特征决策树替代模型将复杂神经网络转化为可理解规则路径3建立第三方审计制度独立评估机构定期审查算法公平性审计数据合规性审计决策可靠性审计并出具报告策略三：建立AI全生命周期伦理审查机制需求分析→数据采集→模型训练→上线部署→运行监测伦理审查贯穿AI系统全生命周期1设立专门伦理审查机构跨学科专家团队计算机科学、法学、伦理学、社会学兼顾专业背景、实践经验、职业操守2制定标准化审查流程申请提交→初步审查→专家评审→意见反馈为不同风险等级设定差异化审查要求3建立协同治理机制政府监管+行业自律+社会监督项目申报→伦理审查→项目实施→监督评估4实施违规惩戒制度对违反伦理规范的行为形成法律威慑建立科学的量化评估体系定期检查审查机制运行情况策略四：强化公众AI伦理素养培育公众既是AI的直接使用者，也是技术影响的切身承受者，其伦理素养的高低直接决定着AI治理的实际成效学校、社区、媒体三位一体教育体系AI伦理知识纳入高职院校信息技术通识课程面向全年龄段社会公众开展分众化科普构建系统性AI伦理教育框架搭建灵活多样的传播平台利用新媒体渠道普及AI伦理知识通俗易懂的方式传播行为规范线上线下结合扩大覆盖面建立公众参与治理的机制意见征集、社会论坛、公众评议促进公众对AI伦理治理的实质性参与形成人人参与、人人尽责的监督网策略五：构建国际伦理协作机制全球挑战AI伦理问题具有跨国性和全球性特征跨境数据流动规模：2005-2019年增长98倍2019年中国数据跨境流动量约1.11亿Mbps，占全球23%全球数字鸿沟26亿人无法享受互联网便利（ITU2024）低收入国家互联网普及率仅27%5G网络覆盖率仅4%中国贡献2023年提出《全球人工智能治理倡议》倡导「以人为本」「智能向善」获140多个国家支持2024年主提AI能力建设国际合作决议获联合国大会协商一致通过国际合作推进方向建立权威性国际AI伦理治理组织推动形成有约束力的国际伦理标准设立专项基金帮助发展中国家中国AI伦理治理法规时间线2019《新一代人工智能治理原则》提出「发展负责任的人工智能」八条治理原则，首份国家级AI治理文件2021AI军事应用立场文件向联合国提交人工智能军事应用伦理治理立场文件2022《关于加强科技伦理治理的意见》科技部等印发建立科技伦理审查制度2023.7《生成式AI服务管理暂行办法》全球较早的生成式AI专门立法从「原则倡导」走向「制度落地」2023.10《全球人工智能治理倡议》第三届一带一路峰会提出「以人为本、智能向善」获140国支持2024.7AI能力建设国际合作决议中国主提，联合国大会协商一致通过140多国联署全球AI治理模式对比治理主体治理模式核心理念典型实践欧盟伦理优先自上而下风险分级严格管控《AI伦理准则》(2019)《人工智能法案》(2024)美国