情境是这样的:关于AI伦理的讨论往往停在口号层面,谁都能说几句,却很少有人把具体争议、年份、来源和判断标准放在一起对照。唱片行的做法刚好相反,每一张唱片都有编号、有声部、有曲目说明,缺一项就不上架。我们把这种秩序感搬过来,让AI伦理的议题不再是一团模糊的道德情绪,而是一排可以逐张抽出来比较的实物。
冲突随之出现。公众能接触到的信息大多是二手转述,缺少可核验的字段,于是同一个问题被反复争论却没有结论。我们在指标橱窗里把可量化的部分单列出来,在伦理典藏架里为每张唱片标注上映年份、评分与片种,方便你判断某条结论究竟源自哪一年、哪一类研究场景。涉及算法公平的判断,还会额外注明评估数据集与误差区间。
问题因此变得具体:当你遇到一个会拒绝贷款、会安排排班、会筛选简历的系统,你要凭什么判断它是否越界?答案落在三处可查的痕迹上,一是数据来源是否交代清楚,二是决策理由能否被复述,三是出问题后谁负责修正。围绕这三点,我们整理出选片标准,也设计了冷知识测试与常见追问,让抽象概念落到能动手验证的动作上。
如果你想更快上手,可以先看主题歌单里的入门六张,再回到分类货架按主题深挖。全站所有条目都只在本页内部跳转,不指向外部页面,方便你逐条核对。
运营时间线
站点上线,首版只收录 18 条AI伦理基础条目,分类仅有算法与数据两组。
加入来源标注规范,要求每条唱片写清数据出处与采集年份,累计更新 214 次。
货架分类扩至六组,新增可解释性与责任归属两个试听台,累计更新 486 次。
上线冷知识测试与互动问答,条目总数达 137 条,累计更新 702 次。