挑战 / AI for Good

善意不能替代对伤害、偏差和失效的测试。

团队提出边界清楚的 AI 用途,研究谁会受到影响,并测试更简单的非 AI 方法是否更适合。

挑战应在数据、模型与评价学习之后进行,不能替代基础学习。
OPEN问题
01 / 提问02 / 理解03 / 构建04 / 验证
01
BIAA / PROBLEM

从人和场景开始

团队先定义需求、相关人员和需要支持的决策,再选择模型或工具。挑战重视问题清晰度,而不只看新奇程度。

02
BIAA / AUDIT

审查数据与失效

证据包说明数据来源、缺失视角、可能错误、隐私风险和人类复核角色。敏感或高影响场景不应在课堂中实施。

03
BIAA / ALTERNATIVE

比较 AI 与非 AI 路线

规则方法、人工流程或教育干预可能更安全有效。团队要说明为什么采用或不采用 AI,以及如何持续监测。

BIAA / NEXT STEP

先建立 AI 基础

挑战应在数据、模型与评价学习之后进行,不能替代基础学习。

先建立 AI 基础