Accountability
可以先理解为:识别谁必须解释监控挑战并补救AI伤害
AI 造成伤害时,不能说“模型自己这么做的”。必须知道谁负责解释、谁能叫停、谁来修正和补偿。
关键结构图
当前相关远处弱强
中心节点写「Accountability」,周围连接 Human dignity、AI safety、validation gates,用细线表示相邻路径和调用方向。
What
Accountability 是识别谁必须解释、监控、挑战并补救 AI 决策造成的伤害。 它强调责任链、解释义务、监督机制和补救路径。
When
当你需要把 AI 决策放回人的责任、尊严和公共利益中判断时,可以用「Accountability」命名这块砖,再连接相邻概念继续判断。
How
AI 问责要覆盖设计者、部署者、使用者和组织结构。它不仅要求能解释,还要求能监控、挑战、纠正和补救。
Examples
在评估一个 AI 系统是否服务人而不是只追求效率时,你可以用「Accountability」标记其中最需要被看见的结构,再检查它提供了什么证据、边界或行动方向。
在整理「AI 伦理」主题时,把「Accountability」和「Human dignity」放在同一路径里,可以帮助读者从单点概念走向可复用的判断框架。
来源
类型:伦理框架 / 概念整理
事实线:这张卡把「Accountability」整理为概念提炼: Accountability 是识别谁必须解释、监控、挑战并补救 AI 决策造成的伤害。
依据:1000 Bricks 本地砖块库的概念定义、相邻砖块关系和AI 伦理、公共治理和社会影响讨论。
边界:适用于「AI 伦理、公共利益、责任归属和人的尊严」主题下的理解、复盘和设计判断;不等于行业统一标准或对所有场景都成立的结论。
常见误读:不要把它当作某篇材料的原文摘要,也不要因为概念名清晰就忽略具体情境和验证证据。