一、單項選擇題（本大題共 20 小題）

1、人工智能倫理的宗旨可以概括為（ ）。

① 盡可能擴大人工智能的商業應用范圍，提升企業利潤

② 引導人工智能技術走向“可控、可信、可惠”的未來，增進全人類長遠福祉

③ 限制人工智能的發展速度，防止任何技術風險的發生

④ 僅關注人工智能系統的技術性能指標

2、根據人工智能倫理風險分析，當前最現實、最緊迫的倫理風險是（ ）。

① 通用人工智能（AGI）技術失控，導致機器反叛人類

② 技術誤用與濫用，例如深度偽造、隱私侵犯、輿論操縱等

③ 超級智能完全取代人類的社會角色

④ 所有算法均已完全不可解釋

3、以下哪一項屬于人工智能倫理風險中“技術非正當應用”的表現？（ ）

① 自動駕駛汽車在極端天氣下發生事故

② 利用生成式人工智能制作虛假色情圖像并進行傳播

③ 人工智能系統因訓練數據不足導致識別錯誤

④ 大語言模型在翻譯任務中出現語法錯誤

4、在人工智能倫理治理中，“治理失能”風險主要是指（ ）。

① 人工智能系統因硬件故障而無法運行

② 制度空白與監管滯后，導致“管得太緊會扼殺創新，放得太松可能導致風險擴散”的兩難困境

③ 人類因過度依賴人工智能而喪失基本技能

④ 人工智能系統能耗過高導致無法大規模部署

5、關于人工智能帶來的顛覆性影響，下列說法正確的是（ ）。

① 人工智能僅替代體力勞動，對腦力勞動沒有影響

② 人工智能的大規模部署只會帶來“崗位升級”，不會造成“崗位消失”

③ 人工智能顯著擴大了對“認知性勞動”進行規模化替代或重塑的可能

④ 人工智能的發展不會改變“人”與“工具”之間的傳統界限

6、關于人工智能倫理的“正向引導”與“負向約束”，下列說法正確的是（ ）。

① 正向引導強調限制人工智能的所有應用場景

② 負向約束只關注技術失控風險，不關注隱私侵犯

③ 正向引導應優先發展助力醫療、教育、環保等應用，負向約束需防范歧視、深度偽造等危害

④ 倫理只需要負向約束，不需要正向引導

7、歐盟人工智能高級專家組提出的“可信賴 AI”七項基本原則中，通常不包含以下哪一項？（ ）

① 人的能動性和監督

② 技術穩健性和安全性

③ 利潤最大化

④ 隱私數據治理

8、數據倫理的核心維度包括數據擁有權、數據透明性與算法公平性、數據知情權與隱私保護等。以下哪一項也屬于數據倫理的核心維度？（ ）

① 數據加密的具體算法實現細節

② 數據開放性及數據經濟性

③ 計算機硬件性能優化

④ 軟件開發流程管理規范

9、判斷一項數據采集活動是否侵犯隱私的關鍵原則是（ ）。

① 數據是否經過加密傳輸

② 數據是否具有較高的商業價值

③ 數據主體是否實現“知情 + 同意 + 可控”

④ 數據是否存儲在境內服務器

10、以下關于數據隱私保護手段的描述，正確的是（ ）。

① 數據隱私保護僅需依賴技術手段，無需法律和監管介入

② 歐盟《通用數據保護條例（GDPR）》和中國《個人信息保護法》都是數據隱私保護的重要法律規范

③ 數據去標識化、同態加密等技術完全無法防止隱私泄露

④ 只要用戶同意了用戶協議，企業就可以任意使用用戶數據

11、非法數據交易中的“社工庫”通常是指（ ）。

① 社會工作者專業技能的數據庫

② 政府公開的社會經濟統計數據倉庫

③ 通過數據泄露、網絡攻擊、非法倒賣等方式形成的結構化個人敏感信息集合（如賬號密碼、身份證號、通話記錄等）

④ 企業合法收集的用戶行為分析庫

12、算法歧視（Algorithmic Discrimination）的主要成因不包括（ ）。

① 訓練數據中攜帶的歷史偏見（如種族、性別刻板印象）

② 算法設計中的技術偏差（如樣本不平衡、特征選擇不合理）

③ 算法完全透明且具有完美的可解釋性

④ 反饋循環導致偏見被不斷放大

13、在美國威斯康星州 COMPAS 風險評估軟件案例中，研究發現該算法存在（ ）。

① 對亞裔被告產生較高比例的誤判

② 對黑人被告產生較高比例的不利誤判，放大了刑事司法中的系統性偏見

③ 對所有族裔的評估結果完全公平

④ 對女性被告存在明顯的性別歧視

14、關于算法透明性的說法，正確的是（ ）。

① 算法透明性只需公開全部源代碼即可

② 算法透明性包括實現層透明（代碼開源）、規格層透明（設計意圖與訓練數據說明）和解釋層透明（決策依據可解釋）三個層次

③ 當前所有人工智能系統均已達到解釋層透明水平

④ 算法透明性會完全破壞商業機密，因此不應在任何場景下提倡

15、根據歐盟《通用數據保護條例（GDPR）》第二十二條，數據主體在特定情形下有權（ ）。

① 無條件要求刪除所有與自己相關的數據

② 不受完全基于自動化處理且產生法律效果或類似重大影響的決策的約束

③ 免費獲取所有算法的完整源代碼

④ 禁止任何形式的個人數據收集

16、大數據帶來的倫理挑戰中，“信息繭房”現象主要源于（ ）。

① 數據泄露導致個人隱私被非法買賣

② 推薦系統依據用戶行為數據持續推送與用戶既有觀點一致的內容，導致用戶認知封閉

③ 低質量數據導致機器學習模型產生偏差

④ 數據跨境流動引發的國家安全問題

17、以下哪一項屬于大數據倫理挑戰中“全生命周期中的數據安全風險”？（ ）

① 用戶未被明確告知數據的具體用途

② 推薦算法使用戶陷入認知封閉

③ 訓練數據存在標簽錯誤導致模型輸出不準確

④ 數據在采集、傳輸、存儲、處理、共享和刪除等環節面臨泄露、篡改或濫用的風險

18、大數據倫理挑戰中，“低質量數據引發的模型誤導”可能導致以下哪種后果？（ ）

① 用戶數據被非法交易

② 推薦系統使用戶陷入信息回音室

③ 人工智能系統在招聘、金融審批等方面做出歧視性判斷

④ 數據跨境流動引發主權爭議

19、關于人工智能系統性應用風險中的就業結構問題，下列說法正確的是（ ）。

① 人工智能只會創造新就業崗位，不會消除任何現有崗位

② 人工智能的認知能力可能導致部分中低技能崗位被替代，并帶來結構性失業、崗位轉型壓力和勞動市場分化

③ 就業替代風險完全是技術本身的問題，與社會制度無關

④ 人工智能對就業沒有任何影響

20、數據技術傾銷的主要危害包括（ ）。

① 擠占本地企業市場空間，擾亂公平競爭秩序

② 促進本土技術自主創新能力的快速提升

③ 從根本上消除所有盜版問題

④ 完全不會威脅國家的信息主權

二、判斷題（本大題共 5 小題）

1、人工智能倫理不僅關注技術本身的行為規范，也關注設計者、開發者、使用者及政策制定者的共同責任。（ ）

2、技術失控（如人工智能系統反叛人類）是目前人工智能倫理中最現實、最緊迫的風險。（ ）

3、數據擁有權強調數據主體在法律和倫理上享有訪問權、控制權、收益權和刪除權等權利，但數據在跨平臺流轉時權屬界定常常變得模糊。（ ）

4、算法歧視只存在于直接使用種族、性別等敏感變量的模型中；如果模型不直接使用這些變量，就一定不會產生歧視性結果。（ ）

5、在大數據倫理挑戰中，低質量數據（如規模不足、來源偏頗、標簽錯誤等）可能導致人工智能系統在招聘、金融審批、公共服務等方面做出歧視性判斷。（ ）

“點贊有美意，贊賞是鼓勵”