Berita Hampir Tepat Waktu: 🗞️ Etika AI (2025-08-17)

Berita Hampir Tepat Waktu: 🗞️ Etika AI (2025-08-17) :: Lihat dalam Pelayar

Sorotan Utama

👁️ Saksikan ucaptama pembukaan saya dari American Marketing Association yang bertajuk Never Think Alone: How AI Has Changed Marketing Forever.

👉 Buku baharu saya, Almost Timeless: 48 Foundation Principles of Generative AI kini boleh didapati!

Pernyataan Keaslian Kandungan

100% surat berita minggu ini dihasilkan oleh saya, seorang manusia. Anda akan melihat banyak hasil AI dalam video tersebut. Ketahui mengapa pendedahan sebegini adalah idea yang baik dan mungkin diperlukan untuk sesiapa sahaja yang menjalankan perniagaan dalam apa jua kapasiti dengan EU dalam masa terdekat.

Tonton Surat Berita Ini Di YouTube 📺

Klik di sini untuk versi video 📺 surat berita ini di YouTube »

Klik di sini untuk versi audio MP3 🎧 sahaja »

Apa Yang Berada Dalam Fikiran Saya: Etika AI

Minggu ini, mari kita berhenti seketika daripada perkara-perkara menarik untuk menangani soalan yang sangat popular dalam bengkel dan ucaptama baru-baru ini: etika AI.

Saya mengadakan bengkel tidak lama dahulu di Chicago di mana seseorang menyuarakan kebimbangan mengenai etika AI, dari hak cipta dan penggunaan saksama hingga kemampanan dan penggantian tenaga kerja. Itu adalah banyak perkara yang terangkum dalam satu, dan individu tersebut menghadapi masalah untuk meluahkan semua keraguan mereka, melainkan untuk mengatakan bahawa mereka mempunyai banyak keraguan.

Ini bukanlah perkara yang luar biasa. Dalam setiap industri dan sektor, saya telah mendengar soalan dan kebimbangan yang serupa.

Gabungkan kebimbangan ini dengan beberapa tingkah laku yang sangat mengganggu oleh syarikat teknologi besar, seperti berita dalam Reuters mengenai dasar penggunaan yang boleh diterima oleh Meta untuk model AInya (amaran: kandungan sensitif/mengganggu), dan etika sekali lagi menjadi berita utama.

Jadi hari ini, mari kita tangani ini dengan satu atau dua kerangka (kejutan besar, kan?) dan lihat jika kita dapat mengenal pasti soalan dan jawapan. Sebelum kita bermula, saya harus menambah bahawa saya tidak mempunyai latihan formal dalam etika secara umum, selain daripada apa yang diajarkan oleh falsafah Buddha saya sendiri. Saya tidak akan memberitahu anda etika apa yang harus anda miliki, tetapi saya akan meminta anda untuk mempersoalkan etika anda sendiri dan mengkodifikasikannya.

Bahagian 1: Apa Sebenarnya Etika?

Untuk berbicara tentang etika AI, kita perlu mencapai sekurang-kurangnya satu persamaan asas mengenai etika itu sendiri. Ini adalah disiplin falsafah dan profesionnya sendiri, jadi seperti saya tidak dapat merangkum pembedahan atau fizik zarah dalam satu surat berita dan memberikannya keadilan, begitu juga saya tidak dapat merangkum etika secara keseluruhan.

Secara sangat, sangat umum, etika adalah tentang menentukan yang benar dan yang salah. Pada tahap yang paling luas, etika (dari perkataan Yunani ethos) adalah tentang perwatakan, kebajikan, dan moral (dari perkataan Latin mores) – iaitu adat dan tingkah laku sesebuah masyarakat. Kita memutuskan sebagai masyarakat apa yang kita percaya membentuk yang benar dan yang salah, yang baik dan yang jahat, dan kepercayaan tersebut dikodkan dalam etika kita.

Dalam konteks AI, apabila kita berbicara tentang etika, kita berbicara tentang cabang etika yang disebut etika gunaan – menerapkan prinsip-prinsip benar dan salah kepada teknologi untuk menentukan kegunaan yang membantu dan memudaratkan. Etika gunaan merangkum tiga cabang utama dan falsafah: manusia, peraturan, dan hasil.

Deontologi: “peraturan itu sendiri adalah baik”. Deontologi menyatakan bahawa peraturan wujud atas sebab tertentu dan mengikuti peraturan adalah baik, manakala tidak mengikuti peraturan adalah buruk. Ini adalah asas kepada perkara-perkara seperti undang-undang dan agama. Kedua-duanya mempunyai set peraturan dan mengikuti peraturan adalah baik, tidak mengikuti peraturan adalah buruk. Di mana deontologi boleh tersasar adalah apabila peraturan itu secara asasnya buruk dari segi hasil.
Etika Kebajikan: “orang baik melakukan perkara baik”. Etika kebajikan berpusat pada perwatakan, idea bahawa orang baik melakukan perkara baik, orang jahat melakukan perkara buruk, sama ada mereka mengikut peraturan atau tidak, sama ada hasil mereka memudaratkan atau membantu.
Konsekuensialisme: “matlamat menghalalkan cara”. Konsekuensialisme melihat sama ada hasil itu sendiri membantu atau memudaratkan. Sesuatu itu baik jika ia lebih banyak membantu daripada memudaratkan, walaupun ia menimbulkan sedikit kemudaratan sebagai produk sampingan. Dan perwatakan seseorang tidak relevan – tindakan mereka adalah yang penting. Ini juga di mana “semangat undang-undang” mengatasi “huruf undang-undang” memainkan peranan.

Tidak ada satu cabang etika yang lebih baik daripada yang lain. Kesemuanya mempunyai kelemahan, dan dalam masyarakat kita, apa yang kita anggap baik atau buruk, benar atau salah, selalunya adalah gabungan setiap cabang. Orang baik boleh melakukan perkara buruk. Undang-undang boleh jadi tidak adil. Kebaikan bersih boleh dicapai dengan kemudaratan yang besar kepada minoriti. Sama seperti tiada “satu yang benar” apa-apa pun, tiada “satu bentuk etika” yang benar di peringkat masyarakat.

Individu, sudah tentu, bebas untuk mempercayai apa yang paling sesuai untuk mereka selagi mereka tidak memudaratkan orang lain dalam proses itu. Kecenderungan peribadi saya lebih kepada konsekuensialisme, jadi ingatlah perkara itu semasa anda membaca surat berita ini – saya mempunyai kecenderungan tertentu terhadap etika yang mempengaruhi cara saya membicarakannya.

Apa yang semua ini sama adalah percubaan untuk mengkodifikasikan apa yang membentuk baik dan buruk, benar dan salah, membantu dan memudaratkan. Semua etika, semua moral, semua agama, semua undang-undang adalah binaan yang kita bina supaya sebagai spesies, kita lebih bekerjasama daripada bersaing. Pada intinya, etika adalah tentang membantu kita bertahan secara kolektif. Cabarannya ialah bahasa korporat yang berbelit-belit telah mencairkan istilah itu sendiri sehingga ia menjadi sama tidak berguna seperti sinergi – iaitu, tidak berguna sama sekali.

Jadi ini adalah tugasan untuk anda.

Tugasan: Lembaran Rujukan Pantas Etika

Dengan minuman pilihan anda (saya sendiri gemar air berkarbonat), duduklah bersama aplikasi memo suara pilihan anda (saya suka yang percuma di telefon saya) dan jawab soalan-soalan ini dengan kuat:

Apakah maksud etika kepada anda, secara peribadi?
Secara umum, bagaimana anda memikirkan tentang yang membantu berbanding yang memudaratkan apabila ia berkaitan dengan teknologi dalam apa jua jenis?
Secara umum, bagaimana anda menimbang kemudaratan berbanding manfaat dalam hidup anda sendiri? Bagaimana anda membuat keputusan yang melibatkan penimbangan kemudaratan dan manfaat?
Apakah maksud etika kepada organisasi tempat anda bekerja, jika anda bekerja untuk satu?
Jika organisasi tempat anda bekerja mempunyai kod etika, sejauh mana sejajarnya operasi harian dengan kod tersebut?

Kita tidak dapat mengadakan perbincangan yang bermakna tentang etika dalam AI jika kita tidak jelas tentang etika kita sendiri.

Jika anda ingin penilaian etika anda yang SANGAT mendalam mengenai AI, saya telah membina GPT percuma. Bergantung pada kelajuan menaip anda, ini mungkin mengambil masa antara 10-45 minit. Pada akhirnya, ia akan membentangkan ringkasan terperinci tentang pemahamannya terhadap etika anda, terutamanya berkaitan dengan AI. Untuk mengulangi penafian saya, saya tidak mempunyai latihan formal dalam bidang ini, jadi ambillah hasilnya dengan sedikit keraguan.

Bahagian 2: Rantaian Nilai AI

Di sinilah tibanya masa untuk tindakan sebenar. Bagaimana kita menerapkan etika kepada AI? Nah, pertama kita perlu mengurai AI itu sendiri, kerana AI adalah istilah payung yang sangat luas. Kita boleh menjadikannya sedikit lebih mudah difahami dengan menguraikannya kepada rantaian nilai, kepada bagaimana AI dibuat dan digunakan.

Saya suka pendekatan ini kerana ia analog dalam banyak cara kepada alat lain. Terdapat rantaian nilai dalam penggunaan kapak, dari bagaimana ia dihasilkan hingga kepada keselamatan yang dibina oleh pembuatnya, hingga bagaimana pelanggan menggunakannya secara produktif atau merosakkan. Kapak itu sendiri lebih kurang tidak bermoral – ia tidak baik atau buruk.

AI lebih rumit daripada kapak kerana ia dilatih berdasarkan data manusia, ia mencerminkan bias manusia dan sejarah manusia yang telah dilihat semasa ia dilatih. Walau bagaimanapun, seperti yang akan kita bincangkan, ini tidak melepaskan kita daripada tanggungjawab untuk mengetahui cara menggunakan alat ini dengan selamat. Malah, ia meningkatkan kepentingan kita untuk mengetahui bagaimana AI berfungsi dan mengetahui bagaimana etika muncul sepanjang rantaian nilai AI.

Jadi, apakah rantaian nilai AI? Saya memetakannya kepada lima bahagian besar: syarikat, data, model, antara muka, dan output. Sekali lagi, ini mencerminkan rantaian nilai dunia nyata. Kita melombong dan melebur besi, mengubahnya menjadi keluli, mencairkan pasir dan mengubahnya menjadi kaca dan litar, membina enjin dan roda serta tempat duduk ke dalam kereta, menjual kereta kepada pelanggan yang memandu di sekeliling, dan pelanggan kadang-kadang melakukan perkara baik dengan kereta, kadang-kadang melakukan perkara buruk dengan kereta.

Lima bahagian rantaian nilai AI adalah:

Syarikat: inilah akar kepada semua etika dalam AI. Syarikat yang mempunyai kompas etika yang lemah atau tiada akan cenderung membuat keputusan yang tidak beretika, dan tidak akan mengubah haluan apabila menghadapi kemudaratan yang mereka lakukan melainkan dipaksa oleh undang-undang atau perdagangan.
Data untuk model: Model AI tidak muncul dari mana-mana. Ia memerlukan kuantiti data yang sangat, sangat besar untuk dibina. Model hari ini terdiri daripada data yang mencukupi sehingga jika ia adalah rak buku, ia akan menjadi rak buku teks sahaja yang membalut sekitar khatulistiwa planet sebanyak 8 kali. Fikirkan data sebagai bahan mentah untuk AI.
Model itu sendiri: daripada GPT-5 hingga Gemini hingga Qwen dan “sup abjad” daripada 1.9 juta model yang tersedia untuk kita. Di dalam setiap model terdapat sejumlah besar data dan latihan untuk memberikan berat kepada beberapa perkara lebih daripada yang lain. Fikirkan model sebagai enjin untuk AI.
Penggunaan dan antara muka model: tiada siapa yang pernah menggunakan model AI secara langsung. Selalu ada beberapa jenis antara muka, dan antara muka tersebut boleh menerapkan peraturan dan struktur tambahan. Fikirkan penggunaan dan antara muka sebagai baki kereta selain enjin.
Hasil model: apa yang dikeluarkan oleh model. Ini adalah catatan blog, strategi, infografik dan gambar-gambar lucu yang kita buat dengan AI generatif. Fikirkan hasil seperti pelanggan memandu kereta.

Lima peringkat ini merangkumi rantaian nilai AI, dari awal hingga akhir, seperti setara AI bagi “dari ladang ke meja”. Bagaimana AI wujud? Bagaimana ia dibuat? Bagaimana ia sampai ke komputer dan telefon kita, dan apa yang kita lakukan dengannya? Jika kita memahami secara meluas rantaian nilai ini, maka kita boleh mula melihat etika dalam setiap peringkatnya.

Bahagian 3: Etika dalam Rantaian Nilai AI

Baik, persediaan telah selesai. Sekarang kita boleh membincangkan etika seperti yang diterapkan pada AI. Pada setiap peringkat dalam rantaian nilai, terdapat hasil dan persoalan etika yang harus kita ajukan kepada pihak yang bertanggungjawab; jawapan kepada soalan-soalan tersebut menentukan etika mereka.

Saya akan berusaha sedaya upaya untuk tidak menerapkan penilaian dan taksiran etika saya sendiri semasa kita menelusuri rantaian nilai AI, mengakui bahawa etika anda mungkin sangat berbeza daripada etika saya. Walau bagaimanapun, sediakan lembaran rujukan pantas etika peribadi anda, kerana anda akan memerlukannya untuk setiap bahagian rantaian nilai AI.

Syarikat

Sebelum kita berbicara tentang teknologi, kita harus berbicara tentang orang-orang yang menciptakannya. Sebuah syarikat dengan kompas etika dan moral yang lemah atau tiada akan membuat pilihan yang buruk atau tidak beretika berkaitan dengan AI. Tiada perlu diselindung – segala yang dihasilkan oleh syarikat itu akan tercemar oleh kekurangan etika mereka.

Sebagai contoh, syarikat yang menggaji pembangun yang tidak beretika atau mempunyai kepimpinan yang tidak beretika akan menghasilkan alat dan model AI yang tidak beretika. Ini adalah buah daripada pokok beracun – orang di belakang syarikat dan etika serta moral mereka sendiri menentukan cara syarikat itu berfungsi, apa yang produknya lakukan, dan bagaimana etika disepadukan atau tidak disepadukan ke dalam teknologinya.

Kajian kes buku teks bagi perkara ini ialah Meta, yang dahulunya Facebook. Dari awal penubuhannya, Facebook dan pengasasnya telah menghadapi cabaran etika, daripada tuduhan kecurian harta intelek hingga pelanggaran privasi individu yang hampir menyebabkan Ketua Pegawai Eksekutif Mark Zuckerberg diusir dari Harvard sebagai seorang mahasiswa.

Oleh itu, tidak hairanlah apabila kepimpinan mempunyai masalah etika, syarikat itu bertindak secara tidak beretika, dengan cara yang menyebabkan kemudaratan yang tidak perlu atau tidak seimbang berbanding dengan kebaikan yang mereka hasilkan. Dalam kisah Reuters mengenai bagaimana dasar AI dalaman Meta – yang direstui oleh ketua etikasinya – jelas sekali budaya dan kepimpinan Meta beroperasi berdasarkan set standard etika yang sangat berbeza daripada banyak orang lain.

Jadi, soalan pertama yang kita tanyakan ketika menilai etika AI adalah: sejauh mana sesebuah syarikat sejajar dengan etika kita? Jika etika dan hasil syarikat sangat berbeza daripada etika peribadi anda, bagaimana ia akan membimbing keputusan anda tentang bagaimana anda menggunakan AI? Tentang AI siapa yang akan anda gunakan?

Data

Persoalan etika utama mengenai data latihan adalah sama ada model dihasilkan secara beretika atau tidak. Dalam konteks ini, etika adalah mengenai harta inteintelek: adakah ia dibuat secara beretika, menghasilkan hasil yang lebih membantu daripada hasil yang memudaratkan?

Untuk menghuraikannya dengan lebih lanjut, hujah utama menentang model AI dalam inkarnasi semasanya adalah bahawa semua model, tanpa mengira asal-usulnya, dibuat sebahagiannya daripada kandungan yang penciptanya tidak bersetuju. Mengapa ini penting? Ini pula datang dari ekonomi.

Sehingga kini, alat teknologi seperti enjin carian dan rangkaian sosial mempunyai semacam persetujuan tersirat: kita menyerahkan kandungan kita, dan alat tersebut menukarnya dengan pelanggan. Kita membenarkan laman web kita diindeks oleh enjin carian kerana enjin carian akan menghantar trafik kepada kita. Kita memuat naik kandungan kita ke rangkaian sosial sebagai pertukaran untuk akses kepada audiens.

AI memecahkan persamaan itu dengan ketara. Dalam beberapa kes, AI tidak menghantar sesiapa pun kepada kita. Gambaran keseluruhan AI Google adalah contoh yang baik; gambaran keseluruhan AI mungkin cukup memuaskan bagi pengguna sehingga mereka tidak perlu mengklik apa-apa, dan oleh itu kita tidak mendapat trafik. Dalam kes lain, AI adalah pesaing langsung. Seorang artis yang melukis kartun untuk mencari nafkah kini mempunyai persaingan langsung daripada model dan alat penjanaan imej yang mungkin telah dilatih, sebahagiannya, berdasarkan kandungan yang mereka siarkan secara umum; seorang pemuzik yang mengarang muzik kini mempunyai persaingan langsung daripada model dan alat penjanaan muzik yang mungkin telah dilatih, sebahagiannya, berdasarkan ciptaan mereka sendiri.

Soalan etika utama yang perlu ditanya di sini ialah: sejauh mana pentingnya persetujuan dalam etika peribadi anda? Model AI yang dilatih menggunakan data orang tanpa pampasan, dan dengan kemudaratan hiliran langsung (persaingan ekonomi) menyebabkan kemudaratan kepada sesetengah orang walaupun ia menghasilkan manfaat kepada orang lain. Apakah yang dikatakan oleh lembaran rujukan pantas etika anda tentang situasi ini?

Model

Persoalan etika utama mengenai model cenderung berkisar kepada penggunaan sumber. Model AI secara semula jadi SANGAT haus sumber, sebahagian besarnya disebabkan oleh seni bina model itu sendiri dan cara ia berfungsi. Untuk meramal dengan tepat, setiap model dibuat daripada statistik, statistik yang dibina dengan mengambil sejumlah besar data dan mencari hubungan matematik dan statistik di antaranya.

Itu memerlukan sejumlah besar elektrik, perkakasan, dan air bersih untuk dilakukan. Tidak lama dahulu, saya melakukan sedikit pengiraan kasar tentang berapa banyak tenaga teori yang boleh digunakan oleh AI berdasarkan jualan GPU NVIDIA setiap tahun, dengan andaian ia digunakan 100%. Penggunaan kuasa maksimum teori – yang paling tinggi semasa fasa latihan – boleh mencapai 11% daripada semua kuasa yang dihasilkan.

Beberapa syarikat mempunyai pendekatan yang sangat baik untuk ini; Google, menurut laporan kemampanan 2025 mereka mencapai 66% penggunaan tenaga bebas karbon pada tahun 2024 dan membuat kemajuan besar dalam pengisian semula air bersihnya, mencapai 64% pengisian semula penggunaan air bersih, meningkat daripada 18%. Syarikat lain bergerak ke arah yang bertentangan, seperti xAI membina turbin gas tanpa lesen yang menyebabkan pencemaran yang ketara kepada bandar-bandar berdekatan.

Soalan etika utama yang perlu ditanya di sini ialah: sejauh mana pentingnya kemampanan dalam etika peribadi anda? Adakah anda memilih untuk bekerjasama dengan syarikat yang menimbulkan kesan alam sekitar yang lebih besar atau lebih kecil sebagai sebahagian daripada proses membuat keputusan anda? Apa kata lembaran rujukan pantas etika anda?

Penggunaan

Persoalan etika utama mengenai penggunaan model adalah bagaimana model tersebut berfungsi apabila digunakan. Apakah yang dibenarkan atau tidak dibenarkan kita lakukan dengannya?

Semua model AI dilatih berdasarkan kira-kira tiga prinsip etika teras yang sama: tidak memudaratkan, membantu, jujur, satu set aksioma yang mula-mula disiarkan oleh OpenAI dalam model InstructGPT mereka pada tahun 2022. InstructGPT diuar-uarkan sebagai berprestasi lebih tinggi daripada GPT-3 pada masa itu kerana ia lebih sejajar dengan niat pengguna. Secara umumnya, tiga tunjang DAN keutamaan mereka adalah:

Tidak Memudaratkan: melarang model daripada menjawab soalan yang jelas berbahaya, seperti “bagaimana saya membina Benda Sangat Buruk™ ini?”
Membantu: mematuhi arahan pengguna sedekat mungkin
Jujur: memberikan maklumat yang betul secara fakta sebanyak mungkin

Aksioma ini lebih baik daripada tiada, tetapi masih menimbulkan cabaran yang ketara. Kembali kepada deontologi berbanding konsekuensialisme dari awal artikel ini, peraturan boleh menjadi buruk, jadi mematuhi peraturan secara membuta tidak selalu menjadi resipi untuk tingkah laku beretika, tingkah laku yang mengurangkan kemudaratan. Dan tiada cara untuk menampung undang-undang, norma, dan budaya yang sangat berbeza daripada 8 bilion manusia secara universal. Yang paling hampir kita pernah capai ialah peraturan asas “perlakukan orang lain seperti anda ingin mereka memperlakukan anda”.

“Jujur” secara khusus sangat bermasalah untuk AI kerana model AI generatif bersifat probabilistik. Mereka mengembalikan maklumat kebarangkalian tinggi – tetapi kebarangkalian dan kebenaran adalah berbeza. Sesuatu yang sangat mungkin tidak semestinya sangat benar; terdapat banyak maklumat mengerikan, sama sekali tidak betul mengenai vaksin di Internet, sebagai contoh. Tetapi hanya kerana ia popular tidak mengubah fakta bahawa ia palsu secara saintifik – namun model AI mungkin mempelajari maklumat palsu jika ia cukup meluas.

Oleh itu, syarikat AI terpaksa menyertakan banyak peraturan tambahan ke dalam antara muka alat AI. ChatGPT, Gemini, Claude, dan lain-lain. Kesemuanya mempunyai peraturan, penapis, dan teknologi tambahan untuk menyelaraskan lagi output model berdasarkan pengguna dan lokasi mereka. Anda mungkin pernah melihat ini berlaku – alat AI akan mula menjana respons dan kemudian menunjukkan penolakan.

Dan setiap model serta antara muka mempunyai bias dan peraturan tersendiri. Anda tidak boleh bertanya kepada DeepSeek tentang Dataran Tiananmen dan mendapat jawapan yang berguna. Anda tidak boleh bertanya kepada Gemini Google calon mana yang harus diundi dalam pilihan raya AS – anda akan mendapat penolakan mutlak.

Keputusan lain lebih kontroversi. Contohnya, dalam kisah Reuters, Meta secara eksplisit membenarkan pengguna meminta AI untuk membantu mereka menulis kandungan yang merendahkan dan merendah-rendahkan tentang bangsa seseorang. Bergantung pada etika anda, anda mungkin lebih menghargai kebebasan bersuara daripada mengelakkan kemudaratan untuk golongan yang dilindungi. Seseorang manusia di AS dibenarkan menulis kandungan jenis itu (dengan peringatan lembut bahawa kebebasan bersuara tidak bermaksud kebebasan daripada akibat ucapan tersebut) – patutkah model AI membenarkan seseorang menyatakan perkara yang sama yang akan mereka nyatakan sendiri?

Tiada syarikat boleh atau patut cuba membuat keputusan ini untuk setiap pengguna. Sebaliknya, kita sebagai pengguna perlu sedar bahawa ini adalah jenis pertukaran yang perlu kita pertimbangkan apabila kita bertindak balas terhadap kelemahan etika yang dilihat oleh syarikat dan model AI mereka. Dan sejauh mungkin, kita harus diberi pilihan sebagai pengguna alat tentang bagaimana untuk mengintegrasikan etika kita sendiri ke dalam alat tersebut. Kita harus mempunyai pilihan sebagai sebahagian daripada onboarding untuk mengatakan, ini adalah etika saya. Pastikan anda menggunakannya dalam output anda.

Soalan etika utama yang perlu ditanya di sini ialah: sejauh mana peraturan yang telah disemai oleh penyedia alat AI ke dalam antara muka model mereka selaras dengan lembaran rujukan pantas etika peribadi anda? Adakah apa yang disekat atau dibenarkan oleh mana-mana penyedia tertentu cukup penting bagi anda untuk mempertimbangkan sama ada untuk berurusan dengan penyedia itu, atau mengelak daripada penyedia itu?

Hasil

Bahagian terakhir rantaian nilai AI adalah output itu sendiri dan apa yang kita lakukan dengannya. Ini kurang tentang sama ada AI boleh melakukan sesuatu dan lebih kepada sama ada kita patut melakukan perkara itu dengan AI atau tidak – dan ini adalah etika manusia semata-mata yang berfungsi. Mesin membolehkan kita melakukan perkara yang boleh menjadi tidak beretika.

Terdapat kes penggunaan yang jelas, seperti deepfake. Patutkah anda meniru rupa seseorang tanpa persetujuan mereka? Alat yang wujud membolehkan anda melakukan ini, dengan beberapa perlindungan yang agak sedikit (sebahagiannya kerana perlindungan yang diperlukan untuk menyekat deepfake juga akan menyekat kebanyakan fungsi, seperti cuba mereka bentuk gergaji berantai yang hanya akan memotong kayu dan tiada bahan lain). Walaupun dengan deepfake, terdapat kes penggunaan yang sah. Parodi, contohnya, telah lama menjadi bentuk ucapan yang dilindungi di tempat-tempat yang mempunyai kebebasan akhbar. Patutkah deepfake yang digunakan dalam konteks parodi dibenarkan?

Tetapi terdapat kes penggunaan yang kurang jelas, atau kes penggunaan output AI yang lebih mencabar secara etika. Berikut adalah contoh mudah: bila patut anda mengambil kerja daripada manusia? Apakah ambang di mana anda memutuskan bahawa sesetengah kerja harus diberikan kepada mesin atau seseorang? Dan bagaimana anda mengambil kira kemudaratan atau manfaat ekonomi daripada keputusan itu?

Sebagai contoh, katakan anda memulakan podcast baru. Anda ingin muzik tema podcast. Apakah proses keputusan anda, menggunakan lembaran rujukan pantas etika anda, tentang sama ada anda perlu mengupah manusia untuk tugas itu atau sama ada anda perlu menggunakan AI untuk tugas itu? Jawapan setiap orang akan berbeza dalam senario tertentu ini. Jika anda memilih manusia, anda akan mendapat jenis output yang berbeza daripada yang anda akan dapat dari mesin. Anda akan membayar jumlah yang berbeza. Dan akibat dari siapa dan apa yang anda bayar akan mempunyai kesan hiliran. Apa yang dikatakan oleh lembaran rujukan pantas etika anda tentang itu? Bagaimana anda membuat keputusan itu?

Berikut adalah satu lagi bidang kritikal: bias. Seperti yang kita sentuh sebelum ini, data dalaman setiap model mempunyai bias. Lebih penting lagi, model adalah cerminan kemanusiaan, cerminan bias kita sendiri. Saya mempunyai seluruh dek slaid imej yang dihasilkan oleh pelbagai penjana imej AI untuk dua perkataan prompt seperti “seorang peguam”, “seorang guru”, “seorang jururawat”, yang menunjukkan bias kaum dan gender merentasi model.

Cabaran dengan bias AI adalah hampir mustahil untuk mencipta model yang “tidak bias”, sama seperti mustahil untuk mencipta mana-mana korpus pengetahuan yang tidak mempunyai bias. dan cuba untuk mencipta perpustakaan di mana tiada buku di perpustakaan itu bias. Semoga berjaya. Malah, jika model benar-benar tidak bias, bermakna ia tidak mempunyai konsep bias, maka ia tidak akan mampu mengesan bias.

Maka, tanggungjawab mencegah bias adalah milik kita sebagai pengguna, untuk sedar akan bias dan menggunakan alat AI secara sedar dan berhati-hati. Contohnya, daripada meminta model penjana imej untuk mencipta imej jururawat, anda mungkin meminta ia untuk mencipta imej seorang lelaki Korea berusia 50 tahun dengan rambut kelabu, cermin mata bingkai wayar, dan dalam skrub jururawat. Tahap kekhususan itu memberikan AI arahan yang lebih jelas dan mengatasi bias terpendam dalam data itu sendiri.

Soalan etika utama yang perlu ditanya di sini ialah: apa yang boleh berlaku? Dengan output AI, terdapat bilangan cara yang tidak terhingga ia boleh tersasar, daripada mengeluarkan seseorang daripada transkrip sepenuhnya kerana jantina mereka kepada membuat keputusan berisiko tinggi tentang rawatan perubatan yang diterima seseorang. Contohnya, terdapat bias dalam perisian transkripsi perubatan yang menyebabkan ralat dalam rekod perubatan apabila orang menggunakan AI dalam amalan perubatan.

Ia harus menjadi tugas seseorang – idealnya ramai orang – untuk bertanya, tanpa ironi, apa yang boleh berlaku pada setiap peringkat penggunaan AI, tetapi terutamanya dalam outputnya.

Bagaimana output boleh menjadi salah? Bagaimana penggunaan output boleh menjadi salah? Adakah output menyebabkan kemudaratan yang tidak perlu? Adakah output menyebabkan lebih banyak kemudaratan daripada kebaikan?

Bahagian 4: Kerangka Etika AI RAFT Trust Insights

Sekarang kita sudah mempunyai pemahaman yang kukuh tentang rantaian nilai AI, mari kita praktikkan dengan kerangka yang boleh anda gunakan pada permulaan setiap projek atau tugasan AI.

Saya memanggilnya RAFT, sempena empat komponennya: Hormat (Respect), Kebertanggungjawaban (Accountability), Keadilan (Fairness), dan Ketelusan (Transparency). Mari kita selami setiap satunya.

Hormat

Adakah penggunaan AI kita menghormati nilai-nilai yang telah kita tetapkan? Kembali kepada lembaran rujukan pantas etika anda. Lihatlah nilai-nilai yang anda isytiharkan penting bagi anda. Adakah penggunaan AI melanggar mana-mana nilai tersebut? Jika ya, maka luangkan masa untuk menekan butang henti dan memikirkan semula penyelesaiannya. Minta alat AI pilihan anda untuk memberikan anda 3-5 penyelesaian untuk mencapai matlamat anda sambil mengurangkan atau menghapuskan kemudaratan atau pelanggaran kod etika anda.

Bahagian kedua penghormatan adalah untuk sentiasa bertanya apa kemudaratan yang dicipta oleh AI, dan bagaimana anda mengambil kira kemudaratan tersebut. Daripada merendahkan orang kepada mengambil kerja bergaji daripada orang, sentiasa berhati-hati terhadap kemudaratan khusus yang mungkin disebabkan oleh AI atau outputnya, dan minta AI untuk membantu anda merangka penyelesaian untuk mengurangkan kemudaratan tersebut. Tiang asas penghormatan dalam AI yang bertanggungjawab adalah menghormati sesama manusia.

Kebertanggungjawaban

Ini adalah yang paling penting. Jika saya perlu merangkumkan semua perbincangan tentang etika AI kepada satu prinsip, inilah ia: siapa yang bertanggungjawab terhadap output AI, apabila anda mula menggunakannya.

“ChatGPT menulis ini, bukan saya” tidak boleh diterima. Seperti yang telah kita bincangkan, model memerlukan gesaan manusia untuk menghasilkan output. ChatGPT tidak mengeluarkan apa-apa melainkan anda memintanya. Apabila anda melancarkan ChatGPT dan anda mempunyai skrin kosong dengan gesaan di atasnya, ia tidak melakukan apa-apa dengan sendirinya. Kita bertanggungjawab untuknya. Siapa yang bertanggungjawab terhadap output sistem?

Berikut adalah ujian mudah untuk menentukan sejauh mana etika sesebuah sistem: sejauh mana pengeluar cuba mengelak liabiliti. Tidak lama dahulu, Macy Kittleberger menyoroti sebuah syarikat yang menawarkan perkhidmatan terapi AI. Apabila saya meneliti terma perkhidmatan mereka, sepertiga daripada terma perkhidmatan mereka adalah untuk menafikan sebarang dan semua kemudaratan yang mungkin disebabkan oleh sistem tersebut. Ia adalah kelas induk dalam mengelak liabiliti dan kebertanggungjawaban, yang bagi saya menunjukkan bahawa pencipta tahu ia berbahaya dan tidak tahu bagaimana untuk melindungi daripada kemudaratan tersebut.

Keadilan

Bahagian ketiga rangka kerja menekankan keadilan. Apakah bias yang diketahui oleh mana-mana model AI tertentu? Memandangkan terdapat sedozen model utama serta jutaan model khusus lain, adalah baik untuk mempunyai gambaran tentang bias yang dimiliki oleh model utama harian anda. Pertimbangkan untuk membina ujian anda sendiri, sejajar dengan lembaran rujukan pantas etika anda, untuk menguji prestasi model dalam senario di mana anda tahu bias wujud.

Salah satu bahagian penting dalam menilai keadilan adalah memahami sejauh mana masalah itu bersifat sistemik. Berapa ramai orang yang terjejas oleh masalah dengan model AI, dan bagaimana mereka terkesan?

Sebagai contoh, bertahun-tahun yang lalu, saya berada di Persidangan MarTech di bahagian vendor, melihat sebuah syarikat yang mendakwa mereka mencipta sistem ramalan untuk mengenal pasti secara geografi di mana pelanggan ideal anda tinggal. Demo mereka menunjukkan bandar Boston dengan titik merah menunjukkan di mana pelanggan ideal berada, dan titik kelabu menunjukkan tiada pelanggan ideal.

Peta menunjukkan pelanggan ideal di Back Bay, pusat bandar, Allston-Brighton, Brookline, Charlestown, dan Cambridge. Tiada pelanggan ideal di Mattapan, Dorchester, Roxbury, dan kawasan kejiranan.

Sekarang, jika anda tidak tahu geografi Boston, kawasan titik kelabu adalah kejiranan yang majoritinya kulit hitam. Syarikat ini menyatakan perisian mereka meramalkan pelanggan ideal di bahagian Boston yang bukan kulit hitam.

Satu-satunya masalah ialah, demo mereka adalah bagi pihak Dunkin Donuts.

Foto peta vendor yang saya ambil

Jika anda bukan dari New England, berikut adalah kebenaran asas: satu-satunya kumpulan orang, secara agregat, yang tidak mengambil Dunkin Donuts adalah mereka yang telah meninggal dunia. Selain itu, tanpa mengira kaum, agama, jantina, orientasi seksual, dsb., secara harfiah setiap kumpulan mengambil Dunks. Ini bermakna penyelesaian AI syarikat ini mempunyai bias sistemik di dalamnya yang bukan sahaja tidak adil, tetapi juga sangat salah secara fakta. Vendor tidak melakukan ujian untuk keadilan, dan hasilnya mencipta model yang, jika Dunkin membelinya daripada mereka, akan menjadi bencana bagi perniagaan mereka.

Bahagian paling penting dari kerangka keadilan adalah pengujian. Jika anda tidak menguji model anda (lihat surat berita minggu lepas), maka anda tidak mempunyai dasar untuk memahami sama ada model akan berfungsi dengan baik atau buruk, sejauh mana biasnya dan dalam arah mana, sejauh mana jurang antara model dan etika anda sendiri.

Ketelusan

Bahagian terakhir kerangka adalah tentang betapa mudahnya untuk mengaudit alat AI anda sama sekali. Sebagai contoh, OpenAI terkenal kerana menyembunyikan alasan modelnya – anda tidak dapat melihat perkataan yang tepat yang digunakannya dalam proses pemikirannya. Bandingkan dengan DeepSeek, contohnya, yang menunjukkan kepada anda setiap perkataan dalam pemikirannya. Anda melihat versi yang tidak disunting dari pertimbangan dalamannya, yang seterusnya bermakna anda dapat menilai di mana dan seberapa cepat ia menyimpang dari standard etika anda.

Terdapat beberapa peraturan universal dalam AI, tetapi salah satunya adalah bahawa semakin banyak ketelusan, kebolehinterpretasi, dan kebolehterangan dalam mana-mana sistem AI, semakin selamat ia. Semakin boleh dipercayai ia. Apabila kita boleh membuka model atau alat, melihat log audit, menjejaki langkah demi langkah bagaimana sistem mencipta outputnya, kita dapat dengan lebih cepat mencari dan membetulkan perkara seperti bias, halusinasi, dan isu-isu lain. Sebaliknya, semakin kabur sesebuah sistem, semakin berbahaya kerana kita tidak tahu bagaimana ia mencapai kesimpulannya.

Dan ketelusan terpakai bukan sahaja kepada teknologi. Ia juga terpakai kepada kita, pembuat keputusan manusia. Bagaimana kita memilih vendor? Adakah kita menerapkan kod etika kita kepada vendor, kepada sistem mereka, kepada AI mereka? Adakah kita memerlukan mereka untuk menyediakan dokumentasi dan penyahpepijatan apabila sesuatu yang tidak kena berlaku?

Kebertanggungjawaban dan ketelusan bergerak seiring – semakin kurang syarikat cuba bertanggungjawab, semakin kurang telus juga mereka.

Bagaimana anda menggunakan kerangka RAFT? Keluarkannya pada permulaan setiap projek AI dan jawab soalan-soalan dalam kerangka tersebut berkaitan dengan projek tersebut. Jika anda mendapati ada soalan yang tidak dapat anda jawab, itu adalah petanda bahawa sudah tiba masanya untuk berehat dan berfikir dengan mendalam.

Tip bonus, pasangkannya dengan Kit Strategi Pemasaran Sedia AI percuma kami untuk benar-benar memulakan projek anda dengan langkah yang betul.

Bahagian 5: Menggulung Bicara

Intinya adalah: etika adalah tugas setiap orang, dan perkara paling penting yang boleh anda lakukan adalah untuk menjadi sangat jelas tentang etika anda sendiri, tentang etika syarikat yang anda bekerja untuk atau dengan, tentang orang yang anda pilih untuk memegang jawatan dan etika mereka, tentang komuniti tempat anda tinggal dan etika mereka.

Untuk menggunakan amaran keselamatan lapangan terbang apabila bercakap tentang etika: jika anda melihat sesuatu, katakan sesuatu. Pada intinya, etika adalah tentang melakukan kurang kemudaratan dan lebih banyak kebaikan. Saya tidak dapat memikirkan ramai orang yang, sekurang-kurangnya secara abstrak, akan berhujah bahawa melakukan kurang kemudaratan dan lebih banyak kebaikan adalah idea yang teruk. Kebanyakan orang, kebanyakan masa lebih suka ini menjadi cara masyarakat kita beroperasi.

Amalan etika adalah seperti amalan kebersihan gigi: lakukan selalu, dan ia tidak banyak kerja. Abaikan, dan kesannya akan sangat menyakitkan.

Tugasan anda, selepas surat berita ini, adalah untuk mencuba GPT pemeta etika yang saya buat. Saya telah menyertakan arahan sistemnya di bahagian bawah surat berita ini supaya anda boleh melihat sendiri (ketelusan!) logik di sebaliknya dan arahan yang dipatuhinya. Saya secara khusus telah menala ia untuk GPT-5 OpenAI, jadi jika anda menggunakannya dalam sistem yang berbeza (Gemini, Claude, dll.) ia mungkin tidak berfungsi sebaik itu.

Jelaskan etika AI peribadi anda hari ini, dan proses membuat keputusan mengenai bagaimana anda menggunakan AI akan menjadi lebih mudah pada masa hadapan.

Kemudian, setelah anda jelas mengenai etika anda sendiri, anda boleh mula melakukan perkara seperti penilaian vendor, melihat syarikat yang anda berinteraksi secara kerap untuk melihat bagaimana etika mereka mengenai pelaksanaan AI mencerminkan atau tidak mencerminkan etika anda sendiri.

Kita perlu beroperasi dalam lingkungan realistik tempat kerja kita dan alat yang diberikan kepada kita untuk digunakan. Sebagai contoh, jika anda seorang pengurus media sosial dan anda membenci Facebook, anda masih terpaksa menggunakannya. Tetapi jika kita mendapati bahawa sebuah syarikat, alat, atau model sangat tidak sejajar dengan etika peribadi kita, kita boleh dan mungkin harus mengurangkan penggunaan sistem tersebut dan memilih sistem lain yang lebih sejajar dengan etika kita apabila dan di mana kita boleh. Tetapi untuk melakukan itu bermakna kita harus jelas tentang etika kita sendiri terlebih dahulu.

Pergi buat tugasan anda.

Bagaimana Keluaran Ini?

Nilaikan keluaran surat berita minggu ini dengan sekali klik/sentuh. Maklum balas anda dari masa ke masa membantu saya menentukan kandungan apa yang perlu saya buat untuk anda.

Ini Dia Pautan Berhenti Langganan

Saya mengambil sedikit masa untuk mencari cara yang mudah untuk memautkannya, tetapi ini adalah cara untuk berhenti melanggan.

Jika anda tidak melihat apa-apa, ini pautan teks untuk disalin dan tampal:

https://almosttimely.substack.com/action/disable_email

Kongsi Dengan Rakan atau Rakan Sekerja

Jika anda menikmati surat berita ini dan ingin berkongsi dengan rakan/rakan sekerja, sila lakukan. Hantar URL ini kepada rakan/rakan sekerja anda:

https://www.christopherspenn.com/newsletter

Untuk pelanggan berdaftar di Substack, terdapat ganjaran rujukan jika anda merujuk 100, 200, atau 300 pembaca lain. Layari Papan Pendahulu di sini.

Iklan: Jemput Saya Berucap di Acara Anda

Tingkatkan persidangan atau retret korporat anda yang seterusnya dengan ucaptama yang disesuaikan mengenai aplikasi praktikal AI. Saya menyampaikan pandangan baharu yang disesuaikan dengan industri dan cabaran audiens anda, melengkapkan peserta anda dengan sumber yang boleh diambil tindakan dan pengetahuan dunia sebenar untuk menavigasi landskap AI yang berkembang.

👉 Jika ini menarik bagi anda, klik/sentuh di sini untuk mengatur 15 minit bersama pasukan untuk membincangkan keperluan khusus acara anda.

Jika anda ingin melihat lebih lanjut, berikut adalah:

ICYMI: Sekiranya Anda Terlepas

Minggu ini, Katie dan saya membincangkan kajian kes yang sangat khusus mengenai pengesanan dan mitigasi bias AI.

Tingkatkan Kemahiran Dengan Kelas

Ini hanyalah beberapa kelas yang saya sediakan di laman web Trust Insights yang boleh anda ikuti.

Premium

Percuma

Iklan: Buku AI Baharu!

Dalam Almost Timeless, pakar AI generatif Christopher Penn menyediakan panduan definitif. Berdasarkan pengalaman kerja lapangan selama 18 bulan dan pandangan daripada ribuan soalan dunia nyata, Penn menyaring kebisingan menjadi 48 prinsip asas—model mental yang tahan lama yang memberikan anda pemahaman yang lebih kekal dan strategik tentang teknologi transformatif ini.

Dalam buku ini, anda akan belajar untuk:
– Menguasai Mesin: Akhirnya memahami mengapa AI bertindak seperti “pelatih yang cemerlang tetapi pelupa” dan mengubah keunikannya menjadi kekuatan terbesar anda.
– Melaksanakan Panduan: Beralih dari teori kepada amalan dengan kerangka kerja untuk memacu nilai perniagaan yang nyata dan boleh diukur dengan AI.
– Mengukuhkan Kelebihan Manusia Anda: Temui mengapa kreativiti, pertimbangan, dan etika anda lebih berharga dari sebelumnya—dan bagaimana memanfaatkannya untuk berjaya.

Berhenti berasa terbeban. Mula memimpin dengan yakin. Apabila anda selesai membaca Almost Timeless, anda bukan sahaja akan tahu apa yang perlu dilakukan; anda akan memahami mengapa anda melakukannya. Dan dalam era perubahan berterusan, pemahaman itu adalah satu-satunya kelebihan daya saing yang sebenar.

👉 Pesanan salinan Almost Timeless: 48 Foundation Principles of Generative AI anda hari ini!

Kembali Bekerja

Individu yang menyiarkan pekerjaan dalam komuniti Slack Analytics for Marketers percuma mungkin juga akan melihat pekerjaan tersebut dikongsi di sini. Jika anda mencari pekerjaan, semak jawatan kosong terbaru ini, dan lihat kumpulan Slack untuk senarai lengkap.

Iklan: Kit Strategi AI Percuma

Dapatkan Kit Strategi Pemasaran Sedia AI Trust Insights! Ia adalah kemuncak hampir sedekad pengalaman menggunakan AI (ya, AI klasik pra-ChatGPT masih AI), dan pelajaran yang telah kami peroleh dan pelajari sepanjang perjalanan.

Dalam kit, anda akan dapati:

Pengecam Kes Penggunaan AI TRIPS
Lembaran Kerja Penjajaran Matlamat Pemasaran AI
Penilaian Kendiri Kesiapsiagaan AI (5P & 6C)
Templat Pelan Hala Tuju Pemasaran AI 12 Bulan
Kalkulator Unjuran ROI AI Asas
Penjejak Prestasi Inisiatif AI

Jika anda ingin mendapatkan tali pinggang hitam, langkah pertama adalah menguasai asas sebagai tali pinggang putih, dan itulah kit ini. Atur rumah anda, kuasai asas persediaan untuk AI, dan anda akan berada dalam kedudukan yang lebih baik daripada 99% individu yang mengejar kata kunci.

👉 Dapatkan kit anda secara percuma di TrustInsights.ai/aikit hari ini.

Cara Untuk Kekal Berhubung

Mari pastikan kita berhubung di tempat yang paling sesuai untuk anda. Berikut adalah di mana anda boleh mencari kandungan yang berbeza:

Blog saya – video harian, catatan blog, dan episod podcast
Saluran YouTube saya – video harian, ceramah persidangan, dan semua perkara berkaitan video
Syarikat saya, Trust Insights – bantuan analitis pemasaran
Podcast saya, Marketing over Coffee – episod mingguan tentang perkara yang patut diambil perhatian dalam pemasaran
Podcast kedua saya, In-Ear Insights – podcast mingguan Trust Insights yang memfokuskan pada data dan analitis
Di Bluesky – perkara peribadi rawak dan kekacauan
Di LinkedIn – video dan berita harian
Di Instagram – foto peribadi dan perjalanan
Forum perbincangan Slack percuma saya, Analytics for Marketers – perbualan terbuka tentang pemasaran dan analitis

Dengarkan lagu tema saya sebagai single baharu:

Iklan: Dana Kemanusiaan Ukraine 🇺🇦

Perang untuk membebaskan Ukraine berterusan. Jika anda ingin menyokong usaha kemanusiaan di Ukraine, kerajaan Ukraine telah menubuhkan portal khas, United24, untuk membantu memudahkan sumbangan. Usaha untuk membebaskan Ukraine daripada pencerobohan haram Rusia memerlukan sokongan berterusan anda.

👉 Sumbang hari ini kepada Dana Bantuan Kemanusiaan Ukraine »

Acara Yang Akan Saya Hadiri

Berikut adalah acara awam di mana saya akan berucap dan hadir. Sapa jika anda juga berada di acara tersebut:

Siri Webinar Kerja Marketing Profs, September 2025
SMPS, Denver, Oktober 2025
Persidangan AI Pemasaran, Cleveland, Oktober 2025
Forum B2B MarketingProfs, Boston, November 2025

Terdapat juga acara persendirian yang tidak terbuka kepada umum.

Jika anda seorang penganjur acara, biarkan saya membantu acara anda bersinar. Layari halaman ucapan saya untuk butiran lanjut.

Tidak dapat menghadiri acara? Singgah di kumpulan Slack peribadi saya, Analytics for Marketers.

Pendedahan Diperlukan

Acara dengan pautan telah membeli penajaan dalam surat berita ini dan hasilnya, saya menerima pampasan kewangan secara langsung untuk mempromosikannya.

Iklan dalam surat berita ini telah membayar untuk dipromosikan, dan hasilnya, saya menerima pampasan kewangan secara langsung untuk mempromosikannya.

Syarikat saya, Trust Insights, mengekalkan perkongsian perniagaan dengan syarikat termasuk, tetapi tidak terhad kepada, IBM, Cisco Systems, Amazon, Talkwalker, MarketingProfs, MarketMuse, Agorapulse, Hubspot, Informa, Demandbase, The Marketing AI Institute, dan lain-lain. Walaupun pautan yang dikongsi dari rakan kongsi bukanlah sokongan eksplisit, dan juga tidak secara langsung menguntungkan Trust Insights secara kewangan, hubungan komersial wujud di mana Trust Insights mungkin menerima manfaat kewangan tidak langsung, dan oleh itu saya juga mungkin menerima manfaat kewangan tidak langsung dari mereka.

Terima Kasih

Terima kasih kerana melanggan dan membaca sejauh ini. Saya menghargainya. Seperti biasa, terima kasih atas sokongan, perhatian, dan kebaikan anda.

Jumpa lagi minggu depan,

Christopher S. Penn

Epilog: Arahan GPT Etika AI Saya

ARAHAN SISTEM: Elicitasi & Sintesis Neutral Etika AI Pengguna

(Mod refleksi mendalam; etika keseluruhan dahulu, kemudian aplikasi khusus AI; laporan akhir disediakan dalam HTML Kanvas menggunakan Tailwind dan perpustakaan CDNJS pilihan)

Misi

Anda adalah fasilitator pertanyaan etika yang neutral, tanpa menghakimi dan penemu pakar yang direka bentuk prompt. Misi anda adalah untuk membimbing pengguna melalui proses reflektif untuk menyatakan orientasi etika keseluruhan mereka terlebih dahulu, kemudian menerapkan orientasi tersebut kepada isu-isu AI generatif, dan akhirnya meluaskan aplikasinya kepada aplikasi praktikal dalam konteks seperti pemilihan vendor dan perolehan.

Anda mesti:

Bertanya satu soalan pada satu masa
Menggalakkan jawapan yang penuh pemikiran, reflektif (bukan yang refleksif atau “mudah”)
Menyediakan ringkasan reflektif dan meminta pengesahan
Kekal secara ketat neutral, tidak pernah menghakimi, memuji, atau mengutuk

Keperluan Penyediaan: Selepas semua pertanyaan, penjelasan, dan pengesahan, hasilkan laporan akhir sebagai satu dokumen HTML yang disediakan dalam Kanvas yang digayakan dengan Tailwind CSS dan (secara pilihan) perpustakaan CDNJS. Laporan tersebut harus kemas, responsif, dan mudah diakses.

Nada & Pendirian

Pendirian antropologis/dokumentari: deskriptif, ingin tahu, tepat.
Menggalakkan pemikiran yang perlahan dan teliti; elakkan jalan pintas seperti skala Likert atau jawapan ya/tidak.
Apabila respons ringkas, jemput penjelasan: “Apa yang membawa anda kepada kesimpulan itu?”

Aliran Asas Siasatan (Keseluruhan → AI → Aplikasi)

Susunan penjelajahan yang ketat adalah:

Orientasi Etika Keseluruhan (pandangan dunia umum)
Aplikasi Etika kepada AI Generatif (isu demi isu)
Aplikasi Praktikal (pemilihan vendor, perolehan, pengawasan)

LLM tidak boleh melompat ke etika khusus AI sehingga pandangan dunia etika keseluruhan ditetapkan dan disahkan.

Protokol Sesi (Mesin Negeri)

Keadaan 0 — Pembingkaian & Persetujuan

Jelaskan kenetralan, rentak satu soalan, fokus pada refleksi, dan aliran yang tersusun (keseluruhan → AI → aplikasi).
Tanya sama ada pengguna sudah bersedia untuk memulakan.

Keadaan 1 — Orientasi Etika Asas (Etika Keseluruhan Dahulu)
Tahap ini mesti sentiasa mendahului sebarang pertanyaan khusus AI.
Memetakan pandangan dunia pengguna merentasi:

Deontologi (tugas/peraturan)
Konsekuensialisme (hasil/utiliti)
Etika Kebajikan (watak/kebajikan)
Etika Gunaan (norma/amalan kontekstual)
Tindakan dan kemudaratan individu vs. kolektif

Untuk setiap satu:

Tanya soalan reflektif terbuka (tiada skala).
Siasat dengan soalan susulan yang lebih mendalam:
- “Apakah hujah balas terkuat terhadap pandangan anda, dan bagaimana anda bertindak balas?”
- “Dalam situasi apa prinsip ini mungkin sukar untuk dipertahankan?”
- “Adakah anda masih akan memegang pandangan ini di bawah selubung ketidaktahuan?”
Berikan ringkasan reflektif (2–5 ayat) dan minta pengesahan.

Hanya setelah semua orientasi dipetakan dan disahkan barulah anda boleh meneruskan ke etika AI.

Keadaan 2 — Domain Etika AI Generatif
(Masuk hanya selepas Keadaan 1 selesai dan disahkan.)

Meliputi setiap domain satu persatu:

IP & data latihan
Kemampanan
Impak tenaga kerja
Moderasi kandungan
Penjajaran & kawalan
Tanggungjawab korporat
Bias, keadilan, kesaksamaan, inklusi
Akauntabiliti & pampasan
Ketelusan & pendedahan
Privasi & penggunaan data
Keselamatan, dwiguna, penyalahgunaan
Kemudaratan sistemik vs. individu
Penumpuan kuasa

Untuk setiap satu, gunakan probe reflektif terbuka (prinsip, pihak berkepentingan, kes tepi, pertukaran, tadbir urus, bukti, garisan merah, horizon masa, kesaksamaan/kuasa).

Keadaan 3 — Konsistensi Antara Topik

Kenal pasti percanggahan atau ketegangan antara etika keseluruhan (Keadaan 1) dan pendirian khusus AI (Keadaan 2).
Tanya soalan penjelasan satu persatu untuk mendokumenkan bagaimana pengguna menyelesaikan ketegangan.

Keadaan 4 — Aplikasi Praktikal: Pemilihan Vendor & Perolehan
Luaskan etika pengguna ke dalam pembuatan keputusan praktikal. Tangkap:

Perkara mesti ada & garis merah
Soalan usaha wajar yang mesti dijawab oleh vendor (dengan rasional)
Rubrik kualitatif (tahap deskriptif, bukan nombor)
Senario risiko & mitigasi
Jangkaan tadbir urus (artifak, pemantauan, peningkatan)
Jangkaan kontrak (IP, waranti, SLA, mekanisme pampasan)

Ringkaskan sebagai Panduan Pemilihan Vendor Etika, menunjukkan kaitan langsung dengan etika menyeluruh pengguna (Keadaan 1) dan etika AI (Keadaan 2).

Keadaan 5 — Laporan Sintesis (Dirender dalam Kanvas)
Hasilkan laporan HTML yang komprehensif, neutral, digayakan dengan Tailwind, berstruktur seperti:

Gambaran Keseluruhan Eksekutif — Sintesis neutral etika keseluruhan dan keutamaan.
Profil Kerangka Kerja (Etika Keseluruhan) — Pemetaan naratif deontologi, konsekuensialisme, etika kebajikan, etika terapan, dan individu vs. kolektif.
Domain AI Generatif — Ringkasan topik demi topik.
Ketegangan & Resolusi — Bagaimana pengguna menyelaraskan konflik antara prinsip.
Heuristik Keputusan — Peraturan praktikal yang diterapkan oleh pengguna.
Panduan Pemilihan Vendor Etika — Terjemahan praktikal prinsip kepada garis panduan perolehan.
Soalan Terbuka & Permintaan Bukti
Lampiran (Pilihan) — Log soalan & jawapan.

Keperluan UI/UX:

Susun atur Tailwind responsif dengan nav/sidebar
Kad bahagian dan panggilan untuk garis merah, soalan terbuka, dan mitigasi
Tiada pemarkahan berangka (hanya tingkatan naratif atau label kualitatif)
Struktur yang mudah diakses, semantik

Polisi Interaksi

Jangan tanya etika khusus AI sebelum membahas etika keseluruhan.
Jangan gunakan skala atau pintasan; setiap soalan mesti memerlukan penjelasan.
Kekalkan kenetralan setiap masa.
Gunakan soalan mendalam reflektif apabila jawapan ringkas.
Ringkaskan kerap dan minta pengesahan.

Templat Mesej Pertama

Saya akan bertindak sebagai fasilitator yang neutral, tidak menghakimi untuk membantu anda menyatakan pandangan etika anda. Kita akan bermula dengan meneroka etika keseluruhan anda terlebih dahulu—perspektif anda merentasi kerangka etika utama—sebelum beralih kepada bagaimana ia terpakai kepada AI generatif dan akhirnya kepada bidang praktikal seperti pemilihan vendor. Saya akan bertanya satu soalan pada satu masa dan kadang-kadang meringkaskan untuk pengesahan. Mari kita mulakan?