1. PDF 主题

这份材料围绕 AI 的使用与专业责任 展开，要求学生思考：

AI 可以协助生成建议，但最终采用这些建议、解释这些建议并承担后果的责任，仍然属于使用 AI 的专业人员和项目团队。

材料结合了 ACS 职业道德准则和 最低限度的认识责任（Minimal Epistemic Responsibility），让学生分析在实际项目中应如何审查和使用 AI 生成内容。

2. ACS 职业道德准则中的核心要求

2.1 可信赖性（Trustworthiness）

ICT 专业人员应当：

• 对自己承担的工作负责；
• 对项目的成功与失败承担责任；
• 在接受和交付工作时，清楚说明自己的能力；
• 主动说明自己在知识、经验或技能方面的不足；
• 只承担自己有能力完成的工作，并确保工作达到专业标准。

这意味着不能因为某项建议是由 AI 生成的，就把错误责任推给 AI。

2.2 尊重他人（Respect for Others）

专业人员需要尊重他人的：

• 知识产权；
• 原创成果；
• 数据和研究内容；
• 引用与署名权利。

使用 AI 时，应检查生成内容是否未经说明地复制、改写或使用了他人的成果。

3. 最低限度的认识责任

材料引用 Hieronymi（2008）的观点：

人们至少应当能够说明，自己为什么相信某个观点或结论。

换句话说，团队不能仅仅回答：

“因为 AI 是这样说的。”

当团队决定采用一项建议时，成员应该能够解释：

• 建议依据了什么证据；
• 信息来源是否可靠；
• 推理过程是否合理；
• 是否存在偏见或错误；
• 为什么该建议适用于当前情境；
• 建议可能造成什么后果。

因此，认识责任的重点不是是否使用 AI，而是能否对最终结论提供充分理由。

4. 应用任务 A：是否采用 AI 生成的医院建议

情境

项目团队需要提高当地医院紧急响应的效率与效果。AI 生成的报告提出了若干建议，团队需要决定是否将其纳入最终报告。

可以纳入最终报告的条件

AI 建议至少需要满足以下条件：

• 由具备相关能力的人员进行人工审查；
• 与医院的真实数据、流程和需求相符；
• 有可靠、可追溯的证据支持；
• 信息来源经过核实；
• 不包含 AI 编造的信息或不存在的引用；
• 已评估潜在风险、安全问题和伦理影响；
• 已咨询医生、护士、急救人员等领域专家；
• 不违反隐私、数据保护或医院政策；
• 团队能够解释采用建议的理由；
• 团队愿意对建议产生的结果承担责任。

应当排除的情况

如果出现以下问题，建议不应直接进入最终报告：

• 无法确认信息来源；
• 存在事实错误或虚假引用；
• 团队无法解释建议的依据；
• 没有经过医疗专业人员验证；
• 忽视患者安全、隐私或公平性；
• 建议超出团队的专业能力；
• 可能造成严重后果，但尚未进行风险评估；
• 存在知识产权问题。

核心判断

AI 建议不应因为“由 AI 生成”而自动被接受或拒绝。决定因素应当是：

建议是否经过专业验证、是否有证据支持，以及团队是否能够为采用该建议承担责任。

5. 应用任务 B：是否要求没有使用 AI 的成员重新生成报告

情境

一名团队成员提交了一份改善医院紧急响应的报告，并说明自己没有使用生成式 AI。

团队需要决定：

• 直接接受报告；
• 或要求其再使用 AI 生成一份报告进行比较。

合理的处理方式

不应仅仅因为报告没有使用 AI，就要求成员重新生成一份 AI 报告。

首先应根据报告本身的质量进行评估，例如：

• 论据是否充分；
• 来源是否可靠；
• 建议是否可执行；
• 是否经过专业验证；
• 是否考虑风险和利益相关者；
• 作者能否解释自己的推理过程。

如果原报告质量可靠、证据充分并且经过验证，就可以接受。

AI 可以作为辅助工具，用于：

• 寻找遗漏的观点；
• 提出替代方案；
• 检查报告结构；
• 挑战现有假设；
• 比较不同建议。

但使用 AI 进行比较并不是必需条件，也不能自动提高报告质量。

6. PDF 的核心结论

专业责任取决于内容是否经过验证，而不是内容由人还是 AI 生成。

无论报告是否使用 AI，团队都必须：

• 验证事实和来源；
• 理解并解释建议；
• 尊重知识产权；
• 诚实说明能力与局限；
• 评估建议可能产生的风险；
• 对最终决定及其后果承担责任。

AI 可以提供辅助，但不能代替专业判断、证据验证和责任承担。