伦理不是感觉、不是社会共识、不是法律；分辨看压力来自哪里——内心不忍是 Feelings，大家都这么做是 Social Beliefs，写在条文里是 Laws
Social Belief 是大家认为什么是真的，Social Norm 是大家认为什么做法可接受；加班文化里信念是成功由工时衡量，规范是老板不走谁也不走
法律是地板，伦理是天花板；归谬论证是若伦理只是社会信念的镜子，道德进步就不可能发生
三把尺的 Focus 与 Key Question：Consequentialism 看 Outcomes and Results，问 What result is best；Deontology 看 Rules, Duties, and Universal Rights，问 Is the act itself right；Virtue Ethics 看 Character and Intent，问 What would a good person do
电车两版若只比较确定死亡人数都是 5 换 1；后果论也可考虑长期后果，义务论着重行为与权利——推人是把人仅仅当作工具；Bentham 在乎快乐的 quantity，Mill 主张 quality
ACM Code 四大板块依次是 General Ethical Principles、Professional Responsibilities、Professional Leadership Principles、Compliance with the Code，Section 编号首位数字即板块号
数据科学四个必记编号：1.2 Avoid Harm、1.4 Be Fair、1.6 Respect Privacy、2.5 对系统影响与风险做全面评估
案例分析四步 Consider → Analyze → Review → Evaluate；最容易漏的两问是还缺哪些信息、有哪些替代行动

数据化把生活变成数据点，关于你的数据决定了你能拿到哪些机会
算法必然编码作者的价值，三个刻意选择是 DEFINITION OF SUCCESS、CURATED DATA、PREDICTIONS & OUTPUTS，每一个都没有中立选项
审查一个系统的三问：谁建的（他们自己受影响吗）、他们怎么定义成功、谁不在场
WMD 三个特征是 Secret、Widespread、Harmful；三支柱 Opacity、Scale、Damage 是「与」关系，缺一条就不成立
数学没有坏，坏的是底层假设——训练数据只覆盖房价上涨期，模型给全国性同步下跌赋了接近零的概率
删掉敏感字段不能消除歧视，模型会从代理变量把它学回来
错配的一般形式：算法优化能测量的代理指标，受影响者关心的却是它测不到的那个目标
三条防御 Ask Questions、Demand Audits、Human Oversight 可交叉缓解风险；职业标准五要素里惩戒机制是承重墙

integrity 两个维度不可分割：对外是 Moral character in action（HONESTY、PRINCIPLE、CONDUCT），对内是 Wholeness within（UNITY、COHERENCE、SELF），只答「诚实」会漏掉另一维度
事后酬谢有助于分析行为动机，但回报先后不是 integrity 的充分必要判据——案例金额为 $42,000 与 $1,000
手上有数据不等于获得使用许可；动手前先定 purpose、permissions、provenance、fitness for use
再利用、关联、共享都是新的伦理决定，要重走一遍目的检查，应核对原许可是否覆盖新用途，不能默认沿用
数据护照四项 Origin、Boundary、Transformation、Limitations，记到别人能看懂它不能支撑什么结论
三种压力信号都不等于标准：讲清楚一点、快一点、大家都同意；回应是走 ethical escalation path，条款落在 E.1–E.4
模型上线不等于做完：BEFORE 验证、DURING 盯漂移、AFTER 纠正或退役，退役同样是职业义务
平均准确率不够——189 个人脸识别算法的测试里群体间假阳性差异达 10–100 倍，评估必须按群体拆开看

Academic Integrity and Ethics in Computer and Mathematical Sciences

逐讲