Science, Engineering, AI & Data Ethics | 科学技術・AI倫理

Remote Image Course
Description Course

Want to learn how to identify and solve every day ethical issues in engineering, science and Artificial Intelligence (AI)? If yes, this is the course for you! Ethics plays an integral role when it comes to engineering and science practice and recently is impacted by AI and big data analysis. This course originally released in 2017 teaches traditional preventive engineering ethics but emphasizes aspirational ethics. A new module was added that covers the topics of AI and Data ethics. which engineers and scientists also need to understand. The learning objectives of this course are as follows: recognize the significant social and environmental impact of engineering/scientific solutions. apply a practical seven-step ethical guide to real-world cases. critique, analyze, and develop best ethical solutions across micro- to meta- levels toward real-world problems. understand how one behaves in an organization professionally as an ethical engineer. learn how to apply ethical principles on advanced technologies like artificial intelligence. understand different AI related ethical guidelines and how to apply them. grasp how AI related ethical & technical standards are influenced by bias, trade-offs and norms The first six units cover science and engineering topics and the lectures are given in Japanese. Slides, quizzes and transcripts are available both in English and Japanese. In unit 7 on AI & Data ethics, the lectures and all materials are in English. 本コースは、工学、科学、AI(人工知能)分野で日々起こる倫理的問題を捉え、解決する方法を学びたいと考えている方に最適のコースです。倫理は、工学と科学を実践する際に不可欠な役割を果たし、最近では、AIとビッグデータ分析の影響も受けています。 2017年にリリースされた本コースの前身となるコースでは、工学分野の伝統的な「予防倫理」および「志向倫理」を取扱ってきましたが、今回の改訂により、 すべての技術者および科学者に必要なAIとデータ倫理を取扱う新しいモジュールが追加されました。 本コースの学習目標は以下のとおりです。 工学的・科学的解決策が社会・環境に与える影響の大きさを認識する。 事例研究を通して実践的な倫理手法であるセブン・ステップ・ガイドを応用する。 現実世界の問題に対し、マクロからメタレベルにかけて倫理的に最も良い解決策を批評、分析、発展させる。 事例研究を通じて、倫理的な技術者として専門的な組織内でどのように個人がふるまうかを理解する。 AIのような発展中の技術に対し、どう倫理原則を適用するかを理解する。 AIに関連する様々な倫理ガイドラインとその適用方法を理解する。 AI関連の倫理的および技術的な基準が偏見、トレードオフの関係、規範等によってどのような影響を受けるのかと把握する。