情境：争议每天都在信息流里出现
AI 换脸、算法推荐、隐私抓取、深度伪造、数据标注外包，几乎每个月都会冒出一个新的现场。绝大多数人第一次接触到这些议题，不是在课堂上，而是在一条被转发了十万次的短视频里。
为什么需要一个把案例讲透的伦理网站
过去五年，与网络伦理相关的公共讨论数量增长了好几倍。争议来得快，结论却往往停在情绪层面。这个栏目想补上中间那一段。
冲突：情绪跑在事实前面
一条伦理争议从爆发到反转，通常不超过四十八小时。多数人在第一轮转发时就已经站好了队，而真正影响判断的关键事实，往往出现在第三天的补充报道里。信息越快，越难慢下来。
问题：普通人缺少可操作的判断工具
哲学教材讲的是原则，新闻报道讲的是结果，两者之间那段路——具体到某一条视频该不该发、某一份数据该不该用——几乎没有现成答案。缺的不是立场，而是把立场落到具体情境里的方法。
答案：用结构化案例替代碎片化观点
这个伦理网站的解法很笨，但有效：把每个案例拆成四栏——发生了什么、冲突在哪、当事人有哪些选项、每种选项的后果是什么。我们同时标注信息来源，明确区分事实与推断。作为持续更新的伦理网站内容库，它也如实记录每一次判断失效的地方。
正在更新的伦理案例库
六组案例，每组都可以展开查看完整的推演过程。右上角的更新标记代表这篇内容在最近三十天内被重新核对过。
平台责任
算法推荐与未成年人保护
当推荐系统把高刺激内容持续推给未成年用户，平台的责任从哪一步开始计算。
技术滥用
深度伪造与名誉权边界
一段未经许可的换脸视频被用于商业推广，侵权责任在制作者与传播者之间如何分配。
劳动伦理
数据标注外包中的劳工处境
一条数据从采集到进入模型，平均经过四层外包，知情同意在哪一层被稀释掉了。
责任分配
医疗辅助诊断的责任归属
当辅助系统给出错误提示，责任应当落在医生、医院还是算法供应商身上。
研究伦理
学术数据共享与知情同意
研究数据被二次利用时，原始同意书往往没有覆盖新的用途，谁来补上这次授权。
治理机制
平台内容审核的透明义务
用户被限流却拿不到解释，审核标准的公开边界应当划在哪里。
这个伦理网站的四个取舍
做内容总要放弃一些东西。下面四条是我们在编辑过程中反复坚持、也反复为此付出代价的原则。
案例优先于观点
我们不生产结论，只生产通往结论的路径。同一个伦理网站上的案例，允许你最后得出和我们不一样的判断，只要你的推演过程能被检验。
来源可追溯
每条案例素材都来自公开报道、公开裁判文书或当事人公开陈述，正文中标注出处。属于推断的部分单独标记，不混进事实里。
结构固定，便于对照
情境、冲突、选项、后果四栏固定不变。固定的结构让不同案例之间可以横向比较，也让网络伦理这种抽象议题变得可以逐条拆解。
定期回访，记录失效
判断会过时。每篇案例都标注最近一次核对时间，如果后续事实发生变化，我们保留原判断并追加修订说明，而不是悄悄改掉。
相关资讯
只收录与伦理判断直接相关、且事实链条已经基本清楚的事件。资讯不追速度。
推荐算法透明度新规落地，平台需要公开哪些参数
新规要求平台说明推荐结果的主要影响因子。对普通用户来说，这意味着第一次有机会知道自己为什么被推到了某条内容面前。
换脸侵权案二审宣判，平台注意义务被重新划定
判决明确了通知删除之外的前置审查义务边界。对内容平台而言，风控成本与创作自由之间的平衡点正在移动。
数据标注行业薪酬调查发布，外包链条上的知情同意仍缺位
调查覆盖了多个标注基地。受访者普遍表示，从未被告知自己处理的数据最终会用于什么场景。
关于伦理网站的常见问题
下面是读者问得最多的几个问题，答案保持和页面下方结构化数据一致。
伦理网站和普通的新闻聚合站有什么区别？
普通聚合站按热度排序，这个伦理网站按判断难度排序。我们不追求第一时间发出消息，而是在事件基本清楚之后，把它拆成情境、冲突、选项和后果四个部分，并标注信息来源。你会看到结论，也会看到得出结论的过程。
网站上的案例内容可靠吗？
案例素材全部来自公开报道、公开裁判文书或当事人公开陈述，每一条都在正文里注明了出处。凡是属于我们推断的部分，都会单独标记。如果发现事实错误，可以在留言区指出，我们会核对后修订并保留修订记录。
阅读这些案例需要付费或者注册吗？
不需要。这个伦理网站的全部案例、资讯和问答都免费开放，也不需要注册。我们希望降低门槛，让更多人在做出判断之前，愿意花十分钟看一眼完整推演。
如果我想投稿自己的经历，隐私怎么处理？
我们接受匿名投稿，也会主动做去标识化处理：删除可定位到具体个人的时间、地点、机构名称，必要时合并或改写细节。涉及未成年人、医疗信息和正在进行的司法程序的案例，我们一般不予收录。
内容多久更新一次？
案例库每月至少更新两篇，资讯栏目每周更新。遇到重大公共事件，我们会在一周内补充对应的结构化拆解。每篇案例右上角都标注了最近一次更新时间，方便你判断它是否还适用于当前情境。
引用这里的内容需要注意什么？
欢迎引用，但请保留原文链接和更新时间，不要只截取结论。因为伦理判断高度依赖具体情境，脱离上下文的结论很容易被误用。如果需要用于教学或商业场景，建议先通过留言区说明用途。
读者留言
以下留言来自读者投稿，仅作展示。想补充自己的经历，欢迎在评论区写下你的看法。
第一次看到把「选项」和「后果」分开写的伦理网站。读完那篇算法推荐的案例，我把自家产品的推荐逻辑重新过了一遍，确实有两处说不过去。
周然 · 产品经理
作为老师，我把这个伦理网站上的网络伦理案例直接拿去当课堂讨论材料，学生比看教材投入多了。希望以后能多出几组适合中学课堂的版本。
陈叙 · 中学教师
信息伦理这块讲得比我想象中细，尤其是数据标注那篇。我在伦理网站留言区蹲了很久，终于有人把外包链条上的知情同意讲清楚了。
林一 · 数据分析师
建议加一组关于平台审核员心理压力的案例。做这行的朋友说，最难的不是判断，而是每天要做出上千次判断还不能出错。
何以 · 内容安全从业者你也有遇到过两难的选择吗？欢迎在留言区写下你的经历，或者说说你希望这个伦理网站接下来拆解哪一类议题。每一条留言我们都会看。