摘要：算法从互联网时代即已成为法律规制的对象,其法律地位随着技术发展不断演进。在互联网1.0时期,法律沿用传统手段应对算法引起的不利法律后果,算法仅具有技术上的意义;在互联网2.0时期,算法规制经过了从调整算法设计到调整算法部署和运用的迭代,算法也从产品化的算法演进为工具化的算法。人工智能时代,由于大数据与深度学习技术,算法进一步演化为本体化的算法。算法决策因具有不可解释性而逃逸法律责任,算法嵌入式扩张导致场景化规制失灵,算法平台化运行与公共利益隔离。因此,算法规制面临再次迭代的必要。算法规制的革新,一方面应实现调整对象的升级,另一方面应平台责任和技术责任双轨并用。算法的技术责任,应从设计、运营与事后救济三个流程充分展开,既充分利用现有法律责任体系,也应创制必要的规则,以保障算法设计、部署和运营合理化,遏制算法滥用对潜在正当法律利益的威胁和侵害。

摘要：卢米斯案引发了算法规制问题的广泛讨论。多数学者认为,该案判决低估了算法的准确性、歧视性和透明度风险,高估了法官识别算法风险的能力。为了应对普遍的算法风险,GDPR引入了算法可解释性规则,但在解释论构造、正当性、可行性和有效性等方面均存在争议。尽管学界对算法规制的具体进路看法不一,但在算法透明原则方面达成了共识。我国应当采取立法、司法与行业自律并行的算法规制策略。立法者应当制定场景化的算法透明和责任规则。在司法领域,要明确算法决策仅具有辅助性地位,不能替代人类法官进行判案,并设计出更为精细的算法透明制度。此外,还应当鼓励行业内部协商制定伦理标准和技术标准。

摘要：作为道德物化研究的一个重要面向,“公共善”扩展了媒介伦理研究的知识边界,为智能算法规制提供了新的理论视角、逻辑理路和价值基础。智能传播时代的算法规制不能仅仰赖相关的政策条款与法律法规,还应将“公共善”的维度纳入其中。传统的媒介伦理无法规约算法主导下的智能传播实践、算法偏见与算法黑箱、算法潜在的道德能动性,共同为“公共善”的出场提供了合法性。从“公共善”的视域出发,本文尝试搭建智能传播算法规制的框架,即以遵循“算法透明度”为原则,以“价值敏感设计”方法为指引,通过自上而下、自下而上和混合式路径的交织叠加构建道德算法,最终发挥算法对人类进步与社会发展的积极效用。

摘要：数据收集和信息处理技术的进步使法律规范能够根据特定个体进行调整,同时实现了前所未有的监管精确度。然而,这种“个性化法律(personalized law)”的好处不能与“完美执行(perfect enforcement)”的虚假承诺(false promise)相混淆。相反,执行个性化法律可能比执行非个性化的统一规则更具挑战性和复杂性。基于上述前提,本文第一部分探讨了如何运用法律规则的个性化算法来调整数字市场的信息披露,从而减少共享经济中的歧视,优化智慧城市的交通(预测与疏导)。本文第二部分探讨了迄今为止尚未得到充分研究的个性化法律的领域,即向个性化法律的转变不仅涉及法律规则设计的改变,还涉及合规监督和执法方面的必要修改。本文第三部分提出了对个性化法律进行算法治理的制度框架,本文认为,个性化法律可以定义为一种算法规制或数据治理。由于其涉及隐私问题,且数据定义和质量对法律的实施至关重要,因此,个性化法律的实施需要建立一个监管框架,以确保算法的可靠性。从更广义的角度来看,本文希望在算法决策和自动执法的学术争论与关于个性化法律的新兴争论之间建立一种联系。

摘要：电子商务领域个性化推荐算法的大规模应用提升了交易效率,但也使得算法权力与个人权利、公共空间之间的平衡被悄然打破,算法风险日益凸显。传统的算法公开、反算法歧视、个人赋权为主导的算法规制方式虽对算法风险有所克减,但在规制效果上仍存在不同程度的不足。有鉴于此,算法规制应转变“效率优先”的理念,探索规范制定上的“软硬结合”与制度设计上的“内外联动”,由法律赋权向法律赋能模式转变,提升消费者的权利认知,从而进一步推进算法规制的完善。

摘要：依托框架优势、机器优势和嵌入优势的全新算法,将会随着数字平台的搭建、数据资源的挖掘、“人–机”交互的设计,由单纯的计算工具向事务运行规则转变,进而演变为教育数字化转型中不容回避的权力议题。教育数字化转型中的算法权力既有益于管理风险、规范行为和辅助决策,也可能由于自身的局限以及它与教育之间的冲突,导致教育的风险异化、行为降格和决策失衡。要将算法权力规制到安全、可靠的“笼子”之中,除借助算法目标的教育审查、算法设计的教育解释、算法运行的教育监管、算法应用的教育鉴别、算法信息的教育备案、算法责任的教育认定,以构建从背景、过程到结果的规范机制;还应诉诸教育之于算法的祛魅、平衡与扬弃,以凸显“入乎其内却又出乎其外”的制衡思想。

摘要：随着人工智能技术的不断发展,犯罪风险评估工具逐渐开始了智能化的演进。域外司法实践中使用的智能化犯罪风险评估工具并没有解决“算法歧视”的问题。“算法歧视”的成因是复杂的、多层次的。结合传统算法规制的分析框架,从问题建构维度和模型设计维度,能够对人工智能犯罪风险评估“算法歧视”的成因进行深入分析,并据此对算法规制的算法公开、个人数据赋权、研发过程规制与审核,进行特定场景下的路径探索,为走出人工智能犯罪风险评估所面临的“算法歧视”困境提供理论支撑。

摘要：在数字经济时代,算法技术结合大数据和机器学习后已被应用于自动化或辅助决策、精准匹配和趋势预测等诸多生产或管理活动中。伴随其在商业和公共管理等领域的广泛深刻运用,因算法权利异化导致的算法滥用问题逐渐受到人们的担忧和重视。算法滥用存在针对不同主体的诸多现实或潜在的危害与弊端,足以影响到数字经济的健康可持续发展。因此,数字经济时代引致出针对算法进行规制和监管的需求。不同于传统的规制和监管的范式与手段,针对算法进行规制监管存在诸多问题与挑战。通过分析当前典型的算法规制思路与治理范式,结合算法规制监管的实施特点和痛点难点,本文针对性地提出建立以广义算法公开为基础的分场景算法审查、监管和评议的综合技术规制框架;建立在算法伦理基础上的外部监管问责、平台责任义务相结合的法规体系;建立以个体数据赋权为主要形式的健全维权途径、强化维权意识和配置个人算法权利的数据主体算法权利保障;建立算法设计主体价值与算法相关主体价值收敛协同发展、强化算法设计者社会责任的具体实现路径,以图探求适合中国数字经济背景下的算法规制体系建设思路。

摘要：区别于民事雇佣关系的劳动关系,被认为包含“从属性”之特征,学界主要从人格从属性、经济从属性和组织从属性等方面加以研究,而作为本源性从属和间接性从属的技术从属性一直未受重视。技术要素是形成大工业时代工厂劳动的基本动因,也是雇主在劳动过程中将劳资直接矛盾转移为机器与劳动者间接对立之手段。随着人工智能的发展和算法的运用,本来意义上自主灵活的用工形态受到了技术要素的影响,雇主管控效能得以提高,形成了雇主算法权力。雇主算法权力是劳动管理权的技术构成和范围扩张,其形成和运行有特殊性,由此产生了劳资之间的技术势差。需以劳动关系平衡作为雇主算法权力行使之界限,通过制定系统规则,对雇主算法权力的溢出和滥用加以限制和矫正。算法权力构成应防止劳动的技术异化,算法系统设计应做到透明、知情及可释,算法机制运行应避免劳动歧视、直接决定劳动者重大利益及破坏劳动团结。

摘要：算法程序被广泛地应用于计算机和信贷等领域,程序设计过程的不透明性和信息不对称性却对某些特定群体造成了被歧视的影响。现阶段算法歧视的表现形态主要为大数据杀熟、关联歧视、特征选择型算法歧视三种。算法歧视造成的影响主要包括侵犯消费者权利、失业率加剧、损害公民人身权、种族歧视和性别歧视。针对算法歧视问题可采取的规制措施包括特定性因子排除、对使用算法程序的特定机构进行规制;外部他律性规制和内部自律性规制;规定算法解释权。确保算法技术真正促进社会的发展与进步而非用于制造歧视性后果,是在大数据时代算法歧视的法律规制与算法程序审查过程中需重视的问题。