第四次工業(yè)革命與算法治理的新挑戰(zhàn)

賈開(kāi) 薛瀾

哈佛大學(xué)法學(xué)院教授勞倫斯·萊辛格在1999年和2006年連續(xù)出版兩本以“代碼（Code）”為名的專著，并提出了“代碼即法律（Code is Law）”的著名論斷。萊辛格的核心觀點(diǎn)是，“代碼”構(gòu)成了網(wǎng)絡(luò)空間的新“規(guī)則”，但不同于物理空間，此時(shí)的規(guī)則制定權(quán)卻從立法者手中轉(zhuǎn)移到了商業(yè)公司。萊辛格擔(dān)憂，商業(yè)公司的逐利性可能影響“代碼”作為網(wǎng)絡(luò)空間規(guī)則的公共性，并因此要求政府約束商業(yè)公司行為，對(duì)代碼的設(shè)計(jì)、部署、應(yīng)用過(guò)程及結(jié)果施加影響。

萊辛格的主張可被視為21世紀(jì)初“算法治理”的典型代表，但從隨后的歷史發(fā)展進(jìn)程來(lái)看，此種主張并未成為主流。彼時(shí)各國(guó)為促進(jìn)互聯(lián)網(wǎng)新興產(chǎn)業(yè)的發(fā)展，主要采取了自由寬松的規(guī)制態(tài)度，并沒(méi)有過(guò)多干涉技術(shù)創(chuàng)新和應(yīng)用。相比之下，“算法治理”在當(dāng)前卻獲得了包括政府、商業(yè)公司、社會(huì)公眾在內(nèi)的各類主體的普遍重視，針對(duì)算法歧視、算法“黑箱”、算法責(zé)任、算法“繭房”等諸多問(wèn)題的治理規(guī)則也在各個(gè)國(guó)家得到了不同程度的落實(shí)。算法治理不再局限于學(xué)者提出的理念，而正在轉(zhuǎn)變?yōu)榫唧w的法律政策或倫理原則。

在這短短二十余年里，人們對(duì)于“算法治理”態(tài)度的轉(zhuǎn)變，一方面可被理解為技術(shù)發(fā)展與應(yīng)用深化的自然結(jié)果，是互聯(lián)網(wǎng)由早期弱小產(chǎn)業(yè)逐漸成長(zhǎng)為網(wǎng)絡(luò)空間龐大生態(tài)后人類社會(huì)的必然應(yīng)對(duì)。另一方面，第四次工業(yè)革命推動(dòng)下的算法應(yīng)用，真正體現(xiàn)了其作為影響人類生產(chǎn)、生活重要“規(guī)則”的變革性，從而使得算法治理具有了不同于歷史上任何一次技術(shù)革命的新特點(diǎn)。

第四次工業(yè)革命推動(dòng)算法成為人類社會(huì)重要“規(guī)則”

歷史上的三次工業(yè)革命都是以標(biāo)志性技術(shù)突破為代表，并被視為推動(dòng)人類社會(huì)組織、經(jīng)濟(jì)、政治形態(tài)變革的重要力量。例如瑞士日內(nèi)瓦高級(jí)國(guó)際關(guān)系及發(fā)展研究院教授鮑德溫即認(rèn)為：蒸汽機(jī)革命降低了產(chǎn)品流通成本，從而促進(jìn)了貨物貿(mào)易的全球化；信息通信技術(shù)革命降低了知識(shí)流通的成本，從而促進(jìn)了生產(chǎn)網(wǎng)絡(luò)的全球化。相比于前三次工業(yè)革命，第四次工業(yè)革命的核心特征并不在于單個(gè)技術(shù)的突破，而在于人工智能、生物技術(shù)、可再生能源、量子技術(shù)、3D打印等一系列技術(shù)的跨界融合，并在此過(guò)程中迭代演化、迅速擴(kuò)散并引發(fā)連鎖反應(yīng)。

催生第四次工業(yè)革命到來(lái)的重要原因，可被歸結(jié)為人類社會(huì)數(shù)字化轉(zhuǎn)型進(jìn)程的深入，使得“數(shù)據(jù)驅(qū)動(dòng)”開(kāi)始成為新范式，并在不同領(lǐng)域得到應(yīng)用。藥物研發(fā)、可再生能源管理、智能制造的生產(chǎn)調(diào)度，都是在不同領(lǐng)域、針對(duì)不同數(shù)據(jù)進(jìn)行收集、存儲(chǔ)、分析的人類活動(dòng)。伴隨此過(guò)程，算法作為挖掘數(shù)據(jù)價(jià)值的基本方法，其重要性也與日俱增。但第四次工業(yè)革命背景下，算法的變革性影響還不止于此。

英國(guó)著名學(xué)者邁克爾·波蘭尼曾指出，“人類知道的，遠(yuǎn)比其能表達(dá)的更多（Humans Know More than He Can Speak）”。傳統(tǒng)信息技術(shù)下，算法可被視為人類知識(shí)的表達(dá)，只有能夠清楚界定的需求，才能通過(guò)算法以數(shù)字化的形式實(shí)現(xiàn)出來(lái)。第四次工業(yè)革命背景下，人工智能技術(shù)突破了波蘭尼論斷的限制，算法實(shí)現(xiàn)過(guò)程不再依賴人類知識(shí)的表達(dá)。基于大量數(shù)據(jù)或案例，算法可以通過(guò)自我學(xué)習(xí)自動(dòng)抽取出特定規(guī)則。由此，第四次工業(yè)革命進(jìn)一步擴(kuò)大了算法的應(yīng)用范圍，加速了人類社會(huì)數(shù)字化轉(zhuǎn)型的進(jìn)程，并凸顯了算法作為人類社會(huì)數(shù)字環(huán)境新規(guī)則的重要性。

以人臉識(shí)別算法為例。波蘭尼論斷揭示的基本現(xiàn)實(shí)是，人們往往能很輕易地識(shí)別朋友的臉龐，但并不能解釋該臉龐具有何種特征以致于我們一眼便能“識(shí)別”。正因?yàn)檫@種表達(dá)能力的限制，長(zhǎng)久以來(lái)，算法對(duì)圖像的識(shí)別正確率遠(yuǎn)遠(yuǎn)低于人類，這也使得安防、認(rèn)證等諸多場(chǎng)景的數(shù)字化轉(zhuǎn)型進(jìn)程停滯不前。但人工智能技術(shù)的發(fā)展，使得算法可以基于大量圖片進(jìn)行自我學(xué)習(xí)，并抽取出相關(guān)特征，從而打破了人類表達(dá)能力的限制，實(shí)現(xiàn)了與人類相當(dāng)甚至更精準(zhǔn)的識(shí)別效果。在此基礎(chǔ)上，機(jī)場(chǎng)車站對(duì)于“黑名單”人員的篩查、金融服務(wù)過(guò)程中對(duì)于身份的認(rèn)證，這些傳統(tǒng)上均是由人來(lái)完成的工作，當(dāng)前都可通過(guò)人臉識(shí)別算法來(lái)實(shí)現(xiàn)，其在加速相關(guān)場(chǎng)景數(shù)字化轉(zhuǎn)型進(jìn)程的同時(shí)，也自然成為影響人類生產(chǎn)、生活活動(dòng)的重要規(guī)則。

這一變革固然將帶來(lái)諸多益處，但圍繞規(guī)則合法性、合理性、正當(dāng)性、平等性的爭(zhēng)論，也同時(shí)意味著變革風(fēng)險(xiǎn)的必然存在——而這也正是“算法治理”所要關(guān)注的要點(diǎn)。

算法應(yīng)用的三種風(fēng)險(xiǎn)：歧視性、責(zé)任性、誤用及濫用

算法治理要回應(yīng)的，是算法變革所帶來(lái)的治理風(fēng)險(xiǎn)?！八惴ㄗ鳛橐?guī)則”的獨(dú)特性決定了第四次工業(yè)革命背景下，算法所引發(fā)治理風(fēng)險(xiǎn)的挑戰(zhàn)性。具體而言，相關(guān)風(fēng)險(xiǎn)可被概括為三個(gè)方面。

歧視性風(fēng)險(xiǎn)

讓我們先從一個(gè)實(shí)例說(shuō)起。亞馬遜公司曾經(jīng)在2014年開(kāi)發(fā)了一套“算法篩選系統(tǒng)”來(lái)幫助亞馬遜在招聘時(shí)篩選簡(jiǎn)歷。開(kāi)發(fā)小組開(kāi)發(fā)出了500個(gè)模型，同時(shí)教算法識(shí)別50000個(gè)曾經(jīng)在簡(jiǎn)歷中出現(xiàn)的術(shù)語(yǔ)，以讓算法學(xué)習(xí)在不同能力間分配權(quán)重。但是久而久之，開(kāi)發(fā)團(tuán)隊(duì)發(fā)現(xiàn)算法對(duì)男性應(yīng)聘者有著明顯的偏好，當(dāng)算法識(shí)別出“女性”相關(guān)詞匯的時(shí)候，便會(huì)給簡(jiǎn)歷相對(duì)較低的分?jǐn)?shù)。最終亞馬遜公司停止了該算法的開(kāi)發(fā)和使用。但是為什么看似中立的算法會(huì)對(duì)女性產(chǎn)生歧視呢？原來(lái)，亞馬遜公司的整體員工構(gòu)成以男性為主，亞馬遜用來(lái)訓(xùn)練算法的“老師（即簡(jiǎn)歷數(shù)據(jù)）”本身就帶有很強(qiáng)的性別偏差，而年幼無(wú)知的算法則只能“邯鄲學(xué)步”，從以往的簡(jiǎn)歷數(shù)據(jù)學(xué)習(xí)，自然而然就學(xué)到了這個(gè)偏差。這個(gè)例子就是一個(gè)典型的算法歧視案例。

從概念上講，算法歧視的基本內(nèi)涵是指：當(dāng)將算法應(yīng)用于決策領(lǐng)域時(shí)，基于群體身份特征，算法將形成具有系統(tǒng)性偏差的決策結(jié)果。典型案例比如在犯罪風(fēng)險(xiǎn)評(píng)估算法中，黑人的犯罪風(fēng)險(xiǎn)會(huì)系統(tǒng)性地高于白人；在招聘機(jī)會(huì)推薦算法中，男性獲得高薪資工作的推薦幾率顯著高于女性等。在貸款申請(qǐng)、廣告推薦、公共服務(wù)等各個(gè)領(lǐng)域，自動(dòng)化算法決策結(jié)果都可能存在對(duì)特定群體的系統(tǒng)性偏差。

造成算法歧視性風(fēng)險(xiǎn)的原因，固然有技術(shù)缺陷或人為主觀意圖的影響，但更復(fù)雜的因素還在于算法與其應(yīng)用環(huán)境相互影響的結(jié)果。以搜索引擎的排序算法為例，2013年針對(duì)谷歌的一項(xiàng)研究表明，搜索黑人名字時(shí)，排在前面的搜索結(jié)果會(huì)更多地與犯罪記錄聯(lián)系在一起，而搜索白人名字時(shí)則不會(huì)出現(xiàn)這種情況（由于歷史文化傳統(tǒng)的不同，相當(dāng)數(shù)量的英文名字事實(shí)上體現(xiàn)了種族特征。例如Latanya更多對(duì)應(yīng)黑人名字，而Kristen則更多對(duì)應(yīng)白人名字）。造成排序算法這種系統(tǒng)性偏差的原因，并非源于谷歌程序員主觀性地加入了種族因素，而是因?yàn)榕判蛩惴ǖ脑瓌t是將用戶有更大幾率點(diǎn)擊的內(nèi)容排在前面；但用戶在搜索黑人名字時(shí)，更想了解其是否與犯罪記錄相關(guān)，從而導(dǎo)致排序算法在持久的用戶結(jié)果反饋過(guò)程中，形成了上述偏差。該研究揭示了，算法結(jié)果的偏差事實(shí)上反映了人類社會(huì)本身的內(nèi)在分化，算法在應(yīng)用于人類社會(huì)環(huán)境，并不斷接受環(huán)境反饋而動(dòng)態(tài)調(diào)整的過(guò)程中，又進(jìn)一步體現(xiàn)、放大了人類社會(huì)的既有分化。

責(zé)任性風(fēng)險(xiǎn)

算法責(zé)任是又一個(gè)被頻繁提及的治理風(fēng)險(xiǎn)，其主要內(nèi)涵是指：當(dāng)算法決策或應(yīng)用結(jié)果損害特定主體權(quán)利時(shí)，由于歸責(zé)原則不清晰而導(dǎo)致利益救濟(jì)不到位的風(fēng)險(xiǎn)問(wèn)題。技術(shù)治理傳統(tǒng)視角下，技術(shù)或產(chǎn)品僅被視為工具，其背后的設(shè)計(jì)者或應(yīng)用者才是承擔(dān)民事責(zé)任的主體。但第四次工業(yè)革命背景下，算法責(zé)任性風(fēng)險(xiǎn)的新挑戰(zhàn)主要體現(xiàn)在兩個(gè)方面。

一方面，人工智能技術(shù)推動(dòng)下，算法具備了一定程度的主體性。人工智能算法的變革意義在于突破了人類表達(dá)能力的限制，基于大量數(shù)據(jù)或案例的自我學(xué)習(xí)過(guò)程，事實(shí)上意味著算法應(yīng)用結(jié)果與人類行為之間，并不一定存在必然且直接的因果聯(lián)系，由此導(dǎo)致傳統(tǒng)歸責(zé)原則失效。例如，如果人工智能算法“生產(chǎn)”的文學(xué)或音樂(lè)作品侵犯了他人著作權(quán)或版權(quán)，我們并不能完全歸咎于該算法的設(shè)計(jì)者或應(yīng)用者，因?yàn)樗麄儾](méi)有直接決定算法的產(chǎn)出，甚至不能預(yù)期算法究竟會(huì)形成何種產(chǎn)出。

另一方面，算法責(zé)任的新挑戰(zhàn)還在于算法的“黑箱性”。也就是說(shuō)，我們對(duì)算法形成特定結(jié)果的內(nèi)在機(jī)制和因果聯(lián)系看不清楚、說(shuō)不明白。這種情況將影響責(zé)任溯源的過(guò)程，以及相關(guān)責(zé)任的界定。雖然我們不能完全排除商業(yè)平臺(tái)刻意隱瞞算法運(yùn)行原理的情況，但導(dǎo)致算法“黑箱性”的根本原因，還在于算法基于大量案例的自我學(xué)習(xí)過(guò)程本身的不可解釋性。例如，算法雖然能夠在短時(shí)間內(nèi)閱讀所有《人民日?qǐng)?bào)》文章，并判斷哪一篇文章可能在社交媒體上得到最多人的分享，但其卻不能給出人們?cè)敢夥窒碓撐恼碌木唧w理由；類似的，算法能夠?yàn)橛脩敉扑]最匹配的資訊內(nèi)容，但卻不能給出用戶喜歡該資訊內(nèi)容的具體原因。在上述例子中，如果算法應(yīng)用結(jié)果給用戶造成權(quán)益損失時(shí)，因?yàn)殡y以確定導(dǎo)致?lián)p失的原因，傳統(tǒng)歸責(zé)體系也就難以確定應(yīng)該由誰(shuí)、用何種方式對(duì)用戶給予合理的賠償。

誤用及濫用性風(fēng)險(xiǎn)

算法雖然能夠以更高效率處理大量數(shù)據(jù)，但其仍然存在諸多局限性。如果忽略這些局限性，將算法應(yīng)用在不當(dāng)環(huán)境之中，便可能引發(fā)誤用及濫用的風(fēng)險(xiǎn)，這又具體體現(xiàn)在三個(gè)方面。

首先，算法往往是“死板”的：雖然算法可以基于大量數(shù)據(jù)或案例實(shí)現(xiàn)自我學(xué)習(xí)，但學(xué)習(xí)的目標(biāo)卻需要具體而明確地人為設(shè)定，但現(xiàn)實(shí)生活的復(fù)雜性并不一定總是能滿足這一要求。其次，算法往往是“短視”的：算法往往要求實(shí)時(shí)反饋結(jié)果以評(píng)估決策效果，這也導(dǎo)致其能更好滿足“短期目標(biāo)”，但在應(yīng)對(duì)“長(zhǎng)期目標(biāo)”方面可能力不從心。最后，算法往往是“僵化”的：基于大量數(shù)據(jù)或案例的機(jī)器學(xué)習(xí)算法，在客觀上要求輸入大數(shù)據(jù)集與其應(yīng)用環(huán)境具有概率上的分布一致性，但動(dòng)態(tài)變化的應(yīng)用環(huán)境往往使得基于特定數(shù)據(jù)集的算法決策很快過(guò)時(shí)，并因而難以用于指導(dǎo)當(dāng)前及未來(lái)的預(yù)測(cè)或分析。

以資訊推薦算法為例。首先，資訊推薦算法的目的在于為用戶提供最匹配且有質(zhì)量的內(nèi)容，但算法并不理解何為“匹配”或“有質(zhì)量”，因而設(shè)計(jì)者不得不將這一模糊目標(biāo)轉(zhuǎn)化為“用戶點(diǎn)擊率最高”這一具體的替代目標(biāo)。但很明顯地，替代目標(biāo)與真實(shí)目標(biāo)并不完全一致，“點(diǎn)擊率最高”并不意味著“有質(zhì)量”，算法的“死板”可能帶來(lái)額外風(fēng)險(xiǎn)。其次，“用戶點(diǎn)擊率”更多體現(xiàn)為當(dāng)前的“短期目標(biāo)”，但過(guò)多重視點(diǎn)擊率卻可能導(dǎo)致低俗內(nèi)容盛行，從而不利于平臺(tái)可持續(xù)發(fā)展這一長(zhǎng)期目標(biāo)，但算法卻無(wú)法將后者納入考慮范圍，由此帶來(lái)“短視”風(fēng)險(xiǎn)。最后，資訊推薦算法往往需要根據(jù)用戶歷史閱讀數(shù)據(jù)來(lái)預(yù)測(cè)用戶偏好，但其卻往往難以捕捉用戶所在環(huán)境的具體需求（例如在課堂或醫(yī)院等特殊場(chǎng)合），進(jìn)而可能推送不合時(shí)宜內(nèi)容，并因此體現(xiàn)其“僵化”風(fēng)險(xiǎn)。

基于上述風(fēng)險(xiǎn)的梳理不難看出，不同于傳統(tǒng)意義上的技術(shù)治理，第四次工業(yè)革命背景下的算法治理，并不局限于技術(shù)或產(chǎn)品本身，而更多體現(xiàn)了算法與人類社會(huì)交互影響而形成的新挑戰(zhàn)。正因?yàn)榇?，算法治理不僅要求算法設(shè)計(jì)者關(guān)注功能的完備性和魯棒性，更要求算法應(yīng)用者和用戶深度參與治理進(jìn)程，為算法的動(dòng)態(tài)演化及其影響結(jié)果提供實(shí)時(shí)反饋，而這也相應(yīng)要求治理理念、體系、機(jī)制的革新。

算法治理理念、體系、機(jī)制的革新

第四次工業(yè)革命背景下，算法治理的新挑戰(zhàn)在于，算法的生產(chǎn)與應(yīng)用過(guò)程已經(jīng)深度嵌入人類社會(huì)之中，其作為規(guī)則的普遍性、可執(zhí)行性與動(dòng)態(tài)性，都使得我們需要更新治理理念，并創(chuàng)新治理體系和治理機(jī)制。

治理理念的回歸與豐富：以人為本

在傳統(tǒng)的技術(shù)治理視野下，“以人為本”更多是指技術(shù)創(chuàng)新應(yīng)服務(wù)于人類社會(huì)發(fā)展，而不能“作惡”。但對(duì)于第四次工業(yè)革命背景下的算法治理而言，“以人為本”的內(nèi)涵還不僅如此，其同時(shí)要求技術(shù)研發(fā)與應(yīng)用的價(jià)值應(yīng)體現(xiàn)為“賦能于人”，而非“人的替代”。算法治理理念需要回歸并豐富“以人為本”的基本內(nèi)涵，有兩方面原因。

第一，在第四次工業(yè)革命背景下，算法已經(jīng)開(kāi)始作為獨(dú)立的行為主體參與人類生產(chǎn)、生活，并以“規(guī)則”的形式體現(xiàn)其對(duì)于人類行為的深度影響。由此引發(fā)的重要問(wèn)題在于，原先由“人”來(lái)承擔(dān)的行為責(zé)任能否、且如何向“機(jī)器”轉(zhuǎn)移。在沒(méi)有對(duì)此問(wèn)題作出很好回答之前，將重要規(guī)則的決策權(quán)歸還于“人”，仍然可能是短期內(nèi)我們的次優(yōu)選擇。例如，資訊推送算法背后并沒(méi)有一個(gè)控制者，其能夠決定每個(gè)人所能看到的資訊內(nèi)容，是算法在分析每個(gè)用戶的偏好后，自主決策形成了推薦內(nèi)容，基于此所創(chuàng)造的信息環(huán)境將最終影響用戶的觀點(diǎn)與行為；但算法可能推送與法律、倫理相悖內(nèi)容的風(fēng)險(xiǎn)，使得我們?nèi)匀徊荒苋斡伤惴▉?lái)決定所有內(nèi)容，人為的干涉與影響不僅是重要的，也是必不可少的。

第二，算法所體現(xiàn)出的自動(dòng)化、智能化特征，可能誘導(dǎo)技術(shù)研發(fā)者和應(yīng)用者，在提高效率、降低成本的引導(dǎo)下，更多追求控制乃至替代人類行為的自主性，進(jìn)而忽略了算法輔助并賦能于人的可能性。舉例而言，“犯罪風(fēng)險(xiǎn)評(píng)估”司法機(jī)制的設(shè)計(jì)初衷，是為了更好促進(jìn)并創(chuàng)造個(gè)體向善的動(dòng)機(jī)與環(huán)境，而非片面減少人為判斷的主觀性以提升決策效率。特別的，如果我們意識(shí)到算法還存在“死板”、“短視”、“僵化”的弱點(diǎn)，在忽略人類社會(huì)復(fù)雜性的前提下，片面追求效率導(dǎo)向，以在不同場(chǎng)景下“替代”人類決策的技術(shù)研發(fā)和應(yīng)用思路，將可能造成更大風(fēng)險(xiǎn)。

治理體系和治理機(jī)制的延伸與重構(gòu)

技術(shù)治理的傳統(tǒng)體系是典型的“命令-控制”結(jié)構(gòu)，針對(duì)確定的治理風(fēng)險(xiǎn)（例如汽車事故），政府作為監(jiān)管者預(yù)先制定標(biāo)準(zhǔn)（例如汽車產(chǎn)品質(zhì)量標(biāo)準(zhǔn)）與規(guī)范（例如駕駛者的行為規(guī)范），并要求相關(guān)主體遵照?qǐng)?zhí)行。但第四次工業(yè)革命背景下，算法更多作為“規(guī)則”，而非“產(chǎn)品”，被應(yīng)用于人類社會(huì)并產(chǎn)生影響，由此也使得算法治理風(fēng)險(xiǎn)體現(xiàn)出多元化、動(dòng)態(tài)性、不確定等特征。在搜索引擎排序算法的例子中，程序員以“最大化用戶點(diǎn)擊率”作為算法設(shè)計(jì)原則，本身并無(wú)太大爭(zhēng)議，但當(dāng)應(yīng)用于具體環(huán)境并體現(xiàn)出特定社會(huì)心理傾向之后，歧視性風(fēng)險(xiǎn)最終產(chǎn)生。面對(duì)這種情況，監(jiān)管者既難以提前預(yù)設(shè)規(guī)制標(biāo)準(zhǔn)（因風(fēng)險(xiǎn)難以提前預(yù)知），也難以針對(duì)明確的被監(jiān)管者制定行為規(guī)范（因并非特定主體的特定行為直接導(dǎo)致風(fēng)險(xiǎn)），傳統(tǒng)的“命令-控制”結(jié)構(gòu)難以為繼。因此，治理體系的延伸成為必然選擇。技術(shù)研發(fā)者、設(shè)計(jì)制造者、部署應(yīng)用者乃至用戶都應(yīng)當(dāng)加入治理體系，與政府監(jiān)管部門共同構(gòu)成推進(jìn)算法治理的利益相關(guān)方。在遵循各自行為規(guī)范的基礎(chǔ)上，利益相關(guān)方還應(yīng)建立風(fēng)險(xiǎn)共享與應(yīng)對(duì)機(jī)制，以及時(shí)發(fā)現(xiàn)治理風(fēng)險(xiǎn)，約束相關(guān)方修正技術(shù)發(fā)展和應(yīng)用路徑。

另一方面，將利益相關(guān)方納入治理體系，并不意味著必然就會(huì)帶來(lái)良好的治理績(jī)效。算法治理的新挑戰(zhàn)要求利益相關(guān)方共同探索新的、有效的治理機(jī)制，以發(fā)揮不同主體優(yōu)勢(shì)、整合治理資源。就此而言，以“敏捷治理”引領(lǐng)算法治理機(jī)制創(chuàng)新，可能是值得探索的希望路徑之一?！懊艚葜卫怼笔鞘澜缃?jīng)濟(jì)論壇2018年提出的新概念，其意味著“一套具有柔韌性、流動(dòng)性、靈活性或適應(yīng)性的行動(dòng)或方法，是一種自適應(yīng)且具有包容性和可持續(xù)的決策過(guò)程”。敏捷治理在廣泛納入利益相關(guān)者的同時(shí)，要求以更快速度識(shí)別變化中的風(fēng)險(xiǎn)，監(jiān)管者與被監(jiān)管者的清晰邊界被打破，進(jìn)而共同探索應(yīng)對(duì)風(fēng)險(xiǎn)的漸進(jìn)式策略。對(duì)于算法治理而言，其嵌入社會(huì)的規(guī)則屬性恰好需要“敏捷治理”式的機(jī)制創(chuàng)新：一方面，算法本身的動(dòng)態(tài)變化，以及應(yīng)用過(guò)程中才浮現(xiàn)的治理風(fēng)險(xiǎn)，在客觀上要求快速的治理應(yīng)對(duì)；另一方面，算法治理風(fēng)險(xiǎn)類型與程度的不確定，反過(guò)來(lái)要求利益相關(guān)方在探索中表達(dá)治理訴求、形成治理方案。

結(jié)語(yǔ)

歷次技術(shù)革命都會(huì)帶來(lái)新的治理需求并引發(fā)治理變革，但不同于過(guò)往技術(shù)革命，第四次工業(yè)革命背景下，算法的普及與應(yīng)用引致的治理挑戰(zhàn)，并不局限于技術(shù)本身，甚至也不局限于因技術(shù)發(fā)展而形成的新興業(yè)態(tài)，而是體現(xiàn)為算法在利益相關(guān)方的部署下，與特定應(yīng)用環(huán)境相互影響的產(chǎn)物。導(dǎo)致風(fēng)險(xiǎn)產(chǎn)生的原因，既有算法本身的技術(shù)特性，也有人類環(huán)境本身的復(fù)雜因素。面對(duì)新挑戰(zhàn)，我們需要回歸到“以人為本”的價(jià)值導(dǎo)向，在綜合考慮技術(shù)、應(yīng)用者、應(yīng)用環(huán)境三方面治理結(jié)構(gòu)的基礎(chǔ)上，踐行敏捷治理的原則和機(jī)制。