迷局与纾解：对西方算法民粹主义的批判性审视

算法民粹主义是代议制民主在算法技术的裹挟下发生偏离的产物，代表着一种无价值立场的工具理性。在数字时代，算法技术通过与民粹主义共谋成为西方政客们的政治游乐场，对西方社会民主化进程中的政治结构造成了重大影响。算法民粹主义拥有平台性新特点，其基于算法的个性推介、平台的空间蔓延、网络的直接民主助推着算法民粹主义的传播。算法民粹主义在政治传播中会导致情感极端化、非理性行为、后真相困境等问题的发生，加剧西方国家政党政治的乱象。故此，对算法民粹主义的纾解，需要从算法民粹走向数字民主，才能让算法技术更好地服务于数字化社会。     

自动化行政中算法的法律控制

自动化行政中的算法可分为转译型算法和自我学习型算法。算法的运用面临合法性危机:处于私主体地位的算法设计师将法律语言转译成机器语言时会嵌入自身的判断,带来改写法律的风险;算法决策有时在事实上超出法律授权范围,且缺乏畅通的救济机制。算法的合法性控制方式应与算法类型适配。针对转译型算法,需结合算法的性质以及技术特点,从转译主体、所译法律的明确性、转译过程的透明度等方面施以控制。针对自我学习型算法,首先应当确立“民主—科学”的合法性框架,其次应当从建立算法信任的角度,围绕保障公众主体地位和算法科学性对算法进行控制。     

智能催收中的个人信息保护及其法律完善

智能催收通过网络爬虫、大数据分析等手段对债务人信息的处理与《个人信息保护法》的从严保护取向存在冲突,智能决策引擎、智能分案等手段存在泄露债务人隐私的风险,以数据外包方式进行个人信息处理存在违规操作的隐患,算法自动化决策致使个人信息委托处理情形下的违法或不当行为更加隐蔽。应通过催收行业的专门立法明确催收过程中债务人信息处理规则的具体适用，将特定情形下对债务人信息的先行获取纳入法定的合理使用范畴；以“免遭算法支配”为核心完善智能催收中算法自动化决策的监管规则，构建由事前算法评估、事中算法公开和事后算法问责组成的全流程监管机制；强化对催收机构个人信息处理的准入监管与合规监管，促进催收机构内部规则、行业自律规则与监管规则的衔接。     

自动化行政中算法的可公开性及其范围

在自动化行政中，算法的本质是行政规则，其可公开性与可解释性之间存在实质性差异。可解释性关注的是实现透明算法，而可公开性更侧重于实现透明政府。有鉴于此，在行政法制度体系中，可解释性对应行政行为说明理由制度，可公开性对应政府信息公开制度。基于算法的行政规则本质，以及《政府信息公开条例》关于政府信息主动公开范围的规定，自动化行政中的算法应当予以公开。同时，其应当实现“最大范围的公开”,即采取源代码公开的形式选择。此外，如果确因安全因素不予公开算法，则需要满足利益冲突标准、价值比较标准与替代方案标准等三项利益衡量标准。     

算法治税：人工智能时代税收治理的范式优化与架构设计

数字经济的崛起正加剧征管资源有限性与纳税人生产活动复杂性之间的根本矛盾，以数治税不应只关注纳税人遵从度指标。当前税收治理需要进一步提高资源利用效率，降低征纳成本，减少监管障碍。在人工智能时代，算法治税已成为税收治理的必然趋势。通过税务执法智能控制机制降低税收执法成本、通过税收政策智能推送机制改善税收遵从成本、通过税务风险智能监管机制重构税务监管思路，算法治税将实现税收治理质的飞跃。随着算法治税的基本思路被税收征管改革文件明确，当前阶段应在宏观层面确立算法治税的法律地位，在中观层面确立算法治税的法律价值位阶，在微观层面确立算法治税的法律规则，以确保算法治税顺利嵌入现行税收行政体系。     

论数据安全的客体

数据安全与网络安全以及个人信息保护等法律制度相互关联，数据与信息、安全与保护等法律概念相互杂糅，导致数据安全客体范围不清晰。从数据的价值实现、数据安全的独立性、数据安全保护机制及数据利用方式等四个维度，可以辨析出数据安全客体应当是：动态开发利用中的数据、电子记录方式的数据、“风险—控制”社会安全管理意义上的数据、适用算法处理的集合性数据。在有关数据安全的立法、执法和司法活动中，应清晰辨别数据安全的客体，才能将数据安全制度落到实处，促进数字经济健康发展。     

数据开放中的算法依赖：发展模式与驱动路径

数据开放已成为政府治理创新的重要驱动力。为了更好地发挥数据效用，算法不仅依托强大的自学习和自决策能力让数据的潜在价值得到充分挖掘，而且也使得数据在复杂场景下的应用更加依赖算法技术。本文从数据和算法的关系起源出发，构建一个类型学分析框架，提出驱动型、压力型、抵制型、黑箱型四种不同关系模式，并重点就驱动型关系模式结合实践案例展开分析。研究表明，算法“自学习”和“自决策”的功能特性充分挖掘了公共数据的潜在价值，算法不仅极大地推动了数据共享的精准高效，而且也为推动公众参与社会治理提供了有效的技术支撑。     

算法决策场景中就业性别歧视判定的挑战及应对

就业性别歧视对女性求职者受宪法所保护的平等权、劳动权造成现实的侵害风险。对就业性别歧视判定标准问题,学界已有较为丰富的研究,但传统判定标准在算法时代遭遇适用困境。算法掩盖下的就业性别歧视具有自主性、隐蔽性、延续性和结构性等特征,这不仅可能对求职者的权利主张造成过重的举证负担,亦无法解决算法供应商等第三方主体的归责问题。因此,应当从事前与事后两个维度,探讨对算法就业性别歧视进行有效规制的路径。在概念界定上,应通过扩充就业性别歧视概念的外延,将算法就业性别歧视纳入到反歧视法的规制范围内,使新加入的算法供应商等第三方主体参与到责任分担过程。通过在算法决策过程中引入技术性正当程序理论及其机制框架,搭建起权力主体配合下的“理解—参与”模式,借助合规审计追踪、算法解释等方式,有效控制算法就业性别歧视的风险,保障女性求职者平等权和人格尊严等权益。     

生成式人工智能的法律规制——以ChatGPT为视角

以ChatGPT为代表的生成式人工智能技术落地与大规模应用，改变了人类与人工智能的传统交互模式，对社会生产方式产生了重大变革。国际国内都出现了对人工智能主体地位及法律规制等方面的学术探讨，以应对生成式人工智能引发的伦理道德、知识产权保护、隐私与数据保护、市场垄断、网络犯罪和数据安全等一系列风险。在现阶段，我国生成式人工智能治理，应坚持安全与发展相平衡的理念，在以人为本的原则统领下设计人工智能伦理准则，推动构建以通用人工智能立法为基础，以生成式人工智能专门性管理办法为补充，以既有法律规范为根本的系统性人工智能法律规范体系。     

自动化行政合法性审查机制的构建

自动化行政作为一项新型行政活动方式,因其运行机理的特殊性,加之理论研究的薄弱,在司法实践中出现“不愿审查”“形式审查”和“审查不能”等问题,因而备受争议。本文基于自动化行政的运行机理,提炼总结出主体、内容和程序等三方面合法性审查要件之特殊性,并分析了实施合法性审查的对象范围。司法裁判应跳出传统行政行为的固有审查逻辑,秉持“功能主义”“行政过程论”和“人类中心主义”的理念,在厘清自动化行政各方主体的角色定位与责任划分之前提下,坚持对自动化行政决策过程进行整体性审查。为避免对自动化行政造成过度冲击,在个案裁判中还应当引入利益衡量机制、拓宽变更判决的适用范围。