“大数据杀熟”法律规制的困境与出路——从消费者的权利保护到经营者算法权力治理

"大数据杀熟"侵害了消费者的权利,但依据现行法律很难认定其法律性质。"大数据杀熟"具有很强的技术特征,实质上是经营者滥用算法权力的结果。从传统消费者权利保护路径,运用合同法、侵权法、消保法、价格法、反垄断法等规制"大数据杀熟"面临着诸多困难。从根源上看,"大数据杀熟"并非单纯的法律规制问题,而是算法权力的治理问题。治理算法权力应遵循技术发展与权利保护相平衡、内部监督与外部监管相结合以及事前管控与事后追责相并重等原则。通过经营者自律、行业协会引导、公权机构监管、消费者自我保护、公众广泛参与等途径治理算法权力,才可能有效保护人工智能时代消费者的合法权益。     

短视频创作生态的失范现象与纠偏研究

摆拍短视频是指由人为策划、编造和表演,但伪装成真实新闻事件进行传播的短视频。处于管理灰色地带的摆拍短视频伪装程度较高,使用“新闻框架”影响用户对真实世界的认知,破坏网络生态甚至激化社会矛盾。为此,要建立短视频平台长效治理机制,区分摆拍背后的营销动机和政治动机进行分类处置,建立综合信息评价体系,做到事前事中事后监管并重。同时重视算法价值观,调动行业自律作为政府监管的有力补充,引导平台通过履行社会责任提升市场竞争力。     

驯服算法:算法治理的历史展开与当代体系

算法治理是算法时代的核心议题。然而,当下算法治理的实效不彰,算法治理的理论亦分歧重重。鉴古而知今,20世纪60年代以降的算法治理史不但展现了丰富的制度实践,也为我国算法治理体系的建构提供了深邃洞见。聚焦于关键场景算法透明公平的“法律”、趋于共识的算法伦理“规范”和迈向算法可解释的“代码”,贯穿了长达半个世纪的算法治理进程。政府(法律)、社会(规范)、市场(代码)的耦合,以及工具性/自主性算法和高/低风险算法的类型化,共同塑造了理一分殊的“模块化”算法治理体系,为分类分级的算法治理奠定了稳固的理论之基。     

生成式人工智能辅助行政决策的算法隐患及其治理路径

生成式人工智能(Generative AI)作为最新一代的人工智能技术,一经问世便引发各行各业的关注和担忧。就行政决策而言,生成式人工智能能够帮助行政主体实施社会数据采集分析、行为预测、方案演绎,进而辅助行政决策的信息采集、关键问题识别以及决策方案的最优化实现。但是,在生成式人工智能参与行政决策的三个阶段也存在不同程度的隐患：训练数据库的片面性可能会导致信息的不公正、对技术的过度依赖可能会导致安全风险、算法黑箱可能会引发公众对行政决策透明性的质疑。若要最大限度发挥生成式人工智能辅助行政决策的积极作用,应当强化算法歧视治理、明确技术的辅助性地位、增强算法的参与性,以此规范生成式人工智能在行政决策中的作用,促进生成式人工智能与行政决策的深度融合。     

通过算法审计规制自动化决策以社会技术系统理论为视角

自动化决策并非纯粹的技术工具,而是一种社会技术系统,由社会子系统和技术子系统构成,其引发的风险具备社会性,有必要进行规制。以个体赋权、信息规制、技术问责为代表的传统规制路径缺乏社会技术思维,容易陷入“破损谬误”泥淖,难以因应自动化决策的风险与挑战,无法有效实现法律及伦理规范提出的规制目标。算法审计作为一种社会技术方法,能够很好地契合自动化决策的社会技术系统属性,具备诸多方法论优势和国际实践经验。从建构社会技术系统工程的角度出发,根据审计学的一般原理,我国可以从规范指引、实施主体、方法选择和实施结果四个方面推动算法审计实现制度化发展,并在此基础上探索基于场景的算法审计,实现可信赖的自动化决策。     

基于粒子群优化算法的产学研合作创新的知识流程分析

企业与学术界为了实现共同的创新目标,从而形成一种合作交流活动——产学研合作。知识获取能力是企业利用外部知识不断创新并保持竞争优势的关键。在此背景下,借助知识管理和知识流程理论,从企业向学研方获取技术知识的角度,探讨其知识流程的建模,引入粒子群优化算法（ParticleSwarmOptimization,PSO）对相应的模型矩阵进行优化,从而为企业加强知识获取能力,进而提高知识转化的效率提供现实的理论借鉴。