生成式人工智能治理的逻辑更新与路径优化——以人机关系为视角

生成式人工智能技术塑造了人机共生的新型关系,不能简单等同于深度合成技术、智能交互技术、高风险人工智能。新型的人机关系中,既存在人的自主性危机,也有被放大的人工智能治理风险。在风险应对的逻辑中,生成式人工智能的定位应从“老师”转向“伙伴”,不应对服务提供者提出过高要求并作简单的结果评价;同时,应将治理维度从算法治理拓展到用户治理之中。在具体的治理路径上,首先应坚持包容审慎原则,设置过程义务及对应的责任豁免规则;其次,在高风险场景中,应持续进行风险影响评估、充分保证人类监督并提升算法透明度;最后,应通过伦理审查、行业自律、数字素养提升的伦理治理方案以捍卫人的自主性。     

算法正义软法保障的理论证成及具体路径

算法在提供诸多利好的同时,也产生了算法歧视和偏见、算法过度窥探个人隐私、算法推荐滥用、算法合谋实施垄断等算法失范现象。现阶段软法和硬法都通过相应路径对算法失范现象予以矫正,以期保障算法正义。算法正义的硬法保障路径虽对突出问题及时反应,但仍存在回应性不足、治理手段单一、规制成本较高等局限性。软法的开放性、灵活性、低成本等特点与算法正义高度契合,使算法正义的软法保障路径具有及时回应性、高度共治性、成本较低等优越性。鉴于现阶段软法保障路径较为原则化,建议从算法伦理审查中引入多方伦理审查机制、算法行业加强行业自律、软法文本增加权利激励内容等路径予以具化。同时提出,唯有软法和硬法相耦合的保障路径才能真正满足算法正义的实现需求。     

算法时代主流意识形态传播面临的挑战与协同治理

算法使人机共存的网络世界进一步融合,搭建了主流意识形态传播新平台,助推主流意识形态传播内容精准化和传播形式多样化,提升了主流意识形态的宣传成效。然而,日渐强大的算法技术暗藏着意识形态安全风险,如算法黑箱阻碍主流意识形态的传播、算法偏见削减主流优质内容的供给、算法沉迷干扰主流价值观念的形成等,对主流意识形态传播带来严峻挑战。鉴于此,应建立政府、企业、个人多方参与、多向交流、多元治理的协同工作体系,推动算法技术为主流意识形态传播提供更好的服务。     

数字时代司法责任伦理之守正

在数字化浪潮下,司法活动呈现出去责任化的趋势,具体表现为责任感的缺失和责任推诿的加剧,因而亟待法学界对司法责任伦理予以革新。数字技术导致司法责任消解的机理是复杂和多元的,主要源于其兼具权威性与非权威性、确定性与不确定性、机械性与能动性等多重面孔。当前我国司法工作中的数字技术主要被应用于证据指引系统、风险评估工具、在线诉讼平台的开发等事项上,这些领域也是司法责任伦理冲突最为激烈的场域。数字时代应当坚守人本主义司法责任伦理,准确界定机器、技术人员、系统部署者与司法官的责任框架,在拥抱技术的同时树立科学的责任观,借助数字技术建立和完善符合时代特征的司法责任体系。     

人工智能介入量刑机制研究——以认罪认罚案件为适用场域

认罪认罚从宽制度自试点以来,控审冲突、司法供给不足、量刑建议的规范化与精准化要求等层出叠现,亟待检察机关采取应对措施。检察机关将智能量刑机制引入认罪认罚量刑领域,逐步实现从传统公诉机关向智慧公诉机关转变,为解决上述问题提供了技术量刑路径。但司法实践显示,智能算法本身的技术性难题、可靠性难题、不周延性难题极大地阻碍了智能量刑机制的发展。为了更好地解决智能量刑机制在认罪认罚量刑领域的司法适用难题,可以采用理论预测与实证预测双轨并行互相检验的运行模式,保证量刑建议预测的精准性、规范性,并在此基础上加强对算法的理论设计,完善对当事人诉讼权利的保障。     

智能化系统建设中的实用伦理规则设计原则北大核心CSSCI

当前,关于人工智能规则的讨论主要是两个视角,一是站在哲学和公共管理层面,从理论上对人工智能的发展进行研究;另一个则是站在纯粹的技术层面,从技术规则上讨论人工智能的应用。而目前全球各国或国际组织出台的准则也比较宽泛,无法形成有效的指导。本文抽象出了人工智能的运行逻辑,根据人工智能运行的侧重点不同将人工智能应用分为以数据为核心、以算法为核心和以行动为核心三类,并基于此构建人工智能运行的规则框架,提出人工智能伦理规则的具体内容。     

竞速统治与后民主政治——人工智能时代的政治哲学反思

人工智能已成为定义这个时代的关键词之一,它已经深层次地介入当下世界,在教育、健康、金融、零售、交通、制造、服务等各个社会领域做出了强有力的赋能。人们正在把越来越多的决策权交给人工智能算法,而这又导致其决策更容易被算法处理。人工智能算法的全面赋能,恰恰意味着人类这种生物化学算法的全面赋闲。人工智能技术的指数级发展,使人类以同样快的速度陷入不被需要的政治困境,其价值正在被数据所取代。与之相应地,民主则正在被算法权力实质性地掏空。民众时代正在迈向黄昏,我们在政治哲学层面上不得不面对思考后民主政治的任务。     

一种基于递归堆调整方法的最小生成树求解算法

Sollin算法是一种非常适合于并行计算的求解最小生成树方法,但其较高时间复杂度抵消了并行计算带来的好处。本文提出了一种递归的堆调整实现方法以及堆合并原则,解决了Sollin算法在子树合并时快速找到连接两棵相邻子树的最短的边的问题,降低最小生成树求解的时间复杂度。理论分析表明,该改进方法有效地将Sollin算法的时间复杂度由O （n2log2n）降低到了O （elog2n）。同时,根据边权重的分布情况不同,该算法并非必须遍历所有的边才能得到MST,实际时间复杂度将优于O （elog2n）,最优可达O(n(log2n)2)。