算法商业秘密与算法正义

算法时代中,"算法黑箱""算法歧视"和"算法茧房"等非正义现象引发了算法规制的需要.但算法商业秘密的存在使算法处于"黑箱"之中,成为算法正义实现的障碍.面对算法商业秘密与算法正义的张力可以从三个角度加以考量:商业秘密的公共利益平衡;算法知情同意权、算法解释权和算法拒绝权等私权制约;算法正当程序.由于对商业秘密的公共利益考量主要局限于维系商业道德和市场秩序,无法实现对算法商业秘密的有效制约.算法私权中基于一般道德和法理的算法拒绝权能够成为制衡算法商业秘密的强理由,同时,算法正义需要建构一种基于过程的,而不是仅基于结果的正当程序观念.     

算法法人的理论证立及构成要素探析

人工智能、区块链等算法技术孕育着迥异于传统法人的新型组织关系,当下主要表现为人工智能开始取代自然智能获得实体的控制权,去中心化特点的分布式账本技术建构的自治组织排斥传统中心化组织机构.该类基于算法架构的实体应被认为独立的法人主体,即算法法人.此乃新技术产业发展所需;能够构筑我国制度优势,推动国家战略实现;方便国家监管,助推美好生活;域外法治实践亦可为镜鉴.算法法人的技术特性决定其构成要素分殊,除特定算法技术要素,应根据算法运行模式、特点及目的 事业实现方式等,具体判定成员、财产是否系构成要素.算法法人无需传统法人组织机构,但尚需人类协助,有必要依其类型设置代表人、管理人及技术管理人,分别负责算法法人的对外事务、内部管理及技术事务.     

逮捕社会危险性量化评估研究——以自动化决策与算法规制为视角

逮捕社会危险性量化评估主要是使用形式化、量化或精算方法来预测犯罪嫌疑人、被告人的社会危险性,其自20世纪80年代以来在世界范围内快速发展。逮捕社会危险性量化评估以法律现实主义以及循证实践为思想基础,以降低审前羁押率为目的,并以科学技术的快速发展为支撑。从实践来看,逮捕社会危险性量化评估模型的预测正确率只达到中等程度,且并未超越司法人员的预测正确率。逮捕社会危险性量化评估在带来便利的同时,也在科学性和公正性方面存在多重风险,如固化司法实践中既存的偏见歧视以及剥夺当事人辩护权等。为保障逮捕社会危险性量化评估的有效适用,一方面应建构科学且公正的评估模型,另一方面应确保逮捕社会危险性量化评估在建构和实施过程中受到正当程序原则的规制。     

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)。     

伦理结构化:算法风险治理的逻辑与路径

算法风险触及、引发、衍生了诸多社会问题,日益成为社会各界广泛关注的热点。算法风险治理的伦理结构化进路,主要是指通过建构算法设计、开发和使用的伦理原则制度,确定相对稳定的伦理框架和逻辑体系,形成合理可靠的伦理关系结构,从而确保算法符合道德伦理要求。伦理结构化的表达与呈现方式对提升算法治理能力十分重要,是推进算法风险治理的重要范式,有助于从理论层面到实践层面全面实施和执行算法的道德规范,推动算法的伦理建设进程。算法风险伦理治理结构化的实施路径包括:建构算法风险伦理评估模型与审查体系;提升算法的伦理信任阈值与制定评估指标;设立算法风险伦理问责机制。     

基于毫米波三维全息成像算法的人体检测技术

针对日益突出的人体安检需求,面对一些新式的危险物品,采用毫米波成像技术进行人体安全检查具有巨大的意义。设计了两种形式的毫米波检测设备,详细推导了毫米波平面扫描式三维全息成像算法的算法流程,得到目标物全息像的公式表达式。通过图像形式形象展示了毫米波成像区域分辨率分布规律,通过对分辨率板的测试,验证了系统分辨率符合5mm要求。最后分析了毫米波探测下的人体组织、金属、粉末、电子产品、爆炸模拟物和粉末材料的介电材料特性,并呈现了人体背景下携带不同材料的毫米波人体图像。     

算法透明实现的另一种可能：可解释人工智能

算法黑箱对算法决策提出了挑战,算法透明要求算法可解释。算法透明并不是简单的算法公开。尽管人们普遍寄希望于通过算法公开来打开算法黑箱实现算法透明,但是单纯的算法公开不仅面临着商业秘密泄露的诘难,也无法真正对算法决策作出解释。与之相比,技术上制造可解释人工智能是实现算法透明的一种新的选择。可解释人工智能不仅可以凭借不同的解释路径透视算法黑箱,还可以满足受众对算法解释的不同需求。技术的发展有赖于制度的保障,构建一套合理的制度促进可解释人工智能的发展是确有必要的。这要求在立法上规定可解释人工智能的适用场域;在行政上利用政府采购引导可解释人工智能的生产;在市场管理上借助第三方认证倒逼企业制造可解释人工智能;最终实现算法透明。     

人工智能侵权的新兴责任主体研究

除传统侵权责任主体以外,人工智能侵权的责任主体还应包括算法设计者、数据提供者和算法应用平台。算法设计者宜从生产者中剥离出来独立承担过错责任,对外与生产者、销售者承担不真正连带责任。数据提供者是以盈利为目的使用运营手段向人工智能提供数据的主体,采用自动化处理技术的数据提供者应适用过错推定责任。算法应用平台是联结终端用户与开发者之间的媒介,其中公务机关应用平台宜适用无过错责任,以减少权力异化的风险,其他应用平台则适用过错推定责任;在对外责任的承担上,算法应用平台宜与直接原因的责任主体一起承担不真正连带责任。