论电商平台用户画像行为立法之应有规制

电子商务经营者的用户画像行为存在着信息收集范围过宽、大数据“杀熟”侵害消费者权益以及个人隐私保护不力等问题,导致消费者与电子商务经营者之间产生信任危机。由于“算法黑箱”与信息不对称并行存在,现有立法规范存在供给不足,“告知—同意”模式难以适应实践对信息的大量需求,政府监管效率尚未达到预期。因此,以“选择—退出”作为经营者个人信息采集方式,通过信用承诺、信用评价等信用工具规制用户画像的生成与应用过程,能够减少政府监管成本、提高监管效率,有效消除信息不对称等问题。     

对波斯纳与科斯法经济学范式的解析

波斯纳以经济学打开法学的"黑箱",科斯以法学打开经济学"黑箱",作为经济学和法学交叉学科的法经济学由此形成两种理论范式,即法律的经济分析和经济的法律分析.波斯纳创立的法律的经济分析范式在为繁荣法经济学研究作出巨大贡献的同时也带来了极大的误区.重新繁荣法经济学研究,必须进行经济的法律分析.     

生成式人工智能安全风险与综合治理研究——以ChatGPT为例

生成式人工智能作为人工智能技术的新主流形态,具有决策式人工智能所不具备的人格化表象突出、数据挖掘能力提升、算法黑箱凸显、数据垄断深化等鲜明特征。随着生成式人工智能的不断迭代,虚假误导与无意义信息致人损害、模型训练与知识重组忽视知识产权、恶意滥用与算法黑箱削弱监管体系等安全风险不断凸显。在治理路径上,需要由直接规制风险逐步转向“科技—社会—法律”三元综合治理,从建设内容模型训练管理体系、厘清程序运行的知识产权边界、强化算法黑箱与恶意滥用综合治理能力、深化“科技—社会—法律”三元综合治理模式等方面着力,在规制风险的同时促进生成式人工智能安全发展。     

打破政策“黑箱”的制度设计——基于广州政策兑现实践的研究

如何打破政策“黑箱”是学界和社会关注的重要议题。以广州市政策兑现改革实践为例,探讨如何从制度设计层面来打开公共政策过程中的政策“黑箱”。研究发现,虽然公共政策过程是一个动态且复杂的过程,但是通过统筹政策制定和政策落地两端、主观要素客观化、模糊标准明确化、重塑政府流程等,能够形成确定的决策环境,控制非理性因素,约束自由裁量权,并压缩权力寻租空间,从而可以从源头消除政策“黑箱”的形成土壤。广州市政府政策兑现改革过程中,通过“输入—转化—输出”的制度框架设计,形成了从政策制定到政策执行再到政策结果与评估的政策闭环,并对政策兑现的相关责任单位、流程和时限都进行了严格把控,进而实现对政策“黑箱”内部决策要素的控制。从政策“黑箱”本身入手,破解政策“黑箱”难题,实现政策的阳光承诺和给付,最终形成极具特色和借鉴意义的广州模式。     

基于组织层面创新指标的创新“双黑箱”治理措施探究

组织层面创新指标是组织层面创新研究、特别是实证研究的基础.组织层面创新指标的应用,需要根据国际发展前沿对指标优缺点、有效性、适用性进行充分探讨,并在此基础上研究指标应用的前提考量与中国信息可得性问题,以期取得较为可靠的研究成果.从投入、产出两个维度系统的思考组织层面创新指标,是揭开组织从创新投入到创新产出、从创新产出到企业业绩“双黑箱”的理论基石.     

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。     

风险社会背景下算法的构建及司法运用研究

风险社会背景下随着信息网络的广泛运用,算法成为了连通风险社会和数据的重要防控节点。一方面算法作为工具被广泛运用于风险的预测与防控,另一方面因为算法程序客观性、智能性以及可解释性的不足,算法本身也成为了风险源头的一部分,并贯穿始终。尤其在法律领域,算法在缓解司法压力的同时,更滋生出如算法损害、技术黑箱、算法权力操纵与算法歧视等多重问题。对此,如何科学地选择锚点和基础算法来设计搭建算法模型,通过数据训练并成功运用到实务操作,在规避减弱风险的同时满足任务需求,消减算法伤害,最终达到风险预警与防控,便是算法研究的关键问题。