随着大数据、人工智能等信息技术的快速发展,我们正在进入“算法经济时代”。以深度学习为代表的人工智能算法在互联网信息传播、数字经济发展、信息产业服务等诸多方面发挥了重要作用，产生了溢出性极强的经济效益。
然而，当前人工智能算法通常依赖于数据驱动的方式，其行为不可控、决策机理难解释，带来了公平性、隐私性等相关安全问题。更严重的是，人工智能算法“黑箱”特性导致了算法治理困难，加剧了算法被资本利用的可能，给算法经济的发展带来一定负面影响。事实上，近年来算法“黑箱”特性的负面作用正在凸显。一些平台利用算法决策侵犯受众权益的问题层出不穷，传统监管手段失效，极易引发监管机构信任危机。
监管信任危机的根源在于企业在数据和算法上的非对称优势。当前，基础数据的所有权和控制权主要集中在互联网平台企业，这些企业全程操纵算法设计、运行、测试和分析，由此占据着优势地位。监管部门在“算法社会”中已经呈现出被边缘化的趋势，极易失去对关键数据和关键算法的监督权和控制权。这意味着，算法“黑箱”的存在势必导致私人利益主观上俘获公共利益，以及资本主观上规避公权力约束等风险的产生。同时，算法“黑箱”客观上隐藏了算法自身存在的缺陷，并可能触发安全风险，让监管机构难以审查算法信息。监管机构规制算法的内容与手段均受到限制，难以及时针对算法问题进行问责和纠偏。
例如，一些平台基于用户信息，对用户进行“大数据杀熟”，即对于同样的商品或服务，新用户的价格比老用户便宜许多，暗中形成市场歧视，践踏市场公平，侵害消费者权益和政府公信力。而互联网平台企业使用的动态定价算法存在的潜在缺陷，则可能造成算法共谋，即在多个动态定价算法同时被使用时，在人们不知情的情况下通过算法对市场进行垄断，从而提高市场价格，产生寡头。除了商业领域，“黑箱”让诸多算法流程处于出不透明的状态，公民的知情权在相当程度上失去保障。
我国“十四五”国家信息化规划提出，应建立健全规范有序的数字化发展治理体系。2022年1月份发布的《互联网信息服务算法推荐管理规定》，明确反对算法歧视、大数据杀熟、诱导沉迷等算法的不合理应用。而算法治理法律法规、监管标准规范、监管技术及平台的缺失缺位，是建立健全算法治理体系中的三大挑战。
应对挑战，尤其需要从法律责任、行政责任、道德责任三方面构建算法治理法律法规体系，推动社会各方之间的合作互信。在法律责任层面，国家应制定、完善相关法律法规，在多元主体之间建立起监管算法“黑箱”的共同准则。在行政责任层面，着眼于行政审查、行政监管与行政问责，制定技术标准和操作守则，要求平台企业使用的算法符合法律法规要求、符合公共利益，削弱或消除算法“黑箱”造成的负面影响；在道德责任层面，着眼于算法伦理的嵌入，监管部门应该要求平台在算法设计上符合社会一般道德观念、价值与规范。
针对算法设计、应用、监管等全流程治理问题，需要构建算法基础标准、风险评估标准、安全等级标准以及监管标准等完整的标准规范体系，分级分类，设立全面、清晰、可操作的技术指标体系，做到实时可控可监管。算法企业应积极主动配合国家算法治理过程，依据相关标准要求，制定和公开算法相关信息，提升算法透明度。与此同时，发挥社会组织监督作用，加强第三方监督，平衡算法信息的不对称。
针对算法“黑箱”风险难定义、难监管、难预防、难取证、难追责等问题，需要推动研究院所、企业、高校和政府的技术合作，突破度量评估、行为监测、风险防护、博弈演化、突变溯因等原创理论与核心技术，创建并丰富监管技术手段，确保算法在各个阶段中的安全风险可控。为实现算法治理自动化、标准化，还应当开展算法全周期、立体化智能评测和监测技术的研发，构建可解释性、隐私保护、公平性、鲁棒性兼顾的安全可信的算法监管平台。
（刘祥龙 作者系北京航空航天大学软件开发环境国家重点实验室副主任，计算机学院教授、博士生导师）
