论算法解释的基本原则——来自司法公开的启示

发布时间：2021-12-17 21:54

　　算法解释与司法公开在规制的方式、目标、对象和成本等关键方面存在共性,在内容权属、决策类型等少数方面保有特性。在构建算法解释的治理方案时,两者的共性为此提供了借鉴基础,彼此的特性则指引了变通的方向。综合而言,司法公开对算法解释有四方面启示:第一,在定位上应确立"谦抑原则"。如同司法公开的地位,算法解释仅为算法决策的治理工具之一,不宜夸大其功能。第二,在限度上应确立"保留原则"。类似司法公开的尺度,算法解释应当有所保留。这是由其可能性、合理性和必要性共同决定的。第三,在要件上应确立"细分原则"。效仿司法公开的举措,算法解释及其各构成要件可以而且应当精细拆分,进而在具体场景下精准地满足监管要求。第四,在实施上应确立"比例原则"。恰如司法公开的实施路径,对于算法解释的内容、时机和对象,应在权衡价值冲突、计算成本收益后灵活确定。上述来自司法公开的启示,为算法解释奠定了基本原则,也将为数字经济保驾护航。 

【文章来源】：时代法学. 2020,18(06)

【文章页数】：16 页

【部分图文】：

算法解释与司法公开的共性汇总

综上所述,算法解释及司法公开在权属特征和决策类型两个方面存在差异(见图2)。这是算法解释在汲取司法公开经验时需有所变通的指引和方向。四、司法公开对算法解释的启示

类似于无法阐明的法官自由心证,被称为“算法黑箱”的算法决策过程(包括机器学习阶段)也是典型的“混沌过程”。考察计算科学领域的现状可知,提高算法可解释性仍是技术人员面临的重大难题——现在问题并不是算法设计者“愿不愿意解释”,而是他们“有没有能力解释”(100)。以算法决策的“人工神经网络”算法为例(见图3)。它是一种模仿动物神经网络行为的算法模型。在结构上,圆圈类似于人类的神经元,直线类似于神经元之间的连结。层与层之间的节点相互连接,每层之间的节点则互不相通。这种算法模型在“隐藏层”通过调整内部大量节点之间的关系,达到处理信息的目的。即便是算法设计者,也难以解释决策过程的来龙去脉。因此,如果“算法黑箱”本就无法打开,算法解释自然就没有可能性。第二,缺乏解释合理性的“利益冲突”。

【参考文献】：
期刊论文
[1]大数据杀熟的违法性分析与法律规制探究——基于消费者权益保护视角的分析[J]. 朱程程.  南方金融. 2020(04)
[2]比例原则的适用范围与限度[J]. 梅扬.  法学研究. 2020(02)
[3]算法的法律性质：言论、商业秘密还是正当程序?[J]. 陈景辉.  比较法研究. 2020(02)
[4]算法时代的信息茧房与信息公平[J]. 申楠.  西安交通大学学报(社会科学版). 2020(02)
[5]算法决策规制——以算法“解释权”为中心[J]. 解正山.  现代法学. 2020(01)
[6]人工智能与事实认定[J]. 栗峥.  法学研究. 2020(01)
[7]算法透明原则的迷思——算法规制理论的批判[J]. 沈伟伟.  环球法律评论. 2019(06)
[8]人工智能算法歧视的法律规制:欧美经验与中国路径[J]. 章小杉.  华东理工大学学报(社会科学版). 2019(06)
[9]人工智能算法黑箱的法律规制——以智能投顾为例展开[J]. 徐凤.  东方法学. 2019(06)
[10]证明力评判方式新论——基于算法的视角[J]. 周慕涵.  法律科学(西北政法大学学报). 2020(01)

博士论文
[1]数据挖掘过程中的可解释性问题研究[D]. 全文君.重庆大学 2018



本文编号：3541015