向善向上:基于良性互动的算法新闻治理伦理研究

算法新闻重构了新的新闻传播生态,但也暴露出一些伦理问题,最核心的是算法黑箱与新闻透明原则的矛盾、算法霸权与媒介公正的对立和算法操纵与委托信任的冲突.解决算法新闻产生的伦理问题,必须明确算法是非人类的"网络行动者",但并不是独立的伦理行动者,"人"才是算法新闻的责任主体.算法新闻治理的逻辑起点应回到技术、人与社会的良性互动关系.算法新闻治理应将不作恶、不滥用的"向善"作为底线伦理,将对人的自由全面发展负责和对社会健康有序运行负责的"向上"作为责任担当.算法新闻治理需要建立多主体协同共进的治理体系:政府要充当好规则制定者、过程把控者和底线管控者的角色;平台机构要承担算法新闻治理的主体责任;公众应自觉避免新闻消费中的盲从或被动现象,传统媒体应严格职业把关和审核机制,拒绝迎合人性弱点及惰性的新闻生产.公众与传统媒体的共同责任在于实现对算法新闻的纠偏、改进与监督.     

向善向上:基于良性互动的算法新闻治理伦理研究

算法新闻重构了新的新闻传播生态,但也暴露出一些伦理问题,最核心的是算法黑箱与新闻透明原则的矛盾、算法霸权与媒介公正的对立和算法操纵与委托信任的冲突.解决算法新闻产生的伦理问题,必须明确算法是非人类的"网络行动者",但并不是独立的伦理行动者,"人"才是算法新闻的责任主体.算法新闻治理的逻辑起点应回到技术、人与社会的良性互动关系.算法新闻治理应将不作恶、不滥用的"向善"作为底线伦理,将对人的自由全面发展负责和对社会健康有序运行负责的"向上"作为责任担当.算法新闻治理需要建立多主体协同共进的治理体系:政府要充当好规则制定者、过程把控者和底线管控者的角色;平台机构要承担算法新闻治理的主体责任;公众应自觉避免新闻消费中的盲从或被动现象,传统媒体应严格职业把关和审核机制,拒绝迎合人性弱点及惰性的新闻生产.公众与传统媒体的共同责任在于实现对算法新闻的纠偏、改进与监督.     

从算法偏见到算法歧视:算法歧视的责任问题探究

算法的公正问题被视作如今人工智能领域一个核心的伦理问题,通常被表述为"算法偏见"或"算法歧视",但偏见与歧视实际上是两个问题.区分这两个问题可以显示出算法偏见并不具有伦理维度,而算法歧视才是人工智能领域中真正的核心伦理问题.算法偏见是不可避免的,主要来自开发者的偏见、数据的偏见和算法自身的偏见.其中,显性偏见是容易被发现并剔除的,但隐性偏见则不可避免地存在于算法之中.算法歧视的责任主体则主要是人,人们对于算法偏见的盲从导致了算法歧视.自主决策算法所引发的歧视也可以追责到人.因此,算法的开发者和使用者要为算法歧视负责.     

数字孪生时代的算法风险与伦理治理

算法技术在数字孪生时代背景下正面临着算法偏见、算法归责难、人类主体的自主性削弱、隐私泄露和数据滥用、数字鸿沟、人与算法的矛盾等一系列算法风险挑战。算法的复杂性、人的认知限制、算法设计者的价值偏差和公众的算法素养是产生算法风险的主要原因。为保障算法技术的良性运行和创新发展,需要进行伦理治理：在秉持尊重人类主体、安全可靠、以人为本、公开透明、公正五项基本原则的基础上进行算法技术的伦理设计,创新制定伦理准则,努力引入责任伦理,集聚合力协同共治,提升公众算法素养。     

数字平台算法决策歧视的认定与规制

基于算法决策的数字歧视是算法社会化应用中一项亟待解决的问题。算法对于个体的重塑效应是歧视产生的直接原因,而算法之社会化应用过程中的价值冲突则是产生算法歧视的根本原因。由此也导致了算法分析过程呈现出忽略意义的关系分析,以概率性陈述为基础的算法评价所导致的受保护特征的不确定。算法社会化应用中的歧视认定,应当冲破传统反歧视理论,从受保护场景、是否存在算法支配关系、基于受保护特征的差别待遇、对个体或者群体的不利影响以及是否符合比例原则几个角度综合评估。有鉴于此,《个人信息保护法》第24条的相关表述需要进行重新解释和厘定,其中包括决策“公平、公正”、算法解释的内容等;另外,基于算法的数字歧视行为,需同现行侵权制度接榫,并适时进行制度赓续,完善算法歧视的规范治理体系。     

一般约束极大极小问题的广义梯度投影算法

讨论了一类带等式、不等式约束的极大极小值问题，将其转化为带等式、不等式约束的非线性规划问题，利用辅助规划进行处理，给出了一个广义的梯度投影算法，解决了一般约束极大极小值问题。算法可在有限步达到最优点或产生一系列点列，其极限点则是最优点，并证明了该算法的全局收敛性。     

无约束最优化问题的扰动梯度算法

给出了一种扰动梯度算法.证明了在一定条件下,算法产生的序列全局收敛到最优化问题的稳定点,这个算法特别适用求解大规模优化问题.     

算法权力何以实现?——从广告传播中探寻算法对人的囚禁

随着大数据和人工智能逐渐渗透到人们的日常生活中,广告业也在新的技术浪潮中发生了新的变革。“算法权力何以实现?”这一问题成为探讨广告传播中的数字伦理问题的关键。从空间性角度来看,广告算法背后权力的嵌入逻辑实现了从全景敞视到独景窥视的空间—权力模型转变。在此逻辑之下,算法技术在广告传播的过程中,加重了人的思维惰性、加速了人的认知窄化以及放大了社会歧视。被囚禁的个体需采取自我治理的方式才能与算法权力进行对抗,最终实现对于自我与技术关系的调试。     

性别视角下算法权力异化的治理路径

凭借对强大的数据资源的占有,算法技术逐渐披上了“权力的外衣”,随之而来也打破了原有的“权利”制约“权力”的平衡,出现算法权力异化问题。算法权力异化背景下,看似中立的算法技术,通过自动化决策与自动化评分等方式,将传统社会固有的性别歧视隐蔽式放大,使得劳动就业领域的法律保护机制失灵,算法权力与劳动权利的互动失衡。为此,应搭建用于劳动的自动化决策的第三方对话机制,从多领域实现对算法性别歧视规范体系的结构性扩容,确立算法治理中人的主体地位,以避免算法权力异化带来的劳动就业领域的性别歧视。     

一般约束极大极小值的梯度投影算法

对一类带等式、不等式约束的极大极小值问题进行了研究,将其转化为带等式、不等式约束的非线性规划问题,并利用梯度投影算法进行求解。该算法在有限步达到最优点或产生一系列点,且其极限点是最优点。该算法减少了计算量,克服了数值实现上的困难,证明了算法的收敛性。     

大数据杀熟定价算法的法律规制

大数据杀熟现象的出现，导致平等权的侵害、价格合谋的产生以及市场秩序的破坏。究其本质，乃是数字鸿沟、算法的不透明性以及算法权力的异化所导致的定价算法治理问题。为了解决科技发展与社会秩序之间的矛盾，通过对欧盟、美国的规制经验进行研究，并结合中国的现实困境与立法现状，建议从立法、执法、司法、守法四个层面来完善个人信息保护相关立法，设立算法审查委员会，构建算法侵权责任体系，增强企业与用户的法治意识，从而实现大数据杀熟定价算法的多元化治理。     

解空间搜索中的B*树算法

本文给出了在人工智能求解中的一种算法——B*树算法。文章比较了B*树算法与A*树算法、BB算法的不同处和特点,较详细地叙述了在两种决策策略下B*树返回修正值的产生过程,并用算法语言对B*树算法作了具体描述。     

智能算法推荐技术的逻辑理路、伦理问题及规制方略

新技术的出现会给使用者带来新特权,这种特权往往会打破旧局面,挑战固有秩序,并引发一系列新问题。人工智能时代,"算法即权力"体现为经过用户和技术"赋权"后,算法推荐技术具有了筛选、定义、推送信息和记录、存储个人数据的特殊权力,并在某种意义上取代了传统媒体的价值判断和把关权。算法在拥有这些权力之后,其动机和执行结果并不都是"向善"的。在受众层面,信息茧房、数据滥用、算法黑箱、把关权的迁移等问题对用户的隐私权、自主权、知情权、平等权、被遗忘权造成了不同程度的威胁;在行业层面,新闻生产和传播方式发生变化,专业新闻机构的垄断性地位受到冲击;在社会层面,媒体的公共性及其作为社会公器的监督作用被削弱。面对算法推荐技术在新闻传播领域引发的伦理困境,应当坚持以人为本,重视人的价值,在数据采集、数据计算、算法模型中提升人的主导作用,寻找效率导向的"算法"与公平导向的"新闻"二者之间的平衡点,在此基础上建构算法推荐新闻的伦理规范原则及应用细则。     

算法“黑箱”的成因、风险及其治理

算法作为一种前沿技术,极大地提高了社会运行效率,不断推进了社会发展模式革新。然而,由于算法技术的复杂性、相关法律政策的匮乏、算法素养的限制、公开算法动力不足以及算法安全维护等原因,形成了算法“黑箱”。“黑箱”的存在使得算法在公共领域的应用中,极易衍生出私人资本支配公权力、算法监管的政府失灵、政府信任危机等问题。对此,必须对算法“黑箱”加以治理,治理的关键在于实现“有意义的算法透明度”,具体可遵循构建政府责任义务体系、推动技术公司算法公开、发挥社会组织监督作用等路径。     

SA算法在基于模型推理入侵检测中的应用

鉴于模型推理的入侵检测方法,需要在庞大的审计记录空间中搜索巨量的攻击脚本子集中的最优值,对于这一NP类完全问题,提出了应用模拟退火算法。并建立了攻击检测的优化问题模型,给出了攻击检测实验中的解空间、目标函数、新解的产生和接受准则,得到了一个合理的冷却进度表,并对实验中的模拟退火算法进行了并行化研究。实验证明,与传统的贪心算法相比,应用模拟退火算法提高了进化速度和全局寻优能力,较好地解决了搜索效率问题。     

基于递推正交最小二乘的RBF网络结构优化

讨论了次胜者受罚的竞争学习规则 ,提出了基于正交最小二乘 ( OLS)递推算法 ,采用改进的 Givens旋转变换技术避免了大型矩阵的 QR分解运算。在满足系统测量精度条件下 ,使用反向优选算法优化 RBF网络结构。仿真结果表明 ,所得算法能有效地解决网络学习隐层单元的确定需要人介入的问题 ,适用于非线性系统的建模     

社会治理：人工智能时代算法偏见的问题与规制

随着人工智能、大数据的快速发展，社会已经进入了算法社会。算法已经全面渗透于社会经济、生活及管理的运行。然而算法并非是完全客观、价值中立的技术。算法运行过程中产生的偏见及问题，其本质是社会偏见在人工智能时代的映射，逐渐显现侵害社会公众的人格平等权、隐私权，并对数据安全形成威胁甚至破坏，从而导致对社会危害现象的发生。因此，不应禁锢于算法中的技术乌托邦理念，通过把握算法偏见产生的环节及其存在的法律及事实风险，减少其因不确定性危害风险带来的对社会秩序的冲击，有必要及时建构法律和综合治理的风险防控体系，并将对算法偏见的防控治理纳入常态化社会治理体系中。     

算法治理的伦理风险及其纾解

算法治理是社会治理主体综合运用算法技术，以精准满足治理对象的需求为目标，对社会治理中的议题进行精准识别、精准判断、精准制策的社会治理过程。作为一种新型的社会治理方式，算法治理具有强大的功能，可以精准识别治理议题、精准预判社会矛盾和精准满足治理对象的多元化需求。因此，算法治理极大提升了社会治理体系和治理能力现代化的水平。然而，由于算法技术本身的不成熟和在社会治理过程中的误用，产生了诸多社会伦理问题，集中体现为4个方面：算法治理过程的不透明酿成社会信任危机、算法治理行为的不确定引发社会正义问题、算法治理方案的不精准诱发社会公平问题、算法治理准则的不恰当造成社会价值问题。在实践中，要从算法治理产生社会伦理问题的深层原因着手，有针对性地对算法技术进行驯服，从观念、文化、制度等多个层面着手迎接算法时代的到来，助推算法治理朝着人类美好生活的目标迈进。     

混合遗传算法的应用研究

混合遗传算法引入人工免疫算法的个体浓度调节机制来促进或抑制个体的产生,并在选择算子中同时考虑个体的适值和个体的浓度,保持种群中个体的多样性,避免了一般遗传算法所带来的"早熟"问题,在最优化问题的解决上有着突出的表现。本文详细分析了混合遗传算法,对算法的基本流程以及基本实现技术进行了详细阐述,并分析了混合遗传算法在聚类中的应用,给出了试验结果。     

产生图的全部哈密顿回路

本文对完全图和非完全图分别给出了一个产生图中全部Hamilton回路的算法。与已有算法比较,本文提出的算法具有速度快、内存小的优点。该算法用于判别一个图是否Hamilton图效果良好。