算法悖论与制度因应——基于用户算法应用感知的实证研究

尽管我国算法治理的基本架构已经初步形成,但相关实证研究依然薄弱。我国用户算法应用感知大规模问卷调查与结果分析,反映出民众对算法风险的高度关注,也揭示出不同群体对算法关注的分歧、同一群体算法关注与算法行为的矛盾以及算法推荐便利与算法关注的取舍。面对“算法悖论”的种种表现形式,应根据其内在机理予以制度回应,将“算法向善”嵌入“业务流程”,从“算法透明”迈向“算法素养”,经“过程公平”落实“算法公平”,借“算法问责”铸就“算法安全”,最终形成熨帖公众真实需求、平衡多元目标的中国算法治理体系。     

算法的风险及法律规制探析

算法作为人工智能的核心,以大量数据流为基础,按照被赋予的逻辑运算规则,进行数据处理分析,为日常生活、商业金融和行政自动化辅助乃至于独立决策提供服务。算法自动化决策虽带来了诸多便利,但也催生了“算法黑箱”“算法歧视”“信息茧房”“算法趋同”等新的安全风险。为规制算法、防治算法权力异化,《个人信息保护法》《互联网信息服务算法推荐管理规定》等法律法规相继出台,由此中国建立了多元的算法规制路径：针对算法的控制者和编写者,采用算法评估制度、算法备案制度、算法解释、算法检查制度以及严格的侵权问责进行规制;针对算法的相对人,采用个人数据赋权的方式保护用户权益。     

流分类技术的研究

介绍了流分类算法的概念以及对流分类算法的要求;把目前存在的流分类算法分成三类:多维查找转换为一维查找算法、相关区域查找算法、独立区域查找算法,并对各类算法的性能进行了讨论;通过引入并行流分类算法说明了流分类算法的研究重点是减小存储空间和提高更新速度。     

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.     

车辆路径问题的并行粒子群算法研究

设计了一种引入了模拟退火机制的并行粒子群算法.该算法结合了基本粒子群优化算法的快速寻优能力和模拟退火算法的概率突跳性,避免了基本粒子群优化算法易于陷入局部最优的缺点,提高了进化后期算法的收敛精度.将该算法用于解决车辆路径问题,实验结果表明该算法具有较好的性能.     

算法的意识形态风险：属性、机理与出路

算法并非意识形态无涉的价值真空地带,技术与价值的相互耦合促使算法产生出强烈的意识形态属性。在算法所座驾而形成的数字社会中,算法歧视、算法牢笼、算法黑箱导致主流意识形态的认同度、引领力和凝聚力都陷入了新的风险情境,而这些意识形态风险得以生成的内在机理表现为：大数据通过对社会建构的中介性作用诱使人们形成了数据崇拜的意识形态方式,算法权力通过对人们的数字权利的支配而形成了算法统治的监控体系,算法与大数据的深度联合实现了意识形态的智能操控,由此,算法成为意识形态风险滋生的数字温床。然而,算法的意识形态风险不应导致对算法的“卢德主义”拒斥,算法仍是赋能意识形态建设的重要利器。基于此,必须强化主流意识形态对算法的价值引领、矫正算法的技术漏洞,从而推动算法成为社会主义意识形态建设的强大助力。     

给计算教学加点“甜味”（下）

(上接第9期) 3、算法多样与算法优化 数学课程改革实施的初期,大家对"算法多样化"感觉很新鲜,计算教学一改过去"教材选定算法→教师讲解算法→学生模仿算法→练习强化算法"的机械模式,出现了非常可喜的变化,"算法多样化"已成为计算教学最显明的特征.     

模拟退火并行粒子群优化算法程序设计与研究

针对粒子群优化算法后期收敛差和模拟退火算法全局优化能力强的特点,建立模拟退火并行粒子群优化算法(SA-PSO算法)模型。利用MATLAB语言开发SA-PSO算法工具箱,实现SA-PSO算法的程序设计,高效、稳定地提高算法全局寻优能力。     

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。     

一种组合RSA算法

简述了基于乘同余对称特性的快速ＲＳＡ算法（ＳＭＭ）和速归余数和快速算法（ＲＳＲ），并对ＲＳＲ算法进行了简要分析。在两种快速算法的基础上又提出了一种组合ＲＳＡ算法。定性分析表明，新算法比ＳＭＭ算法和ＲＳＲ算法速度更快。     

改进PSB拟牛顿算法与最速下降算法的联合算法

对于新建立的基于新拟牛顿方程的改进PSB算法同最速下降算法结合起来的联合无约束优化算法进行分析,并证明了联合算法在迭代过程中自动转向改进的PSB算法以及联合算法的全局收敛和局部超线性收敛.     

算法规制的私法进路

算法的黑箱状态掩藏并固化了原有不平等的社会权力结构,产生了诸如算法歧视等失控问题。算法规制的私法进路在于明确算法控制者与数据主体的权利义务关系,以保障个人免受算法的规训。私法规制的前提是,算法应当被认定为工具,背后的控制者（开发者）应对算法失控的后果承担责任。算法决策离不开数据,算法失控问题的根源在于算法控制者收集的数据存在问题。个人作为数据主体对个人信息（数据）享有人格权,算法控制者提供服务以获得使用权,两者之间的法律关系应解释为信托关系,在信义义务的框架下算法控制者负有勤勉、忠实和信息披露义务。明确算法控制者的义务后,更应在私法权利谱系中寻找规制算法的工具,包括数据主体的个人信息权确立与隐私权夯实两条进路。     

一种改进的ID3算法

决策树是数据挖掘中重要的分类算法,通常用来形成分类器.ID3算法是决策树中的核心算法.针对ID3算法倾向于取值较多的属性的缺点,引进属性重要度对ID3算法予以改进,并通过实验对改进前后的算法进行了比较.实验表明,改进后的算法是有效的.     

基于乘同余对称特性的快速RSA算法的改进

提出了一种新的快速ＲＳＡ算法，这种算法是基于乘同余对称特性的快速ＲＳＡ算法（ＳＭＭ算法）的改进。理论分析表明，新算法的迭代计算步数平均减少了１７．２％。与传统的二进制算法（ＢＲ算法）相比，新算法的计算速度平均提高了４２％左右。     

基于SVM学习方法的分析

介绍了增量学习算法、序列最小优化算法、加权支持向量机算法等几种应用于大型数据库,在加快训练速度、降低分类错误率等方面有改进的SVM流行算法.在分析各种算法优缺点的基础上,提出了在线性样本训练、超大规模样本下满足KKT条件的算法是SVM算法的发展方向的观点.     

回溯法与分支限界法的用法取向探讨

回溯算法与分支限界算法是两种用法非常相似,甚至某些问题两种算法都可以求解,因此有些初学者不容易严格区分这两种算法,可能在这两种算法的用法取向上出现误区.本文对这两种算法做深入分析,详细说明这两种算法的用法取向.     

算法问题的各种表现及原因探究

随着互联网技术的普及,越来越多的人进入被算法影响的环境。算法除了辅助人们高效处理各种复杂情况,也带来了一些负面影响,可能会对人的权利、心理健康等方面产生恶劣影响。本文将已产生的算法问题按照算法至上、算法歧视、算法黑箱进行分类,并剖析各类算法问题产生的根本原因,以期为我国算法治理领域提供新思路。     

一种改进的DV-Hop定位算法

自身定位算法的优劣直接影响着无线传感器网络中目标定位的精度。为了提高定位精度,提出了基于加权质心和改进型DV-Hop的WSN定位算法。首先介绍了本算法的思想,详细阐述了算法的具体实现过程并对该算法进行了算法描述,最后通过仿真实验证明本文提出算法的定位精度得到了提高。     

基于用户和基于项目结合的个性化推荐算法

这篇文章说明了一种新的推荐算法,结合基于用户的协同过滤算法和基于项目的协同过滤算法各自的优点,在新算法中,首先利用基于用户的协同过滤算法确定一定数量的邻居,以保证推荐的个性化,然后在确定的邻居数据集上利用基于项目的算法模型进行推荐。最后将这种新算法和基于项目的协同过滤算法进行比较,实验结果表明这种新算法只用一少部分部分的最相似邻居用户就能得到基于项目算法的推荐质量,而且要比基于项目的推荐更加个性化。     

基于独立分量分析的降噪技术

介绍了新兴的独立分量分析技术的基本概念和原理,以及具有代表性的算法,即FastICA算法、EASI算法、非线性PCA算法和基于自然梯度的最大似然估计算法。通过降噪仿真实验,并采用均方误差作为降噪的性能指数,对这些算法与传统的自适应信号处理算法进行比较。所得实验结果表明,独立分量分析算法在降噪上的效果优于自适应信号处理算法。因此在降噪上具有较大的应用价值。