煤企弱势动力煤价格回升乏力

参见G.Gomez Bernales,La justicia constitucional en Chile,Annuario iberoamericano de justicia constitucional 1997,121 ff. [cxcviii] C.Pippan,Südafrikas Verfassungswandel im Zeichen von Demokratie und Rechtsstaatlichkeit,ZaöRV 55 (1995),S.993/1014 ff. [cxcix] Young Huh,Die Grundzüge der neuen koreanischen Verfassung von 1987,JÖR 38 (1989),580 ff.;Jong Hyun Seok,Die Entwicklung des Staats-und Verwaltungsrechts in Südkorea,in:R.Pitschas (Hrsg.),Entwicklungen des Staats-und Verwaltungsrechts in Südkorea und Deutschland,1998,S.57/66. [cc] K.Zweigert/H.Kötz (同上注[1]),S.64. [cci] 西方法律传统的特征,参见H.Berman.Law and Revolution-The Formation of the Western Legal Tradition,1983,S.7 ff. [ccii] 同上注[21]。

[21] 此外，为确保体系上前后一贯的个案解答，法释义学也针对诸多个别领域建立部分体系(Teilsysteme)，虽然必须经常进行更新，但藉此仍能确保多数案件得以作一致性的决定。因此，藉由开放性的部分体系来建构法秩序，始终值得努力。

Klein、Kirchhof、Winter前揭不同意见：BVerfGE 92, 277/350f. [26]同注[25]，第358页。范畴式的处理将法视为法概念(Rcehtsbegriff)与法概念所包含之法范畴(Rechtskategorien)的实现，目的论式的处理则将法描述为实现法理念(Rechtsidee)的尝试，二者合称为建构，假使其涉及者不仅是个别的法制度(Rechtsinstitut)，而是整个法秩序，则称为体系。此种说明方法是法重新体系化(Neusystematisierung des Rechts)的推动力量。藉由类型与原则，法体系得以因应来自实务所要求的调整(Anpassungen)。透过概念界定加以掌握法律制度(Rechtsinstitut)则是客观法规范的基础，主观权利与法律关系均应受法律制度的支配。

大家熟悉的法解释，其目标为探求法条的客观意义，为达此目的得以运用的解释方法包括文义解释、体系解释、历史解释与目的论解释，于此应毋庸深论。[24] 宪法整体性的概念系德国联邦宪法法院为价值判断之裁判实务的基础。人们普遍认为，通过自然科学模式推算出来的机器算法決策是处于技术中立的，不存在价值判断，不需要面对诸如电车困境〔6〕等人类现实社会中的伦理难题，因此能够作出既符合效益又切合情理的判断与决策，可以无条件信任算法。

对算法技术的规制，首先要保障其无害化，将其对人的影响控制在合理的范围内，在安全无害和平等保护的基础上，作出客观公正的归纳预测。在算法的设计应用中，要始终树立以人为中心的技术发展理念，严格按照行业技术伦理规范或算法伦理法则进行算法设计，督促算法平台或算法设计人员遵循内心的道德律，强化算法伦理建设，提高职业和道德的基本素养，在追求技术带来的便捷与利益的同时，兼顾社会公平正义，获取合理合法的算法利益，不唯资本或利益论。综上所述，歧视在人类思维意识中从未缺席过，并且会随着文化的发展与时代的变迁而演化出新的歧视类型。在严格准确记录算法所收集的必要的数据信息、算法应用过程、算法策略等基础上，进行算法歧视风险监测和预警，并建立相应的周期复查机制，对算法开展周期性的安全测试审查或安全评估，防止算法在运行中将本应受到保护的敏感性数据，与其他可合法获得的数据进行编码与关联性应用，形成冗余编码，进而产生算法歧视。

这是因为：（1）数据的偏差性会导致算法歧视。歧视是一切对公民群体或个人所实施的，其目的或效果在于不合理的区分、限制、排斥、优待或侵害人尊严的行为或制度安排〔2〕。

信息茧房是凯斯·桑斯坦首先提出的，主要是指人们关注的信息领域会习惯性地被自己的兴趣所引导，从而将自己的生活桎梏于像蚕茧一般的茧房中的现象〔9〕7-8。如果算法掌控者存在看人下菜碟的故意，那么就不可避免地会出现算法歧视。而这一歧视性结果的输出还将会进一步分别反馈给算法的内部循环系统与外部流通系统，造成进一步的歧视循环与流通。而少部分专门针对算法歧视的研究尚不够系统深入，有待于从人的层面、技术层面以及运行层面对其发生逻辑和法律规制进行深入剖析。

数字科技带给人们的这些最直观的挑战和问题，势必需要法律作出回应。对于用户而言，算法解释是一种权利，而对于算法设计人员而言则是一种义务。作为数字社会的新歧视类型，算法歧视的发生有其内在的必然性，其中既有人的因素，也有技术本身的因素，更有算法运行决策的因素。在算法的实际运行交互中，会因为在不同的数据条件或运行环境下发生变动，产生不同的决策结果。

但这种概率性的预测并不完全是准确的，很容易因不完全归纳而导致歧视。算法的运行过程是一个深度学习的过程，会在掌握数据属性、人类偏好等的基础上作出算法预测。

因此，本文关注的问题是，算法歧视的发生逻辑是什么？以及如何对算法歧视进行法律规制？既有理论研究，大多关注的是算法的宏观规制问题，所提出的规制对策并非专门针对算法歧视，因此缺少针对性。算法是在计算机程序中由包含百万级的数据点与代码建立起来的决策模型，是通过对海量数据进行排序、分类并予以标签化，继而建立若干数据集才得以运行的。

《个人信息保护法》第28条第2款和第29条专门对敏感个人信息的处理规则作出规定，即对于敏感个人信息的处理，必须基于特定的目的和充分的必要性，采取严格保护措施，并应当取得个人的单独同意。而且考虑到现实中黑人的再犯罪率确实会更高的情况，算法在分析具有黑人属性特征的罪犯时，也难免会将其纳入高概率再犯的范畴，将黑人属性的特征值与再犯概率进行了关联，从而产生算法歧视。当自动化决策的算法输出歧视性结果或产生歧视性的危害后果时，是根本无法逆转的。（三）决策性歧视——算法运行所产生的歧视 算法是一种基于统计学而建立起的具有描述性、学习性、动态性的随机性控制。（2）建立算法的分级分类管理制度。二、算法歧视的发生逻辑 算法歧视作为算法技术的衍生品，使得算法的预测功能发生偏离，损害了人们平等和非歧视的基本权利。

实际上，在算法运行中所产生的对某类特定群体的区别对待，其实并非完全是依据人类所认为的区分属性或特征（如籍贯、性别等）来作出区别对待或决策的，而只是在算法运行时挖掘出了数据中的标志性特征，并进行匹配性判断，从而对某类特定群体进行区别对待或决策。第二，通过课以算法设计人员解释的义务，规制算法黑箱与算法非中立性引發的算法歧视，保障算法的合法性与合伦理道德性。

但实际上，算法有着与人类社会同构的特质，它并非是完全中立的，算法决策也并非完全可靠。它会不断地在动态数据的统计学习中作出决策选择，具有输出预测的功能。

总的来说，对算法歧视的法律规制，能够通过规则和价值的塑造来影响算法技术，平衡各类价值与权利，从而进一步打破歧视的恶性循环，塑造算法时代的法律秩序，确保数字社会中人类的安全和发展。〔关键词〕算法歧视，数据信息，算法黑箱，冗余编码，算法解释 〔作者简介〕石 颖（1994- ），女，陕西西安人，西北政法大学法治学院2019级博士生、中共陕西省委党校（陕西行政学院）法学与社会治理教研部讲师，主要研究方向为法学理论。

在此，住址与通勤时间等数据信息都是用人单位合法收集获取的，但当这些合法获取的数据信息与特定群体的行为建立起某种属性的关联时，便会对该群体带来意料之外的歧视性决策结果。我国《网络安全法》第41条即要求网络运营者在收集、使用个人信息时，应当遵循合法、正当、必要的原则，不得收集与其所提供的服务无关的用户信息，不得违反法律法规的相关规定和双方的约定来收集、使用个人信息。（一）通过伦理审计与公平性约束，规制先行存在的歧视 先行存在的歧视这种人类社会歧视的算法转化，归根结底还是人的问题。〔摘要〕算法歧视是新兴技术风险的典型代表，主要是由于算法内部演算和数据分析所导致的对特定群体或个人的不公正对待。

算法歧视是人类社会歧视在算法领域的转化，体现为归纳式的算法思维逻辑、算法黑箱与非中立性等算法技术设计所导致的算法歧视，更体现为算法运行中的决策性歧视，即由于冗余编码和信息茧房等数据动态交互所产生的算法歧视，以及因数据评估的导向性而引发的算法歧视。（3）算法设计人员的歧视性价值渗透形成算法歧视。

2.算法黑箱与算法的非中立性引发算法歧视 整体来看，人们并不能充分了解算法内部的决策规则，数据和编程的内幕也无法做到公开透明，有关算法的运行机制、决策原则和决策依据也只有相关的程序设计人员才知晓，由此形成的算法黑箱便成为算法技术最大的不可控因素。继而可以将某些具有利益倾向或其他歧视性倾向的价值观念通过技术中立的外衣而渗透进算法中，赋予算法进行区别对待与区别影响的权力。

因此，一旦其中的交易一方在讨价还价能力方面存在实质性的不平等时，便会对交易公平产生严重的威胁。在这一过程中，一方面，由于高度的专业性使得算法设计人员与普通用户之间形成巨大的数字鸿沟。

参考文献： 〔1〕徐 琳.人工智能推算技术中的平等权问题之探讨〔J〕.法学评论，2019（03）：152-161. 〔2〕石 颖.歧视的法律判断标准〔J〕.河南大学学报（社会科学版），2022（01）：42-46+153. 〔3〕Laura Carmichael，Sophie Stalla，Steffen Staab.Data Mining and Automated Discrimination：A Mixed Legal/Technical Perspective〔J〕.IEEE Intelligent Systems，2016（06）：51-55. 〔4〕戈登·奥尔波特.偏见的本质〔M〕.凌晨，译.北京：九州出版社，2020. 〔5〕Paul R.Cohen，Edward A.Feigenbaum eds.The Handbook of Artificial Intelligence，Volume III〔M〕.Stanford，California：HeurisTech Press;Los Altos，California：William Kaufmann，Inc.，1982. 〔6〕Philippa Foot.The Problem of Abortion and the Doctrine of the Double Effect〔J〕.Oxford Review，1967（05）：5-15. 〔7〕郑智航，徐昭曦.大数据时代算法歧视的法律规制与司法审查——以美国法律实践为例〔J〕.比较法研究，2019（04）：111-122. 〔8〕Sam Corbett-Davies，Emma Pierson，Avi Feller and Sharad Goel.A computer program used for bail and sentencing decisions was labeled biased against blacks.Its actually not that clear〔EB/OL〕.https：//www.washingtonpost.com/news/monkey-cage/wp/2016/10/17/can-an-algorithm-be-racist-ouranalysis-is-more-cautious-than-propublicas/. 〔9〕凱斯·桑斯坦.信息乌托邦：众人如何生产知识〔M〕.毕竞悦，译.北京：法律出版社，2008. 〔10〕杨成越，罗先觉.算法歧视的综合治理初探〔J〕.科学与社会，2018（04）：1-12+64. 〔11〕弗兰克·帕斯奎尔.黑箱社会：控制金钱和信息的数据法则〔M〕.赵亚男，译.北京：中信出版社，2015. 〔12〕约翰·罗尔斯.正义论〔M〕.何怀宏，何包钢，廖申白，译.北京：中国社会科学出版社，2009. 〔13〕任瑞兴.公民权利质量的意义之维〔J〕.河南大学学报（社会科学版），2019（02）：68-76. 〔14〕莫勇波.以人工智能破解政策执行难题的几点思索〔J〕.理论探索，2021（06）：58-67. 进入专题： 算法歧视 数据信息 算法黑箱 。对算法歧视的发生逻辑与法律规制的研究，首先是要明晰算法歧视的核心要义。人性中自然而正常的本能使他们易于做出泛化、概念和分类，这些都是对经验世界的过度简化。在这样的交易模式下，买卖双方的信息是极为不对称的，买方（消费者）实际是处于一种讨价还价能力上的实质不平等。

如2016年魏则西事件，由于搜索平台的竞价排名而导致魏则西误信了算法所推荐的医疗机构，最终贻误了病情，酿成悲剧。然而这种数据评估方法运用在社会科学领域却产生了诸多问题。

正因为如此，我们迫切需要从伦理审计与公平性约束、数据信息的区别保护与算法解释、建立算法的监管制度这三方面入手，对算法进行技术性纠偏和法律性规制，同时还要做到不滥用机器算法决策，在特定重大领域慎用算法决策系统，以此来维护算法时代的社会良序底线。算法歧视虽然是一种新型的歧视类型，但它并没有创造歧视本身，也没有改变歧视的本质，而只是改变了歧视的产生方式和存在方式，使得歧视有了更广阔的外延，是歧视在数字社会中的一种特殊表现形式。

相较于一般歧视来说，算法歧视所带来的是一种更深层次的歧视和不平等，并引发了伦理问题。对此，（1）要以平等保护和无害化作为数据信息处理的基本原则。