算法责任:理论证成全景画像与治理范式

关键词:算法;算法责任;社会责任;数智经济

基金:国家社会科学基金重大项目(20&ZD073);中国社会科学院登峰战略企业管理优势学科建设项目的资助。

一、引言

本文余下部分的结构安排如下:第二部分基于逻辑起点检验和证成算法责任命题的正当性与合理性,第三部分系统梳理和分析算法责任观的纵向流变与动态迭代,第四部分刻画算法责任的完整构面和建构算法责任的全景画像,第五部分分析算法责任治理的逻辑理路和构建算法责任综合治理范式,最后归纳总结本文研究结论、理论贡献,提出政策启示和实践建议。

二、算法责任命题的逻辑起点与理论证成

(一)算法的代理者角色:算法责任产生的认知基础

(二)算法的多元价值载荷:算法责任生成的根本缘起

由于社会责任涉及价值判断与伦理规范,因此算法责任的生成取决于对算法价值属性的认知。从技术哲学和伦理学派出发,技术本身被认为内嵌价值(Flanaganetal.,2008),据此算法本身也被认为包含基本价值判断(Kraemeretal.,2011),是载荷价值的决策行动者(Martin,2019)。算法价值载荷(Value-laden)引申出算法对社会负责任的必然要求,成为算法责任生成的根本缘起,反映出算法责任概念具有正当性和合理性。进一步来看,算法的价值载荷主要源于3个方面,即算法存在的社会嵌入、算法主体的价值迁移和算法结果的社会影响。

1.算法存在的社会嵌入

2.算法主体的价值迁移

3.算法结果的社会影响

(三)算法权力崛起与滥用:算法责任出场的现实逻辑

1.算法权力崛起孪生出匹配性的算法责任

2.算法权力滥用催生出约束性的算法责任

(四)算法责任的特殊性:作为新命题存在具有合理性

三、算法责任观的纵向流变与动态迭代

表1不同算法责任观的比较

(一)技术中立视域下的责任否定观

在技术价值中立论来看,算法就像任何一项其他技术,其本身只有“工具性”而没有“目的性”,只是亚里士多德界定的工具型活动,具有韦伯区分出来的形式合理性和纯粹工具理性特征。也就是说,算法在本质上只不过是一把“技术菜刀”,是一种中性的工具,是无关好坏选择的价值中立(Hauer,2018),其如何被部署和应用,最终取决于人的目的,因此算法功能与实践后果是分离的,算法具有责任中立的性质。技术价值中立衍生的必然结果是对算法责任的否定,认为算法在伦理学上的中性使得算法没有社会责任可言。按照技术价值中立观点,如果一定要说算法责任,那么其唯一的内容就是在算法功能发挥过程中遵循了算法的技术原理和功能机制,无关任何价值内容。现实中,Facebook创始人扎克伯格曾在美国国会面前坚守技术中立观点,以此为Facebook不进行内容审查的算法行为进行辩解;被称作“卷积神经网络之父”的杨立昆(YannLeCun)也曾经隐含地从技术中立观点出发,将机器学习结果出现的偏见归咎于数据集偏见而不是算法偏见;在著名的“快播案”审理中,被告就援引技术中立观点并以“技术无罪”进行抗辩。这些都意味着,以技术价值中立论为基础的算法责任否定观曾经不乏支持者。

(二)技术伦理视域下的道德算法观

(三)人技信任视域下的“可信赖的算法”观

(四)社会责任视域下的“负责任的算法”观

四、算法责任画像的多维构面与全景透视

无论是构建负责任的算法,还是开展有效的算法责任治理,其基础都是要对算法责任的构造有一个全面系统的解构。而且,算法责任作为一个新生事物,绝不能仅仅停留于概念层面或理念层次,而是需要对其构面和要件具象化,识别其内容构成与范畴边界,绘制算法责任的全景画像。实际上,现实中对算法衍生出诸多现象的争论,相当程度上是因为对“算法责任到底包括哪些内容”缺乏清晰界定,更别说对算法责任范畴边界和完整构成形成基本共识,因此亟需对算法责任的构成要素与范畴边界进行深入探究。

(一)算法责任构面的建构方法与框架

综上分析,算法责任的完整构面包括责任缘起、责任性质、责任基础、责任主体、责任对象、责任内容、责任程度和责任机制,它们之间的关系如图1所示。

图1算法责任的构面框架

(二)基于构面具体化的算法责任全景画像

算法责任画像的轮廓由8个构面以某种逻辑关系勾勒而成,但画像的详细元素与完整画面仍然需要对每一个构面具体化。算法作为纯粹执行者、辅助决策者和独立决策者时,它们的责任缘起、责任性质、责任基础、责任主体、责任对象、责任内容、责任程度和责任机制存在差异,由此它们的画像也不尽相同。进一步来看,由于算法责任是组织社会责任或个体社会责任在算法活动层面的集中反映和深化拓展,且社会责任视域下的“负责任的算法”观实现了对技术中立视域下的责任否定观、技术伦理视域下的道德算法观、人技信任视域下的“可信赖的算法”观的超越,因此算法责任画像的勾勒应以社会责任视域下的“负责任的算法”观为理论指引,以便刻画出来的算法责任能够支持构建负责任的算法。

1.算法作为纯粹执行者的算法责任画像

2.算法作为辅助决策者的算法责任画像

3.算法作为独立决策者的算法责任画像

综合算法作为纯粹执行者、辅助决策者和独立决策者的责任构面具体化,算法责任的完整画像如表2所示。

表2算法责任的完整画像

五、算法责任治理的逻辑理路与范式建构

(一)算法责任治理的前因与逻辑理路

1.“人”的行为偏差→人为型算法失当→对“人”的治理

2.算法的技术缺陷→功能型算法失当→对算法的治理

3.社会的生态失调→触发型算法失当→对社会的治理

(二)算法责任综合治理范式的九宫格模型

对于算法责任治理范式,目前的直接或间接研究主要有两类:第一类是整体性的治理范式,如针对人工智能或算法的节点治理和协同治理(杜严勇,2018)、场景化治理(丁晓东,2020)、精准化治理(张欣,2021);第二类是具体化的治理方式,如算法透明度(Leprietal.,2018)、算法可解释性(Martin,2019;Criadoetal.,2020)、个体数据赋权(丁晓东,2020)、算法影响评估制度(张凌寒,2021b)、算法审计(张超,2021)、算法问责制(Neyland,2019)、道德算法(WallachandAllen,2009;李伦、孙保学,2018)。深入分析来看,对算法责任治理范式的已有研究至少存在3个方面的不足:缺乏对算法责任的深度理解与系统刻画,没有从真正意义和完整意义的社会责任角度对算法责任治理范式进行建构;缺乏对算法责任治理逻辑的详细剖解,没有形成算法责任治理范式建构的完整逻辑链条;缺乏算法责任治理的综合性框架,多数范式或方式聚焦于算法责任治理的特定领域、特定方法和特定主体,无法实现对算法责任的全面系统治理。实际上,“负责任的算法”的构建应当是算法责任的全面落实,相应的算法责任治理也应当是综合性的、系统性的,即算法责任综合治理范式。

图2算法责任综合治理范式的九宫格模型

1.对“人”的3种治理方式

2.对算法的3种治理方式

3.对社会的3种治理方式

(三)算法责任治理方式的场景化适配

表3算法责任治理方式与不同算法场景的适配性矩阵

六、结论与建议

(一)研究结论与边际贡献

(二)政策启示与实践建议

算法责任是一个强实践性概念,加之算法实践的新兴性、复杂性和动态性,因此有效的算法责任治理需要在综合治理范式建构的基础上,从政府和企业两类治理主体角度,进一步探寻合意的实践进路和因应对策,推动治理的精度、信度和效度不断提升,形成更高质量的“负责任的算法”。

1.政府层面:加快算法责任制度供给与创新算法监管方式

2.企业层面:全面落实算法责任议题与构建可持续性算法商业模式

参考文献

(2)卢西亚诺·弗洛里迪:《第四次革命》,王文革译,浙江人民出版社,2016年。

(3)安东尼·吉登斯:《现代性的后果》,田禾译,译林出版社,2000年。

(4)凯伦·杨、马丁·洛奇:《驯服算法:数字歧视与算法规制》,林少伟、唐林垚译,上海人民出版社,2020年。

(5)陈凡、贾璐萌:《技术伦理学新思潮探析--维贝克“道德物化”思想述评》,《科学技术哲学研究》,2015年第6期。

(6)崔靖梓:《算法歧视挑战下平等权保护的危机与应对》,《法律科学(西北政法大学学报)》,2019年第3期。

(7)丁晓东:《论算法的法律规制》,《中国社会科学》,2020年第12期。

(8)杜严勇:《论人工智能的自反性伦理治理》,《新疆师范大学学报(哲学社会科学版)》,2018年第2期。

(9)浮婷:《算法“黑箱”与算法责任机制研究》,中国社会科学院大学(研究生院)博士学位论文,2020年。

(10)郭林生、李小燕:《“算法伦理”的价值基础及其建构进路》,《自然辩证法通讯》,2020年第4期。

(11)贾璐萌、陈凡:《当代技术伦理实现的范式转型》,《东北大学学报(社会科学版)》,2021年第2期。

(12)匡文波:《智能算法推荐技术的逻辑理路、伦理问题及规制方略》,《深圳大学学报(人文社会科学版)》,2021年第1期。

(13)李丹:《算法歧视消费者:行为机制、损益界定与协同规制》,《上海财经大学学报》,2021年第2期。

(14)李伦、孙保学:《给人工智能一颗“良芯(良心)”--人工智能伦理研究的四个维度》,《教学与研究》,2018年第8期。

(15)李升:《论人工智能伦理准则的细化与完善--基于50部人工智能伦理准则的梳理与解读》,浙江大学硕士学位论文,2020年。

(16)李伟阳、肖红军:《企业社会责任的逻辑》,《中国工业经济》,2011年第10期。

(17)李伟阳:《基于企业本质的企业社会责任边界研究》,《中国工业经济》,2010年第9期。

(18)李应潭:《人工智能可信赖性与可信赖算法研究》,《信息与控制》,1999年第2期。

(19)刘培、池忠军:《算法的伦理问题及其解决进路》,《东北大学学报(社会科学版)》,2019年第2期。

(20)刘友华:《算法偏见及其规制路径研究》,《法学杂志》,2019年第6期。

(21)梅亮、陈劲:《责任式创新:源起、归因解析与理论框架》,《管理世界》,2015年第8期。

(22)孟令宇:《算法伦理是何种伦理?--以“深度学习算法”为例》,载李伦,《数据伦理与算法伦理》,科学出版社,2019年。

(23)时建中:《共同市场支配地位制度拓展适用于算法默示共谋研究》,《中国法学》,2020年第2期。

(24)宋冰:《智能与智慧--人工智能遇见中国哲学家》,中信出版社,2020年。

(25)孙保学:《人工智能算法伦理及其风险》,《哲学动态》,2019年第10期。

(26)孙萍:《“算法逻辑”下的数字劳动:一项对平台经济下外卖送餐员的研究》,《思想战线》,2019年第6期。

(27)汪怀君、汝绪华:《人工智能算法歧视及其治理》,《科学技术哲学研究》,2020年第2期。

(28)吴椒军、郭婉儿:《人工智能时代算法黑箱的法治化治理》,《科技与法律(中英文)》,2021年第1期。

(29)吴梓源、游钟豪:《AI侵权的理论逻辑与解决路径--基于对“技术中立”的廓清》,《福建师范大学学报(哲学社会科学版)》,2018年第5期。

(30)肖红军、李平:《平台型企业社会责任的生态化治理》,《管理世界》,2019年第4期。

(31)肖红军:《共享价值式企业社会责任范式的反思与超越》,《管理世界》,2020年a第5期。

(32)肖红军:《责任型平台领导:平台价值共毁的结构性治理》,《中国工业经济》,2020年b第7期。

(33)谢栩楠:《算法合谋反垄断规制的原理、挑战与应对》,《深圳社会科学》,2021年第2期。

(34)辛巧巧:《算法解释权质疑》,《求是学刊》,2021年第3期。

(35)许可、朱悦:《算法解释权:科技与法律的双重视角》,《苏州大学学报(哲学社会科学版)》,2020年第2期。

(36)薛澜、赵静:《走向敏捷治理:新兴产业发展与监管模式探究》,《中国行政管理》,2019年第8期。

(37)闫宏秀:《可信任:人工智能伦理未来图景的一种有效描绘》,《理论探索》,2019年第4期。

(38)阳镇、陈劲:《数智化时代下的算法治理--基于企业社会责任治理的重新审视》,《经济社会体制比较》,2021年第2期。

(39)袁曾:《无人驾驶汽车侵权责任的链式分配机制--以算法应用为切入点》,《东方法学》,2019年第5期。

(40)张超:《资讯类推荐算法的算法审计路径、伦理与可审计机制》,《中国出版》,2021年第7期。

(41)张恩典:《反算法歧视:理论反思与制度建构》,《华中科技大学学报(社会科学版)》,2020年第5期。

(42)张凌寒:《算法评估制度如何在平台问责中发挥作用》,《上海政法学院学报(法治论丛)》,2021年b第3期。

(43)张凌寒:《算法权力的兴起、异化及法律规制》,《法商研究》,2019年第4期。

(44)张凌寒:《网络平台监管的算法问责制构建》,《东方法学》,2021年a第3期。

(45)张欣:《从算法危机到算法信任:算法治理的多元方案和本土化路径》,《华东政法大学学报》,2019年b第6期。

(46)张欣:《算法解释权与算法治理路径研究》,《中外法学》,2019年a第6期。

(47)张欣:《算法影响评估制度的构建机理与中国方案》,《法商研究》,2021年第2期。

(48)郑玉双:《破解技术中立难题--法律与科技之关系的法理学再思》,《华东政法大学学报》,2018年第1期。

(49)周祖城:《企业社会责任的关键问题辨析与研究建议》,《管理学报》,2017年第5期。

(50)Ananny,M.,2016,“TowardanEthicsofAlgorithms:Convening,Observation,Probability,andTimeliness”,Science,Technology&HumanValues,Vol.41(1),pp.93~117.

(51)Bakker,F.G.A.,Groenewegen,P.andHond,F.,2005,“ABibliometricAnalysisof30YearsofResearchandTheoryonCorporateSocialResponsibilityandCorporateSocialPerformance”,BusinessandSociety,Vol.44(3),pp.283~317.

(52)Balkin,J.M.,2018,“FreeSpeechintheAlgorithmicSociety:BigData,PrivateGovernance,andNewSchoolSpeechRegulation”,UCDavisLawReview,Vol.51(3),pp.1149~1210.

(53)Barber,B.,1983,TheLogicandLimitsofTrust,NewBrunswick,NJ:RutgersUniversityPress.

(54)Beer,D.,2009,“PowerthroughtheAlgorithmParticipatoryWebCulturesandtheTechnologicalUnconscious”,NewMedia&Society,Vol.11(6),pp.985~1002.

(55)Beer,D.,2017,“TheSocialPowerofAlgorithms”,Information,Communication&Society,Vol.20(1),pp.1~13.

(56)Beneke,F.andMackenrodt,M.O.,2021,“RemediesforAlgorithmicTacitCollusion”,JournalofAntitrustEnforcement,Vol.9(1),pp.152~176.

(57)Binns,R.,2018,“AlgorithmicAccountabilityandPublicReason”,Philosophy&Technology,Vol.31(4),pp.543~556.

(58)Brauneis,R.andGoodman,E.P.,2018,“AlgorithmicTransparencyfortheSmartCity”,YaleJournalofLawandTechnology,Vol.20(1),pp.103~176.

(59)Brey,P.A.E.,2012,“AnticipatingEthicalIssuesinEmergingIT”,EthicsandInformationTechnology,Vol.14(4),pp.305~317.

(60)Brundage,M.,2016,“ArtificialIntelligenceandResponsibleInnovation”,inMüller,V.C.,FundamentalIssuesofArtificialIntelligence,NewYork:Springer.

(61)Bryson,J.J.,2010,“RobotsShouldbeSlaves”,inWilks,Y.(eds),CloseEngagementswithArtificialCompanions:KeySocial,Psychological,EthicalandDesignIssues,Amsterdam:JohnBenjaminPublishingCompany.

(62)Burget,M.,Bardone,E.andPedaste,M.,2017,“DefinitionsandConceptualDimensionsofResponsibleResearchandInnovation:ALiteratureReview”,ScienceandEngineeringEthics,Vol.23(1),pp.1~19.

(63)Carroll,A.B.,1979,“AThree-dimensionalConceptualModelofCorporatePerformance”,AcademyofManagementReview,Vol.4(4),pp.497~505.

(64)Cormen,T.H.,Leiserson,C.E.andRivest,R.L.,2009,IntroductiontoAlgorithms,Cambridge,MA:MITPress.

(65)Criado,J.I.,Valero,J.andVillodre,J.,2020,“AlgorithmicTransparencyandBureaucraticDiscretion:TheCaseofSALEREarlyWarningSystem”,InformationPolity,Vol.25(4),pp.449~470.

(66)Cristianini,N.andScantamburlo,T.,2020,“OnSocialMachinesforAlgorithmicRegulation”,AI&Society,Vol.35(3),pp.645~662.

(67)D’Agostino,M.andDurante,M.,2018,“Introduction:TheGovernanceofAlgorithms”,Philosophy&Technology,Vol.31(4),pp.499~505.

(68)Danaher,J.,Hogan,M.,Noone,C.,etal.,2017,“AlgorithmicGovernance:DevelopingaResearchAgendaThroughthePowerofCollectiveIntelligence”,BigData&Society,Vol.4(2),pp.1~21.

(69)DelCasino,V.J.,Jr.,House-Peters,L.,Crampton,J.W.andGerhardt,H.,2020,“TheSocialLifeofRobots:ThePoliticsofAlgorithms,Governance,andSovereignty”,Antipode,Vol.52(3),pp.1~14.

(70)Diakopoulos,N.,2015,“AlgorithmicAccountabilityJournalisticInvestigationofComputationalPowerStructures”,DigitalJournalism,Vol.3(3),pp.398~415.

(71)Elkington,J.,1998,CannibalswithForks:TheTripleBottomLineof21stCenturyBusiness,GabriolaIsland,BC:NewSocietyPublishers.

(72)Etzioni,A.andEtzioni,O.,2016,“DesigningAISystemsthatObeyOurLawsandValues”,CommunicationsoftheACM,Vol.59(9),pp.29~31.

(73)Ezrachi,A.andStucke,M.E.,2017,“TwoArtificialNeuralNetworksMeetinanOnlineHubandChangetheFutureofCompetition,MarketDynamicsandSociety”,UniversityofTennesseeCollegeofLaw,Vol.7(323),pp.1~15.

(74)Flanagan,M.,Howe,D.C.andNissenbaum,H.,2008,“EmbodyingValuesinTechnology:TheoryandPractice”,inHoven,J.,V.,D.andWeckert,J.(eds),InformationTechnologyandMoralPhilosophy,Cambridge:CambridgeUniversityPress.

(75)Friedman,B.,Kahn,P.H.,Jr.andBorning,A.,2002,ValueSensitiveDesign:TheoryandMethods,Washington,D.C.:UniversityofWashington.

(76)Gal,M.S.,2019,“AlgorithmsasIllegalAgreements”,BerkeleyTechnologyLawJournal,Vol.34(1),pp.67~118.

(77)Gal,U.,Jensen,T.B.andStein,M.K.,2020,“BreakingtheViciousCycleofAlgorithmicManagement:AVirtueEthicsApproachtoPeopleAnalytics”,InformationandOrganization,Vol.30(2),pp.1~15.

(78)Gerlick,J.A.andLiozu,S.M.,2020,“EthicalandLegalConsiderationsofArtificialIntelligenceandAlgorithmicDecision-makinginPersonalizedPricing”,JournalofRevenueandPricingManagement,Vol.19(2),pp.85~98.

(79)Gillespie,T.,2014,“TheRelevanceofAlgorithms”,inGillespie,T.,Boczkowski,P.,J.andFoot,K.,A.(eds),MediaTechnologies:EssaysonCommunication,Materiality,andSociety(InsideTechnology),Cambridge:TheMITPress.

(81)Guston,D.H.andSarewitz,D.,2002,“Real-TimeTechnologyAssessment”,TechnologyinSociety,Vol.24(1),pp.93~109.

(82)Hauer,T.,2018,“SocietyandtheSecondAgeofMachines:AlgorithmsVersusEthics”,Society,Vol.55,pp.100~106.

(83)Houkes,W.andVermaas,P.,2004,“ActionsVersusfunctions:APleaforanAlternativeMetaphysicsofArtifacts”,TheMoist,Vol.87(1),pp.52~71.

(84)Introna,L.,D.,2016,“Algorithms,Governance,andGovernmentality:OnGoverningAcademicWriting”,ScienceTechnologyandHumanValues,Vol.41(1),pp.17~49.

(85)ISO,2010,ISO26000:GuidanceonSocialResponsibility,Geneva:ISO.

(86)Jaspers,K.,1963,TheAtomBombandtheFutureofMan,Chicago:UniversityofChicagoPress.

(87)Just,N.andLatzer,M.,2017,“GovernancebyAlgorithms:RealityConstructionbyAlgorithmicSelectionontheInternet”,Media,Culture&Society,Vol.39(2),pp.238~258.

(88)Kalpokas,I.,2019,AlgorithmicGovernance:PoliticsandLawinthePost-HumanEra,Cham:SpringerNatureSwitzerlandAG.

(89)Kim,E.S.,2020,“DeepLearningandPrincipal-AgentProblemsofAlgorithmicGovernance:TheNewMaterialismPerspective”,TechnologyinSociety,Vol.63(C),pp.1~9.

(90)Kitchin,R.,2017,“ThinkingCriticallyAboutandResearchingAlgorithms”,Information,Communication&Society,Vol.20(1),pp4~29.

(91)Kraemer,F.,Overveld,K.V.andMartin,P.,2011,“IsThereanEthicsofAlgorithms”,Philosophy&Technology,Vol.13(3),pp.251~260.

(92)Krafft,T.D.,Zweig,K.A.andKnig,P.D.,2020,“HowtoRegulateAlgorithmicDecision-Making:AFrameworkofRegulatoryRequirementsforDifferentApplications”,Regulation&Governance,doi:10.1111/rego.12369.

(93)Kroll,J.A.,Huey,J.,Barocas,S.,etal.,2017,“AccountableAlgorithms”,UniversityofPennsylvaniaLawReview,Vol.165(3),pp.633~705.

(94)Kushner,S.,2013,“TheFreelanceTranslationMachine:AlgorithmicCultureandtheInvisibleIndustry”,NewMedia&Society,Vol.15(8),pp.1241~1258.

(95)Lash,S.,2007,“PowerafterHegemony:CulturalStudiesinMutation”,Theory,Culture&Society,Vol.24(3),pp.55~78.

(96)Lepri,B.,Oliver,N.,Letouz′e,E.,Pentland,A.andVinck,P.,2018,“Fair,Transparent,andAccountableAlgorithmicDecisionmakingProcesses”,Philosophy&Technology,Vol.31(4),pp.611~627.

(97)Luhmann,N.,1979,TrustandPower,NewYork:JohnWiley.

(98)Martin,K.,2019,“EthicalImplicationsandAccountabilityofAlgorithms”,JournalofBusinessEthics,Vol.160(4),pp.835~850.

(99)Matthias,A.,2004,“TheResponsibilityGap:AscribingResponsibilityfortheActionsofLearningAutomata”,EthicsandInformationTechnology,Vol.6(3),pp.175~183.

(100)Moor,J.H.,2006,“TheNature,Importance,andDifficultyofMachineEthics”,IEEEIntelligentSystems,Vol.21(4),pp.18~21.

(101)Neyland,D.,2019,AccountabilityandtheAlgorithm.InTheEverydayLifeofanAlgorithm,Cham:PalgravePivot.

(102)OECD,2017,AlgorithmsandCollusion-BackgroundNotebytheSecretariat,DAF/COMP(2017)4,OECD-DirectorateforFinancialandEnterpriseAffairsCompetitionCommittee.

(103)Owen,R.,Macnaghten,P.andStilgoe,J.,2012,“ResponsibleResearchandInnovation:FromScienceinSocietytoScienceforSociety,withSociety”,ScienceandPublicPolicy,Vol.39(6),pp.751~760.

(104)Pasquale,F.,2015,TheBlackBoxSociety:TheSecretAlgorithmsThatControlMoneyandInformation,Cambridge:HarvardUniversityPress.

(105)Roth,A.,2016,“TrialbyMachine”,GeorgetownLawJournal,Vol.104(5),pp.1245~1306.

(106)Saurwein,F.,Just,N.andLatzer,M.,2015,“GovernanceofAlgorithms:OptionsandLimitations”,Info,Vol.17(6),pp.35~49.

(107)Schultze,U.,Aanestad,M.,Mhring,M.,sterlund,C.andRiemer,K.,2018,LivingwithMonstersSocialImplicationsofAlgorithmicPhenomena,HybridAgency,andthePerformativityofTechnology,Cham:SpringerNatureSwitzerlandAG.

(108)Sedgewick,R.andWayne,K.,2011,Algorithms(FourEdition),Boston,MA:PearsonEducation,Inc.

(109)Stilgoe,J.,Owen,R.andMacnaghten,P.,2013,“DevelopingaFrameworkforResponsibleInnovation”,ResearchPolicy,Vol.42(9),pp.1568~1580.

(110)Stirling,A.,2008,“‘OpeningUp’and‘ClosingDown’Power,Participation,andPluralismintheSocialAppraisalofTechnology”,Science,Technology&HumanValues,Vol.33(2),pp.262~294.

(111)Strate,L.,2012,“IfIt’sNeutral,It’sNotTechnology”,EducationalTechnology,Vol.52(1),pp.6~9.

(112)Thero,D.P.,2006,UnderstandingMoralWeakness,Amsterdam;NewYork:Rodopi.

(113)Ulbricht,L.,2018,“WhenBigDataMeetSecuritization.AlgorithmicRegulationwithPassengerNameRecords”,EuropeanJournalforSecurityResearch,Vol.3(2),pp.139~161.

(114)Verbeek,P.P.,2006,“MaterializingMorality:DesignEthicsandTechnologicalMediation”,Science,TechnologyandHumanValues,Vol.31(3),pp.361~380.

(115)Verbeek,P.P.,2008,“CyborgIntentionality:RethinkingthePhenomenologyofHuman-TechnologyRelations”,Phenomenology&theCognitiveSciences,Vol.7(3),pp.387~395.

(116)VonSchomberg,R.,2013,“AVisionofResponsibleInnovation”,ResponsibleInnovation,Vol.82(4),pp.51~74.

(117)Wallach,W.andAllen,C.,2009,MoralMachines:TeachingRobotsRightfromWrong,Oxford:OxfordUniversityPress.

(118)Willson,M.M.,2017,“Algorithms(andthe)Everyday”,Information,Communication&Society,Vol.20(1),pp.137~150.

(119)Yeung,K.,2017,“‘Hypernudge’:BigDataasaModeofRegulationbyDesign”,Information,Communication&Society,Vol.20(1),pp.118~136.

(120)Zerilli,J.,Knott,A.,Maclaurin,J.andGavaghan,C.,2019,“TransparencyinAlgorithmicandHumanDecision-Making:IsThereaDoubleStandard”,Philosophy&Technology,Vol.32(4),pp.661~683.

(121)liobait,I.,2017,“MeasuringDiscriminationinAlgorithmicDecisionMaking”,DataMiningandKnowledgeDiscovery,Vol.31(2),pp.1~30.

肖红军.算法责任:理论证成、全景画像与治理范式[J].管理世界,2022,38(04):200-226.

THE END
1.数据挖掘算法(AnalysisServices–数据挖掘)MicrosoftLearn为特定的业务任务选择最佳算法很有挑战性。您可以使用不同的算法来执行同样的业务任务,每个算法会生成不同的结果,而某些算法还会生成多种类型的结果。例如,您不仅可以将 Microsoft 决策数算法用于预测,而且还可以将它用作一种减少数据集的列数的方法,因为决策树能够识别出不影响最终挖掘模型的列。 https://technet.microsoft.com/zh-cn/library/ms175595(v=sql.100).aspx
2.数据挖掘之七种常用的方法经管文库(原现金交易docx 203.39 KB0个论坛币 GDP和人均GDP平减说明.xls 27 KB0个论坛币 关键词:数据挖掘 https://bbs.pinggu.org/thread-13312809-1-1.html
3.数据挖掘的步骤有什么?- 标准化或归一化数据,确保各个特征在同一尺度上。4. **数据探索和可视化**:- 使用统计方法和图表来分析数据的分布、关系和趋势。- 通过可视化工具揭示数据的模式和结构。5. **选择合适的算法**:- 根据问题的性质和数据的特点,选择合适的挖掘技术。- 可能包括分类、回归、聚类、关联规则、序列挖掘等。6. *https://baijiahao.baidu.com/s?id=1784887831606470411&wfr=spider&for=pc
4.数据挖掘与分析的六种经典方法论最近梳理了一下数据挖掘与分析的常用方法论,这里简要介绍6种模型。 1、CRISP-DM 模型 CRISP-DM是CrossIndustry Standard Process for Data Mining(跨行业数据挖掘标准流程)的字母缩写。CRISP-DM是由一家欧洲财团(时称SIG组织)在20世纪90年代中后期提出来的,是一套用于开放的数据挖掘项目的标准化方法,也是业内公认https://www.niaogebiji.com/article-30475-1.html
5.数据挖掘复习(包括一些课本习题)[通俗易懂](1)数据挖掘中使用的数据是数据对象及其属性的集合,属性为对象的特性(1)类属性和数值属性,标称,序数,区间,比例 数据预处理 代码语言:javascript 复制 (1)数据清理(2)数据集成(3)数据变换(4)数据规约(5)离散化及特征选择 噪声处理方法 (1)分箱,聚类,回归 https://cloud.tencent.com/developer/article/2093242
6.两种重要的知识管理技术:数据挖掘和知识发现知识管理数据挖掘可以用到的技术有决策树法:神经网络法、遗传算法、统计分析方法、粗集方法、可视化方法。 3.1 决策树法 决策树法就是以信息论中的互信息(信息增益)原理为基础寻找数据库中具有最大信息量的字段建立决策树的一个结点,再根据不同取值建立树的分支;在每个分支子集中重复建立下层结点和分支,这样便生成一棵决策https://articles.e-works.net.cn/km/article71041.htm
7.商战数据挖掘:你需要了解的数据科学与分析思维于是他们基于“企业造影”数据——描述企业特点的数据——来进行相似性匹配。相似性匹配是一种常用的商品购买推荐(依据人们在产品方面的喜好或购买记录,来寻找与你相似的人)方法的实现基础。度量相似性也是解决其他数据挖掘任务的基础,如分类、回归和聚类。第 6 章将详细讲解相似性及其用途。https://www.ituring.com.cn/book/tupubarticle/28952
8.10种流行的Web挖掘工具下面就来介绍 10 种***的 Web 挖掘工具和软件。 Data Miner Google Analytics SimilarWeb Majestic Scrapy Bixo Oracle Data Mining Tableau WebScraper.io Weka 1.Data Miner(Web 内容挖掘工具) Data Miner Data Miner是一种有名的数据挖掘工具,在从网页中提取数据方面非常有效。它将提取的数据提供到 CSV 文件或https://www.51cto.com/article/596091.html
9.信息系统项目管理师重点内容汇总(第八天)结构化设计 (Structured Design,一种面向数据流的方法,它以 SRS和 SA 阶段所产生的 DFD 和数据字典等文档为基础,是一个自顶向下、逐步求精和模块化的过程。SD 方法的基本思想是将软件设计成由相对独立且具有单一功能的模块组成的结构,分为概要设计和详细设计两个阶段,其中概要设计又称为总体结构设计 https://developer.aliyun.com/article/1416724
10.数据挖掘机器学习总结(通用6篇)紧张而又充实的学习生活结束了,想必你学习了很多新学习技巧,让我们好好总结一下,写一份学习总结吧。那么你知道学习总结该如何写吗?以下是小编为大家整理的数据挖掘机器学习总结(通用6篇),仅供参考,希望能够帮助到大家。 数据挖掘机器学习总结 篇1 20xx年时间https://www.yjbys.com/zongjie/xuexi/697188.html
11.苏木亚及其学术专著《基于谱聚类的金融时间序列数据挖掘方法研究》(5)第五章,基于成分分析的单变量时间序列谱聚类方法。在分析利用成分分析法对单变量时间序列降维原理的基础上提出了两种基于成分分析的单变量时间序列谱聚类方法。在仿真数据集和真实股票时间序列数据集上对比了几种单变量时间序列聚类方法的聚类效果。 (6)第六章,谱聚类方法在金融时间序列数据挖掘中的应用。首先,以https://news.imu.edu.cn/info/1076/16128.htm
12.六种数据分析的方法六种数据分析的方法包括:1、聚类分析——是一种探索性的分析;2、因子分析——从变量群中提取共性因子的统计技术;3、相关分析——研究现象之间是否存在某种依存关系;4、文本分析——定性分析的一种形式;5、描述性分析——通过计算现有数据来描述;6、推论分析——最常见方法是假设检验和估计理论。 https://36kr.com/p/1501176084446089
13.分享Python中的7种交叉验证方法python更新时间:2022年03月03日 10:03:33 作者:Python学习与数据挖掘 这篇文章主要给大家分享的是Python 中的 7 种交叉验证方法,交叉验证是一种用于估计机器学习模型性能的统计方法,它是一种评估统计分析结果如何推广到独立数据集的方法,下文相关介绍,需要的朋友可以参考一下https://www.jb51.net/article/239475.htm
14.数据分析的方法有哪些6.因子分析; 7.时间序列分析; 8.决策树分析。通常每种方法都有自己的优点和限制。分析师需要在多种方法之间进行选择,并尝试不同的方法来获取洞见,以得到更准确、全面和深入的分析结果。 一、数据分析的方法及对应优缺点 1.描述性统计分析 描述性统计分析是对数据的数量特征进行概述和总结的方法。它包括各种测量方https://www.linkflowtech.com/news/1786
15.数据挖掘之认识数据数据挖掘之认识数据 本文您将要了解: 1、数据由什么类型的属性或字段组成? 2、每个属性具有何种类型的数据值? 3、哪些属性是离散的?哪些是连续值的? 4、数据看上去如何?值如何分布? 5、有什么方法可以可视化地观察数据,以便更好地理解它吗? 6、能够看出离群点吗?https://www.jianshu.com/p/e1caa055fd8a
16.一文看懂机器学习「3种学习方法+7个实操步骤+15种常见算法」机器学习研究和构建的是一种特殊算法(而非某一个特定的算法),能够让计算机自己在数据中学习从而进行预测。 所以,机器学习不是某种具体的算法,而是很多算法的统称。 机器学习包含了很多种不同的算法,深度学习就是其中之一,其他方法包括决策树,聚类,贝叶斯等。 https://easyai.tech/ai-definition/machine-learning/
17.排查工作开展情况汇报(精选14篇)我市采取了多种工作方法,包括机动式摸排、专项排查、骨干民警驻守等多种方式,保证了工作的全面性和高效性。在摸排工作中,我市各警种部门协同合作,实现了信息共享和资源共享,发挥了整体合力的作用。 三、工作成果 截至目前,我市各警种部门已累计开展摸排工作近20次,摸排各类人员及场所超过万个,摸排移动设备万台次,摸https://www.ruiwen.com/gongzuohuibao/8216963.html
18.数字孪生数字孪生系列报道:15家单位22位作者研究成果,数字如图4所示,数据融合是指在实现车间物理融合与模型融合基础上,基于车间运行一致性原理,对物理车间现场实时数据、虚拟车间模型数据、仿真数据、车间服务系统数据等覆盖全要素、全流程、全业务的相关数据进行生成—建模—清洗—关联—聚类—挖掘—迭代—演化—融合等操作,有效真实刻画和反映车间运行状态、要素行为等各类动态演https://www.zhuanzhi.ai/document/d63863c6849a79c6a6f25d51bb522554
19.招聘航天科技集团一院期待你的加入澎湃号·媒体澎湃新闻4. 负责武器系统、发射系统、地面系统方案设计及武器系统均衡优化设计理论与方法研究; 5. 牵头开展发射平台一体化设计方法研究、方案论证和仿真集成验证; 6. 牵头开展系统效能评估方法、系统效能均衡优化方法研究和仿真验证、评估指标体系构建、评估软件集成开发与测试。 https://www.thepaper.cn/newsDetail_forward_15833677