算法规制：作为治理工具的机器学习

被引：4

作者：

卡里科利亚尼斯 ^{[1
]}

孟李冕 ^{[2
]}

宋华琳 ^{[3
]}

机构：

[1] 宾夕法尼亚大学法学院

[2] 中国政法大学法学院

[3] 南开大学法学院

来源：

湖湘法学评论 | 2022年 / 2卷 / 02期

关键词：

算法规制; 机器学习; 人力能力; 行政法;

D O I：

10.20034/j.cnki.hxfxpl.2022.02.012

中图分类号：

D912.1 [行政法]; TP181 [自动推理、机器学习];

学科分类号：

030103 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

算法规制，有助于行政机关作出更智能、更快速和更一致的决定，从而在给社会带来更好结果的同时降低行政成本。算法规制的不同之处，源于机器学习的不透明性和相对自主性。同任何新型的政策或工具一样，算法规制也引发了一系列担忧，包括可问责性、平等、正当程序、隐私、透明度和权力滥用等。除上述挑战外，机器学习技术还需要面对其他限制，如价值的完整性和精确性。然而，对算法规制最严重的限制将非源自技术本身，而是来自使用这些工具的人。为负责任地使用算法，行政机关应当正视技术的风险和局限，以及在公共部门内培养部署算法工具的人力能力。

引用

页码：148 / 160

页数：13

共 8 条

[1] Machine learning for environmental monitoring [J].

Hino, M. ;

Benami, E. ;

Brooks, N. .

NATURE SUSTAINABILITY, 2018, 1 (10) :583-588

[2]

Fairness in Criminal Justice Risk Assessments:The State of the Art[J] . Berk Richard,Heidari Hoda,Jabbari Shahin,Kearns Michael,Roth Aaron.Sociological Methods ＆ Research . 2018

[3] Racial disparities in federal disability benefits [J].

Godtland, Erin M. ;

Grgich, Michele ;

Petersen, Carol Dawn ;

Sloane, Douglas M. ;

Walker, Ann T. .

CONTEMPORARY ECONOMIC POLICY, 2007, 25 (01) :27-45

[4] INCOMPLETELY THEORIZED AGREEMENTS [J].

SUNSTEIN, CR .

HARVARD LAW REVIEW, 1995, 108 (07) :1733-1772

[5]

Social Choice and Individual Values. Arrow KJ. New Haven,CT . 1963

[6]

Thinking, Fast and Slow. Daniel Kahneman. Farrar, Straus and Giroux . 2011

[7]

Regulatory Excellence as’’People Excellence’’. Cary Coglianese. https://www.theregreview.org/2015/10/23/coglianese-people-excellence . 2015

[8]

Biased Algorithms Are Easier to Fix Than Biased People. Sendhil Mullainathan. New York Times . 2019

← 1 →