算法歧視是近幾年國內外科學界和哲學界的研究熱點。除對算法歧視現象進行倫理反思外,哲學界對該問題的討論還可劃分為兩個大類,即“算法歧視場景識別”與“算法歧視現象治理”。前者的重點在于定義算法歧視概念,本質上是概念分析的工作;后者則涉及規(guī)制問題,難點在于對治理邊界與問責邊界的把控,屬技術哲學的范疇。對于此二難題,學界已有諸多研究。在此基礎上,本文進行了一系列整理及補充的工作:針對“算法歧視場景識別”問題,本研究從“歧視-算法-算法歧視”的進路出發(fā),逐步探索算法歧視之特征、定義,進而提出識別歧視場景的操作步驟。具體說來,又可劃分為五個子任務:（1）回顧現有研究,梳理識別歧視場景的基本方法及困難;（2）基于拉斯穆斯的一系列關于歧視研究,構造歧視的形式化定義;（3）考察“算法”概念的演變進程,厘清“算法歧視”語境下的“算法”所指,進而消解算法歧視的本體論論證難題;（4）結合前兩項工作,構建形式化的“算法歧視”定義;（5）根據“算法歧視”的形式化定義,設計算法歧視場景的識別步驟。針對“算法歧視現象治理”問題,本研究從方法維度及時間維度出發(fā),總結現有治理方案的基本模式及其困難;并借鑒伽達默爾的詮釋學... 

【文章來源】：湖南師范大學湖南省 211工程院校

【文章頁數】：69 頁

【學位級別】：碩士

【部分圖文】：

“歧視”的詞源學演進路線

怪釁鸕街匾??用”更加容易。2.2.3算法歧視語境下的算法概念梳理完“歧視”概念的定義之后，就可以展開對“算法”的討論了。算法一詞源自公元9世紀的波斯數學家穆罕默德·伊本·穆薩·花剌子密（MohammadibnMusaal-Khwarizmi）�；ㄘ葑用茉谒拇鷶禃杏涗浟艘幌盗卸畏匠痰慕鉀Q算法，這些書籍在12世紀通過拉丁語傳入了歐洲，對歐洲數學的發(fā)展產生了深遠的影響（如圖1-2）。花剌子密名字的拉丁文形式就是Algoritmi，由于他在數學領域的杰出成就，這個名字逐漸成為了算法（algorithm）的代名詞（Knuth，1980）。圖2-2al-Khwarizmi的傳播路徑Fig2-2.ThePropagationpathofal-Khwarizmi17世紀左右，算法一詞開始以英文的形式流傳。但是在當時算法概念還沒有徹底的確定下來。而直到19世紀末，algorithm一詞的意義才變得穩(wěn)定（Mehri，2017）�？巳R恩（S.Kleene）第一次在現代意義談論算法概念。他認為算法是由五個原始的遞歸運算符（primitiverecursiveoperators）和一個Mu-operator運算符組成的指令的集合�；蛘哒f，算法是可以使用圖靈機或等效工具來進行計算的指令的集合（Kleene，1952）。不久之后，明斯基（M.Minsky）也加入到了算法概念的討論之中。他認為算法是（1）用于表征一系列行為的語言；以及（2）一個可以理解語言并且執(zhí)行操縱的獨立的機器(Minsky,1967)。羅杰斯（H.Rogers）于1967年提出了算法的10個典型特征，其中最為重要的五個是：（1）指令的有限集合；（2）有一個強大的計算主體；（3）有一些用于制定，存儲和檢索計算步驟的工具；（4）以離散且分步的方式進行計算，而無需使用連續(xù)型的方法；（5）運行時無需求助于隨機方法或設備（如骰子）（Rogers，

191967）。另一個更加通用的定義則是由斯通（Stone）在1972年給出：算法是一組精確定義操作序列的規(guī)則集，其中每個規(guī)則都是有效且確定的，并且會在有限的時間內終止（Stone，1972）。隨著智能時代來臨，人工智能領域的學者在傳統(tǒng)觀點的基礎上進行了些許的調整。他們認為算法是利用數據來學習模型從而得到模型參數的指令集合和學習模型的具體計算方法（李航，2019）；或者將算法看作是以訓練數據為基礎來學習模型的有限過程（Bishop,2006）；或者是將算法闡釋為求解模型的方法（如圖2-3）。其中同一個模型可以用多種算法求解，同一個算法也可以求解多種模型（Murphy，2012）。圖2-3機器學習EM算法①Fig2-3.TheEMalgorithminmachinelearning可見，在計算機界看來，算法無非就是一系列指令或步驟的集合。然而，一旦我們講這個定義推廣到“算法歧視”概念上，就會面臨“算法歧視”的本體論論證困難：既然算法只是求解問題的步驟，那它何以存在歧視的可能呢？這就好像是在說對1到100中所有的整數求和，而采用高斯算法會帶來歧視一樣。②也的確有學者從這一角度出發(fā)對“算法歧視”概念本身進行反駁。他們指出①這是一種在機器學習中的常用算法。②所謂高斯算法，就是（1+100）*100*0.5的簡便算法。

【參考文獻】：
期刊論文
[1]算法透明原則的迷思——算法規(guī)制理論的批判[J]. 沈偉偉.  環(huán)球法律評論. 2019(06)
[2]人工智能算法歧視的法律規(guī)制:歐美經驗與中國路徑[J]. 章小杉.  華東理工大學學報(社會科學版). 2019(06)
[3]“大數據殺熟”:概念澄清及解決方案[J]. 詹好,邵靳天,黃智威.  軟件. 2019(08)
[4]大數據時代算法歧視的法律規(guī)制與司法審查——以美國法律實踐為例[J]. 鄭智航,徐昭曦.  比較法研究. 2019(04)
[5]論智能互聯網時代的算法歧視治理與算法公正[J]. 楊學科.  山東科技大學學報(社會科學版). 2019(04)
[6]算法偏見及其規(guī)制路徑研究[J]. 劉友華.  法學雜志. 2019(06)
[7]人工智能發(fā)展中的“算法公開”能否解決“算法歧視”?[J]. 王夙.  機器人產業(yè). 2019(03)
[8]人工智能的法律規(guī)制路徑:一個框架性討論[J]. 汪慶華.  現代法學. 2019(02)
[9]算法歧視挑戰(zhàn)下平等權保護的危機與應對[J]. 崔靖梓.  法律科學(西北政法大學學報). 2019(03)
[10]商業(yè)自動化決策的算法解釋權研究[J]. 張凌寒.  法律科學(西北政法大學學報). 2018(03)



本文編號：3360051