算法社會的技術內涵、演化過程與治理創新

賈 開

（電子科技大學 公共管理學院,四川 成都 611731）

1 問題提出與文獻回顧

算法正在成為數字時代的“哲學王”。越來越多的人類事務被置于算法的影響與控制之下，個體層面的衣食住行、組織層面的管理調度、社會層面的生產分配，無一不在數字化轉型的進程中被嵌入算法建構的技術環境。算法環境儼然成為與自然環境、社會環境具有同等意義的人類生產生活新空間，并可能推動人類社會進入算法社會的新階段[1]。算法社會可以被視為法國社會學家雅克-埃呂爾(Jacques Ellul)筆下“技術化社會”(Technological Society)在當前的具體體現。“技術化社會”概念聚焦技術作為工具的影響范圍不斷擴大的進程和狀態。從初始僅作為人類肢體的延伸，到進入組織而成為商業活動和政府行政的手段，再到進一步泛化以潛移默化地影響人類行為，“處處滲透著技術且以技術為工具”的技術化社會得以形成[1]。算法作為技術的一種類型，其初始概念是指在有限資源內完成既定目標的方法或步驟[2]73。但受益于計算機、互聯網、人工智能、區塊鏈等一系列數字技術的發展應用，算法的影響力日益增加，在成為人類生產生活活動基本規則的同時，也重新建構了人類社會的權力關系，并最終推動人類社會進入算法社會的新階段。

沿襲技術化社會的理論建構，算法社會可被視為算法作為人類生產生活活動重要規則的社會形態。與數字化社會、智能化社會等概念強調數字技術提升社會運行效率的工具主義取向不同，算法社會更強調數字技術嵌入人類社會并與之相互影響而形成的新體系。與其他技術化社會不同，算法的獨特屬性使得算法社會的內在運行邏輯更為復雜、影響也更為深遠。一方面，技術樂觀主義者往往贊頌算法在提升社會治理能力和效率方面的作用，認為算法能夠將人類從機械化工作中解放出來，并圍繞“數據主義”[3]368、“算法規制”[4]289-300的相關論述勾勒出算法社會的“烏托邦”場景；另一方面，算法的大規模應用同樣引發了諸多質疑和警惕，“答案主義”[5]、“監控資本主義”[6]8從不同視角批判了算法應用的潛藏風險，算法歧視、算法“黑箱”、算法“回音壁”則更為具體地揭示了其風險內涵。

埃呂爾在論述技術化社會時曾指出，技術將逐漸擺脫依附于人和組織的影響而成為獨立領域，并認為技術化社會終將“排擠人類創造力并控制人類社會”[7]7。算法社會是否同樣遵循這一趨勢，如果是，我們該如何解釋算法推動社會進步的技術樂觀主義態度；如果不是，我們又該如何面對新的治理風險的不斷涌現，進而通過治理體系改革以引導技術發展應用的未來方向。上述實踐問題最終又可歸結為算法社會背景下如何描述與解釋算法影響人類社會內在機制的理論問題。具體而言，算法的發展演化規律是什么，其將如何影響人類生產生活活動，這種影響與歷史上的其他技術是否存在差別，其影響效力又是否存在邊界。對于此類問題，已有研究更多體現了局部領域的探索，而非整體性理論框架的建構。

一方面，部分研究更多關注算法應用結果之于人類生產生活的影響，將算法視為外生技術力量而考慮其改變人類社會權力結構的作用，前述圍繞算法歧視、算法“回音壁”等應用風險的研究便是代表。即使是聚焦算法“黑箱”“看不見的手”[8]等算法形成及應用過程研究，也仍然停留于技術外生性這一視角，強調算法影響的獨特性或對其監管的復雜性。導致上述局限的原因可歸結于傳統技術哲學研究綱領的缺失，其過多關注技術應用結果(技術價值論)，卻忽視技術內在屬性(技術本體論)及其演化過程(技術認識論)的分析[9]。在數字技術加速創新應用的背景下，算法的普及應用已不能簡單理解為技術產品的結果正義問題，而應被視為內生于人類社會數字化轉型進程的重要組成部分，并在與環境相互嵌入、相互影響的過程中不斷發展、演化。另一方面，即使部分研究同樣認識到了技術內生性的復雜現實，但往往將算法視為嵌入社會經濟系統之中并受后者約束的技術形態，進而認為算法本身的發展及其影響都只不過是不同社會經濟力量的博弈結果。勞倫斯-萊辛格(Lawrence Lessig)提出的“代碼即法律”[10]1論斷，便是此類思路的代表性觀點。其承認算法作為規則的約束力作用，進而強調平臺作為規則制定者的重要角色，并因此要求政府約束乃至限制平臺制定、應用算法的權力。這一研究思路雖然看到了算法嵌入社會經濟系統的復雜性，但認為算法的發展與影響完全決定于不同社會經濟力量的博弈結果而不具有特殊性，忽略了數字時代由于算法的出現和普及而不同于歷史上任何其他時代的新規律與新特征[11]。

已有研究的上述兩方面思路事實上都未將算法本身作為研究對象，因而難以深入算法形成、演化過程的內部以揭示算法概念及其影響的豐富內涵。一方面，它將算法視為理性客觀的技術模型，并因此忽略算法本身仍然可能具有的多樣性，以及這種多樣性受到環境因素影響而發展演化的復雜性；另一方面，它將算法視為社會經濟因素的博弈產物，并因此忽略算法在開放性、迭代性、規范性等方面的主體屬性，以及這種主體性影響人類生產生活機制的特殊性。正是基于已有研究的不足，本文試圖以解構算法的概念內涵為起點，既承認算法的獨特性和主體性，又承認算法與人類社會相互影響的多重性與復雜性，并在此基礎上揭示算法社會的基本特征與運行規律。首先，回到算法的技術本源，從公理化數學思想和計算化數學思想對比分析的基礎上，界定算法的概念內涵，以廓清圍繞算法的不實“想象”，并打開理解算法社會運行規律的理論空間。其次，聚焦算法技術路徑選擇的多樣性和算法的內生社會效應，以體現人類社會對于算法形成、發展、演化過程的影響。再次，討論算法影響人類社會的機制與限度，具體體現為生命政治、代碼治理術、可計算社會三個方面。最后，基于技術政治、影響機制兩方面的理論建構，進一步探討推進算法治理創新的價值和意義。不同于聚焦具體算法風險的應對性措施，算法社會的理論建構有助于我們從整體上理解并推動算法治理創新的頂層框架建設。

2 算法概念的技術內涵

算法的普及性及其難以捉摸的“黑箱”性使得所有針對算法的討論最終都可能滑向其他對象，從而模糊算法作為技術政治學分析對象的邊界與內涵[8]。已有研究分析視角的局限性，事實上也反映了對于算法概念理解的不全面與不完整。不過作為一種技術現象，自然科學視角的總結仍然有可能概括算法的一般性特征，并以此為基礎延伸至相關社會科學議題的考察。本部分將基于算法研究歷史的回顧，從“公理化”與“計算化”兩種數學思想的對話爭論中對算法概念的技術內涵作出界定。

2.1 公理化與計算化數學思想分野下的算法界定

唐納德-克努特(Donald E.Knuth)曾指出，“計算機科學就是算法的科學”[2]73。作為現代計算機理論基礎的圖靈機模型因此也被視為算法的代名詞。不過值得注意的是，“圖靈機”的最初設計目的并非為了制造計算機，而是為了解決數學領域的“可計算性”判定問題，這也正是阿蘭-圖靈(Alan M.Turing)提出“可計算問題等同于圖靈可計算”命題的原因所在[12]37。隨后，哥德爾(Kurt F.G觟del)、波斯特(Emil L.Post)、邱奇(Alonzo Church)等人提出的用于解決可計算問題的數學模型被證明與“圖靈機”在計算能力上是等效的，從而進一步強化了數學領域的可計算判定問題與計算機領域的算法問題的等效性[13]267。正因為此，作為技術的“算法”與作為科學的數學思想便緊密聯系在一起。

從數學發展史來看，公理化思想和計算化思想構成了數學發展的兩大傳統，而這也成為影響算法演化的兩條路徑。公理化思想體現了繼承于古希臘歐幾里得流派的西方現代數學傳統，其旨在圍繞推理論證建立形式化的完備數學體系；計算化思想則體現了以中國傳統數學為代表的東方數學傳統，其往往從具體問題入手，并將數學論證轉換成計算形式，重點在于找到合適的計算方法以求解問題。吳文俊就指出，“從問題出發、面向應用的中國傳統數學注重求解的計算方法，而西方數學沿襲公理化的思想更注重建立在因果演繹基礎上的定理證明”[2]73。

不同的數學思想影響了算法理念的演化進程。在數學公理化視角下，算法被認為是抽象的狀態機器，其核心任務是對不同計算狀態進行控制、轉換并最終基于輸入形成滿足特定要求的輸出。在此種界定下，“算法”是不考慮執行過程的獨立存在，“圖靈機”以及“圖靈測試”正是此思想的典型代表。在不考慮具體計算方式(也即忽略“人是如何計算”)的情況下，阿蘭-圖靈僅聚焦機器可以實現并可被觀察到的行為結果來作為判定“可計算性”(也即“算法”)的基礎[13]265。只要確定初始狀態，算法就會按照既定規則開始計算并向其他狀態轉換，直至遇到例外情況而中斷或者達到既定條件而終止，在此過程中不受其他因素(包括人)的干擾和影響。

算法的公理化定義雖然有助于在形式上建構并論證計算機科學(也即算法科學)理論，但仍然忽視了數學思想本身的多樣性并低估了現實生活的復雜性；相比之下，計算化思想則為理解算法的多樣性和動態性提供了更豐富的支持。從觀點主張來看，計算化思想往往強調“計算方法”與“問題”的相互影響關系[14]。一方面，“計算方法”是在不斷解決“問題”過程中逐漸總結出的一般規律或流程，構成了解決“問題”的基本單元；另一方面，不斷涌現的“問題”的解決依賴于對于已知的不同“計算方法”的組合。

2.2 計算化數學思想定義下的算法特征及其影響

基于計算化數學思想的思路，我們可將“算法”的特征概括為以下三個方面。首先，“算法”不再是公理論證過程中的唯一解或最優解，針對特定問題往往存在不同的計算方法及其組合。雖然公理化視角并沒有明確排除算法的多樣性，但其將算法視為狀態機器的觀點仍然限定了這種可能性，因為初始狀態和輸入將決定后續狀態的變化及最終的輸出結果。相比之下，計算化思想則對算法設計持有更大的開放性，其并不先驗地將算法抽離于實際問題，而是基于具體問題及其解決方案總結出不同的計算過程，更加強調在輸入與輸出之間存在著較為豐富的解決方案組合。其次，“算法”不再是一個絕對抽象的數學概念，而是根植于問題環境并強調與環境的動態適應性。類似于公理化思想的一般性概括，雖然計算化思想也要求針對不同解決方案進行共性總結，但其更加強調結合特定問題環境而對已知方案的重新組合，以體現出對于環境的適應性和權變性。同時，不同環境的復雜性也是豐富計算方法組合的源泉和基礎，而公理化思想下的抽象概念則難以發現算法演化的原因和動力。再次，“算法”不再是相對于執行過程中其他因素的獨立存在，而是需要考慮包括硬件、軟件在內的系統概念。相比于公理化思想對于算法執行過程的忽略[2]68，計算化思想注意到了算法作為系統概念的層次性和復雜性。事實上，計算機體系是由計算機硬件(例如處理器和存儲設備)、軟件平臺(例如編程語言和操作系統)、數據交互接口(例如輸入輸出界面)組成的多層次復雜結構，算法僅僅作為其中一個環節而與其他因素共同作用才能產生結果[15]。正因為此，其他因素的發展變化同樣影響算法的動態演化，而執行過程的資源約束也將影響算法性能的體現及其創新步伐。

公理化思想和計算化思想構成了從技術層面理解算法的兩條路徑，其影響延伸至社會科學領域并成為不同理論的思想基礎。公理化視角直接影響了“技術決定論”的判斷：樂觀主義者對于算法效率、客觀、中立價值的追捧，悲觀主義者對于算法“無所不能”的假設，都可追溯至公理化思想將算法抽離于現實環境而作為獨立理性存在的界定。但不足之處在于，對于算法的孤立認識忽略了其背后所隱藏的豐富內涵，而計算化思想還原了算法的完整概念，在認識到算法具有多樣性的基礎上將環境、系統因素納入分析框架，從而能夠以辯證視角全面理解算法的演化過程及其影響結果。對此，吳文俊曾指出，“中國的傳統數學就是算法型的數學，是適應信息時代的計算機數學”[2]74。

基于上述回顧與分析，本文從計算化思想出發，將算法定義為“針對特定問題而形成的數字化解決方案的集合，其在與環境、系統的交互過程中實現既定目標并不斷演化，從而維持與相關因素的動態平衡”。基于此定義，算法的三方面重要屬性得以顯現，即多樣性、動態性和系統性，但我們對于算法的理解還不能停留于此，概念層面的界定雖有助于明確所討論對象的范疇，但不能把握其演化的規律。只有將靜態層面的概念界定與動態層面的演化分析結合起來，才能最終勾勒出“算法”作為被研究對象的完整內涵。

3 算法演化的社會過程

算法演化的社會過程研究聚焦人類社會對于算法形成、發展、演化過程的影響分析，以解釋算法內嵌于人類社會環境的關聯性。需要指出的是，這一問題并非人類社會發展到數字時代之后才引發的新問題，20世紀初學者們圍繞不同技術類型的討論便集中體現了對此的思考。劉易斯-芒福德(Lewis Mumford)曾指出，“人類史上存在兩種技術，一種是威權型的，另一種是民主型的。前者以系統為中心，功能強大但卻不穩定；后者以人為中心，靈活持久但功能相對弱小”[16]。與此類似，丹尼士-海耶斯(Denis Hayes)更具體地區分了核技術和太陽能技術的社會屬性差異，認為核技術的使用和普及必然會導致威權社會的形成，而分布式太陽能技術則與更加平等、自由的包容型社會相契合[17]159。芒福德和海耶斯的觀點都不能簡單視為對于技術應用結果的差異化總結，而是觀察到了技術作為主體的不同政治屬性。相比之下，技術哲學家蘭登-維納(Langdon Winner)更為系統地構建了理論框架，指出了技術作為主體與其他政治進程發生關聯的兩個維度。

在維納看來，技術的政治性體現在兩個方面：技術路線多樣性的選擇與技術的內生社會效應[18]。一方面，維納強調技術具有多條演化路徑，而具體技術路徑的選擇則體現了不同社會因素的博弈和妥協。需要指出的是，與強調技術演化完全決定于社會因素的研究視角不同，技術多樣性的選擇更加強調技術本身屬性作為特定因素參與選擇過程的主體性。另一方面，維納指出每一種技術內在地要求與特定社會系統相匹配，其更適應特定環境而不適應其他環境，并因此體現出與特定社會因素相結合的傾向性。維納提出的分析框架更多針對具有實體呈現且較為穩定的硬件技術，建筑、道路以及計算機都屬此類。但對于往往沒有實體呈現且多變的“算法”而言，其是否同樣適用于維納的分析框架仍然值得進一步分析。

3.1 算法多樣性選擇

算法多樣性選擇的內涵是指針對特定問題的算法往往具有多樣性，最終“勝出”(占主流)的算法模型是技術因素與非技術因素(社會因素)互動演化的結果。國際象棋算法的發展歷史便是典型例證[19]。國際象棋算法在相當長時間內都是人工智能領域研究的核心和焦點議題，研究者往往認為象棋算法的突破即象征著通過計算機模擬實現了人類智能。亞歷山大-科諾羅德(Alexander Kronrod)曾將國際象棋比作人工智能研究的“果蠅”，赫伯特-西蒙(Herbert A.Simon)又進一步將此比喻延伸至認知科學領域，由此可見國際象棋算法的重要性。就具體實現而言，克勞德-香農(Claude E.Shannon)提出了兩條路徑：A路徑通過“蠻力”計算方式窮盡所有策略以尋找最優解，而B路徑則強調以啟發式邏輯識別對弈局勢以聚焦最有可能獲勝的特定策略展開分析。兩條路徑的差異反映了人工智能研究歷史上的核心爭論：人工智能研究的目的究竟是在結果層面重復人類行為，還是在過程中也模仿人類的思維模式?A路徑無疑是前者的體現，而B路徑則遵循了后者的精神。從隨后的發展歷程來看，A路徑取得了成功而B路徑卻逐漸淡出人們視野，導致這一結果的原因并不能簡單歸結為算法效率的高低，而是包括算法在內的多重因素共同作用的結果。技術發展史的研究指出，美國和蘇聯的“冷戰”競爭[20]XXVIII以及20世紀70年代各研究組為爭取日益減少的人工智能研究資助的競爭[21]108，都直接導致了國際象棋算法研究過程中“比賽”文化的盛行。而A路徑能夠充分利用計算機硬件性能提升的發展紅利及其模塊化結構易于調試組合的技術特征，更加適應“比賽”壓力下的成果突破與展示。換言之，A路徑在技術層面的功能特性與當時的社會需求共同決定了國際象棋算法的演化結果，但這一結果不一定是“最優選擇”。雖然A路徑能夠有效吸引公眾對于人工智能研究的關注，但過于迎合比賽規則反而影響了人工智能基礎研究的進展，聚焦于特定比賽目標的研究導向使得A路徑算法很難被應用于其他領域[22]。正因為此，當1997年IBM“深藍”戰勝卡斯帕羅夫之后，國際象棋便逐漸失去了其在人工智能領域的光環并逐漸為人所淡忘。國際象棋算法的演化過程并非特例，其清楚揭示了算法多樣性選擇過程的社會性，算法技術屬性與社會因素的相互影響共同決定了不同算法模型的競爭結果。

3.2 算法的內生社會效應

相比于算法多樣性的選擇，算法的內生社會效應更為隱蔽并富有爭議。在將技術視為中立、客觀的習慣性思維下，芒福德和海耶斯的論斷都顯得極為反常與特別。維納進一步將這種內生社會效應總結為兩個方面：技術運行要求特定社會系統的建立以作為前提條件，以及技術雖不能作為前提條件但更適合在特定社會系統下運行。換言之，技術作為主體具有“內生性”。雖然相比于建筑、核能源、工業機械等技術而言，算法的易變性可能使人認為其“內生性”并不明顯，但互聯網的發展史證明并非如此。從技術構成來看，互聯網實質上是一個多層次的算法協議以形成互聯互通的網絡結構，其特點在于扁平化和開放性。具體而言，互聯網允許任意兩個節點的直接通信，繞開了必須通過第三方轉接的集中式結構，而毫無門檻的開放性決定了終端創新成為互聯網生命力的不竭源泉。基于這兩方面技術屬性，自20世紀末開始，研究者們紛紛強調互聯網獨立于國家的自主性，并試圖通過維護互聯網的扁平化和開放性以促成人類社會公共空間的繁榮發展，以維基百科、開源軟件等為代表的案例也的確證明了互聯網具有這樣的潛力。但經過20余年的發展，我們最終發現作為人類社會公共財富的互聯網被以平臺公司形式存在的商業巨頭所壟斷，在充分利用互聯網底層算法協議開放性的基礎上，平臺公司在上層應用建立了新的“集權點”，并通過更好地協調人類活動攫取了大量商業利益[23]。盡管已有研究從技術創新、法律制度等方面對平臺崛起的原因作出了一定解釋，但朱莉-科昂(Julie Cohen)更為直接地指出，與開放互聯網相伴隨的誤用、濫用問題需要第三方參與治理以形成規范秩序，而不同個體的終端創新也需要第三方協調以形成集體效應，它們都使得平臺的崛起與普及成為必然[24]。換言之，扁平化、開放式的互聯網多層次算法設計并非如早期研究者們認為的那樣，必將帶來人類社會公共空間的繁榮——雖然其具備這樣的潛力[25]——而是“內生”地更適應平臺公司作為主要組織模式的“信息資本主義”體制[26]。由此，我們便再次回到了維納關于技術內生效應的分析思路。在維納看來，核技術因其潛在安全風險極為巨大，因而要求由嚴格的威權控制體系而非協商式的民主議事模式來約束，由此體現了核技術的內生性。雖然迥異于核技術，但互聯網的發展歷程仍然表明，扁平化、開放式的互聯網協議算法同樣更有利于平臺組織形式的發展，而非自組織、分散式的“無政府”模式。

算法多樣性的選擇及其內生社會效應共同揭示了算法發展演化過程的政治性。同時，其也與算法的“計算化”定義一起構成了理解算法政治的兩個維度。在此基礎上，接下來的問題便是跳出對于算法本身的內部分析，解釋其影響人類社會的具體機制，而這又可細分出為何產生影響、如何產生影響、影響有多大等三個問題。

4 算法影響社會的主要機制

算法影響社會的機制聚焦算法應用結果影響人類生產生活的方式、途徑與過程。當前，算法應用結果的社會影響已經受到了普遍關注，圍繞算法歧視、算法操縱、算法霸權、算法“回音壁”效應等現象的討論都是其中的典型案例，它們在從不同視角呈現人們對算法應用反思的同時，也暗含著人類對正在進入的“算法社會”的警惕與不安。然而，針對具體問題的分析雖然有助于應對具體風險，但不能對“算法社會”的整體現象作出一般性的總結與判斷，也難以將“算法”與其他社會機制聯系起來，并在宏觀層面體現其產生影響的復雜過程。鑒于此，本部分將跳出具體議題領域的分析，從算法“進入”并影響人類社會的三個連續性問題入手解釋其社會機制，即算法為什么能產生影響、算法如何產生影響、算法的影響程度有多大。筆者認為，這三個問題又分別與生命政治、代碼治理術、可計算社會三方面研究緊密相關。

4.1 生命政治與算法規范性力量的源泉

算法社會的時代意義在于算法成為影響人類生產生活的基本規則，也即具有了規范性力量。但這種規范性力量源自何處、具備何種特點、與其他規范性力量有何聯系與差別，便成為亟待解釋的理論問題。在米歇爾-福柯(Michel Foucault)的理論框架下，規范性力量可被劃分為兩種類型，即主權權力與生命權力。前者來源于君主，其通過“使人死、讓人活”的消極性方式體現權力關系；后者則源自現代民族國家，其通過“使人活、讓人死”的建構性方式從總體上調節人口生命活動[27]35-36。算法對于人類社會的影響，無疑更接近生命權力的范疇，并因而體現出生命政治的特征。

自1976年確立“生命政治”概念的基本內涵之后，福柯對此概念的分析被認為包含了三方面內容[28]。首先，在圣保羅講座以及《必須保衛社會》中，福柯勾勒出了“政治權力管理人口”的二元結構。不同于主權權力下的懲罰機制，生命政治此時體現為國家為了特定目的而促進個體生命活動的良好運轉并將其“規訓”為集體性力量的過程。其次，福柯在1977—1978年以《安全、領土與人口》為主題的法蘭西學院講座中，進一步引入“治理術”和“安全機制”兩個概念。不同于規訓機制下國家積極地干涉和調控個體行為，“安全機制”的邏輯轉而將個體自由視為前提，并通過著眼于整體人口的“治理術”以滲透或維系權力關系[29]7-11。規訓機制和安全機制由此共同構成了生命政治體現規范性力量的兩種方式。但福柯的分析并未止步于此，而是進一步將生命政治與自由主義的思想發展脈絡聯系在一起，解釋了生命政治的規范性力量實現自我生產的過程與原理。福柯指出，在自由主義思想下，市場原則被移植至生命領域，人類一切生命活動都被視為自我投資、生產、競爭的“企業家”行為而自動運行，政治活動的作用則在于引導、干預這一自發行為；在不同自由主義思想下，這種引導、干預作用也有所不同，其既可以體現為“守夜人”，也可能成為“爐邊政治”，二者將最終導致人類生命活動行為的不同結果[30]425-427。由此，福柯完成了生命政治理論框架的建構，并為其在不同領域的應用留下了開放空間。算法作為規范性力量的原因與特點，也因此可以從算法作為規訓工具、安全機制以及規范性力量的自我生產過程等三個層面得到解釋。

第一，算法可以作為規訓工具提升國家直接干涉和調控個體行為的能力。以生物識別算法為例，其不僅大幅擴展了國家監控個體的范圍，同時也深化了個體可被監控的維度與細節，二者共同催生了“監控資本主義”的形成。第二，算法的隱蔽性和無處不在同樣使其可以作為安全機制的重要載體，在并不直接干涉個人行為自由的同時仍然能夠施加影響。以智能推送算法為例，無論是廣告推送還是內容資訊推送，用戶都在自主選擇的“外衣”下事實上接受著其他權力的影響。第三，算法作為規范性力量的自我生產過程將因其所處環境的不同而呈現出差異化特點。如果沿襲自由主義的理念，算法應用將追求對于人類活動乃至人類本身的數字化替代，并在此基礎上實現商品化轉換，任何生命活動都可在算法作用下轉化為可被交易、增值的數字資本并循環使用。但秩序自由主義對于市場脆弱性的強調以及要求國家適度干涉的理念，將會把算法定位為人類活動的輔助而賦能于人，并通過腦力勞動的機械化將人類解放出來以從事更有意義的生命活動，而在人類不斷開拓未知領域的過程中算法也不斷演化發展[2]66。未來究竟朝向何種方向發展仍然取決于社會制度的選擇，而這也正是阿西莫格魯(Daron Acemoglu)提出“我們需要何種人工智能”問題的真實含義[31]。

上述三個層面的解釋回答了算法作為規范性力量的原因，以及這種規范性力量自我生產的動力源泉。但正如福柯筆下的生命權力需要通過社會醫療系統等“治理術”才能發揮其影響類似，算法同樣需要找到其作為規范性力量對其他主體產生影響的載體，而在數字時代這便集中體現為“代碼”。

4.2 代碼治理術與算法規范性影響的載體

算法將如何產生規范性影響?沿襲生命政治視角的理論分析，對此問題的回答將聚焦在“治理術”的相關研究方面。就概念內涵而言，“治理術”可以被寬泛理解為影響人類行為的技術或流程，圍繞其不同類別、產生來源、實踐差異、執行過程以及在不同領域的具體體現構成了“治理術”研究的主要內容[32]82。根據治理目的的不同，“治理術”大致可劃分為兩個類別：第一，在國家理性的思想影響下，“治理術”的設計與應用都指向提升國家權力的單一目標，無論是“懲罰”還是“規訓”，都將個體行為視為可被控制或影響的對象而加以約束，進而服務于國家權力；第二，在自由主義的思想啟發下，“治理術”的影響對象從生命個體轉變為“人口”集體，在認識到人口的發展、變遷、演化具有其自發規律的前提下，“治理術”旨在發現這一規律并維系其治理目標[33]。就前者而言，“治理術”強調人們“做什么”與“不做什么”，在此基礎上對個體行為作出“符合規范”與“不符合規范”的兩種分類，并分別施以不同權力影響；就后者而言，“治理術”更多將個體視為自我負責的“企業家”，每個人的生活歷程就像企業發展一樣需要自我投資與管理，而“治理術”的作用既體現為探索整體性的“人口”行為規律以施加影響，又體現為調節國家行為以在不同程度上維系這一行為規律的“自發性”[34]116。

“治理術”的理論探討同樣有助于理解算法作為規范性力量影響他者的機制與過程。算法的實現具有多種形式，中國算盤、古巴比倫代數表都是歷史上的典型代表。相較之下，直到計算機、互聯網的發明與應用之后，算法作為規范性力量的影響才得以完全顯現，而此時的實現形式則是可被計算機處理的數字符號——代碼。算法從數學概念到計算機可執行代碼的轉化，帶來了三點重要變革。其一，代碼的開源生產范式為算法實現提供了取之不竭的知識來源，奠定了算法在人類社會中普及應用的基礎[35]321-330；其二，代碼的模塊化屬性使得算法設計、應用過程的組合創新成為常態，其在降低創新成本的同時也帶來了累進式創新的指數級增長[36]5；其三，大數據時代的到來以及機器學習技術的成熟使得代碼實現了不依賴于人類知識的自動化生產過程，進一步提升了算法理解人類社會并做出智慧決策的能力[37]。正是基于這三點變革，代碼才具備了扮演算法“治理術”的功能。

一方面，懲罰和規訓機制下的“治理術”在功能上主要體現為針對不同個體作出“區分”并相應“匹配”允許或不允許該個體特定行為的不同要求。環境的異質性決定了人類社會往往需要設計不同的“治理術”以滿足不同治理需求，醫院、學校、監獄都是性質迥異的技術系統。但作為算法在數字環境下的具體實現方式，代碼將異質性的治理需求轉換為同質化的數字符號加以處理，此時的治理差異主要體現為代碼模塊的不同組合，由此不僅使得代碼能夠更加容易通過數字符號的分析實現“區分”與“匹配”，同時也有利于在更大范圍、更多場景發揮代碼作為懲罰或規訓機制的功能。另一方面，安全機制下的“治理術”事實上要求治理者能夠“發現”人口的自發規律(也即“知識發現”)并加以“引導”。一直以來，知識發現都屬于人類智慧的專利，但建立在大數據與機器學習基礎上的人工智能算法代碼，同樣可以實現對于人類行為自發規律的總結和提煉，并能夠將所總結出來的規律反過來應用于對于個體行為的引導。更為重要的是，代碼治理術的這種“發現”與“引導”功能，比傳統治理術的效率更高、速度更快、匹配更精準，并因而產生更為廣泛和深遠的影響。

需要指出的是，將代碼作為“治理術”的功能劃分為懲罰、規訓、安全等不同類別，并不意味著不同功能獨立運作，在現實治理中往往體現了不同功能的混合，并在動態演化中體現出以某種功能為主的基本特征。以外賣調度算法為例，基于大量外賣員送貨時間和路線的分析，算法可以總結出最佳路線和預估時間，這一過程體現了代碼作為安全機制的“治理術”對于外賣員群體行動規律的發現。但要求外賣員個體按照算法推薦的路線和時間完成送貨任務則體現了懲罰和規訓機制的強制性約束。伴隨著越來越多的外賣員按照算法要求送貨，代碼將隨之動態調整并越來越精確地掌握外賣員群體的行為規律，從而更嚴格、全面地控制外賣員行為。在此案例中，代碼最終演化為以懲罰和規訓機制為主的“治理術”特征。但不同場景下的算法影響并不必然走向懲罰或規訓。在內容資訊推薦算法案例下，盡管同樣存在著對于用戶觀看偏好的一般規律總結，以及基于精準推送而試圖影響用戶的約束過程，但用戶偏好本身的不確定性和動態性決定了代碼不可能像控制外賣員行為那樣控制用戶的閱讀行為。在此案例下，安全機制仍然是代碼作為“治理術”的主要特征。

4.3 可計算社會與算法規范性力量的限度

生命政治對于算法作為規范性力量來源的解釋，以及代碼治理術作為算法規范性力量實施載體的說明，都有助于理解算法影響人類社會的具體機制。但第三個問題還在于，這種影響的范圍有多大、程度有多深。換言之，算法作為規范性力量的影響究竟是顛覆式的還是適度的，圍繞這一問題的分析與可計算社會的爭論緊密相關。

可計算社會爭論的核心議題在于，人類社會是否可以化約為可計算的要素與結構，進而按照理性原則實現資源配置的最優化。這一“烏托邦”式的暢想曾經被認為受限于技術發展水平難以實現，但伴隨著信息技術的快速發展，計算性能的指數級增長又重新將該問題拉回到了爭論的中心。根據討論對象和層次的不同，可計算社會的爭論可概括為針對人類個體和人類社會集體兩個層面。

一方面，“人”是否可被計算化。赫伯特-西蒙在其1996年出版的《人工科學》一書中指出，“盡管不同于自然現象服從于自然法則而具有一種‘必然性’，人工現象由于易被環境改變而具有‘權變性’，但人工現象不會完全適應環境仍然反映了其同樣具有凌駕權變性之上的必然性”[38]XV-XVI。人工現象的這種必然性(或者說相對于外部環境的獨立性)可以通過“消極的隔離、反應性的負反饋、預測性的適應”等多種方式得以實現[37]8，而這也證明了“人工科學”是可能的。與之爭鋒相對，反對者則對此持強烈懷疑態度，不僅強調感情、意識乃至精神作為人類獨有而機器不能擁有的特殊品質，同時更以自然科學本身仍然存在不可計算的局限性否定了其試圖計算更為復雜的人類行為的可能性。羅杰-彭羅斯(Roger Penrose)早在1989年出版的《皇帝新腦》一書中就指出，哥德爾不可能定理證明了數學意義上的不可計算性，物理學領域量子世界的不可測量性同樣影響了對其客觀存在性的質疑，而生物學上人腦神經元活動的不確定性和整體性(非局域性)則決定了通過數字信號的開關模擬人腦信號傳遞方式的不準確性。上述領域圍繞不可計算性的討論最終都與人類本身的意識(或精神)是否可以通過人工智能的方式得以實現緊密相連，而數學、物理學、生物學領域的否定回答最終也使得彭羅斯得出了“人類意識(或精神)不可被計算”的結論[39]467-494。圍繞“人”的可計算性爭論雖然看似聚焦于人工智能能否實現的技術問題，但其實質上反映的是如何理解和分析影響人類行為的方法論問題。西蒙對于“人工科學”的追求體現了試圖以“科學”的經驗研究探索人類行為規律的努力；而彭羅斯對此的反駁則體現了對于“意識(精神)”的不同認識，進而要求承認不可計算性、不確定性的必然存在。在西蒙的理論視閾下，算法對于人類社會的影響是顛覆式的，受益于不斷突破的技術極限，我們最終能以算法實現對于人類行為的全面認識、測量與影響；但在彭羅斯的分析框架中，算法的影響是有限的，人類意識(或精神)的不可計算性決定了算法不可能將人類置于全面“馴化”的境地。需要指出的是，盡管近年來人工智能技術快速發展，但圍繞“人”的可計算性爭論仍然未取得明顯進展，這也凸顯了該問題的挑戰性[40]。

另一方面，人類社會集體層面的可計算性討論主要聚焦人類創造的諸多社會機制能否被算法替代的問題，其中價格機制的可替代性問題便是典型代表。杰拉德-柯亨(Gerald A.Cohen)曾指出，“阻礙社會主義美好理念成為現實的關鍵問題在于我們并不知道如何設計一套機制以使之運行”[41]57，但信息技術的發展似乎提供了可能。維克托-舍恩伯格(Viktor M.Sch觟nberger)在《大數據時代》與《重塑資本主義》兩本書中，熱情洋溢地推崇了大數據與智能算法的結合所帶來的顛覆式變革。在舍恩伯格看來，傳統經濟形態下，交易雙方會考慮所有交易信息并最終作出以“價格”形式體現出來的理性決策，但由于人類處理信息能力的不足以及可獲得交易信息量的限制，“價格”僅僅反映了被極度壓縮和簡化后的交易信息，因此傳統經濟只能實現次優結果。相比之下，大數據對于交易背景、細節等諸多信息的還原以及智能算法處理海量信息的能力都使得借助信息技術可以實現更為全面、理性的交易決策，進而取代價格機制成為新時代的象征[42]10-24。但諸多學者圍繞信息經濟學的豐富研究證明，“價格”只體現了交易過程的截面信息而不是所有交易信息的匯總和簡化，價格機制得以正常運行的背后是緣于制度因素的共識(例如交易雙方都是追求利益最大化的理性經濟人理念共識)，以及交易發生前基于其他機制(例如通過廣告)的信息交換過程[43]117-119。從這一視角來看，大數據與智能算法至多只能影響交易信息的交換過程，從而提升價格機制的運行效率，難以涵蓋制度背景等其他因素，因此不能成為價格機制的代替者。

基于個體和集體兩個層面圍繞可計算社會的爭論可知，算法將在多大程度上影響人類社會仍然是個未解之題。算法既可能代替現有機制并因而帶來顛覆式影響，也可能作為現有機制的補充而產生漸進式影響。對此問題的開放性探索雖然還沒有定論，但至少就當前的技術發展水平和階段而言，其仍然提醒我們需要注意算法社會的變革限度與邊界。事實上也正因為此，我們才會在算法普及應用的同時不得不面對多類型的治理風險，而如何應對治理挑戰以引導數字社會轉型朝著有利于維系社會公共價值的方向發展，則是算法社會研究的最終指向。

5 算法社會的治理創新

算法作為一種技術現象正在伴隨其應用的普及而逐漸引發人們對其治理意涵的關注，圍繞算法歧視[44]、算法操縱[45]、“算法黑箱”[46]、算法“回音壁”[47]等議題的討論日益成為焦點，但針對具體議題的分析只能勾勒出局部畫面，相應提出的政策建議可能陷入“頭痛醫頭、腳痛醫腳”的局限，進而忽略了算法治理的整體性與關聯性，這也反過來彰顯了理解“算法社會”轉型并形成系統性治理應對方案的重要性和迫切性。

就理論價值而言，算法社會概念的提出與分析將激勵更多研究從算法生命周期的視角來探討算法的社會影響及治理應對。算法生命周期可被理解為包含算法的形成、發展、應用、演變、衰退在內的全過程視角，每一個階段都可能涉及權力關系的調整及利益相關者的行為變遷，且每一個階段都將同時體現為技術與非技術因素的相互影響，它們共同構成了算法社會的內涵與特征。由此，算法社會分析將不再局限于圍繞算法應用具體問題或影響的討論，而是延展為體現算法自身獨立性和主體性并與其他因素相互影響以演化發展的社會變革進程。這一視角的轉化將直接有益于算法治理實踐的創新探索。結合本文論述邏輯，整體性治理實踐改革方案應重視以下三個方面。

5.1 以系統環境聯動推進算法治理

計算化思想啟發下對于算法概念的重新定義，為算法社會的分析打開了理論空間，進而啟示算法治理創新要具備開放性、系統性思維。僅僅認識到算法技術的復雜性(例如“算法黑箱”)并限制其應用范圍(例如限制人工智能算法在公共決策領域的應用)，或者試圖深入技術研發細節而提出微觀治理要求(例如透明性和可解釋性要求)，既可能束縛技術創新，也可能達不到安全治理目標。計算化思想則有助于突破算法監管的此種困境。一方面，計算化定義打破了算法絕對理性的迷霧，認識到算法并非針對特定問題的唯一解或最優解，其本身的多樣性以及伴隨環境變化的動態性為算法監管提供了多元化工具與路徑，鼓勵監管者以更加開放的視野發現不同場景下算法治理問題的多元解；另一方面，將算法視為與環境因素緊密聯系的系統論視角，有助于監管者通過影響關聯因素(例如算法賴以生存的硬件平臺、數據交換接口等)達到監管目標，從而避免陷入算法內部復雜技術細節的考量。

5.2 以技術路線創新推進算法治理

算法演化的社會過程分析深入算法發展演化的內部揭示了“算法黑箱”，既有助于進一步破除算法作為絕對理性的迷霧，同時也為治理政策的導入打開了空間。一方面，算法演化過程的多種可能性表明，監管者可以在理解不同算法技術發展路徑的基礎上，有針對性地調整社會環境因素以促進特定技術路徑的發展，并同時約束其他技術。以國際象棋算法的發展為例，在認識到A路徑無益于人工智能的理論研究并難以應用于其他領域的情況下，監管者事實上可以弱化“比賽”文化的激勵并通過有針對性、有選擇性的公眾教育以支持B路徑的發展。就當前算法技術而言，我們同樣存在著基于大數據統計的機器學習和基于因果推理的機器學習等不同路徑，前者因為互聯網時代海量數據的可得性而在近年來快速發展，但其存在性能瓶頸而不能成為通用人工智能的基礎，監管者同樣可以通過強化數據隱私保護以提升數據使用的門檻和成本，從而弱化前者并激勵基于因果推理的機器學習研究。另一方面，算法的內生效應提醒監管者應充分重視算法的“非中立性”，進而要求監管者順應或者調整算法影響過程以確保社會公共價值的維系。事實上，當前以機器學習為代表的人工智能算法由于極度依賴海量數據資源和計算資源，其更適應甚至要求資源密集型的產業模式而非低門檻的開放創新模式，由此帶來的可能結果便是強化寡頭平臺在人工智能時代的權力集中，甚至阻礙邊緣創新以及技術發展成果的普惠共享。如果認識到這一點，決策者的任務便不僅僅是鼓勵人工智能技術的發展與應用，而是需要更具體地聚焦人工智能算法技術的發展路徑與業態選擇。需要注意的是，傳統監管理論往往強調抑制政府對于技術發展路徑的干預，并通過市場機制推動技術的自我演化，但如果考慮到算法演化過程可能存在的社會分化結果，政府的適當干預不僅有利于公共利益的維系，同時也將有利于技術的可持續發展。

5.3 以人為本推進算法治理

算法影響的社會機制分析聚焦算法應用結果的規范性影響，而其潛在主線可被理解為針對算法應用的結果是替代人類還是輔助人類的社會選擇的反思。一方面，無論是生命政治視野下的思想主張，或者是作為規訓工具的代碼治理術，以及將人類個體及集體行為視為可被計算化的對象，其實質都反映了通過算法替代人類自主行為進而更有效管理社會的政治理念，此時“人類自主行為”往往被視為導致偏離“秩序”的因素而需要得到合理控制；另一方面，秩序自由主義、作為安全機制體現的代碼治理術以及堅持人類社會不能化約為可計算對象的觀點，則又集中體現了算法應該輔助人類并促進更多自主行為的社會訴求。算法應用結果的這種分化差異并無絕對意義上的好壞、優劣之分，二者都將同時呈現出積極影響和消極影響兩個方面的結果。對于替代人類的理念而言，安保領域的人臉識別算法、生產流水線上的自動化機械設備都是算法帶來的正面變革，而算法歧視、算法操縱則又同時體現為潛藏風險。對于輔助人類的理念而言，智能推送有效提升了人類的信息處理能力，但“算法黑箱”、算法“回音壁”等現象又同時意味著人類面臨異化的潛在挑戰。對于監管者而言，其不僅需聚焦具體算法應用的正面或負面結果，同時還應意識到在不同的算法應用結果背后還反映了不同的社會價值理念。在某些情況下，后者可能更為重要。因為針對具體的算法應用問題終歸能找到合適的治理之策，但只有意識到算法應用結果背后的這種價值差異，才可能從整體上理解不同算法治理案例之間的關聯性，以及這種關聯性所反映的價值理念和社會體系偏好，從而作出應該適應還是調整這種偏好的政治決策，而這也正是算法社會研究要提醒和推動我們探索的根本問題所在。

6 結語

算法技術的迭代創新與快速應用正在加速推動算法社會的到來，但我們對于這個“新社會”的運行規律仍然知之甚少。當前圍繞算法在不同場景下應用而引發治理風險的理論討論和政策改革，盡管有利于回應治理需求，但并不能構成對于算法社會的整體解釋，相關研究的不足和需求主要體現在兩個方面。

一方面，需要回到技術本源的探討，挖掘當前時代背景下，“算法”相比于傳統“技術”研究的新特征及其推動社會演化的新規律。盡管社會科學的討論并不致力于回答科學技術問題，但對于算法社會這樣一個緣起于科學技術創新而引發社會變革的現象解釋，仍然有必要回到技術本源以避免“技術決定論”或“社會決定論”的潛在影響。就此而言，本文在公理化與計算化數學思想分野基礎上對“算法”概念的界定，還僅僅是起點。計算機科學史上圍繞計算機、機器智能、控制論、人工智能等關鍵概念的爭論，將為此提供更為豐富的土壤，而這也再一次要求跨學科領域的知識對話與融合。另一方面，算法社會轉型背景下，算法對于人類生產生活的影響早已超越工具層面的效率提升或工作替代，對其影響機制的揭示將成為未來研究的關鍵焦點。此時，重要的便不僅僅是技術邏輯，還有業態邏輯。算法只有融入特定業態環境之下，才會體現出其對于人類社會所關心的價值理念的影響，以及其產生影響的載體、方式與途徑。本文從生命政治、技術治理術等政治學概念所給出的部分解釋仍然只是視角之一，將算法影響嵌入平臺組織、數字勞動、知識經濟等理論研究脈絡之中，將同樣是值得期待的新方向。總之，算法技術創新與應用背景下的社會轉型已經拉開了序幕，對其內在規律的解釋既需要繼承技術政治傳統理論的討論，也需要在學科交叉融合中尋找新的理論窗口。唯有如此才可能最終對算法社會背景下的治理體系創新提供堅實的理論基礎與實踐啟示。