算法解釋權與商業秘密保護的沖突化解

劉琳

關鍵詞：算法解釋權；商業秘密；算法權力；算法歧視；算法黑箱

一、問題的提出

人類社會已然步人算法時代。算法技術對人類生活產生廣泛而普遍的影響，甚至產生對人類的支配之力。人們日漸產生對算法失控的隱憂、對算法權力的警惕及對“算法暴政”的不滿。在此背景下，賦予用戶算法解釋權的提議應運而生，《中華人民共和國個人信息保護法》（以下簡稱《個保法》）第24條亦在立法層面明確賦予個人獲得算法解釋的權利。然而，算法解釋權的行使卻面臨著商業秘密制度的阻礙。算法解釋意味著算法控制者需要將代表其核心競爭力的算法或相關內容告知他人，商業秘密不可避免地面臨泄露風險。更加嚴重的憂慮是，履行算法告知義務可能會導致算法的秘密性滅失，從而失去獲得商業秘密保護的基礎。

如何解決算法解釋權與商業秘密保護之間的沖突？有學者主張全然廢除算法解釋制度，①有學者認為商業秘密應讓位于代表公共利益的算法解釋規則，②有學者運用比例原則追求各方利益的平衡，但最終的解決方案或稍欠全面性，①或止步于方向性指引與相對寬泛的利益衡量。②值得思考的是，面對算法解釋與商業秘密的沖突，是否只能做非黑即白的取舍，抑或只能訴諸法官的自由裁量與漫無邊際的利益衡量？是否可以通過對算法解釋規則的解釋與修正實現沖突的消解？是否可以通過對商業秘密制度的澄清與運用實現沖突的消融？本文擬從外在表現與內在機理兩個方面對算法解釋與商業秘密的沖突進行分析，避免非黑即白的絕對化思路，跳出寬泛的方向性指引與漫無邊際的利益衡量，對算法解釋規則進行四個方面的解釋與修正，對商業秘密制度中“秘密性”要件作出澄清，為算法解釋與商業秘密之沖突調和提出明確、具體、可操作的解決方案。

二、算法解釋與商業秘密沖突的外在表現

算法解釋與商業秘密的沖突并非杞人憂天或者純粹形式邏輯的推演，而已然發生于社會生活與司法實踐之中。不同法院在面對這一沖突時呈現出大相徑庭的態度，即便在同一案件的多數派法官之中亦存在對立意見。在目前的商業實踐中，算法控制者主要以商業秘密的形式保護算法。面對算法解釋權的威脅，算法控制者也傾向于單方面宣告商業秘密的絕對優先地位，免除自身算法解釋義務。例如，《阿里媽媽推廣者規范》約定：“阿里媽媽過濾系統涉及阿里媽媽核心商業秘密，阿里媽媽無需向推廣者披露具體異常數據；人工認定涉嫌違規的，阿里媽媽可視是否涉及商業秘密等獨立決定是否披露具體認定依據。”③這與《個保法》第24條的立場相抵牾。

實踐中，法院并不認同算法控制者單方面免除自身算法解釋義務的有效性。比如在“阿里媽媽案”中，法院從格式條款與顯失公平的角度出發，否定了阿里媽媽公司在《阿里媽媽推廣者規范》中免除自身算法解釋義務的有效性。并進一步指出，當事人認為案情涉及商業秘密請求不公開審理，法院可以準許，但當事人必須對自己的主張負舉證責任，阿里媽媽公司根據算法系統認定原告在平臺中存在違規行為，就應當就此問題進行舉證。這段裁判理由明確宣示了一審法院的態度：商業秘密并不能成為拒絕解釋算法的借口。④然而，在一審法院明確宣示立場后，盡管二審法院維持了一審判決，但在裁判理由中卻僅僅提及被告單方面免除自身算法解釋義務的服務協議因屬格式條款而歸于無效，回避了商業秘密與算法解釋之沖突當如何調和、取舍的問題。⑤

美國司法實踐中亦存在同樣的沖突與爭議。在2016年的“盧米斯案”中，盧米斯認為巡回法院在量刑時借助了一種名為“替代性懲教罪犯風險評估”（COMPS）的智能算法，而該算法不恰當地考慮了性別因素，且不披露如何權衡評價因素，并以此為由向最高法院提起上訴。⑥法院基于保護商業秘密的考量未要求算法控制者向盧米斯闡釋算法評估邏輯，并引發諸多反對意見。學者謂之，“在算法公平與商業秘密之間，法院…站在了商業秘密一邊”。①即便是支持該判決的多數派法官亦承認，該案中進行算法解釋是有必要的。②

三、算法解釋與商業秘密沖突的內在機理

算法解釋規則與商業秘密保護分別代表著受算法影響者與算法控制者對立的價值訴求。算法黑箱易滋生歧視、偏見與“算法暴政”，受算法影響者需要能夠掀開算法黑箱的解釋規則，而另一方面，在專利保護的局限性與激烈的市場競爭下，算法控制者亦有算法保密的正當理由。

（一）受算法影響者對算法解釋的合理訴求

其一，消除算法歧視與算法偏見。智能高效的自動化決策算法在為社會生活帶來諸多便利的同時，也帶來了算法歧視與算法偏見。首先，算法評價所使用的基礎數據未必完全準確與真實，而這種數據偏差將會為后續信息處理埋下隱患。其次，算法做出預測的過程往往涉及對公眾或個體的評價，有時，盡管算法設計的目的只是降低成本，但卻可能在事實上造成歧視后果。

算法決策中可能帶有的歧視與偏見絲毫不亞于人類決策，而前者的隱蔽性卻遠勝后者，這使得算法公開的需求更加緊迫。機器理性的外表為算法穿上了“公正的外衣”，因此在一般的認知中，人類代表著主觀與情感，而機器則代表著客觀與理性，以算法決策代替人類決策似乎為實現決策的絕對公正帶來了福音。事實上，算法決策與人類決策在某種意義上具有極強的同質性——人類決策需要依賴事件信息及生活閱歷，算法決策同樣離不開信息采集，而其采集信息的過程則形塑了算法的“閱歷”。不同的算法“閱歷”影響著算法決策的結果，也否定了算法決策絕對公正的可能。在算法理性外表的粉飾下，公眾對其運作中的偏見與歧視更難察覺，這一點正為算法解釋與算法公開提供了正當性理據。

其二，對抗“算法霸權”與“算法暴政”。除算法偏見外，接連發生的“大數據殺熟”則是算法設計者故意為之的“算法暴政”。“算法暴政”賴以生存的土壤是“算法黑箱”，③打開“算法黑箱”正是摒除“算法暴政”的有效路徑。“黑箱”一語意指從外部無法探知內里的系統，“算法黑箱”隱喻的則是公眾不得而知的算法自動化決策過程。這意味著個人與數據寡頭間存在著嚴重的信息不對稱現象，正是這一現象誘發了數據寡頭與個人之間的地位失衡。④決策以信息為基礎，充足的信息有助于作出合理的決策，信息劣勢則會嚴重影響結論的判斷。欲破除數據寡頭與個人之間的失衡局面，當務之急便是通過算法解釋權化解雙方的信息不對稱困境。

算法解釋權的設置體現著以權利制約權力的控權邏輯。在數字社會中，算法成為法律，代碼成為規則，代碼為人的行為提供指引并設定限制。在傳統法域中，只有在民主的前提下規則才具有合法性⑤，而自動化決策算法卻從未聽取過民意，它以技術中立之名堂而皇之地統治著市民社會。自動化決策技術已然異化為算法權力，在公法理論中，權力具有無限擴張的特質，沒有外力的限制將極易造成權力的濫用，誠如孟德斯鳩之語：“一切權力都易被濫用……直至遇到界限才會休止”①。因此，權力的制衡不可或缺，無論是以權力制約權力的權力分置與制衡，還是以權利制約權力的人民主權學說，都在致力于把權力關進制度之籠。在數字社會中，算法權力同樣存在著濫用的風險，賦予受算法影響者解釋請求權也因此成為制約算法霸權的應有之義。

（二）算法控制者對算法保密的現實需要

其一，以專利制度保護算法的局限性。算法在尋求專利制度保護時面臨著較大困難。算法是一種為解決特定問題而設計的有限且明確的操作步驟，從另一個角度解讀，算法也是一種智力活動的規則與方法——而這正是世界各國專利制度排除保護的客體之一，《中華人民共和國專利法》第25條也明文規定其不受保護。另一方面，較商業秘密保護模式而言，算法的專利保護模式具有明顯的局限性：（1）專利申請周期較長。對于日新月異的數字經濟而言，專利保護存在嚴重的滯后性；（2）專利具有公開性。尋求專利保護意味著為了換取法定期間內的專有保護，算法控制者必須將其開發的算法向全社會公開，對于以算法為核心競爭力的公司而言并非上策。

其二，商業秘密是保護算法的重要途徑。一項調查報告顯示，計算機與電子行業的眾多企業均偏好商業秘密保護模式，明確表示較之于專利、商標與版權制度，商業秘密保護模式更為重要。②在數字社會中，這一偏好自然也反映在算法領域，算法主要表現為源代碼與目標代碼，源代碼到目標代碼的轉化是算法控制者為源代碼尋求商業秘密保護的技術措施——基于反向工程的難度與成本，轉化后的目標代碼難以復原為源代碼，源代碼的秘密性和保密性均得以實現。以商業秘密形式保護算法使信息算法控制者能夠在市場競爭中擁有并保持獨特的競爭力。

其三，一旦公開即不復存在的“秘密性”。秘密性是商業秘密受法律保護的必備要件，要求該技術信息不為公眾所知悉。在此要求下，商業秘密隨時都可以被創造，也隨時都可能會滅失。在他人獨立研發與反向工程的情形下，商業秘密的取得與披露不僅不會侵犯原持有人的權益，甚至會因信息的披露而使權益不復存在。簡言之，秘密性描述的是一種事實狀態，這種狀態一旦遭到破壞就不可能恢復，失去秘密性也將失去受商業秘密制度保護的基礎。因此，算法持有人對其以商業秘密形式保護的算法必須謹慎保密。

四、算法解釋與商業秘密的沖突化解

《個保法》的出臺意味著我國算法解釋規則初步落成，而算法解釋權的行使卻面臨著商業秘密制度的阻礙。面對二者的沖突，目前理論界和實踐中存在“非黑即白”的做法，也存在莫衷～是的情況，為肅清學界爭議，為司法作出明確指引，需要提出一個合理的化解方案。

（一）“非黑即白”思路的批判

有學者對算法解釋權持否定態度，認為其可能泄漏商業秘密并為數據安全帶來隱患，也可能會抑制相關投資與研發。③也有學者強調權利應分配給最珍視它們的人，在受算法影響者和算法控制者之間，后者是更珍視算法的人。④事實上，上述對商業秘密泄露的擔心并不成立。商業秘密在任何時代都存在泄露風險，值得思考的問題是，設置算法解釋權必然會加劇商業秘密泄露嗎？需要澄清的是，本文主張的算法解釋并非算法透明，并不需要公開算法本身，解釋后亦可要求請求解釋者簽訂保密協議，認為此時的泄露風險驟然加劇似乎并無說服力。其次，在波斯納權利配置理論下，“算法黑箱”為公眾帶來了“算法歧視”等損害人格尊嚴與平等的嚴重后果，公眾對于破除“算法黑箱”的迫切程度絲毫不亞于算法控制者對算法保密的需求。因此，此處并不能輕易判斷何者是更珍視該權利的人。另外，法律為商業秘密提供的保護原本就是有限的、相對的，為保護商業秘密而放棄整個算法解釋規則將背離法律保護商業秘密的初衷。

對立意見則認為商業秘密應讓位于代表公共利益的透明機制與問責機制。①事實上，認為商業秘密保護當然應讓位于算法解釋義務的觀點亦有偏頗。不應想當然地將商業秘密歸于企業私益，將算法解釋歸于公共利益，并直接得出后者優于前者的結論。誠然，算法解釋請求權背后蘊含著民主、自由等深層價值，與此同時，商業秘密背后也蘊含著相應的深層價值——激勵創新與研發、維護公平競爭的商業秩序、促進市場經濟的健康發展。可見，在深層維度上商業秘密保護與算法解釋義務均承載著社會公共利益，難以直接得出何者必當向對方讓步的結論。

（二）算法限定解釋論之提倡：“掀開最小縫隙”理論

面對受算法影響者對算法解釋的合理訴求與算法控制者對算法保密的現實需要之間的沖突與張力，“非黑即白”的思路并不可取。為避免沖突激化，不宜將“算法黑箱”完全打開，而只需將其“掀開最小縫隙”，至受其不利影響者可見的程度即可，本文謂之“掀開最小縫隙”理論。

“掀開最小縫隙”理論從四個方面對算法解釋規則作出限定：前提限定、受眾限定、內容限定與條件限定。本質而言，算法解釋請求權的設置目的在于對抗“算法黑箱”之下滋生的偏見、歧視與暴政，“掀開最小縫隙”，至受其不利影響者可見的程度即可實現該目的。在比例原則與“目標一手段”理性的方法論下，實現目的應追求手段的妥當性、必要性與均衡性，而“掀開最小縫隙”理論正是在最小犧牲商業秘密的情形下實現算法解釋規則立法目的的最佳方案。②

1．算法解釋的前提限定：對個人權益有重大影響

在“掀開最小縫隙”理論下，對算法解釋權的行使前提作出限定，能夠有效縮小其與商業秘密保護之沖突。在學術界最初的權利構想中，算法解釋權的行使條件并未受到足夠關注，該權利也隨之被設計成一項行使條件較為寬泛的權利。例如，有學者認為無論在公法還是私法領域，受算法決策不利影響的相對人都有權要求算法解釋。③有學者從權利內容等方面闡釋算法解釋權，但未提及權利的行使條件是否應受限制。④值得肯定的是，《個保法》第24條將行使算法解釋權的前提限定為“對個人權益有重大影響”，將日常生活中對個人權益影響不大的場景排除在外，這能夠在實踐層面有效縮小算法解釋與商業秘密的沖突范圍，實現第一步的沖突降級。

那么何謂“對個人權益有重大影響”？解釋論上的從嚴把控顯然有助于化解沖突，但同時也意味著權利行使條件偏向嚴苛。回溯立法過程可尋得立法者意志上的蛛絲馬跡，盡管“探求立法者意志不是解釋的最終目標，但如果因此認為立法者的調整意圖及規范立場在解釋上完全沒有意義，那就走得太遠了”①。從《中華人民共和國個人信息保護法（草案一次審議稿）》、《中華人民共和國個人信息保護法（草案二次審議稿）》（以下簡稱“一審稿”“二審稿”）到法律正式出臺，此處的表述發生了微妙的變化：“一審稿”稱“個人認為自動化決策對其權益造成重大影響的，有權要求…”，而“二審稿”與正式立法則表述為“通過自動化決策方式作出對個人權益有重大影響的決定，個人有權要求…”。可見，“一審稿”訴諸個人主觀標準，只要個人認為該算法關涉其重大權益即可行使算法解釋權。“二審稿”轉而訴諸客觀標準，個人認為算法關涉其重大權益不再是行使權利的充分條件，在一定意義上實現了權利行使門檻的提高。

在“重大”二字的解釋上，有學者對算法做出了評價類算法與非評價類算法的區分，提出所有的評價類算法對用戶都具有經濟或法律上的直接影響，均應適用算法解釋請求權。②按照上述標準，涉及交易價格與交易條件的算法均屬于評價類算法。事實上，此類算法并非都會對個人權益造成重大影響。就交易價格而言，需要考察具體的交易金額、交易客體、交易差額及比率等因素，若交易金額不高、差額不大、差額占比較低，則不宜適用算法解釋請求權。而交易條件則是準人式的，可能直接產生拒絕交易的嚴重后果，因此更容易“對個人權益造成重大影響”。但并不能一概而論，當出現被算法拒絕交易的情形時，仍應考察拒絕交易者的市場占有率。若其市場占有率不高，則用戶仍有較大選擇余地，不宜歸人“對個人權益造成重大影響”之情形。

2．算法解釋的受眾限定：從社會公眾到利益相關者

算法解釋的受眾是整體的社會公眾還是個案中的利益相關者？這在解決算法解釋與商業秘密的沖突問題上至關重要。事實上，上述兩種方案是兩種不同程度的黑箱打開方式，前者程度更高，要求算法控制者向整個社會解釋涉嫌歧視或偏見的算法，謂之算法透明；后者程度較低，只需向個案中特定相對人履行解釋義務，是狹義上的算法解釋。我國《個保法》第24條第1款要求“個人信息處理者…應當保證決策的透明度”，在第3款中又規定“…個人有權要求個人信息處理者予以說明”，在語義上存在一定的模糊性。第3款屬于狹義的算法解釋；但第1款中的措辭又呈現出對算法透明的追求。將算法解釋的受眾厘定為社會公眾時，算法透明得以實現，算法黑箱被徹底打開，而技術信息的秘密性也隨之滅失，算法解釋制度與商業秘密保護的沖突將被激化；若將算法解釋的受眾限定為個案中的利益相關者，算法黑箱將被打開一條縫隙，僅特定相對人可見，算法解釋與商業秘密的沖突將得以緩和。可見，第二種方案是解決沖突的優選。此外，在尋求“算法黑箱”的破解方案時，在比例原則的方法論之下應考慮手段的妥當性與必要性。妥當性要求手段必須有助于目標的達成，此處無論是算法透明還是狹義的算法解釋均有助于破除“算法黑箱”，因此均可通過妥當性標準的檢驗：在必要性方面，應當盡可能在最小犧牲商業秘密的情形下實現對“算法黑箱”的破解。因此，僅需“打開最小縫隙”的方案顯然更具合理性。

3．算法解釋的內容限定：從算法本身到邏輯

在算法解釋的具體內容方面，算法控制者向受算法影響者解釋說明的內容究竟是算法本身還是算法的運行邏輯？《個保法》第24條在此處語焉不詳，僅稱“個人有權要求個人信息處理者予以說明”，為說明的內容留下了較大的解釋空間。在“掀開最小縫隙”理論下，將說明的內容限定為算法運行邏輯，避免將算法本身告知請求解釋者，是消解算法解釋與商業秘密沖突的釜底抽薪之法。從算法控制者的角度出發，作為商業秘密的算法是其保持核心競爭力的重要工具，算法控制者顯然不愿將算法告知他人。作為替代方案，向受算法影響者解釋算法運行邏輯，能夠在一定程度上避免直接告知商業秘密的麻煩。從受算法影響者的角度出發，由于自動化決策算法有著較高的技術壁壘，普通人無法理解高深的數學模型與技術知識，獲知算法本身與技術細節毫無意義。受算法影響者想要知道且能夠理解的是算法在作出決策時依據了何種個人信息、這些信息在決策中占據多少權重、算法依據何種運行邏輯。受算法影響者與算法控制者在此處不謀而合，將算法解釋權的解釋內容限定為算法運行邏輯等因素，既有助于受算法影Ⅱ向者的理解與算法解釋制度的目的達成，也能有效化解算法解釋與商業秘密之間的正面沖突。

“算法解釋權”的稱謂使人易將算法說明的對象誤認為“算法”，事實上，算法說明的對象是“決定”。從《個保法》第24條第3款的本文出發，聯系前句“通過自動化決策方式作出…的決定，個人有權要求…予以說明”。可見，在立法者心目中，個人享有的權利是要求個人信息處理者說明“算法作出的決定”。應如何說明這一決定？在齊佩利烏斯的《法學方法論》中，法律的解釋當通過“辯論”確定其恰當的語義，而法律目的則是其中重要的論據，法律解釋應當與立法者對法律目的及其合目的性的決定保持一致。①循該思路，《個保法》第24條第1款即表明了該條的目的“保證決策的透明度和結果公平、公正”，欲實現算法決策對請求解釋者的透明度，就需要算法決策能夠被理解，即用平實語言描述出算法的運行邏輯而非告知算法本身。因此，在《個保法》第24條的語境下應當將算法解釋權的解釋內容限定為算法的運行邏輯。

4．算法解釋的條件限定：請求解釋者的初步證明責任

在“掀開最小縫隙”理論下，為請求解釋者設置初步證明責任是消減算法解釋與商業秘密之沖突的程序法手段。從問題的根源出發，設定算法解釋權的目的是通過打開算法黑箱的方式消除算法歧視等負面后果。然而，從算法黑箱到算法歧視之間有一個邏輯上的跳躍——須知算法黑箱并非必然帶來負面后果。黑箱容易給人帶來負面聯想，如暗箱操作在漢語中帶有違反法律或道德的意味，這是因為黑箱的確帶來了出現負面行為與負面后果的可能性——是可能性而并非必然。如學者錢德一針見血地指出，“人腦才是終極黑箱”②，人腦中的決策過程毫不透明，但這并不意味著“人腦黑箱”的決策結果一定是負面的。因此，僅當受算法影響者對算法黑箱帶來的負面后果履行了初步證明責任時才可以申請獲得算法解釋。所謂初步證明責任，即當受算法影響者提出解釋說明之要求時，應當提出其受到自動化決策算法不利影響的初步證據。該證明責任應包含兩方面內容，一是初步說明該算法決策對個人權益具有重大影響；二是初步證明該算法決策的結果使請求解釋者受到了不利影響，如支付了不合理的高價、在交易條件上不合理的差別待遇。該證據只需是初步的、個人力所能及的，否則算法解釋規則將形同虛設；若無初步證明責任，則受算法影響者可以任意地向算法控制者提出解釋算法的要求，這無疑會為算法控制者、行政機關、司法機關增加不必要的負擔與滋擾，也會將算法解釋規則與商業秘密制度之間的沖突激化。

盡管《個保法》第24條并未明確規定用戶的初步證明責任，但回顧《個保法》的制定歷程即可理解這一點已蘊含其中。《個保法》“一審稿”第25條第1款規定：“個人認為自動化決策對其權益造成重大影響的，有權要求…”“二審稿”改稱：“通過自動化決策方式作出對個人權益有重大影響的決定，個人有權…”。將是否受到重大影響的判斷從用戶主觀標準改為客觀標準，將判斷權力收歸中立的裁判者享有，為用戶承擔初步證明責任提供了制度依據。

（三）商業秘密制度的闡釋與運用

在算法解釋與商業秘密的沖突解決問題上，不能單靠對算法解釋規則的修正，還需要對商業秘密制度進行澄清與運用。

其一，請求解釋者的保密協議簽訂義務。為請求解釋者設定保密協議的簽訂義務對于化解算法解釋與商業秘密的沖突具有重要意義，且能夠實現請求解釋者與算法控制者的帕累托最優（Pareto Optimality）。從請求解釋者的角度看，簽訂保密協議對于善意請求者而言并無損失——善意請求者只是為了確認自己是否受到自動化決策的不公對待，在獲知算法運行邏輯與因素權重后并無泄露商業秘密的需求。從算法控制者的角度看，保密協議的簽訂使請求解釋者負有保密義務，對于泄露商業秘密者，算法控制者能夠依據保密協議向其追究責任，自身風險被降到最低。概言之，保密協議的簽訂義務并未使任何一方的情況變壞（算法控制者和請求解釋者均無損失），但卻使得至少一方的情況變得更好（算法控制者面臨的風險被降低，情況變好），實現了經濟學中帕累托最優的理想狀態。賦予請求解釋者算法秘密的獲知權利，同時設置保密協議的簽訂義務，也與公平原則的精神相契合。公平原則的內涵可從兩個方面理解：其一，對于一方當事人而言，其享有的權利與負擔的義務應當相適應；其二，對于各方當事人而言，彼此的權利與義務應當合理、均衡、對等。在算法解釋與商業秘密的沖突困局中，請求解釋者與算法控制者權利與義務的厘定也應當遵循公平原則。目前，《個保法》第24條已經為請求解釋者設置了獲取算法解釋的權利，算法控制者相應地負有說明義務，并面臨商業秘密的泄露風險，此時雙方權利義務并不均衡。在此情形下，應當為請求解釋者設置保密協議的簽訂義務，使雙方各得其所。

其二，秘密性要件的澄清。在算法解釋與商業秘密的沖突中，一個令人憂慮的情形是商業秘密持有者因履行告知義務而使其商業秘密“失密”。秘密性一旦喪失即不復存在，算法也因此徹底失去獲得商業秘密保護的資格。事實上，這是對商業秘密構成要件的誤解，闡明秘密性的真意，這一憂慮即可消除。秘密性是指特定技術信息或經營信息不為公眾所知悉。那么何謂“不為公眾知悉”？《最高人民法院關于審理侵犯商業秘密民事案件適用法律若干問題的規定》第3條以反向列舉的方式進行了明確，排除了四種“為公眾所知悉”的情形：一般常識與行業慣例、通過觀察現有產品可直接獲知的簡單技術信息、已公開出版、已在公開展會等場所公開，并設置了兜底條款——所屬領域相關人員從其他公開渠道可獲得該信息。據此，可為“不為公眾知悉”下一個反向的定義，即該信息不為其所屬領域的相關人員普遍知悉或者不能從公開渠道容易獲得。可見，秘密性并不要求商業秘密完全不可能獲得，商業秘密也并非不能被小范圍內的人知悉。算法說明義務不同于算法透明，前者僅需將算法黑箱掀開一條縫隙，使特定相對人可見，算法秘密仍然不可從公開渠道獲得。因此，向受算法影響者履行算法說明義務并不會造成秘密性滅失。

結語

“黑箱”本身并不必然代表邪惡，但當其被用于與公民基本權利息息相關的領域，或在事實上成為統治市民生活的權力時，就應當如同一切公權力一般接受公眾監督。算法解釋權的設置能夠為受算法影響者對抗算法霸權提供有力武器，卻也面臨著商業秘密制度的強大阻礙。在算法解釋與商業秘密的較量中，不應因商業秘密制度的存在而全然地否定算法解釋規則，亦不應將算法解釋權當然地凌駕于商業秘密之上。應對沖突，秉持“掀開最小縫隙”理論對算法解釋規則進行闡釋與修正，對商業秘密制度進行澄清與運用，既能擺脫“算法黑箱”困局，又能較大程度地避免商業秘密的喪失與泄露，實現算法解釋與商業秘密的沖突化解。