算法規(guī)制：從規(guī)范規(guī)制到分層規(guī)制

摘 要：以傳統(tǒng)的法律規(guī)范來規(guī)制算法，尤其以概念來限定算法存在一個根本性問題：規(guī)范與算法之間缺乏直接的對應(yīng)性與流暢的溝通性。因為規(guī)范規(guī)定的是人類行為，而算法是一種機器決策，規(guī)范作為基于人類語言的文字表達，難以限定另一種基于機器語言的數(shù)字化表達。因此，算法規(guī)制的進深展開會遭遇文字之于數(shù)字的匹配與溝通難題的不斷強化，這使得算法規(guī)制在算法的一般性與特殊性的橫向維度上及現(xiàn)象層與隱藏層的縱向?qū)蛹壣铣尸F(xiàn)出不同效能。建構(gòu)算法規(guī)制的分層結(jié)構(gòu)，將有利于我們對算法及其規(guī)制保持更為清醒的認知判斷，發(fā)現(xiàn)算法規(guī)制的力量及其限度。只有將基于合法性判斷的規(guī)范規(guī)制轉(zhuǎn)變?yōu)橹铝τ谒惴尚诺姆謱右?guī)制，才能實現(xiàn)對算法的有效規(guī)制。

關(guān)鍵詞：算法；算法規(guī)制；規(guī)范規(guī)制；分層規(guī)制

中圖分類號：D920.0 文獻標志碼：A

當前法學界對算法①的規(guī)制研究，主要集中于規(guī)制規(guī)范性的技術(shù)剖析層面，尚未升級到法理體系化層面，故無法從整體上對算法社會的規(guī)制困境進行反思并提出宏觀的規(guī)制方案。②在技術(shù)層面，算法決策被視作一種人類行為的類行為，在完成“（類）人性”判斷之后，

劉艷紅：《人工智能法學研究的反智化批判》，載《東方法學》2019年第5期，第120頁。逐漸被納入法律規(guī)范調(diào)整的一般對象來對待。這實際上是對算法這一人工智能核心表達方式的人為處理。這種規(guī)制手段容易忽視人工智能與人類智能的根本差異，進而遮蔽規(guī)制算法的底層邏輯，使規(guī)制本身缺少活力。要想激活法律規(guī)范對算法的規(guī)制效能，首先得揭示算法規(guī)制的法理本質(zhì)，回到評判算法的認知原點，構(gòu)造科學理性的規(guī)制框架，實現(xiàn)從規(guī)范規(guī)制到分層規(guī)制的轉(zhuǎn)換，進而為規(guī)制算法提供可資推進的認知論工具，使規(guī)范在算法世界的更廣闊空間中發(fā)揮作用。

一、算法的規(guī)范規(guī)制

現(xiàn)代法學運行于“規(guī)范—行為”的基本框架之中，它的邏輯起點在于以規(guī)范解釋行為、以規(guī)范引導行為、以規(guī)范調(diào)整行為、以規(guī)范限定行為，進而將人的行為框定在規(guī)范體系內(nèi)。

規(guī)范是指引與調(diào)整人的行為的標準，它是一組關(guān)于“命令什么”“允許什么”“禁止什么”的應(yīng)然命題，其中規(guī)范主體是指被要求以某種方式行動的人，規(guī)范內(nèi)容是指規(guī)范所命令、禁止或許可的特定的人的行為。參見徐顯明主編：《法理學原理》，中國政法大學出版社2009年版，第73-75頁。這一認知邏輯的前提著眼于區(qū)分出規(guī)范世界與生活世界，建立兩者的二元結(jié)構(gòu)，使行為可以被規(guī)范所涵攝。法律，其根本用意在于規(guī)制生活世界中的人類行為，并通過這種規(guī)制技術(shù)建立起秩序。

這一方式在規(guī)范世界與生活世界之間的互動中十分奏效，規(guī)范體系中每一個概念欲意表達的內(nèi)容都可以在生活世界中的行為或事實中找到對應(yīng)。因為規(guī)范體系的載體是人類語言，而語言本身就產(chǎn)自于人類社會，故語言可以與生活世界一一對應(yīng)，通過一定的話語形式與符號表達，規(guī)范的意義可以流暢地傳遞給生活世界。

參見＼卡爾·拉倫茨：《法學方法論》，黃家鎮(zhèn)譯，商務(wù)印書館2020年版，第253-263頁。與此同時，人類現(xiàn)實生活的意義也同樣可以回流并映射到規(guī)范世界之中。這種話語形式與符號表達，在法理上被稱之為概念。

這里的概念主要是指法律中的概念，有廣義與狹義之分。狹義上的概念指為法律和法學所獨有并具有特定之法律意義的概念，如“無因管理”“緊急避險”；廣義的概念指一切具有法律意義的概念，它既包括以上狹義的法律概念，也包括其他可能起源于日常生活但具有法律意義的概念，如“婚姻”“財產(chǎn)”。概念組成了法律規(guī)范的最小構(gòu)成單元，由概念可以形成法律規(guī)則和法律原則，進而組成法律上的規(guī)范體系。參見舒國瀅、王夏昊、雷磊：《法學方法論前沿問題研究》，中國政法大學出版社2020年版，第58-73頁。法律是一種“概念式”的思考，

參見＼丹尼斯·羅伊德：《法律的理念》，張茂柏譯，上海譯文出版社2014年版，第222頁。正是概念的概括能力和表意功能打通了性質(zhì)迥異的規(guī)范與行為之間的交互通道。概念成為規(guī)范與行為之間的中介，它提煉出諸規(guī)范之中的理性，并將這種規(guī)范理性傳導到行為之中；同時，將諸行為中的事實與價值、理性與非理性反饋到規(guī)范坐標之中加以評判。

當然，我們不僅僅有單個的概念。人們可以在概念的基礎(chǔ)上注入更多智慧，發(fā)現(xiàn)概念與概念間的相關(guān)性，提純相近行為與現(xiàn)象間的關(guān)系，聚成類型化的表達，還可以在類型的基礎(chǔ)上凝練更為自洽與融貫的概念排列與類型方陣，集成一個周延的體系。概念—類型—體系，在規(guī)范與行為之間搭建認知廣度、強度與精度更高的表意話語形式。法律人把現(xiàn)代法學構(gòu)筑成一個獨特而有效的知識空間，它很好地完成了從規(guī)范到行為的投射。

采用這種方法，規(guī)范對人類行為的規(guī)制一直“所向披靡”。站在規(guī)范主義的立場，一切法律行為都是被規(guī)制的對象，都可以被法律概念所表達并被法律概念及其展開的規(guī)范類型、規(guī)范體系所涵蓋。

參見雷磊：《法教義學的基本立場》，載《中外法學》2015年第1期，第198-223頁。在機器學習

機器學習（Machine Learning）是人工智能的一種方法，指AI系統(tǒng)具備自己獲取知識的能力，即從原始數(shù)據(jù)中提取模式。引入機器學習使計算機能夠解決涉及現(xiàn)實世界知識的問題，并能作出主觀的決策。參見＼伊恩·古德費洛、［加］約書亞·本吉奧、［加］亞倫·庫維爾：《深度學習》，趙申劍等譯，人民郵電出版社2017年版，第2頁。機器學習關(guān)注的問題是使用正確的特征來構(gòu)建正確的模型，以完成既定的任務(wù)。參見＼弗拉赫：《機器學習》，段菲譯，人民郵電出版社2016年版，第8頁。本文論及的算法即指基于機器學習的自主性算法，該算法被廣泛運用于諸多場景下的數(shù)據(jù)處理，包括且不限于本文提及的隱私計算技術(shù)、算法解釋技術(shù)、無人駕駛汽車的核心決策、金融風險評估、人工智能生成內(nèi)容、平臺內(nèi)容推薦、外賣平臺算法等領(lǐng)域。崛起之后，算法參與到人類生產(chǎn)生活實踐中，逐步成為決策系統(tǒng)的一部分甚至全部，算法也逐漸成為了規(guī)范規(guī)制的對象，如同人類行為一樣，按照人類行為的邏輯予以同等適用。正是因為采用這一“無往不勝”的統(tǒng)一方式，現(xiàn)代法學在人工智能時代的算法世界中遭遇了一道難題。

這場危機的癥候集中表現(xiàn)在規(guī)范與算法之間缺乏直接的對應(yīng)性與流暢的溝通性。一方面，規(guī)范是基于生活世界而提煉出的抽象思維的文字表達，它的基本構(gòu)成方式是語言文字。規(guī)范的意義是通過話語表達和語詞解釋被理解的。理解規(guī)范依賴于對語言文字的直接體悟，適用規(guī)范依賴于對語言文字的文義解釋，這是一套以文字作為符碼的闡釋應(yīng)用系統(tǒng)。它之所以能被應(yīng)用于行為，是因為人類行為的表達也是運用同樣的語言文字系統(tǒng)，表達度量衡上的統(tǒng)一確保了規(guī)范與行為的對應(yīng)性，使得對行為進行規(guī)范解釋毫無障礙。但算法卻截然不同，算法的底層符碼不是文字而是數(shù)字。它的組構(gòu)方式是計算，以一組數(shù)字狀態(tài)位或一種數(shù)字矩陣的排列形態(tài)來完成計算表達。文字與數(shù)字全然是兩套符號體系。另一方面，規(guī)范的邏輯展開依賴于常識與共識的因果律，這源于人類實踐的經(jīng)驗總結(jié)與智慧累積，而算法的因果是一種函數(shù)表達，是源于數(shù)學公理與公式的組合疊加。兩者運行的邏輯大相徑庭，是兩種不同智能的理性呈現(xiàn)。

規(guī)范與算法之間所缺乏的直接對應(yīng)性與流暢溝通性帶來了算法規(guī)制上的難題：用規(guī)范如何規(guī)制算法？比如，當我們用透明性原則去要求一種算法時，我們究竟在要求什么？當算法的數(shù)學復雜性遠遠超出常人的認知時，因復雜性所產(chǎn)生的難以理解是否算作一種不透明？

See Paula J. Bruening & Mary J. Culnan， Through a Glass Darkly： From Privacy Notices to Effective Transparency， 17 North Carolina Journal of Law and Technology， p.515-563 （2016）.當所有的算法設(shè)計與架構(gòu)都是明確的，只因海量數(shù)據(jù)所推動的運算輸出的結(jié)果不為人所預料能否算作一種不透明？當算法本身的智能是通過隱藏層的計算才得以表達時，能否算作另一種不透明（比如，深度學習的基本原理就是依靠卷積隱藏層的計算）？

See Ananny M.& Crawford， Seeing without knowing： Limitations of the transparency ideal and its application to algorithmic accountability， New Media & Society，20（3），973（2018）.算法被改造成怎樣的面目，才能被規(guī)范視為透明？而當算法自身內(nèi)在的數(shù)學原理與公式邏輯不允許它被強制改造時，該算法是否就要被遺棄？這些表明，規(guī)范已經(jīng)在算法面前顯露出它脆弱和淺薄的一面。

參見蔡星月：《以算法規(guī)制算法》，載《華中科技大學學報（社會科學版）》2023年第4期，第111-117頁。“問題在于，法律如何介入算法的規(guī)制。若從內(nèi)部規(guī)制的角度觀察，法律似乎不能亦不應(yīng)調(diào)整算法，就像法律不能調(diào)整自然人的內(nèi)在意思一樣。”

參見 ＼凱倫·楊、馬丁·洛奇編：《馴服算法：數(shù)字歧視與算法規(guī)制》，林少偉、唐林垚譯，上海人民出版社2020年版，第5頁。

二、算法規(guī)制的橫向維度：一般性與特殊性

（一）算法的一般性

規(guī)范在算法上所遭遇的危機使得其對算法的規(guī)制起步于概念，也止步于概念。如前所述，通過概念，規(guī)范與規(guī)范對象建立起二元結(jié)構(gòu)。正是把規(guī)范對象統(tǒng)攝為高度概括的一個概念后，規(guī)范之于規(guī)范對象之間的關(guān)系就被平移為規(guī)范之于概念之間的關(guān)系。通過這種操作，規(guī)范獲得了主體性（支配地位）的優(yōu)勢，可以經(jīng)由這個概念去規(guī)制對象；與此同時，這個概念逐步被解釋，進而替代了被規(guī)范對象本身，成為了被規(guī)制的客體（被支配地位），接受來自規(guī)范主體的審視與評價。由此，“上—下”“主—從”“中心—邊緣”“第一性—第二性”的勢能差距便不斷被強化，規(guī)范的慣用技法與普適操作進而長驅(qū)直入被規(guī)范對象之中，由此規(guī)制得以完成。

一直以來，算法就遭遇了這樣的“套路”。當算法作為“算法”二字所組合出的一個概念文義時，“算法”這一概念就替代了人工智能領(lǐng)域諸多豐富而多樣的程序設(shè)計、數(shù)學表達、代碼架構(gòu)等等智能形態(tài)，而成為一個可被規(guī)制的集合概念。也正是采用這一概念，規(guī)制算法的前提——對算法的集成表達得以滿足，規(guī)范得以應(yīng)用于算法，發(fā)揮出它一貫的規(guī)制功能。

規(guī)范對算法的規(guī)制，沿襲了以規(guī)范為中心的結(jié)構(gòu)化認識論立場，主張把算法作為規(guī)范分析框架中的一個對象概念、一種生活事實，通過這樣的界定，算法就以事實形態(tài)的概念物，從規(guī)范體系之中被解釋出來，再通過涵攝等方法重建規(guī)范與算法之間的規(guī)制關(guān)系。

參見雷磊：《法教義學的基本立場》，載《中外法學》2015年第1期，第198-223頁。這是一種訴諸純粹形式的認識論框架，在這一框架中，規(guī)范與算法分野明顯。規(guī)范訴諸于一種純粹形式的應(yīng)然性，視為基于抽象純粹理性的思維表達，體現(xiàn)出法律價值的集成作用，

參見＼卡爾·拉倫茨：《法學方法論》，黃家鎮(zhèn)譯，商務(wù)印書館2020年版，第253-263頁。它凌駕于算法之上，作為一種解釋工具與改造工具，為算法提供智識功能，展示“應(yīng)當”的應(yīng)然邏輯空間；而算法則被視作人工智能這一現(xiàn)象的集體表達，人工智能的豐富性被吸收到這一與之相對應(yīng)的概念之中，由此建立起一致的“這一算法決策屬于何種概念”的實然世界，為規(guī)范的統(tǒng)一適用創(chuàng)設(shè)出了一般性的法則與場景。由此，形成了應(yīng)然與實然、價值與事實、主體與客體截然二分的認識論架構(gòu)。正是在此架構(gòu)中，規(guī)范展示了它對規(guī)制對象一貫的概念作用力，將算法不加區(qū)分地整體納入法秩序調(diào)整范疇。

基于上述認識論立場，規(guī)范對算法的規(guī)制方式主要是通過涵攝的方法將規(guī)范的標準解釋對應(yīng)到作為事實的算法上，以標準化適用支撐算法規(guī)制的理性。它解決了算法一般性上的規(guī)制問題，但也客觀上造成了算法規(guī)制脆弱性的一面，規(guī)范不可避免地忽視了算法因技術(shù)復雜性而帶來的特殊性。一方面，每一種算法都代表著一種邏輯，算法的概念聚合并不能代表算法的聚合，尚未有統(tǒng)攝各算法的一致表達。另一方面，算法作為一種數(shù)學思維的數(shù)字化呈現(xiàn)，始終在不斷進化，White Paper on Artificial Intelligence - A European Approach to Excellence and Trust，

European Commission（Feb.19，2020）， https：//commission.europa.eu/system/files/2020-02/commission-white-paper-artificial-intelligence-feb2020_en.pdf.它展示出數(shù)學思維方式的豐富多樣性，一直保持著理性的進階狀態(tài)，卻不拘泥于理性的固定態(tài)。從某種程度上說，諸算法所蘊含的復雜智能的理性化程度遠遠高于生活世界中的一般事實水平，用規(guī)范所營造出的理念世界中的單一概念去籠統(tǒng)地涵攝龐大復雜的算法世界，統(tǒng)合所有算法的規(guī)制路徑，只能說是應(yīng)對高度復雜的技術(shù)思維的一種妥協(xié)。這只能算作規(guī)制算法的第一步。

這一步的優(yōu)點在于，通過概念建構(gòu)，規(guī)范成功把握住了算法的一般性，將諸算法具有內(nèi)在一致性的諸原則、諸方式、諸路徑加以統(tǒng)一規(guī)制，規(guī)范立足在諸算法的一般性之上。它從諸算法中抽離出某些標準化內(nèi)容，視作人工智能的“擬行為”，以規(guī)制人類行為的同樣手段規(guī)制人工智能的這些“擬行為”，由此確立了規(guī)范的支配地位，使算法仍在既有法律框架內(nèi)得以“解釋—改造”，仍處于傳統(tǒng)的法解釋的射程內(nèi)。

參見＼布萊恩·比克斯：《法理學：理論與語境》（第4版），邱昭繼譯，法律出版社2008年版，第107-118頁。這一步的缺點在于，規(guī)范以概念涵攝的方式對算法的規(guī)制會停留于表面，不能穿透算法所搭建的深度復雜的數(shù)理邏輯的縱深之處，規(guī)范理性會遭遇算法理性的回懟，甚至被算法理性所瓦解。對算法一般性的高度抽象的概念化規(guī)制化解不開各種算法在現(xiàn)實應(yīng)用中的種種具象問題，對算法規(guī)制的展開必須從算法的一般性走向算法的特殊性。

（二）算法的特殊性

在算法一般性上的規(guī)制僅僅將算法預先設(shè)定在一個法意義貧乏的認知框架內(nèi)，從而過濾了其豐富內(nèi)涵與巨大潛能。提升算法規(guī)制的效能，需要走出這個框架，立足于在算法各特殊性的層面上展開對話，借此打開算法規(guī)制的深層結(jié)構(gòu)，并為其找到一個更加穩(wěn)固的規(guī)制“奇點”。從算法一般性到算法特殊性，不是斷裂性的范式轉(zhuǎn)向，而是其邏輯延展的必然方向。對算法的真正治理必須深入到算法各特殊性的內(nèi)部，在更為立體的框架上建構(gòu)起規(guī)范與算法的互動關(guān)系。

算法的特殊性表現(xiàn)在由于算法技術(shù)的多樣性與復雜性，不同算法的應(yīng)用會呈現(xiàn)出不同的決策特征。算法的特殊性建立在兩個基本維度上：場景空間與遠近時間。一方面，數(shù)字場景的豐富性催生了算法多樣性生態(tài)，算法總是具化為特定數(shù)字場景中的解決方案，其本質(zhì)為一套特定的思維策略。不同算法通過其在不同場景中的策略及其應(yīng)用來表達出自身的特殊性。正是數(shù)字場景的“具體性”決定了算法設(shè)計與應(yīng)用的“特殊性”。

參見丁曉東：《論算法的法律規(guī)制》，載《中國社會科學》2020年第12期，第150頁。由于我國數(shù)字實踐日益豐滿，數(shù)字場景愈發(fā)豐富，隨之由場景實踐所規(guī)定的算法便表現(xiàn)出多樣化的特殊性特征。

參見曲縱翔、叢杉：《論算法驅(qū)動下的數(shù)字界面及其場景化》，載《學習論壇》2022年第5期，第50-60頁。另一方面，以技術(shù)為動力的算法始終在迭代，算法所呈現(xiàn)出的數(shù)據(jù)結(jié)構(gòu)與技術(shù)路線會持續(xù)滾動更新。White Paper on Artificial Intelligence - A European Approach to Excellence and Trust，

European Commission（Feb.19，2020）， https：//commission.europa.eu/system/files/2020-02/commission-white-paper-artificial-intelligence-feb2020_en.pdf.這使得算法并非一成不變，它不是固定化的自身，而應(yīng)視為在時間演進的長時段尺度上累積出的自身歷史的集成態(tài)。換句話說，每一種算法都是過去式與現(xiàn)在式的合成體，它們從未停止在時間維度上的延展。

與之相對應(yīng)，對算法的規(guī)制也必然需要融入這兩個維度中，即在時間與空間中呈現(xiàn)規(guī)制的可能性。這意味著，算法規(guī)制不局限于一般性的視野，需要在一個完全不同于概念式規(guī)制的新框架之中去設(shè)計。需要把某種具體規(guī)則溶解于算法之中，成為算法運行中的一部分，作為算法這一思維策略中的一種“考慮因素”，也就是使算法產(chǎn)生“規(guī)范意識”。

參見武先云：《個體行動與現(xiàn)代生活的意義——馬克斯·韋伯“規(guī)范意識”概念的當代解讀》，載《當代中國價值觀研究》2020年第2期，第26-38頁。具體而言，就是在具體場景中針對算法的違法風險設(shè)計某種具體規(guī)則，把這種規(guī)則轉(zhuǎn)化為數(shù)字表達，植入到算法設(shè)計程序之中，并確保在算法的更新迭代中被同步更新迭代，在時間與空間中使“規(guī)范—算法”兩者融為一體，而不僅僅對算法作外部規(guī)制。這種規(guī)制方式會有效解決法律概念對算法一般性規(guī)制的表面化與軟弱性問題，使算法規(guī)制邁向第二層級。它針對具體情境中的算法諸特殊性展開，超越一般概念的抽象性形式，考察規(guī)范與算法兩者間的對應(yīng)與溝通關(guān)系，并通過將文字符號轉(zhuǎn)寫為數(shù)字符號進入到算法特殊性的內(nèi)部，以此增加算法內(nèi)在架構(gòu)中的規(guī)范性配比，進而完成對算法的規(guī)制。可以說，在算法特殊性上展開規(guī)制，是算法規(guī)制的一次重大轉(zhuǎn)向，實現(xiàn)了從生產(chǎn)規(guī)范以規(guī)制算法一般性到規(guī)范在算法特殊性中的再生產(chǎn)，顛覆算法規(guī)制的傳統(tǒng)邏輯，賦予了算法世界新的規(guī)范性意義。

對算法的規(guī)制必須找到一種更具有法意義的定位，必須在算法更為寬廣的橫斷面上展開規(guī)制的框架結(jié)構(gòu)，顧及算法的特殊性，

See Joshua A. Kroll， Barocas S， et al.， Accountable Algorithms， University of Pennsylvania Law Review， Vol.165，p.633-640（2017）.唯有如此，規(guī)范才能真正在基于數(shù)理邏輯的算法領(lǐng)域發(fā)揮與在人類生活領(lǐng)域同樣的功能與效力。進入算法的特殊性領(lǐng)域，算法規(guī)制才能跳出單純依賴概念或規(guī)制的“規(guī)制—算法”二元結(jié)構(gòu)的窠臼，擺脫僅停留于一般性規(guī)制上的無力狀態(tài)。

三、算法規(guī)制的縱向維度：現(xiàn)象層與隱藏層

算法不僅呈現(xiàn)出上述一般性與特殊性的特性差異，還具有深淺不同的縱深上的不同層級。特別是深度學習算法，

深度學習是近年新興的機器學習研究領(lǐng)域，其方法是具有多個表示層的表示學習方法，通過組合簡單但非線性的模塊獲得，每個模塊將一個級別的表示（從原始輸入開始）轉(zhuǎn)換為更高、稍微更抽象級別的表示。通過足夠多的此類變換的組合，可以學習非常復雜的函數(shù)。See LeCun， Y.， Bengio， Y. et al.， Deep Learning， Nature 521， p.436-444（2015）.深度學習是計算機從經(jīng)驗中學習，并根據(jù)層次化的概念體系來理解世界，而每個概念則通過與某些相對簡單的概念之間的關(guān)系來定義。讓計算機從經(jīng)驗獲取知識，可以避免由人類來給計算機形式化地指定它需要的所有知識。參見＼伊恩·古德費洛、［加］約書亞·本吉奧、［加］亞倫·庫維爾：《深度學習》，趙申劍等譯，人民郵電出版社2017年版，第1頁。對它的認識需要從多維度展開。目前，機器學習算法，尤其是深度學習技術(shù)已經(jīng)被廣泛用于生產(chǎn)和生活實踐的諸多場景，如正被理論與實務(wù)界熱議的、以ChatGPT

ChatGPT是美國人工智能研究實驗室OpenAI推出的一種全新生成式人工智能模型，本質(zhì)上是一種“生成型預訓練語言轉(zhuǎn)換器”。它基于大量數(shù)據(jù)訓練，可以學習和理解人類的語言，并進行交流對話，甚至能完成撰寫郵件、制作視頻腳本、創(chuàng)作文案、翻譯、編寫代碼等任務(wù)，具有極強的“內(nèi)容創(chuàng)作”和“思考”能力。See Van Dis， et al.， ChatGPT：Five Priorities for Research，Nature 614（7947）， p.224-226（2023）.為代表的生成式人工智能（Generative AI）

生成式人工智能不再局限于按照事先指定的程序來決策，而是能實現(xiàn)自主性內(nèi)容創(chuàng)造。參見中國通信研究院、京東探索研究院：《人工智能生成內(nèi)容（AIGC）白皮書》，

漯河市行政審批和政務(wù)信息管理局官方網(wǎng)站2022年11月2日，https：//dsj.luohe.gov.cn/lhmenhu/85010cd6-6e4f-4247-af97-17793df992b9/77921362-c87c-4a5a-be89-860f97fdb698/P020220913580752910299.pdf。隨著深度學習技術(shù)的不斷發(fā)展，大量生成式AI內(nèi)容涌現(xiàn)，工業(yè)界率先引入AIGC這一術(shù)語來描述生成式AI產(chǎn)出的數(shù)字資源，并將其與專業(yè)生產(chǎn)內(nèi)容（PGC）和用戶生成內(nèi)容（UGC）加以區(qū)分。See White R， Cheung M.， Communication of Fantasy Sports： A Comparative Study of User Generated Content by Professional and Amateur Writers， IEEE Transactions on Professional Communication，Vol.58：2，p.192-207（2015）.和無人駕駛汽車的核心決策系統(tǒng)使用的都是深度學習算法。基于人類探知的深度差異，可以把這一類算法區(qū)分為現(xiàn)象層與隱藏層。算法的現(xiàn)象層表示的是為人類可知可見的算法的基本形態(tài)，主要指算法設(shè)計與架構(gòu)等方面。這是建立算法的初階形態(tài)，也是人類運用數(shù)理邏輯所編程出的計算思路。由于它屬于算法的原理呈現(xiàn)，且以人工設(shè)計編排為主，故它必然為人類所理解。可以說，算法的現(xiàn)象層就是人類智能與人工智能有效交互的界面，是兩種智能的交集域。算法的隱藏層表示的是算法展開深度運算的內(nèi)核層級，主要指基于算法思路設(shè)計后經(jīng)由大數(shù)據(jù)的洗滌過濾的隱藏計算層面。

參見＼杰瑞·卡普蘭：《人工智能時代：人機共生下財富、工作與思維的大未來》，李盼譯，浙江人民出版社2016年版，第24頁。比如，深度學習中的隱藏層，這是算法實現(xiàn)人工智能的核心部分，也是人工智能區(qū)別于人的智能、不被人所掌握的區(qū)域。由于它是因大容量運算與復雜計算所不斷累積沉淀下來的算法的深層，

參見俞士汶、朱學鋒、耿立波：《自然語言處理技術(shù)與語言深度計算》，載《中國社會科學》2015年第3期，第134頁。是區(qū)別于人類智能的標志區(qū)域，故它難以被人類所認知。

就人類智能而言，人類認知涉足于算法的現(xiàn)象層，止步于隱藏層；就人工智能而言，現(xiàn)象層是一種由人類設(shè)定的先驗，而隱藏層則是機器具備所謂“自主意志”之后由其自主展開計算的后驗。

參見楊延超：《機器人法：構(gòu)建人類未來新秩序》，法律出版社2019年版，第8-12頁。

對算法現(xiàn)象層與隱藏層的區(qū)分，并非刻意的人為劃分，而是在深刻認知人工智能技術(shù)原理基礎(chǔ)上的自然區(qū)分。當人類智能與人工智能兩種不同構(gòu)成方式的智能體彼此交互時，既存在相互間的交集，又保有專屬各自的區(qū)域。從人類視角看，人類智能向人工智能的探知方向存在一個從可知到不可知的梯度變化：現(xiàn)象層就是其中的可知區(qū)間，這是人機交互的溝通界面。在這一層級，人類正是通過編程機器運行的規(guī)則賦予了人工智能一種人工的構(gòu)造性力量，使算法得以誕生。所以，現(xiàn)象層為人工智能奠基，成為算法思維的建筑術(shù)。借助于現(xiàn)象層的可知性與交互性，人機保持了彼此作用、相互助力的可能。

但僅僅具有現(xiàn)象層，人工智能并不能被稱為智能。智能本身要求必須具備智慧的自主性與智力的獨立性，當一種智能僅限于人工時，那就只能是人的智能的表現(xiàn)形式而已。人工智能的本質(zhì)要求是在人工基礎(chǔ)上表達出超越人類智能的新智能。所以，在現(xiàn)象層所搭建的算法架構(gòu)與運算程序僅僅是人工智能的起源，其智能的內(nèi)容仍舊是空乏的，需要算法通過自身的自主運算不斷被填充，這就過渡到隱藏層。隱藏層沉積的是算法的深度運算，通過一種非可視計算，孕育出人工智能的獨有智慧。隱藏層正是人工智能存在的基礎(chǔ)，算法由此產(chǎn)生不同于人思考的智能表達。隱藏層的最大特征在于它的不透明性。我們難以得知人工智能如何做出決策，這才是人工智能存在的意義。它的不透明性帶來了它作為智能的獨立性，這是它區(qū)別于人類智能的根本之所在。現(xiàn)象層與隱藏層是算法固有特性的自然呈現(xiàn)，兩者共同構(gòu)成算法的智能的層級結(jié)構(gòu)。

對算法予以規(guī)制就必須理解并尊重算法的天然縱深線。規(guī)制是一個法律意義賦予的過程，作為人類智能的一種輸出形式，規(guī)范也必須接受算法在層級結(jié)構(gòu)上的即存事實。以概念形態(tài)表示的規(guī)范意義很難進入到算法的隱藏層，不可能對算法深層產(chǎn)生實質(zhì)性的規(guī)制作用力，所以它的著力點應(yīng)落腳于算法的現(xiàn)象層。但是，就目前來看，規(guī)范之于算法的規(guī)制仍停留于以概念的直觀樸素應(yīng)對算法的繁復多變。我們做出一個規(guī)范判斷卻并未驗證其對算法的適用效果，它們不知不覺成為了單純的規(guī)制意愿，我們以為算法就是如此這般“聽話”，但卻并未證實算法運行后是否如我們所想象的那樣聽話。由于它沒有回歸到算法的內(nèi)部技術(shù)約束上，必然止步于規(guī)制的外部想象。由于算法是一種基于數(shù)理思維的智能決策，所以為了使其“聽話”，作為以人類語言來表達文字思維的規(guī)范欲有效規(guī)制以機器語言來表達數(shù)字思維的算法，就必須通過與算法內(nèi)在的匹配與溝通而被“充實”。一旦算法內(nèi)部被填充進規(guī)制規(guī)則，那么規(guī)制算法就不再是一個意向物，而是一種作為落地的約束，在算法中“創(chuàng)生出更有效率的治理技術(shù)”，

參見王奇才：《元宇宙治理法治化的理論定位與基本框架》，載《中國法學》2022年第6期，第161頁。從而有效限定了算法。更為重要的是，算法執(zhí)行現(xiàn)象層所設(shè)定的規(guī)制規(guī)則時，必須自主地將約束帶入到算法的隱藏層，使隱藏層在運行中仍然保持規(guī)制的效率，由此將規(guī)制從人為轉(zhuǎn)變?yōu)闄C器的自主。

為了實現(xiàn)這一點，算法規(guī)制必須實現(xiàn)規(guī)制的數(shù)字化，即用計算機語言重寫規(guī)制的核心要點，以數(shù)字化的機器語言輸入算法系統(tǒng)，使某種我們意欲實現(xiàn)的規(guī)范轉(zhuǎn)變成計算機程序設(shè)計中的某個代碼，從算法架構(gòu)之初就使其具備某種被規(guī)制的基因，以此真正實現(xiàn)算法的深度規(guī)制。尤其是在當下的數(shù)字社會中，數(shù)據(jù)的可計算性決定了以其為基礎(chǔ)的法律活動幾乎都是可計算的，規(guī)范便可轉(zhuǎn)變?yōu)橐詳?shù)據(jù)呈現(xiàn)的機器語言。

參見彭誠信：4c230480ede19914512abbf3373163e9607d7c39ef638ca9fb3f55732cb58dae《數(shù)字法學的前提性命題與核心范式》，載《中國法學》2023年第1期，第88頁。把規(guī)范以機器語言的復寫方式植入到算法的現(xiàn)象層，通過算法在現(xiàn)象層的運算逐步帶入到隱藏層，從內(nèi)部發(fā)揮出規(guī)制的約束力，進而達成實質(zhì)意義上的算法規(guī)制，這便是算法規(guī)制的應(yīng)然邏輯和科學方案。

需要指出的是，現(xiàn)象層與隱藏層并非涇渭分明，兩者共同表達了計算不斷深化過程中的自然分層，現(xiàn)象層與隱藏層之間存在相互交匯的過渡地帶，且兩者之間的占比也因算法的不同而不同。這是描述算法復雜性的一種方式，借助這種方式，我們可以進一步探索基于不同層級特點的、有針對性的規(guī)制方案。正是對算法技術(shù)復雜性的深刻理解，才使得對算法的規(guī)制保持一種謹慎的理性，使得一種在現(xiàn)象層的剛性約束與在隱藏層上的柔性約束相融合的規(guī)制策略得以可能。

四、算法的分層規(guī)制

面對規(guī)范與算法之間的鴻溝，我們需要丈量兩者之間的距離，鋪設(shè)相互銜接的步驟，調(diào)適不同層級的規(guī)范規(guī)制程度，以此確保算法規(guī)制的有效性與合理性。這一點自然能夠推導出對算法及其規(guī)制進行區(qū)分與結(jié)構(gòu)化處理的意義。我們須在規(guī)范與算法之間的空間尺度上劃分出若干層級，并針對各層的算法情形作出規(guī)制可能性上的系列判斷，建立算法的分層規(guī)制框架。唯有如此，才能真正重新奠定算法規(guī)制的基礎(chǔ)，這是構(gòu)建算法規(guī)制體系的首要任務(wù)。

上文分析表明，算法具有一種“經(jīng)緯結(jié)構(gòu)”。一方面，算法的一般性與特殊性，作為算法橫向上的區(qū)分工具，表示算法共同性與個體性的不同尺度。另一方面，算法的現(xiàn)象層與隱藏層，

作為算法縱向上的延展表征了算法智能深淺的差異層級與縱深空間。這些共同構(gòu)成了算法的二維結(jié)構(gòu)，兩個維度上的四種元素的交叉產(chǎn)生四種組合的算法位：現(xiàn)象層中的一般性、現(xiàn)象層中的特殊性、隱藏層中的一般性、隱藏層中的特殊性。這四種算法位就是算法集合展開的排列矩陣。相應(yīng)地，規(guī)范針對不同點位上的算法表現(xiàn)出不同的規(guī)制效能。如表1所示：

算法位能夠表征規(guī)范與算法之間的距離。它表明，規(guī)制不是作用于算法的一成不變的靜態(tài)約束，而是一種不斷延展與收縮的動態(tài)力量，它依據(jù)不同的算法位和在該算法位上的算法特征而調(diào)整變化。這樣，對算法的規(guī)制可以理解為規(guī)范在算法的經(jīng)緯框架之中以某種滑動標尺的方式移動，隨滑動到的算法位的不同而不同，并在算法分布的統(tǒng)一體中保持規(guī)制上的連續(xù)體。算法是一個集合概念，它反映出一群具化計算形態(tài)的策略機制的集體表達。

參見王前：《人工智能發(fā)展對認識論研究的若干啟示》，載《長沙理工大學學報（社會科學版）》2022年第2期， 第30-36頁。作為一種集合體，算法自然持有其獨特的分布狀態(tài)，呈現(xiàn)出特定的延展結(jié)構(gòu)。

參見［美］克里斯托弗·斯坦納：《算法帝國》，李筱瑩譯，人民郵電出版社2014年版，第41-61頁。這意味著規(guī)制算法首先需要認清它的分布格局，進入這一多維的延展格局之中，在更為精細的層級上處理規(guī)范與算法的關(guān)系。

1.現(xiàn)象層一般性的原則規(guī)制

現(xiàn)象層的一般性領(lǐng)域是算法最透明的部分，也是最易于接受規(guī)制的部分。這一算法位提取了算法中的表層一般性，表現(xiàn)出高度的抽象性，極為適合以概念為工具的規(guī)范規(guī)制。基于現(xiàn)象層的一般性上的規(guī)制實際上是一種法律原則性規(guī)制。這并非是僅應(yīng)用法律的原則來規(guī)制，而是說，無論是法律原則還是法律規(guī)則，在這一層面都只能是原則性的，因為規(guī)制的對象是在算法可知的現(xiàn)象層提煉出的一般性內(nèi)容，是算法最通用的、最普適的部分。越通用、越普適，抽象化程度就越高，以概念這一抽象物來加以規(guī)制就越容易，但規(guī)制的作用力就越弱。規(guī)制的便利程度與規(guī)制力度成反比。因此，在這一算法位上的規(guī)制易于理解、可以通用，但效能卻有限。比如，致力于網(wǎng)絡(luò)餐飲平臺送餐員權(quán)利保護的“算法取中”原則，

參見市場監(jiān)管總局等七部門聯(lián)合印發(fā)《關(guān)于落實網(wǎng)絡(luò)餐飲平臺責任切實維護外賣送餐員權(quán)益的指導意見》（2021年7月印發(fā)）第2款：“不得將‘最嚴算法’作為考核要求，通過‘算法取中’等方式，合理確定訂單數(shù)量、準時率、在線率等考核要素，適當放寬配送時限。” 它要求在對餐飲人員進行考核時，不得將“最嚴算法”作為考核要求，要合理確定訂單數(shù)量、準時率、在線率等考核要素，適當放寬配送時限，這是針對算法現(xiàn)象層的一般性規(guī)定。但在具體適用時，多少的訂單量和怎樣的準時率屬于“合理”，多久的時限能算作“放寬”等都缺乏具體的判斷標準，影響著該原則的效能實現(xiàn)。

在算法應(yīng)用領(lǐng)域，原則規(guī)制穩(wěn)定地引導與協(xié)調(diào)著參與各方的合法合規(guī)行為。比如，《個人信息保護法》第6條規(guī)定的目的限制原則，作為個人信息保護法律原則體系的“帝王條款”，它要求運用算法技術(shù)進行數(shù)據(jù)收集和處理之時要以謙抑和自我約束的態(tài)度，做到處理目的明確、處理行為與目的直接相關(guān)，處理結(jié)果對個人影響最小。

參見《中華人民共和國個人信息保護法》第6條：“收集個人信息應(yīng)當限于實現(xiàn)處理目的的最小范圍，不得過度收集個人信息。這條規(guī)定旨在保護個人信息安全，防止個人信息被過度收集和濫用。”該條款即是針對算法現(xiàn)象層一般性的原則規(guī)定，體現(xiàn)在數(shù)據(jù)治理實踐中，參與各方需要建立一個“共識處理架構(gòu)”，在這一架構(gòu)下共享數(shù)據(jù)處理目的，并將數(shù)據(jù)處理目的凝聚成特定的“共識”，確保數(shù)據(jù)流轉(zhuǎn)后被固定化在特定范圍之內(nèi)，避免參與各方在“共識之外”將數(shù)據(jù)用于其他目的。

參見抖音集團數(shù)據(jù)及隱私法務(wù)：《隱私計算法律適用規(guī)則報告》，載上海市法學會編：《上海法學研究》2022年第20卷上海人民出版社2022年版，第23-24頁。再比如，在網(wǎng)絡(luò)安全與算法言論的治理框架下，原則上要對網(wǎng)絡(luò)安全進行分等級保護，其中應(yīng)將明確損害國家安全的信息內(nèi)容和若遭到破壞、喪失功能或者數(shù)據(jù)泄露可能會危害國家安全的信息列為最高保護等級予以重點保護。

參見《中華人民共和國網(wǎng)絡(luò)安全法》第12條、公安部《網(wǎng)絡(luò)安全等級保護條例（征求意見稿）》第15條。將這一原則用以規(guī)制人工智能生成內(nèi)容，是在算法現(xiàn)象層上對生成內(nèi)容予以總體控制，要求平臺對算法生產(chǎn)的信息內(nèi)容進行過濾審查，而具體的過濾審查，則需要通過針對算法的特殊性進行分場景的細化規(guī)則規(guī)制來實現(xiàn)。

2.現(xiàn)象層特殊性的規(guī)則規(guī)制

現(xiàn)象層的特殊性只作為各種算法設(shè)計架構(gòu)中的獨有部分，即每一種算法的不同編程方式，或者應(yīng)用于特定的數(shù)字場景或基于特定數(shù)據(jù)集，或者采用新型機器語言表達等等。

See Mireille Hildebrandt， Law as Computation in the Era of Artificial Legal Intelligence： Speaking Law to the Power of Statistics， University of Toronto Law Journal，

Vol.68：Supplement 1，p.12-35（2018）.它既代表現(xiàn)有算法上的多樣性，也代表探索算法的創(chuàng)新性。這一算法位是可知的算法的具化表達，它仍是透明的，但它的透明性需要在具體場景中捕獲。

See Robert Brauneis & Ellen P. Goodman， Algorithmic Transparency for the Smart City， Yale Journal of Law and Technology， Vol.20， p.103-176 （2018）.

因此，在這一算法位上的規(guī)制要求規(guī)范從原則層面再向前邁進一步，進入到算法之中，在其中建立規(guī)范。由于這種規(guī)范必須是與特定場景中的具化算法相配套的，所以不是法律原則規(guī)范，而必然是法律規(guī)則規(guī)范。也就是說，規(guī)則不一定具有適用于其他算法的普遍性，但卻能夠很好地約束“這一款”算法。這意味著在此算法位，規(guī)范與算法是深度融合的，且這種融合具有專屬特性。這是算法規(guī)制精細化的必由之路，規(guī)制算法的路徑需在這一空間展開。

具體而言，針對此層級的規(guī)則規(guī)制需要置于具體的算法應(yīng)用場景中，因為場景不同，算法的性質(zhì)便會不同。

參見丁曉東：《論算法的法律規(guī)制》，載《中國社會科學》2020年第12期，第150頁。比如，在上文所述個人數(shù)據(jù)處理的目的限制原則之下，存在針對具體場景的諸多規(guī)則，其中隱私計算的“共識處理架構(gòu)”規(guī)則包括了計算參與方共同設(shè)定明確的計算目標、共同約定計算邏輯、隱私計算對原始數(shù)據(jù)的處理專為實現(xiàn)計算目標而特別“定制”、接受特定技術(shù)方案約束等子規(guī)則。

參見抖音集團數(shù)據(jù)及隱私法務(wù)：《隱私計算法律適用規(guī)則報告》，載上海市法學會編：《上海法學研究》2022年第20卷上海人民出版社2022年版，第24頁。這些規(guī)則是目的限制原則在隱私計算場景中的具體展開，是對原則中“處理目的明確、處理行為與目的直接相關(guān)、處理結(jié)果對個人影響最小”三項總體要求的細化規(guī)定，需要落實到各種特殊應(yīng)用場景的算法現(xiàn)象層中。再比如，在上文提及的網(wǎng)絡(luò)安全分等級保護原則，在生成式人工智能虛假有害信息的治理實踐中被轉(zhuǎn)化為以下規(guī)則：一是建立覆蓋模型搭建、訓練和運行的統(tǒng)一信息內(nèi)容審查過濾標準；二是將明確損害國家、社會安全利益的信息內(nèi)容列為“最高敏感級”，在訓練初期，應(yīng)從數(shù)據(jù)庫中予以標記和剔除；三是在數(shù)據(jù)策劃、數(shù)據(jù)提示和數(shù)據(jù)微調(diào)階段設(shè)立定期巡查機制，對相關(guān)內(nèi)容予以及時清洗和過濾。

參見朱嘉珺：《生成式人工智能虛假有害信息規(guī)制的挑戰(zhàn)與應(yīng)對——以ChatGPT的應(yīng)用為引》，載《比較法研究》2023年第5期，第50-51頁。這些規(guī)則要求對算法現(xiàn)象層的特殊性予以分段處理，體現(xiàn)出規(guī)則規(guī)制的確定性與針對性。

3.隱藏層一般性的技術(shù)規(guī)制

隱藏層的一般性指算法在深度運算中所生成的一般特征，是不同算法在各自隱藏計算后浮現(xiàn)出的共性的表示，是人類智能探知人工智能的邊界。在這一算法位，雖然不能全然知曉各算法特征的來源與理由，但通過對一般性的歸納與總結(jié)，我們尚能感知到算法計算的趨向與路線。這些涌現(xiàn)出的一般性成為人類智能理解人工智能的某種線索，也是算法哪些方面在未來需要被規(guī)制的某種提醒。所以，它只能是待規(guī)范規(guī)制的領(lǐng)域，雖表示出未來有可能需要被規(guī)制的方面，但尚不確定該如何規(guī)制。也就是說，它表達了規(guī)范規(guī)制的潛在性，具有上升到現(xiàn)象層的某種潛質(zhì)，需要對各種算法共性的不斷累積來增加其上升的速率，當它累積足夠成熟后，便會進入現(xiàn)象層，成為規(guī)范明確作用的對象。伴隨著新技術(shù)的進步與人類對算法認知掌控的加強，隱藏層的一般性會被更多地開發(fā)出來，會從隱含的狀態(tài)逐步攀升到現(xiàn)象層。因此，它是算法層級躍遷的過渡渠道。鑒于它始終處于發(fā)展位，規(guī)范對其的規(guī)制力量和效果相當有限，需要尋找其他的替代性規(guī)制方法。

經(jīng)典架構(gòu)理論將代碼作為法律，挖掘了代碼替代法律在網(wǎng)絡(luò)空間發(fā)揮規(guī)范作用的可能性，

參見＼勞倫斯·萊斯格：《代碼2.0：網(wǎng)絡(luò)空間中的法律》（修訂版），李旭、沈偉偉譯，清華大學出版社2018年版，第1頁。現(xiàn)今如果把代碼換成算法，在邏輯上也能成立，

參見胡凌：《數(shù)字架構(gòu)與法律：互聯(lián)網(wǎng)的控制與生產(chǎn)機制》，北京大學出版社2024年版，第191頁。即算法作為一種技術(shù)，也可起到規(guī)制算法的作用。實際上，我們無需將技術(shù)類比為法律，也無需把規(guī)則看作算法。技術(shù)本身就具備規(guī)制的功能，它無需做形式的轉(zhuǎn)換即可對算法產(chǎn)生影響。尤其是在算法的隱藏層，技術(shù)制衡技術(shù)將成為人對算法進行間接控制的重要方式。

參見季衛(wèi)東：《數(shù)據(jù)、隱私以及人工智能時代的憲法創(chuàng)新》，載《南大法學》2020年第1期，第1頁。我們無法通過摸清算法運算的深層邏輯而起草新的法律對其予以規(guī)制。此時，單憑法律規(guī)范已無法全然維系算法世界的秩序，故算法規(guī)制路徑應(yīng)從依賴原則和規(guī)則的規(guī)范規(guī)制轉(zhuǎn)向技術(shù)規(guī)制，從而在基于規(guī)則的秩序之下，建立一種基于技術(shù)的秩序。

以隱私計算技術(shù)為例，在數(shù)據(jù)處理的目的限制原則之下，假設(shè)在金融風險監(jiān)測場景中，我們通過“共識處理架構(gòu)”規(guī)則明確了企業(yè)A和銀行B聯(lián)合建模的計算目的（為了建立企業(yè)A金融風險評分模型以實現(xiàn)對其貸后風險的動態(tài)監(jiān)測）與計算邏輯（企業(yè)A的貸款數(shù)據(jù)、經(jīng)營數(shù)據(jù)、在某金融政務(wù)數(shù)據(jù)庫中的不動產(chǎn)抵押數(shù)據(jù)等三類數(shù)據(jù)與企業(yè)A貸后風險評分的函數(shù)關(guān)系）。

參見抖音集團數(shù)據(jù)及隱私法務(wù)：《隱私計算法律適用規(guī)則報告》，載上海市法學會編：《上海法學研究》2022年第20卷上海人民出版社2022年版，第25頁。由于涉及到多方主體，為保證各參與方持有的數(shù)據(jù)不會發(fā)生泄露與直接交換，需要借助聯(lián)邦學習

隱私保護技術(shù)之一，它是一種隱私保護的去中心化方法，將原始數(shù)據(jù)保留在本地設(shè)備上，在消除數(shù)據(jù)通信額外成本的同時進行本地機器學習訓練，進而在中央服務(wù)器上對學習和共享的模型進行聯(lián)合，以聚合和共享參與者之間的知識。See AbdulRahman S， Tout H， Ould-Slimane H， et al.， A survey on federated learning： The journey from centralized to distributed on-site learning and beyond. IEEE Internet of Things Journal，Vol. 8∶7，p.5476-5497（2020）.通過聯(lián)邦學習，可以在一定程度上實現(xiàn)“原始數(shù)據(jù)不出域“和”數(shù)據(jù)可用不可見”。技術(shù)深入到算法的隱藏層，將各方數(shù)據(jù)交互限定在鎖定了某個特定處理目的的模型梯度數(shù)據(jù)層面，防止將數(shù)據(jù)用于其他場景，參見抖音集團數(shù)據(jù)及隱私法務(wù)：《隱私計算法律適用規(guī)則報告》，載上海市法學會編：《上海法學研究》2022年第20卷上海人民出版社2022年版，第25頁。并在本地設(shè)備上完成數(shù)據(jù)模型的訓練。

參見包曉麗：《可信數(shù)據(jù)空間：技術(shù)與制度二元共治》，載《浙江學刊》2024年第1期，第92頁。此時，隱私計算作為一種規(guī)制方法最大限度防止了數(shù)據(jù)濫用，實現(xiàn)了數(shù)據(jù)處理目的限制原則意欲表達的規(guī)制目標，符合“共識處理架構(gòu)”規(guī)則的規(guī)制要求，以算法完成了對算法的規(guī)制。這是僅僅依靠法律規(guī)范無以達到的規(guī)制效果。

4.隱藏層特殊性的無法規(guī)制

隱藏層的特殊性指算法在深度運算中的自我智能表達，這是人工智能的最本質(zhì)的標志區(qū)。

See Preparing for the Future of Artificial Intelligence， White House（May.3，2016）， https：//obamawhitehouse.archives.gov/blog/2016/05/03/preparing-future-artificial-intelligence.人工智能的智能化就是通過算法自身的內(nèi)在計算來實現(xiàn)的，如果沒有這一算法位，那人工智能就不再是人工智能，最多稱之為人工操作的智能。

參見成素梅、張帆等：《人工智能的哲學問題》，上海人民出版社2020年版，第66頁。一種智能區(qū)別于另一種智能，就在于它是不依附于其他智能而能夠獨立完成的智能。這一算法位就是使人工智能得以存在并變得有價值的關(guān)鍵區(qū)域。當然，這會給人類帶來恐懼以及由恐懼所催生的強烈的規(guī)制欲望。但是，這卻是不可規(guī)制的領(lǐng)地。規(guī)制的前提是對象明確，明確的對象才能使規(guī)范的發(fā)力獲得有效的作用點。但在復雜深層計算的隱藏層，難以確定究竟要規(guī)制什么。因此，這一算法位是排除規(guī)制的。在此，我們必須承認規(guī)制算法的限度，規(guī)制難以無限伸展，當碰到算法精髓部分時，算法本身所蘊含的高度復雜且內(nèi)在的計算硬度為規(guī)制設(shè)置了屏障。

See Joshua A. Kroll， Barocas S， et al.， Accountable Algorithms， University of Pennsylvania Law Review，Vol.165，p.633-640（2017）.在某種程度上說，這是人類無以適從的地方，也必然是難以規(guī)制的“荒地”。比如，生成式人工智能的對話模型在技術(shù)系統(tǒng)內(nèi)部的運作過程處于“黑箱”狀態(tài)，雖然近年來可解釋人工智能快速發(fā)展，產(chǎn)生了“反事實解釋”與“以用戶為中心的透明”等解釋算法的算法，

參見安晉城：《算法透明層次論》，載《法學研究》2023年第2期，第58-60頁。為打開“算法黑箱”的某些部分提供了基本方法，但目前尚無完整技術(shù)方案可做到對生成式人工智能算法的全面解釋。

參見楊俊蕾：《ChatGPT：生成式AI對弈“蘇格拉底之問”》，載《上海師范大學學報（哲學社會科學版）》2023年第2期，第122-123頁。承認無論是基于法律規(guī)范的規(guī)制還是基于算法技術(shù)的規(guī)制皆有難以抵達的空白地帶，并不意味著規(guī)制在算法面前的妥協(xié)與潰敗，而是激發(fā)我們轉(zhuǎn)變規(guī)制理念、進行規(guī)制方向與重點的因應(yīng)調(diào)整。

五、算法規(guī)制的轉(zhuǎn)向：從合法到可信

為了更好地完成算法分層規(guī)制這一任務(wù)，我們需要回歸算法規(guī)制的認識論原點，重新審視算法規(guī)制的法哲學觀，

參見成素梅、張帆等：《人工智能的哲學問題》，上海人民出版社2020年版，第20頁。調(diào)整評價規(guī)范與算法之間關(guān)系的法理論立場，重塑更為客觀理性的人工智能法理論。應(yīng)當指出，傳統(tǒng)法觀念一直沿襲著“規(guī)范主義”的潛在立場，

參見陳曦：《法律概念與法律規(guī)范的關(guān)系》，載《蘇州大學學報（法學版）》2022年第2期，第55-59頁。當一旦使用“規(guī)范”這一概念時，人們往往自覺或不自覺地賦予它某種無往不勝的威力。無論是作為社會規(guī)范本身所具有的道德譴責力，還是它背后被賦予的國家強制力，都使得“規(guī)范”被抬高到統(tǒng)攝行為的視角上，建立起與被規(guī)制對象的勢能差，并以勢能上的優(yōu)勢從上而下地輻射到被規(guī)制對象身上，隨時隨地對其進行合法與否的判斷。這可能是法律學人的潛在學科邏輯，帶有一種不言自明的學科基因。規(guī)范是可以引導、警示、懲罰或獎勵行為的教義，在適用于現(xiàn)實生活中的人類行為時屢試不爽。在適用規(guī)范的過程中，一切行為都試圖被放置于合法與否判準的法概念金字塔中。

但遺憾的是，算法不是人類行為。在算法領(lǐng)域，規(guī)制失去了它的優(yōu)勢地位，合法性判斷已不再是必須，甚至已經(jīng)無能為力。如果一輛無人駕駛汽車

我國的汽車駕駛自動化分為6個等級：0-2級為駕駛輔助，自動化系統(tǒng)輔助人類執(zhí)行動態(tài)駕駛?cè)蝿?wù)，駕駛主體仍為人類駕駛員；3-5級為“無人駕駛”，算法系統(tǒng)在設(shè)計運行條件下代替人類執(zhí)行動態(tài)駕駛?cè)蝿?wù)，替代人類成為駕駛主體。其中3級系統(tǒng)（有條件自動駕駛，Conditionally Automated Driving）在其設(shè)計運行條件下持續(xù)地執(zhí)行全部動態(tài)駕駛?cè)蝿?wù)；4級系統(tǒng)（高度自動駕駛，Highly Automated Driving）在其設(shè)計運行條件下持續(xù)地執(zhí)行全部動態(tài)駕駛?cè)蝿?wù)并自動執(zhí)行最小風險策略；5級系統(tǒng)（完全自動駕駛，F(xiàn)ully Automated Driving）在任何可行駛條件下持續(xù)地執(zhí)行全部動態(tài)駕駛?cè)蝿?wù)并自動執(zhí)行最小風險策略。參見國家標準《汽車駕駛自動化分級》（GB/T 40429—2021）。由于本文主要針對自主性算法，所以涉及的“無人駕駛汽車”主要限定為3級以上以自主性算法為技術(shù)基礎(chǔ)的自動駕駛汽車。撞了人，我們究竟在規(guī)制什么？如果是人駕駛的汽車撞了人，規(guī)制的是人的駕駛行為，判斷的是人的駕駛行為的合法與否，而不是汽車。在此，這一駕駛行為是作為一個整體被規(guī)制的，它僅區(qū)分出主觀（故意或過失）與客觀（駕駛行為），強調(diào)行為與損害結(jié)果（撞人）之間的因果關(guān)系。我們不必對客觀駕駛行為再做細分，究竟是駕駛者將剎車踩成了油門還是打錯了方向盤抑或是其他。因為這些行為統(tǒng)統(tǒng)可以被歸入“交通違法行為”這一概念之下，只有通過這一具有歸納與概括性質(zhì)的解釋方法，才能將事實涵攝進“交通違法行為”相關(guān)規(guī)制規(guī)范之下。無論哪一種錯誤駕駛行為，都歸納并停留在關(guān)于人類行為合法性評判的概念層面即可，既不需要向上收斂也不需要向下細化，就足以支撐起規(guī)范對汽車撞人這一行為的規(guī)制。因為，懲罰是作用于行為人的，無論是金錢性罰款還是對人身自由的限制，行為人（駕駛者）都是作為一個自然人的實體而成為完整獨立且實體邊界清晰的規(guī)范對象的。同時，對行為人（駕駛者）的懲罰，對于被害人（被撞的人）而言，是可以感同身受并能理解其規(guī)制意義的，因為被害人也是作為一個個體的人的存在。所以，對人類行為的規(guī)范規(guī)制效果，在人與人之間是互通的、普適的且存在對應(yīng)關(guān)系的，基于行為之上的規(guī)范能夠成為人類行為合法性判斷的關(guān)鍵性評價，構(gòu)成人類社會秩序的來源之一。

但這一點在無人駕駛汽車上卻難以實現(xiàn)。無人駕駛車輛所產(chǎn)生的交通事故責任的認定存在規(guī)制對象的不確定問題。責任認定的基本要件之一是主觀過錯，而由算法所操作的駕駛程序是否存在主觀過錯可能是一個棘手的問題。如果不存在主觀過錯的基礎(chǔ)，那么傳統(tǒng)責任認定的規(guī)制邏輯就會被打破，這就需要考慮是否應(yīng)建立基于算法的新的責任認定規(guī)制體系。如果存在主觀過錯，那么這種對主觀過錯的認定，應(yīng)當是將算法視為一種擬人化的“駕駛員”而追責于算法自動決策本身，還是將其歸咎于算法的設(shè)計者？無論選擇哪一種都存在更深層次問題。就前者而言，歸責于算法本身，不會產(chǎn)生懲罰的作用力。算法不具有自身利益，沒有對切身利益的剝奪，就失去了懲罰的功效。對算法的唯一處理方法就是對算法的禁用，即使如此，也很難解釋為對算法的懲罰。就后者而言，對算法的歸責與對算法設(shè)計者的追責是兩種意義上的認定。對算法的歸責基于對交通駕駛事故本身的過錯認定，而對算法設(shè)計者的追責基于其設(shè)計算法是否盡到了足夠的注意義務(wù)。足夠的注意義務(wù)主要指是否對未來可能出現(xiàn)的各種交通應(yīng)用場景的風險做出充分的預判與防范。但這并不意味著要求實現(xiàn)對全部應(yīng)用場景的風險作出無遺漏的防范。應(yīng)用場景是多元開放的，可能的風險也是難以窮盡的，而算法的設(shè)計者能“教會”無人駕駛汽車的部分終究是有限的。所以，我們當然可以且應(yīng)當追究算法設(shè)計者的過錯與責任，但這并非真正意義上的規(guī)制，它只是尋找了一個關(guān)聯(lián)對象，以對算法設(shè)計者的追責替代了對算法的歸責。

上述分析表明，傳統(tǒng)的法律規(guī)范規(guī)制的合法性進路難以有效規(guī)制算法。這使我們不得不反思一貫的“規(guī)范主義”以及“法律中心主義”的立場在算法規(guī)制領(lǐng)域立足的可行性與可能性。

參見王聰：《無“法”生活？——法律中心主義的一個反思》，載《中國圖書評論》2012年第7期，第42-47頁。但僅僅意識到問題所在還不夠，還需追問：我們對算法規(guī)制的目的是什么？我們欲意達到何種效果？我們需要重新審視這一先入為主的理念，批判性認識單一合法性判斷作為傳統(tǒng)規(guī)范控制的有效性，而分層規(guī)制正是為了彌補這樣的不足。一旦拋棄了規(guī)范主義，承認規(guī)范（無論是法律原則還是法律規(guī)則）在算法隱藏層規(guī)制（無論是針對算法的一般性還是針對算法的特殊性）的力有未逮，搭建起分層規(guī)制的總體認知框架，我們就會發(fā)現(xiàn)，以規(guī)范來涵攝事實的合法性判斷不再是唯一的路徑，我們需要轉(zhuǎn)向?qū)ふ乙环N對此框架更具解釋力的規(guī)制邏輯。

以算法透明度的規(guī)制為例，建立分層規(guī)制框架意味著：首先，在對算法現(xiàn)象層一般性的規(guī)制層級，以算法解釋權(quán)的確立為基本原則，一是要求個人信息處理者“利用個人信息進行自動化決策，應(yīng)當保證決策的透明度”

參見《中華人民共和國個人信息保護法》第24條第1款。“處理個人信息應(yīng)當遵循公開、透明原則，公開個人信息處理規(guī)則，明示處理的目的、方式和范圍”參見《中華人民共和國個人信息保護法》第7條。；二是規(guī)定當算法自動化決策有可能對個人權(quán)益產(chǎn)生重大影響之時，數(shù)據(jù)主體有權(quán)要求決策者對相關(guān)情況予以說明。以上算法解釋權(quán)雖在現(xiàn)象層做出了要求算法透明的一般性規(guī)定，但由于原則中概念的不確定性與適用范圍的寬泛性，還需要在不同場景中以規(guī)則的方式予以具體落實，于是，規(guī)制走到了算法現(xiàn)象層的特殊性層級。

在這一層級上，規(guī)則針對算法特殊性采取不同的規(guī)制方案。一方面，對不同場景下算法透明做出相應(yīng)規(guī)定，如《人工智能算法金融應(yīng)用信息披露指南》對金融算法應(yīng)用所涉及的數(shù)據(jù)、算力、場景等多種要素予以考慮，并對信息披露的條件、方式、維度和內(nèi)容做了詳細規(guī)定，以提高人工智能算法在金融領(lǐng)域的可解釋性和透明度；

參見中國人民銀行《人工智能算法金融應(yīng)用信息披露指南》（中華人民共和國金融行業(yè)標準JR/T 0287—2023）。《關(guān)于落實網(wǎng)絡(luò)餐飲平臺責任切實維護外賣送餐員權(quán)益的指導意見》要求平臺向外賣員公開訂單分配、工作時間和休息等與勞動者基本權(quán)益直接相關(guān)的算法規(guī)則，

參見市場監(jiān)管總局等七部門聯(lián)合印發(fā)《關(guān)于落實網(wǎng)絡(luò)餐飲平臺責任切實維護外賣送餐員權(quán)益的指導意見》（2021年7月印發(fā)）第5條。以保障送餐員權(quán)益不被算法默默侵蝕。另一方面，法律規(guī)則對同一場景下算法的不同透明度也做了細分，如《算法推薦管理規(guī)定》要求算法推薦服務(wù)提供者應(yīng)當“優(yōu)化檢索、排序、選擇、推送、展示等規(guī)則的透明度和可解釋性”，以避免對用戶產(chǎn)生不良影響；

參見國家互聯(lián)網(wǎng)信息辦公室《互聯(lián)網(wǎng)信息服務(wù)算法推薦管理規(guī)定》（2022年3月）第12條。應(yīng)當“以顯著方式”告知用戶其提供算法推薦服務(wù)的情況，并以“適當方式”公示算法推薦服務(wù)的目的意圖和主要運行機制等。

參見國家互聯(lián)網(wǎng)信息辦公室《互聯(lián)網(wǎng)信息服務(wù)算法推薦管理規(guī)定》（2022年3月）第16條。

當規(guī)制下沉到算法隱藏層的一般性層級，基于規(guī)范的規(guī)制不再奏效，基于技術(shù)的規(guī)制開始發(fā)揮作用。比如，隱層分析算法（hidden layer analysis）利用可視化技術(shù)分析神經(jīng)網(wǎng)絡(luò)模型中潛藏層的局部特征，實現(xiàn)了對神經(jīng)網(wǎng)絡(luò)預測過程的解釋。

See Dosovitskiy A， Brox T.，

Inverting Visual Representations with Convolutional Networks，

https：//doi.org/10.48550/arXiv.1506.02753，last visited on Jun. 9， 2024.這種方法屬于對黑箱模型預測結(jié)果與決策過程的解釋。

參見陳彩華、佘程熙、王慶陽：《可信機器學習綜述》，載《工業(yè)工程》2024年第2期，第19頁。它作用于算法隱藏層中，針對普遍存在的算法黑箱問題，力求以算法來解釋算法。再比如，有實證研究表明，由系統(tǒng)直接生成的可視化熱力圖比文字解釋更好地起到了算法解釋促進決策對象理解的效果。

參見周翔：《算法規(guī)制如何場景化》，載《東方法學》2024年第2期，第141頁。

最后，在算法隱藏層的特殊性層級，即法律與技術(shù)都無法抵達的地帶，我們不再追求算法的透明，而是承認算法在這一層級的不可解釋，進而把規(guī)制轉(zhuǎn)向算法的可信：在無法透明也無法解釋的無法規(guī)制區(qū)域，算法的可知、可視與可理解與否對于我們已不再重要，重要的是對我們而言，算法是否可信。信任比透明能更好地促進各方的理解與交往。以信任原則重構(gòu)算法解釋權(quán)，在算法透明度規(guī)制實踐中尤為重要，這需要我們建構(gòu)一種基于信任而非基于同意的關(guān)系。

參見丁曉東：《基于信任的自動化決策：算法解釋權(quán)的原理反思與制度重構(gòu)》，載《中國法學》2022年第1期，第113頁。對可信的追求意味著對算法透明度的規(guī)制不再以合法為中心，而旨在建立某種促進“人機協(xié)同”、算法參與各方互惠的信任機制，并在這一機制下促成可信算法的應(yīng)用。這一目標實現(xiàn)的前提是消除個人對算法系統(tǒng)的疑慮與防范，為此，規(guī)制路徑不再完全依賴于透明與解釋，因為完全透明可能會帶來信息冗余，導致感知麻木；而無限度的解釋對于無法理解算法運行原理的普通人而言，反而降低了其對算法系統(tǒng)的信任。

參見周翔：《算法規(guī)制如何場景化》，載《東方法學》2024年第2期，第142頁。算法透明的規(guī)制路徑轉(zhuǎn)向依賴于溝通信任機制的建立。

仍以算法解釋權(quán)為例，在分層規(guī)制框架下，算法透明度也是分層遞減的。在算法的現(xiàn)象層，我們進行普遍的信息披露和特定的算法解釋，力求實現(xiàn)盡可能多的透明和盡可能充分的解釋；在算法的隱藏層這一規(guī)范失靈的地帶，我們發(fā)揮技術(shù)規(guī)制技術(shù)、算法解釋算法的技術(shù)規(guī)制作用，在無法獲得更多透明與更多解釋的層級，力求將復雜技術(shù)以可視化形式呈現(xiàn)，以獲得對算法更多的理解。于是，對于算法透明度的規(guī)制，自上而下，從揭開黑箱的算法解釋權(quán)一般原則，到實現(xiàn)一定透明度的具體規(guī)則，再到獲得更多理解的算法解釋技術(shù)，以靈活的透明度管理替代了單一的信息披露。而在這一框架的最底層，技術(shù)和規(guī)范都失效的完全黑箱地帶，透明度工具全然無效，我們有必要探尋構(gòu)建算法信任的更為特殊的機制原理，

參見周翔：《算法規(guī)制如何場景化》，載《東方法學》2024年第2期，第142頁。努力增加可以促進信任與溝通的決策過程參與感，從而實現(xiàn)算法的可信。（見表2）

信賴是提高社會接受度的重要途徑，是科技得以投諸市場、獲得應(yīng)用的前提。只有建立可信賴的算法決策系統(tǒng)，在使用算法決策時遵守道德規(guī)范與法律原則，才能提高技術(shù)應(yīng)用的社會接受度，才能真正實現(xiàn)智能時代經(jīng)濟與社會的可持續(xù)發(fā)展，實現(xiàn)對個人尊嚴與基本權(quán)利的尊重與保護。算法可信是一種狀態(tài)，即算法基于可溝通性、可靠性和可控性而能夠獲得人們的信任。

參見袁康：《可信算法的法律控制》，載《東方法學》2021年第3期，第13頁。可信算法意味著該算法的決策技術(shù)安全可靠、決策程序合法合規(guī)、決策結(jié)果公正不偏倚。故而，可信算法并不僅是算法透明度這一特定領(lǐng)域算法規(guī)制的方向，也是整個算法規(guī)制框架的方向。與此同時，算法透明度規(guī)制框架的示例并非是算法分層規(guī)制框架適用的個例，關(guān)于算法中立性、可責性、可靠性、算法風險預防、數(shù)據(jù)分類分級處理等算法規(guī)制方案皆可搭建在這一由“原則統(tǒng)攝規(guī)則—規(guī)則指引技術(shù)—技術(shù)規(guī)制技術(shù)”的分層規(guī)制框架之中，其目的終究是為了建立可信算法，以促進人機協(xié)同下算法信任與溝通機制的更好運行。

綜上所述，在基于算法信任的算法分層規(guī)制框架內(nèi)（見表1），四個算法位集體表征了算法規(guī)制的內(nèi)在結(jié)構(gòu)。借助于對這一二維軸線上的不同算法位的分解與評判，我們獲得了對算法及其規(guī)制的深度認知。與此同時，算法透明度分層規(guī)制的框架（見表2）也清晰展示了規(guī)范與算法之間的匹配與溝通關(guān)系，隨著分層規(guī)制替代了規(guī)范規(guī)制，動態(tài)的可信度考量也替代了靜態(tài)的合法性審查。我們的追問從“這一對我們的福利與利益進行分配與影響的算法決策是否合法”變?yōu)椤爱斘覀儼堰@一切教給算法時，它們究竟是否值得信任”。

參見袁康：《可信算法的法律控制》，載《東方法學》2021年第3期，第5頁。一旦我們不再以單一規(guī)范的適用來追求合法與否的判準，我們就不需要再糾結(jié)于哪一個算法行為是否會落入某一概念、規(guī)范的涵攝范圍之內(nèi)，而是更多地考慮這一分層規(guī)制方案是否能夠切實促進算法決策者與相對人之間信任溝通的增進。因此，我們不需要對所有場景和每一次算法運算都建立相應(yīng)的規(guī)范，我們承認規(guī)范體系會有諸多的不足和空白，但仍然可以通過不同層級、不同規(guī)制方法的搭配運用而實現(xiàn)既定的規(guī)制目標。由此，算法規(guī)制從結(jié)果主義往前邁向了預防主義。因為對合法與否的判斷是結(jié)果主義式的，而技術(shù)對技術(shù)的監(jiān)控、可信空間的搭建則具有預防的性質(zhì)，算法的可信立足于“預防主義”的角度，從而在源頭上避免了算法風險的發(fā)生。

參見袁康：《可信算法的法律控制》，載《東方法學》2021年第3期，第13頁。

信任如何建立，是一個相對復雜的系統(tǒng)工程。

參見袁康：《可信算法的法律控制》，載《東方法學》2021年第3期，第8頁。本文僅是站在法理學的角度，對算法分層規(guī)制理論做總體性論述，還有更多的工作留待進一步細化分析。概言之，算法不能作為“一塊鋼板”被規(guī)范籠統(tǒng)規(guī)制，規(guī)范必須沿著算法展開的技術(shù)脈絡(luò)往縱深處推進。只有做出層級區(qū)分與結(jié)構(gòu)化處理，延展出這一分層規(guī)制的框架，并以可信為基準，深入這一結(jié)構(gòu)系譜之中，規(guī)制之于算法才能彰顯出規(guī)訓的力量。否則，規(guī)制算法就僅僅是學術(shù)想象上的概念狂歡。

結(jié) 語

規(guī)范對于行為而言，具有一種瞬時的規(guī)制自足性。無論何種人類行為，不管此種行為的情境怎樣變化，它們都可以被解釋，進而被涵攝到一定的概念之下。算法卻容易從法概念與法規(guī)范之下“逃逸”出去，難以被傳統(tǒng)規(guī)制方法所全然“捕獲”。這就要求我們不得不剔除法律規(guī)范可以天然適用于算法的信念設(shè)定，開始去反思一貫的“規(guī)范主義”以及“法律中心主義”的立場在算法規(guī)制領(lǐng)域立足的可行性與可能性。

參見王聰：《無“法”生活？——法律中心主義的一個反思》，載《中國圖書評論》2012年第7期，第42-47頁。以算法為中心的可信人工智能應(yīng)用為以規(guī)范為中心的合法性規(guī)制路徑提供了一些有益啟示。我們必須意識到，規(guī)范規(guī)制的路徑在算法的隱藏層中很難走通，傳統(tǒng)規(guī)制的整體效能也會在算法面前大打折扣。因此，規(guī)范因其自身組構(gòu)方式——語言文字的特殊性，而不得不在自身限度的邊界上止步，它的更進一步只能是轉(zhuǎn)化符碼形式，切換到數(shù)字模式下，以此進入算法的內(nèi)部，以算法規(guī)制算法的思路與技術(shù)協(xié)同配合、實現(xiàn)對復雜算法的內(nèi)在治理。這對法學而言，是極其艱難的一步，這意味著我們需要擺脫規(guī)范的傳統(tǒng)管轄區(qū)域，跳出概念涵攝的射程，以學界所不熟悉的、新的認知框架與算法展開博弈。這是理論法學面對一種不斷進化的人工智能技術(shù)的理論迭代。這條路雖然艱巨，但也是通往可信人工智能治理的必由之路。唯有理解算法分層規(guī)制的法理意義及結(jié)構(gòu)邏輯，實現(xiàn)從合法到可信的規(guī)制轉(zhuǎn)型，人類智能在面對人工智能時，才能繼續(xù)保持既有優(yōu)勢，法治也才仍然是法治，而非淪為算法之治。