去年河南22名民警牺牲 半数以上为突发疾病

关键是，其内部的研究可能会依据思想人物的不同，趋于议题的分散，而无法形成真正实质性的对话、交接、呼应和联系，不是接力式与互惠式的学术互动，从而也很难形成真正的新意和理论冲击力。

《民法总则》121条规定：没有法定的或者约定的义务，为避免他人利益受损失而进行管理的人，有权请求受益人偿还由此支出的必要费用。再审法院认为，该装置可以完整监控相邻住户李某出入住宅全部情况，记录和存储李某不愿为他人知悉的个人信息，对李某的个人居住安宁造成了侵扰后果，应视为民事侵权，于是，判决撤销一二审判决，并支持李某的部分诉讼请求。

（二）个人信息从自主支配走向有序共享的逻辑转换 前文分析表明，监控是获取个人信息的技术手段，围绕公共空间大规模监控的论争并不在于这项技术是否合理，而在于这项技术的应用是否侵犯了个人隐私权，或增加了隐私权受侵犯的风险。综而观之，个人在公共空间处于被全面监控的状态。在此基础上，《侵犯公民个人信息罪解释》第5条根据信息的可识别性大小将个人信息进一步分为三类，分别是敏感信息（包括轨迹信息、通信内容、征信信息、财产信息）、一般敏感信息（包括住宿信息、通信记录、健康生理信息、交易信息等可能影响人身、财产安全的信息）以及普通信息。客观地说，有序共享是个人信息保护深化发展的重要方向，2019年10月31日通过的《中共中央关于坚持和完善中国特色社会主义制度推进国家治理体系和治理能力现代化若干重大问题的决定》指出，要优化政府职责体系……加强数据有序共享，依法保护个人信息，这一论断为我国依法保护个人信息指明了方向。十八大以来，党和国家高度重视社会治理，有序推进平安中国建设。

包括德国、日本在内的域外各国，都在规则设计上保障个人信息的利用，限缩对侵犯公民个人信息行为的刑法适用空间。[50]谢远扬：《信息论视角下个人信息的价值——兼对隐私权保护模式的检讨》，载《清华法学》2015年第3期。因此，从救济被歧视者和增强公众信心的角度出发，采取差异性影响的审查模式有助于保护算法决策对象的利益。

为了消除算法歧视给社会带来的影响，各国政府采取了一系列的规制措施。(15)为了消除算法歧视给社会带来的影响，各国政府采取了一系列的规制措施。(一)原则性规制与特定性规制 美国政府认为算法歧视与传统歧视均可适用传统的平等保护条款的原则性规定。这种不同待遇审查模式也得到了西班牙等国的认同。

只有遵循食谱所设立的步骤和指令，按照要求筛选和搭配食材，才能做出指定口味的菜肴。为了分析的便利，本文将主要借助于美国的相关法律实践来加以展开。

1.预防性控制 预防性控制特别重视对算法的前端进行规制。⑧在这种算法歧视中，邮政编码、通勤时间等数据信息都是合法获得的，但是，算法的设定者往往会在这些数据与特定群体的行为之间建立某种虚假的关联，从而对此类群体带来歧视性后果。从规制的时间维度来看，包括事后性规制和预防性规制。注释： ①See Bruno Lepri et al.,Fair,Transparent,and Accountable Algorithmic Decision-Making Processes,31 Phil. Tech.611,611-612(2018). ②See Harris Mateen,Weapons of Math Destruction:How Big Data Increases Inequality and Threatens Democracy,39 Berkeley J.Emp. Lab.L.285,289 (2018). ③Northpoint公司开发的犯罪风险评估算法COMPAS对犯罪人的再犯风险进行评估，并得出一个再犯风险分数，法官可以据此决定犯罪人所遭受的刑罚。

这些规定主要包括：(1)详细说明算法决策。第二种形态是算法使用者充分利用受保护群体相关的刻板印象来进行算法决策，从而给某些群体造成歧视。(59)它认为，算法透明度的内涵主要是要求算法源代码的透明性和开放性，并以简明易懂的方式公开输出算法决策，从而确保被决策对象充分地知悉并认同算法的正当性和合理性。这使得传统—权利格局严重失衡，亟需矫正。

以美国为代表的算法治理方式愈来愈强调算法决策的透明度原则，要求算法决策者和使用者披露算法决策的具体过程，并试图设计一系列事前检测、验证以及事后审查的制度，其目的主要在于通过这些制度措施尽可能地平衡算法精英与普通个人之间的数字鸿沟，消除技术劣势一方对优势方的依附性，矫正算法自动化决策过程中出现的权利失衡。(三)国家权力的自我克制 随着社会复杂性增加，社会治理的方式和手段愈来愈多地在向多元主义的方向迈进。

(55) 就可替代算法决策评估而言，法院认为即使算法决策者证明其算法决策与商业需要有关，也不能排除算法歧视的可能性，除非没有其他的算法能够替代这种对原告产生不利后果的算法决策。我国国家网信办制定的《App违法违规收集使用个人信息行为认定方法(征求意见稿)》，明确了App强制授权、过度索权、超范围收集个人信息等行为的认定标准，这也有助于推动数据收集的民主化。

(2)审查的证据属性不同。内容提要：算法自动化决策为人们带来方便的同时，也可能因其决策过程的不透明和信息不对称而对某些群体造成歧视。例如在预测警务算法中，过分强调邮政编码，可能导致低收入的非洲裔美国人社区与犯罪地区产生联系，进而导致该群体成员都成为预测犯罪的具体目标。该指南规定，人工智能系统(算法决策系统)的使用应当遵循多样性、非歧视性和公平性原则。2014年，白宫发布了一份题为《大数据：抓住机遇，保护价值》(Podesta et al.，2014)的报告。二是允许平台保留数据，但仅限于该次服务目的，禁止将其用于其他领域。

(43) 欧盟国家也积极主张建立他律机制来对算法歧视进行规制。在这种歧视的作用下，雇主会增加对非洲裔申请者犯罪背景的调查次数。

巴罗卡斯(Solon Barocas)和塞布斯特(Andrew D.Selbst)就认为，算法自动化决策可能给某些群体带来歧视性的不利结果。这些基本原则主要包括以下内容：一是算法透明原则。

例如，知情+同意机制容易失灵。算法歧视的治理也秉持着这种多元主义的方向，愈来愈强调法律手段与技术手段的并用、自律性治理机制与他律性治理机制的并举。

例如，美国纽约州在2017年12月11日制定了《政府机构使用自动化决策系统的地方性规定》专门针对政府机构及司法机关使用算法决策的行为进行规制。(39)按照此原则，算法在设计阶段就应当接受公平性检测，只有经过检测与认证的算法才能在实践中使用。这种规制明确规定了在何种情形下对哪些群体的不公正对待构成歧视，并应当采取哪种特定性的规制措施。(三)两种审查模式的比较 算法差异性影响和不同待遇审查模式旨在实现不同的审查功能。

这种方式主要通过对一些可能发生歧视的领域及可能构成歧视性的敏感因素作出明确的反歧视规定，以规范算法自动化决策中目标变量的使用，从而起到规制算法决策的作用。该原则允许第三方对算法代码和决策标准进行审查。

它认为算法歧视行为实质上侵犯了公民隐私权和个人信息权。它重点审查了雇主算法决策中对员工的要求与工作绩效的关系，并认为该雇佣算法决策中高中文凭的要求与劳动者素质的主张与工作绩效没有必然的关系。

(61)美国通过赋予公民更多要求算法决策者进行解释的权利来提升算法透明度。该法案对高风险算法进行了列举式界定：一是对消费者个人信息、隐私和安全带来高风险的算法。

算法审查与评估强调算法应该得到专家、决策者和公民的验证，使其尽可能不受偏见和无意识歧视作用的影响。算法的设计者需要对基础数据的来源及可靠性进行说明，并不得使用来源违法的基础数据、敏感性数据和产生歧视性后果的数据。(51)第四，算法歧视的主观意图是一个宽泛的概念，它并非仅仅指人的主观性，它也可以通过算法自动化决策的一系列表现形态推导出来的。假如一项算法对原告产生的不利影响大于对其他社会公众的影响时，这项算法决策就存在着歧视的可能性。

例如，在审查发放贷款的资格时，个人邮政编码可能会与种族信息联系在一起。法官也会利用算法来对刑满释放人员重新犯罪的可能性进行评估。

(38)算法运用机构应采取可靠的技术手段对其算法的程序进行验证，以提高基于此算法所自动作出的决策的可信度。美国在《怀孕歧视法》和《就业年龄歧视法》中就从平等权的角度出发，认为这种做法违法了平等权的要求，应当禁止，(32)并规定用与互联网日常使用率相关的数据来判断工作绩效的算法是违法的。

二是对个体带来严重不利后果的算法。国家权力的这种自我克制态度，既能够较好地处理法律稳定与科技进步的关系，又能够有效地促进算法行业自身规制机制的形成与发展。