我国算法治理政策法规内容及框架分析

张涛　韦晓霞

关键词： 算法治理； 质性文本分析； 政策文本分析； 算法治理政策法规

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２３．０９．００９

〔中图分类号〕Ｄ６３； ＴＰ１８ 〔文献标识码〕Ａ 〔文章编号〕１００８－０８２１ （２０２３） ０９－００９８－１３

２０２２ 年１０ 月， 习近平总书记在党的二十大报告中强调， 提高防范化解重大风险能力， 严密防范系统性安全风险， 同时加快建设数字中国的决策部署， 而加强算法风险防范与治理研究符合总体国家安全发展战略需求与战略导向。随着新一代人工智能正在全球范围内蓬勃兴起， 为经济社会发展注入新动能的同时， 也在深刻改变人们的生产生活方式。作为人工智能的核心要素之一， 算法从底层影响着人类社会的发展与变迁， 并潜移默化地改写着人类社会发展逻辑， 算法黑箱、算法共谋、算法歧视、算法偏见等风险也随之而来， 为社会稳定及国家安全带来了深远的影响［１］ 。近年来， 今日头条、快手、滴滴、美团等平台的一系列算法安全事件将算法推向风口浪尖， 算法严重影响民众的认知与判断，ＣｈａｔＧＰＴ 一经发布也引起了社会各界对ＧＰＴ 算法运用将引发的知识产权问题、安全和隐私问题、道德和伦理问题的担忧［２－３］ 。２０２２ 年３ 月， 《互联网信息服务算法推荐管理规定》正式实施， 旨在对算法推荐进行规制， 确保用户隐私和数据安全， 这意味着算法将告别野蛮生长阶段， 被全面纳入国家监管视野， 在未来一段时间内， 国家将在算法治理各领域各行业细化布局。我国已经在算法治理方面取得了一些成就［４］ ， 但由于起步较晚， 与欧美国家（地区）仍存在一定差距［５］ ， 因此， 准确地对我国算法治理政策法规的现状及问题进行分析具有重要的现实意义。

近年来， 算法治理逐步成为学术研究热点， 但通过中国知网检索发现， 国内对算法治理政策法规文本的研究较少， 如魏俊斌［６］ 认为， 《关于加强互联网信息服务算法综合治理的指导意见》与《互联网信息服务算法推荐管理规定》的出台为思想政治教育网络智能环境的治理奠定了法制基础， 未来应该强化算法监管， 维护教育领域数据安全。方师师［７］ 从算法治理的政策矩阵出发， 梳理了《互联网信息服务算法推荐管理规定》中相关联的政策矩阵， 从管理导向、场景适用、记录铭刻３ 个层面进行解读。张凌寒［８－９］ 从法学视角切入， 对《中华人民共和国电子商务法》中体现平台算法责任的条款进行分析， 对《中华人民共和国个人信息保护法》中有关平台算法自动化决策治理基本框架展开探讨， 提出建立平台算法的多元治理体系与层次明晰的平台算法责任体系。

当前算法治理政策法规研究主要集中于对单一算法治理政策法规的解读， 尚缺乏从全局视角对我国算法治理政策法规现状的分析。因此， 本文借助Ｎｖｉｖｏ１２ 质性分析软件， 对我国１２ 部算法治理政策法规进行内容分析， 研究旨在解决以下３ 个问题：一是从内容上分析我国算法治理政策法规现状； 二是梳理当前我国算法治理政策法规框架； 三是基于现有问题有针对性地提出我国算法治理对策建议，旨在为我国算法治理政策法规制定和优化提供参考。

１研究方法与过程

１.１数据选取

政策文本是公众了解国家政治方针的直接路径，也是政策研究的重要工具和载体［１０］ 。由于我国直接以“算法” 或“算法治理” 命名的政策仅有《互联网信息服务算法推荐管理规定》（以下简称《规定》） 《关于加强互联网信息服务算法综合治理的指导意见》（以下简称《指导意见》）两部， 而其他的“算法治理” 多嵌入于其他政策法规中， 如《中华人民共和国电子商务法》明确了平台运行过程中的算法规范与责任； 《中华人民共和国个人信息保护法》确立了我国算法自动化决策治理的基本框架。本文综合已有算法治理相关文献［１１－１２］ ，选取当前与算法治理密切相关的１２ 份政策法规作为分析样本， 如表１ 所示， 包括全国人民代表大会、国家互联网信息办公室等颁布的７ 部中央层面的政策法规， 以及全国信息安全标准化技术委员会、国家新一代人工智能治理专业委员会等发布的５ 部行业层面的政策。

１.２研究过程

本文利用质性分析工具Ｎｖｉｖｏ１２ 对我国算法治理政策法规文本进行量化研究［１３］ ， 研究重点在于对我国算法治理政策法规内容及框架进行分析， 具体研究过程如下： ①以《指导意见》和《规定》两部政策为核心， 综合１２ 部算法治理政策法规内容，同时， 参照张凌寒论著中所提出的基于事前、事中、事后的算法治理框架［１４］ ， 确定预编码规则；②研究团队对３０％的政策样本进行预编码， 根据预编码结果， 进一步修正完善确定最终编码规则；③随后团队两名成员采用背对背文本分析方式对文本进行编码， 对编码一致的数据进行合并， 剩余不确定的数据进行讨论并完成编码［１５］ ； ④从中央和行业两个层面对算法治理政策法规内容分析； ⑤基于既有政策法规分析结果， 形成了“概述层—规范层—流程层” 的算法治理政策法规三维框架； ⑥通过梳理总结我国算法治理政策法规现存在的问题，有针对性地从治理“力度—精度—深度—广度” 视角提出对策建议。

１.３文本编码

本研究采用归纳式类目构建方法， 针对政策文本直接构建分析类目［１６］ 。首先针对算法治理政策法规文本内容划分２ 个一级类目， 然后采用１.２ 中所提出的具体编码思路划分为１３ 个二级类目， 最后针对算法治理各阶段的观测要点划分为４５ 个三级类目。本研究借助Ｎｖｉｖｏ１２ 质性分析软件形成我国算法治理政策法规文本编码类目表， 如表２ 所示。

２我國算法治理政策法规内容分析

本文从中央和行业两个层面对我国算法治理政策法规内容进行分析， 旨在揭示我国算法治理政策法规的现状。

２.１中央层面

对７部中央层面算法治理政策法规进行编码分析发现， 信息服务规范（４１３ 次）、算法监管（１５７次）、算法问责（１２４ 次）、用户权益保护（１２２ 次）４方面词频较高， 合计占比约５２％， 如图１ 所示， 气泡大小表示单部政策法规关注某一类别内容的多少， 气泡密集则表示多部政策法规集中关注某一类别， 政策法规内容多分散在多个二级类目中， 且分布较为均衡。总体来说， 中央层面算法治理政策法规关注是宏观层面的顶层设计， 具有一定引领性。

１）《中华人民共和国电子商务法》首次明确了对网络交易平台日常运营中的算法规范， 以及网络交易平台因不当部署、应用算法所应承担的法律责任。算法问责（３１ 次）和信息服务规范（２８ 次）两个类目词频较高， 其中第１８ 条首次提出推荐算法应提供非个性化的一般搜索结果， 即算法个性化推荐必须尊重和平等对待每一位消费者； 第３５ 条明确规定不得利用技术手段对交易进行不合理限制，这是对滥用算法行为的规制； 第４０ 条明确表示竞价排名的商品或者服务必须显著标明广告［１７］ 。这些条款均体现了《中华人民共和国电子商务法》在平台算法应用规范与问责中的重要作用。

２） 《中华人民共和国个人信息保护法》确立了我国算法自动化决策治理的基本框架， 为平台自动化决策的设计部署、运行与结果输出划定了合法边界［９］ 。该法规多处提及利用个人信息进行自动化决策， 其中包括信息服务规范主题中自动化决策词频为１３ 次， 用户推送管理词频为１０ 次， 该法规第２４ 条提到利用自动化决策方式做出可能影响个人权益的决定时， 个人有权要求做出情况说明， 并有权拒绝该决定； 算法评估词频为６ 次， 第５５ 条强调应当在事前进行个人信息保护的影响评估工作， 尤其针对利用个人信息进行自动化决策的行为。以上条款体现了《个人信息保护法》在算法自动化决策治理方面的立法思路。

３） 《关于加强互联网信息服务算法综合治理的指导意见》的出台， 意味着对算法进行规制已经被中央层面纳入议程， 《指导意见》首次明确了“算法治理” 的概念， 并针对算法治理提出系统性、全面性的规范要求， 其核心内容强调要利用３ 年左右时间， 逐步建立起治理机制健全、监管体系完善、算法生态规范的算法安全综合治理格局。算法监管词频为９１ 次， 其中算法监管部分着重强调参与主体的多元性， 旨在形成政府监管、企业履责、行业自律、社会监督的算法安全多元共治局面。《指导意见》中算法评估（１３ 次）、算法备案（８ 次）、算法分级分类（５ 次）３ 个类目虽然词频较低， 但这些主题从宏观层面提出了算法治理的具体措施， 为我国构建算法安全监管体系提供重要依据。

４） 《互联网信息服务算法推荐管理规定》是世界第一部系统性、全面性规制算法的法律文件，为国家建立算法安全治理体系打下制度基础。信息服务规范（９１ 次）、算法问责（６６ 次）、用户权益保护（６０ 次）３ 个类目词频较高， 能够看出《规定》主要聚焦算法推荐服务乱象问题， 有助于构建算法安全治理体系， 有效规范了互联网信息服务算法推荐活动。同时， 算法分级分类管理、建立算法备案制度、建立算法安全评估机制， 开展算法监督检查、建立算法法律责任认定标准等内容、均能体现出《规定》提出的贯穿算法推荐服务事前、事中、事后监管的总体思路。

５） 《互联网信息服务深度合成管理规定》（以下简称《深度合成规定》）是在我国加强互联网信息服务算法综合治理框架下展开的， 该规定是我国开展算法治理工作的重要一环， 标志着深度合成服务已成为我国算法治理中率先专门立法的算法服务类型。《深度合成规定》的主题结构分布与《规定》相似， 信息服务规范（２２２ 次）词频最高， 其次为算法评估（３３ 次）、用户权益保护（２３ 次）、算法备案（２２ 次）， 词频分布相对均衡， 《深度合成规定》提出了从算法备案、算法评估、算法监管再到算法问责全流程规范思路。总体来说， 中央层面已经明确深度合成服务范围内的算法治理工作思路， 在此之后， 行业组织还需要在生成合成类算法服务范围、深度合成技术具体范围、深度合成服务业务分类、显式标识条件与标识方式、隐式标识方法与识别等方面进一步细化配套标准规范。

６）《关于推动平台经济规范健康持续发展的若干意见》（以下简称《意见》）和《关于平台经济领域的反垄断指南》（以下简称《指南》）均是定位于平台经济， 直指互联网平台企业面临的社会责任问题的文件， 其目的在于促进平台经济规范有序创新健康持续发展。本研究只针对以上两部政策中与平台算法相关的内容进行编码， 因此， 在《意见》内容结构分布中， 算法监管（２７ 次）、信息服务规范（２０ 次）、用户权益保护（１２ 次）词频相对较高，《意见》针对平台责任做出了明确的界定与要求，提出通过引入区块链、人工智能等新兴信息技术构建多元主体共享的监管信息平台［１８］ 。而《指南》中突出信息服务规范（２９ 次）和算法生态规范（１０次）两部分内容， 《指南》是平台经济领域经营者依法合规经营的明确指引， 是对平台经济领域反垄断执法原则的深化， 在第７ 条纵向垄断协议部分中也提到了平台经济领域经营者与交易相对人可能利用技术手段、数据和算法等方式， 来排除或限制市场竞争、实施差别待遇、限定交易， 同时结合《反垄断法》确定有关行为是否构成垄断协议或滥用市场支配地位行为。

２.２行业组织层面

对５ 部行业层面算法治理政策法规进行编码分析发现， 算法伦理规范（４６０ 次）、算法评估（２１３次）、信息服务规范（１８７ 次）、算法监管（７８ 次）４个类目词频较高， 合计占比约４８％， 如图２ 所示，气泡大小表示单部政策关注某一類别内容的多少，气泡密集则表示多部政策集中关注某一类别， 政策内容通常多散落在单一的二级类目中， 分布较为集中。总体来说， 行业层面算法治理政策主要从算法伦理、算法评估等方面提出微观层面具体实施规范， 具有可操作性。

１）《网络安全标准实践指南—人工智能伦理安全风险防范指引》（以下简称《指引》）从识别、防范、管控人工智能伦理安全风险的角度出发， 提出人工智能伦理安全风险防范的基本要求， 其中，算法伦理规范词频为１１７ 次， 用户权益保护词频为３１ 次。《指引》将人工智能活动归纳为研究开发、设计制造、部署应用、用户使用４ 类， 并就每类活动的风险防范举措提出针对性建议。在研发与设计制造规范方面， 《指引》与《新一代人工智能伦理规范》均强调事故保障， 设置事故应急处理机制，明确事故处理流程， 设置损失补偿救济方案， 《指引》中还特别提到设置事故信息回溯机制， 便于进行事后问责。

２） 《信息安全技术机器学习算法安全评估规范》（以下简称《机器学习评估规范》）是由全国信息安全标准化技术委员会提出并归口的算法评估类规范文件， 其中， 算法评估词频为１２９ 次。该规范规定了机器学习算法在设计开发、验证测试、部署运行、维护升级、退役下线等阶段的安全要求和证实方法， 包括机器学习算法的安全评估实施， 既适用于对机器学习系统中的算法进行安全评估， 也适用于机器学习系统开发者和运营者在算法开发运营过程中进行自评估和改进安全措施。

３） 《人工智能深度学习算法评估规范》（以下简称《深度学习评估规范》）作为中国首个人工智能深度学习算法标准， 结合用户实际的应用场景提出了一套深度学习算法的可靠性评估指标体系。其中， 算法评估（８４ 次）词频最高， 算法分级分类（８次）也有提及， 规范根据深度学习算法的危险严重等级将算法划分为灾难级、严重级、一般级、轻微级。该规范既适用于面向深度学习算法的开发者和使用深度学习算法实现特定需求的用户， 也适用于对深度学习算法进行可靠性评估的第三方机构。《机器学习评估规范》和《深度学习评估规范》为我国算法评估提出了评估思路和具体要求， 也充分发挥了行业委员会在场景化和精细化算法治理实践中所作出的有益尝试。

４） 《人工智能数据安全风险与治理》发布于２０１９ 世界人工智能安全高端对话， 对人工智能发展带来的数据安全风险进行了全面分析， 内容聚焦于人工智能算法中的数据隐私、数据质量、数据保护等问题， 其中， 信息服务规范（１８７ 次）、算法监管（７８ 次）、算法生态规范（５８ 次）主题下的词频较高， 该报告从政策法规和技术层面对目前国内外相关应对举措进行了梳理， 在此基础上， 报告总结了国内外优秀实践案例， 提出了人工智能数据安全治理的目标、框架及治理措施， 为人工智能算法安全治理提供了重要参考与借鉴。

５）《新一代人工智能伦理规范》（以下简称《规范》）是国内首份覆盖人工智能全生命周期的伦理道德规范性文件， 其发布标志着人工智能政策已从推进应用逐渐转入监管， 尤其是确保人工智能算法处于人类控制之下。《规范》中算法伦理规范（３０９次） 词频最高， 它主要由基本伦理规范（９２次）和人工智能特定活动应遵守的规范（２１７次）两部分构成， 人工智能特定活动应遵守的规范包括管理、研发、供应、使用四部分。《规范》基于伦理道德层面提出了具体要求， 回应了当前社会各界关于隐私、偏见、歧视等的伦理关切［１９］ ， 旨在将伦理道德融入人工智能全生命周期［２０］ 。值得关注的是，该规范吸纳了“敏捷治理” 概念， 在管理规范部分明确提出“推动敏捷治理”［２１］ ， 这为我国算法监管制度的完善提供了指引， 突出了加强人工智能算法的潜在风险研判、建立有效的风险预警机制、制定应急机制和损失补偿方案或措施的重要性。

３我国算法治理政策法規框架分析

政策法规框架强调现有政策法规中所包含的结构化要点。本文以《指导意见》和《规定》为基础，借鉴张凌寒［１４］ 、邝岩等［２２］ 论著中提出的算法治理阶段和研究维度， 基于对我国１２ 部算法治理政策法规的内容分析， 形成了“概述层—规范层—流程层” 的算法治理政策法规三维框架， 如表３ 所示。

３.１概述层

概述层主要包括算法治理过程中的政策主体、政策客体、政策目标和政策范围。①政策主体是指算法治理政策法规发布主体， 它体现了政策重要性与权威性， 一般分为中央层级与行业层级， 中央层级的政策主体包括全国人大、国家网信办、工业和信息化部等， 行业层级的政策主体包括全国信息安全标准化技术委员会、国家新一代人工智能治理专业委员会等； ②政策客体是指当政策发挥作用时所指向的对象， 我国１２ 部算法治理政策法规作用的对象各有不同， 但均集中在从事有关算法工作的人或组织； ③政策目标是指算法治理政策法规执行预期可以达到的结果， 我国算法治理政策目标是以网络安全为起点， 以总体国家安全为目标， 逐步建立治理机制健全、监管体系完善、算法生态规范的算法安全综合治理格局； ④政策范围是指政策法规的影响范围或实施范围， 算法治理政策法规适用于我国境内应用算法技术提供互联网信息服务的情形。

３.２规范层

规范层主要侧重算法生态规范、算法伦理规范和算法服务规范。其中， 原二级类目“信息服务规范” 和“用户权益保护” 均侧重算法应用过程中对用户的保护， 因此， 将其合并为“算法服务规范”。

１） 算法生态规范。在１２部算法治理政策法规中共有６ 部明确提及算法生态规范， 主要涉及算法导向正确（３６.８％）、算法公开透明（９.８％）、算法创新发展（１９.０％）、算法滥用风险（３４.４％）， 关于算法生态规范的内容多出自中央层面政策法规，如《指导意见》将“促进算法生态规范的发展”作为章节主题正式提出， 具有较强的指导性作用，涉及价值取向、网民权利、知识产权保护、鼓励创新和确保安全等诸多方面， 从根本上引导算法向上向善发展。算法生态规范与算法伦理规范有着较为密切的联系， 本文在编码过程中依据中央政府颁布的算法治理政策法规概括性、引导性较强的特点，从算法生态的宏观层面提出具体要求， 而行业层面政策更侧重规范算法不公开透明导致的伦理问题。

２） 算法伦理规范。《规范》《指引》两部政策均直接将人工智能伦理作为政策主题， 着重强调增强人工智能的安全透明， 指出在算法设计、实现、应用等环节， 提升透明性、可解释性、可理解性、可靠性、可控性， 增强人工智能系统的韧性、自适应性和抗干扰能力。算法伦理规范的主要内容细分为５ 类， 分别是基本伦理规范（２４.６％）、研发规范（２４.６％）、管理规范（２１.２％）、供应规范（１５.１％）、使用规范（１４.５％）， 累计词频４６３ 次， 占１２ 部政策法规内容词频的１９. ５％。基本伦理规范可以细分为增进人类福祉、促进公平公正、保护隐私安全、确保可控可信、强化责任担当、提升伦理素养六部分。此外， 研发规范、管理规范、供应规范、使用规范词频占比较为均衡， 其中， 研发规范包括强化算法自律意识、提升数据质量、增强安全透明、避免偏见歧视［２３］ ； 管理规范包括推动算法敏捷治理、积极实践示范、正确行权用权、加强风险防范等；供应规范包括尊重算法市场规制、加强质量管控、保障用户权益等； 使用规范包括提倡算法善意使用、避免误用滥用、禁止违规恶用等。两部政策将伦理道德融入人工智能全生命周期， 为从事人工智能相关活动的自然人、法人和其他相关机构等提供伦理指引。

３） 算法服务规范。因算法服务导致的用户合法权益受侵害问题， 是我国目前算法治理进程中亟需关注的问题［２４］ 。算法服务规范包括信息服务规范（６００ 次）和用户权益保护（１６０ 次）， 信息服务规范主要聚焦于算法安全主体责任（１３.７％）、数据安全与质量保障（１３.７％）、个人信息保护（９.６％）、信息内容标识（９.５％）、信息安全管理（８.４％）等方面，主要集中在中央层面发布的政策法规中， 也体现了中央层面对应用算法推荐技术提供互联网信息服务的一切平台、个人的规范性要求； 用户权益保护主要聚焦于用户权利， 要求算法推荐服务提供者保障用户算法知情权（５.２％）、算法选择权（５.１％）、算法申诉权（２.８％）， 并对未成年人、老年人、劳动者、消费者等特殊群体的权益保护（８.３％）作出额外规定。

３.３流程层

流程层主要包括事前算法评估、事中算法监管、事后算法问责３ 个方面。

１） 事前算法评估。算法分级分类和算法备案是事前算法评估的基础［２５］ 。“算法分级分类” 概念在《指导意见》中被首次提出， 可以针对算法应用场景划分算法分类或针对其所引发的风险等级划分算法分级。其中， 算法分级词频为４２ 次， 占比８０.８％， 算法分类词频为１０ 次， 占比１９. ２％。此后《规定》中提到网信部门应建立算法分级分类制度， 对算法推荐服务提供者进行分级分类管理，但仅限于算法推荐服务。虽然《指导意见》《规定》针对算法分类分级提出了引领性要求， 但尚缺少可实施的制度细则。算法备案词频为６８ 次， 只在《指导意见》《规定》《深度合成规定》３ 部政策中有所提及， 其中， 算法备案要求（５５.９％） 是在《指导意见》中明确提出的， 起总揽全局的指导性作用。《深度合成规定》提到， 具有舆论属性或者社会动员能力的深度合成服务提供者， 应当按照《规定》履行备案和变更、注销备案手续， 因此， 关于算法备案流程（１４.７％）、算法备案注销（７.４％）、算法备案变更（４.４％）、算法备案公示（１７.６％）的具体要求主要依据《规定》中的相关条例执行。２０２２年， 国家网信办公布了首批算法备案者， 这也标志着我国算法备案制度的落地。算法安全评估规范词频５４ 次， 占比１９.８％， 安全评估流程词频２１９ 次，占比８０.2％。有关算法安全评估规范的内容全部出自《指导意见》《规定》《深度合成规定》， 这３部政策法规从整体上强调开展算法安全评估的重要性， 要组建专业的评估队伍， 评估各算法应用环节的漏洞和风险， 针对部分算法技术提出了评估要求， 概括性较强， 缺少具体的评估细则。安全评估流程绝大部分出自《机器学习评估规范》《深度学习评估规范》两部行业组织政策， 从算法评估的流程细节入手， 分別规定了机器学习算法和深度学习算法在设计开发、测试、维护升级等阶段的安全要求、证实方法、安全评估实施流程等内容。总体来说， 在我国当前算法治理政策法规中， 针对评估范围的选择、评估标准的确定以及评估结果的披露等流程细节， 仍需要进一步出台相应规范。

２） 事中算法监管。美国著名行政学者戴维·奥斯本、特德·盖布勒曾提出“预见性的政府： 预防而不是治疗”［２６］ ， 因此， 事前算法评估和事中算法监管是算法治理过程中起决定性作用的重要环节。在算法监管部分的内容分布上， 监管模式创新（１５.３％）、多元参与主体（６７. ７％） 主题内容占比较高。从监管模式创新来看， 完善算法监管体系，创新性构建多位一体的监管体系大势所趋； 从多元参与主体来看， 《指导意见》强调形成政府监管、企业履责、行业自律、社会监督的新局面， 鼓励相关行业组织加强行业自律并积极接受社会监督； 算法监测（６.４％）和算法审计（７.２％）主题内容占比次之， 从算法风险监测来看， 《规定》对网信部门的权责进行了细化， 提出了以双层次、多部门为主的联合监管模式， 由电信部门、公安部门、市场监督部门等共同配合进行算法监管。而从算法审计来看， 当前仅在《人工智能数据安全风险治理》中提到了安全审计工具， 通过审计工具全方位监测安全事件， 及时发现并规避各种安全威胁［２７］ 。我国应该逐步将算法审计纳入算法监管或问责框架中， 并对算法审计的主体、客体、范围、实施机制、实施后果进行规定［２８］ 。

３） 事后算法问责。虽然在算法治理过程中“事前行为比事后问责更重要”， 但在欠缺统一的标准、规则和专业的人员与组织配备的情况下， 事前预防模式下各种措施的功能发挥受到诸多限制， 因此， 针对算法应用过程中出现的违法违规行为进行问责也应重视［２９］ 。算法问责的主要内容可以划分为５ 部分， 分别是违规追究责任（５８.９％）、违规取得备案（８.１％）、依法注销备案（８. １％）、提供针对个人特征选项（９.７％）、限制平台交易（１５.３％）， 累计词频１２４ 次， 占１２ 部政策法规内容词频的５.２％。总体来看， 多部政策法规明确提到了算法问责的相关内容， 如《中华人民共和国电子商务法》第７７ 条提到， 电子商务经营者违法根据消费者个人特征提供搜索结果的， 市场监管部门可以根据情况严重程度进行处罚； 《规定》单独将问责部分归为第五章“法律责任”， 对违反《规定》行为按照法律、行政法规或由网信部门和电信、公安、市场监管等部门追究责任。针对事后算法问责的具体要求散落到多部法规中， 尚未形成系统的、完整的问责制度， 因此， 在未来我国算法治理政策法规框架中应加快《算法问责法》的立法进程。

４结论与建议

自２０２１ 年我国开启算法治理元年起， 算法治理迅速进入国家监管视野， 而推动国家算法治理离不开政策法规的引导。因此， 本文通过Ｎｖｉｖｏ１２ 对我国１２ 部算法治理政策法规进行词频编码， 经过政策文本量化分析后， 形成我国算法治理政策法规框架， 梳理发现当前我国算法治理存在“缺乏总领性法律引导、主题分布不均衡、行业标准规范不细化、尚无地方专项政策” 的问题。具体如下： 一是缺乏总领性法律引导。我国算法治理进程才刚刚开始， 虽有《指导意见》《规定》等引领性文件，但政策法规内容较为分散， 缺少总领性的法律引导， 中央层面和行业层面政策法规的内容连接性也不强； 二是主题分布不均衡。中央层面侧重信息服务规范、算法监管、算法备案、算法问责等， 行业层面集中在算法伦理和算法评估， ２０２２ 年８ 月，国家网信办公布了互联网信息服务算法备案系统，同时公布了首批备案清单， 实现了算法备案制度在我国的落地， 但很多细节内容尚需持续优化， 以提高科学性、合理性及合法性； 三是行业标准规范不细化。虽然我国已经发布《指导意见》《规定》等引领性政策， 并且信标委等部门正在积极拟定相关算法规范与细则， 但行业配套制度仍欠缺较多， 如算法分类分级、算法备案、算法问责等提及较少，重视程度略显不足； 四是尚无地方专项政策。部分地区多将算法治理政策法规嵌套于数据政策或人工智能政策中， 尚未有地方政府出台专项算法治理政策法规与条例。

基于以上问题， 本文从治理“力度—精度—深度—广度” 视角提出以下建议， 旨在逐步将较为零散的算法治理政策法规聚合成为具有中国特色的算法治理政策法规体系。

一是完善算法治理顶层设计。实现从算法政策到专门立法的过渡， 以加大治理力度。整体上， 我国算法治理仍处于探索阶段， 由于当前算法问责条款散落到多部政策法规中， 因此， 应在《指导意见》《规定》等制度基础上， 加速推进《算法安全法》《算法问责法》等法案的立法进程， 并从技术及应用的交互层面对算法风险作出全面规制。

二是全流程算法治理。实现从中央层面顶层设计到全流程的算法治理， 以提升治理精度。虽然《指导意见》《规定》的发布意味着中央层面形成了算法治理总体思路， 但算法治理相关实施细则尚不完善， 尤其应发挥行业组织的作用， 从事前评估、事中监管、事后问责等环节加强算法治理的精度，同时， 出台算法分级分类、算法备案、算法问责等配套制度， 实现创设算法规范的“中国方案”， 进而形成全流程算法治理制度体系。

三是多领域算法治理。实现从全流程的算法治理到多领域的算法治理， 以增加治理深度。逐步深入到具体领域中的场景和应用。目前， 我国已針对推荐算法、深度合成技术出台相关规定， 未来应基于领域特色， 以中央政府顶层设计为核心， 建立与当前法规相适配的治理策略， 尤其是科技、金融、电信、医疗等领域， 如２０２３ 年４ 月， 《生成式人工智能服务管理办法（征求意见稿）》发布， 以Ｃｈａｔ?ＧＰＴ 为代表的生成式人工智能背后的算法风险问题也即将纳入国家监管与治理范围［３０］ ， 因此， 细化配套制度才能全面实现多领域的算法治理。

四是各区域算法治理。地方政府应该形成具有区域特色算法治理专项制度， 以拓宽治理广度。目前， 地方政府多将算法治理政策法规嵌套于数据政策或人工智能政策中， 并且在这些政策中单独提及算法治理的内容也较少， 随着中央政府对算法治理进程的不断深入， 地方政府也应逐步出台适用于本区域的《算法条例》《算法安全条例》等。