邝 岩 许晓东
(华中科技大学公共管理学院 武汉 430074)
随着信息技术的不断发展和网络平台的逐渐普及，算法正在深度地嵌入到社会生活的各个方面。在公共治理领域，算法因其强大的信息收集和决策分析能力，在公众需求获取及行政效率提升等方面可以成为强大的治理工具。然而，算法在广泛参与治理的同时也产生了相应的风险，其固有的技术特性及运转方式会导致“算法歧视”“算法霸权”“算法黑箱”等问题的出现，给公民权利及公共利益的实现带来不同程度的损害，其治理问题也引起了学术界的广泛关注。
算法作为计算机科学的灵魂，其应用早在20世纪办公自动化的过程中便已开始，但关于算法治理的研究在最近十年才开始凸显。不同学科背景的学者对算法治理的研究目标都是为了更好地利用算法来解决社会中存在的各类问题，同时尽可能规避算法引入治理所产生的风险，其本质都是治理体系在算法嵌入后的完善研究。治理体系的构建是一个复杂的系统性工程，需要不同学科间的充分交流及研究成果的融合应用。虽然当前不同学科的研究在各自领域都取得了丰富的成果，但针对算法治理研究的整体性、系统性梳理较为少见，一定程度上制约了学科间的交流融合。鉴于此，本文采用文献计量分析的方法对国内外以算法治理为主题的文献进行系统分析，通过对算法治理研究演进脉络的分析，引出当前算法治理研究的基本框架，并在此框架下对已有研究主题及内容进行梳理，进而对算法治理研究的理论体系进行构建，旨在推进对算法治理的全面理解，为后续研究提供参考借鉴。
1.1 研究方法及数据来源
本文以Web of Science中的核心合集数据库以及中国知网中的CSSCI(含扩展版)索引分别作为国际和国内的文献数据来源，分别以“算法治理(algorithmic governance)”“算法规制(algorithmic regulation)”和“算法权力(algorithmic power)”为主题词，文献类型选择论文，不限定发表年份，共检索到外文文献2865篇，中文420篇。根据标题、摘要以及学科分类等对文献进行梳理，剔除纯技术分析、主题明显不相关、非学术类的文献，最终共筛选出算法治理的外文文献530篇，中文文献416篇。在此基础上，利用citespace软件对中外文献进行关键词等内容的知识图谱可视化分析，进而对算法治理的研究脉络及主要研究维度进行梳理。
1.2 文献的描述性分析
a.文献发表的时间趋势。从文献发表的时间分布来看，关于算法治理的论文数量在近些年呈现出显著的上升趋势(见图1)，表明该领域正逐渐成为研究热点。国外与国内的相关研究分别开始于2012年和2017年，并在2018年进入了快速增长的阶段，当前每年发表数量均已达到上百篇。
b.相关研究的学科分布。通过Web of Science和中国知网中的学科统计工具对算法治理研究文献的学科分布进行梳理，表明相关的研究具有明显的多学科分布特点，表1为国内外发表文献前10位的学科。
图1 算法治理国内外文献发表时间趋势(至2022年9月)
表1 算法治理国内外文献的学科分布
2.1 基于时间序列的研究脉络分析
利用Citespace的时间序列分析功能对相关研究文献关键词用LLR算法进行聚类，可以显示不同类别研究主题所集中的年份(见图2和图3)，进而梳理出算法治理研究的大致演进脉络。通过时间序列分析可以看出，算法治理领域的研究始于人工智能等新型算法技术的应用，随着这些技术与社会的深度融合，进而关注一些随之而来的理论和现实问题，并在对问题分析的基础上寻求治理路径的构建。具体而言，算法治理研究的演进脉络可以分为以下3个阶段：一是对算法技术创新应用的关注。此阶段研究主要关注新型算法技术在不同领域的应用，出现的热点研究类别包含算法、人工智能、算法控制等方面，具体的研究主题有智能推荐、媒体融合、情报认知等。二是对算法嵌入所产生问题的关注。此阶段研究主要聚焦于算法在广泛应用过程中所产生的各类理论和现实问题，而国内外研究的侧重点略有不同，其中国外研究更多注重的是理念层面的探讨，人工智能伦理、人权、文化等议题构成了主要研究类别；
国内研究则更多关注的是实践应用层面出现的问题，算法偏见、算法歧视等问题构成了主要的研究类别。三是对如何有效治理算法相关问题的关注。此阶段研究主要关注的是如何对算法嵌入所产生的各类问题进行有效治理，出现的热点研究类别包含算法治理、算法规制等方面，具体的研究主题有技术治理、伦理规约、协同治理等。值得注意的是，算法治理的研究会随着算法技术的迭代应用而出现周期性的特征，在算法技术或应用创新的推动下形成对相关风险问题、治理路径构建的进一步探讨。
图2 算法治理国外文献的时间序列分析
图3 算法治理国内文献的时间序列分析
2.2 基于关键词的研究框架分析
文献的关键词是对相关研究文献中出现的高频、高中心性关键词进行梳理，可以体现本领域的研究热点。利用Citespace中的“Keyword”分析功能，可以得出算法治理领域的关键词共现图谱，表2列举了国内外文献中关键词出现频次排序前10位的频次及中心度。
表2 算法治理国内外文献的热点关键词统计
基于对相关研究文献关键词的梳理，同时结合上文中时间序列分析的结果，将算法治理领域现有研究主题分为5个维度：算法技术、应用场景、运转特征、风险问题和路径构建。在此基础上，总结出算法治理的研究框架如图4所示。
图4 算法治理的研究框架
当前，针对算法治理问题的研究已有相当多的成果积累，而对算法治理的内涵界定却尚未形成明确共识。算法治理中的“算法”往往并不特指某种算法技术，一个算法系统不仅仅是代码和数据，更是人类和非人类行为者的集合，涉及各种各样的人、过程、材料和机器[1]。算法治理领域的研究往往关注算法如何在特定社会背景下重新组织和转变社会结构和交互方式，相关研究内容涉及算法技术、应用场景、运转特征、风险问题以及路径构建等多个方面。
3.1 算法技术
早期的算法由于受计算机发展水平的制约，其应用多偏向于科学计算、工程设计、数据处理等数值应用领域[2]。此后，得益于不断增长的计算能力和数据集，算法逐渐能够执行很多人类无法完成的大规模复杂性任务[3]，算法技术完成了由“代码驱动”向“数据驱动”的发展，进一步提升了其信息处理的速度和易用性，通过将离散的事务聚合成大数据并进行处理，可以产生新的知识甚至预测未来的行为[4]。有学者将上述两种算法称为“确定性算法”和“学习型算法”。当前，两种类型的算法根据实际的场景需求都有着广泛的应用，其中数据驱动的学习型算法因其对应用场景的适应性以及出色的性能正经历着爆发增长的阶段。
在学习型算法之中，人工智能技术是最具代表性的一种，在当前社会中所产生的影响也最为显著。人工智能所具备的数据驱动、自动化决策、高级推断处理功能使其被认为在提升能力和增进福祉方面为个人和社会提供了新的机会[5]。同时，基于人工智能的各类算法系统也逐渐开始支配着社会的运转，通过影响日常个体对现实的构建(个体意识)进而影响集体意识，使它们成为社会秩序的来源和要素，产生一个社会中所共享的现实[6]。
算法技术研究的另一个主要内容是如何更好地理解算法系统的设计和实现过程，特别是当政策目标需要转换成计算机代码时出现的“翻译”问题[7]这个“翻译”过程需要对所需解决的问题有着深入了解。算法系统的设计实现需要清楚地理解问题的数学本质并根据问题的结构来确定适当的算法，在此过程中有4个特征要素：对预期结果的深刻理解、实时测量以确定是否实现了该结果、基于新数据进行算法的调整，以及定期深入分析算法本身是否正确并按预期执行[8]。虽然算法原则上独立于编程语言和执行程序的机器，但设计一个执行特定任务的算法往往需要简化所面临的问题，在具体操作过程中很大程度上是基于技术方面的考虑，包括效率、处理时间和内存负载的减少，同时也需要考虑所写代码的规范性[9]。从数据的采集和校准、筛选和解释，到具体算法的选择、设计以及输出的解释，算法系统在开发应用的各个阶段都可能会出现误差，且这些过程本质上都具有一定程度的主观性[10]。因而，这些主观性所导致的自由裁量权往往会产生新的算法官僚问题[11]，相关的利益群体可以通过算法系统来影响人们的行为，从而对传统的治理体系产生难以忽视的冲击。
3.2 应用场景
算法产生于具体的社会环境中，其设计和运转是社会力量的产物，对社会的影响也有赖于与社会系统的深度融合，因而对算法治理的研究也应结合具体的应用场景[12]。在当前的理论与实践中，算法决策、社交媒体、平台经济与社会治理是几个典型的应用场景，其中基于数据的算法决策更是成为了各类应用的重要支撑。在大数据时代，社会生活的各个领域都充斥着海量的数据，这些数据也构成了各种决策行为的基石。然而，在搜集和处理海量数据时，人类受限于自身的思维和运算能力，往往非常依赖算法对数据进行挖掘、解析、排序和配置来获取有用信息，使得越来越多的人愿意将决策权外包给基于算法的决策系统[13]。算法决策系统根据人类的剩余控制可以分为3种情况：一是参与决策过程并完全处于控制地位，如一般的决策支持系统；
二是参与决策过程并能够在必要时进行干预，如各类算法推荐系统；
三是在决策过程之外且没有任何干预选项，如自动化决策系统[14]。当前，这些系统已经广泛地嵌入到不同的应用场景，其中应用最为广泛同时也备受研究者关注的有社交媒体、平台经济及公共治理。
在人工智能等算法普及的过程中，社交媒体无疑是受影响最为深远的应用场景之一。与传统媒体向人们展示他们应当了解的内容不同，智能算法更偏向于提供它认为每个人想要知道的内容，通过内容的受欢迎程度、与用户的关联度、发布时间以及用户之前的偏好等因素来决定推荐或者隐藏哪些内容[15]。这往往会把用户引向他们过去喜欢的东西，从而产生“过滤气泡”来限制用户接触到不同的观点。“过滤气泡”的产生正在限制广泛社会联系的构建，将人们推向更小的舆论圈并导致了明显的受众分化，有学者甚至将这种碎片化的现象视为公共领域的终结[16]。批评者倾向于将用户视为被愚弄的人，认为其会受到算法操纵者的摆布并改变自己的行为以适应算法的逻辑。也有学者认为，算法并未规定人们应当如何思考或行动，用户在实践中既非被动地服从算法也非完全不受影响，而是通过一种与算法持续“协商”的机制形成了他们的习惯[17]。然而，无论算法与用户之间的关系是愚弄或是协商，社交媒体中算法的广泛应用都会不可避免的带来很多问题；
尤其是当前社交媒体平台已经发展成为具有社会、政治和经济意义的新闻生产、传播和消费场所，使得这些问题的治理更加不容忽视。平台的崛起不仅体现在社交媒体领域，其在生产、生活和流通各个经济细分领域也都产生了深远影响，随之形成的平台经济已经成为当前数字经济的核心形态[18]。依托人工智能等技术，“大数据+算法”正逐渐成为各类平台的技术标配，算法逻辑也成为了平台经济运转的重要基础架构之一[19]。在平台经济中，算法被定义为“一种智能控制系统”，在没有人类参与或监督的情况下组织、指导、协调和监控经济活动的各个过程，其大多数成功案例都以科技公司为中介且以解决信任问题为主要功能[20]。在电子商务领域，平台通过算法的助力可以降低服务搜寻成本、提升服务多样化程度并充分挖掘消费潜力，已经成为桥接服务供需双方的关键基础设施，发挥着承载数据信息、创新生态网络等作用[21]。同时，平台利用算法快速匹配供需的优势，对劳动力市场运转也产生了巨大影响，形成了“零工经济”这种新的经济模式。在这种经济模式中，算法成为平台在劳动过程中连接、指导和监控劳动者的一种工具，推动着劳动者在地理分散的生产中网络化并形成一种虚拟的劳动组织形式。整个雇佣过程在这种劳动组织形式中被明确地逐步划分，每一步都被平台彻底规范，算法也成为统一的规则嵌入到了基于平台的劳动过程中[22]。这种运转模式会导致平台与劳动者之间信息和权力的不对称，平台在某些情况下不仅可以选择工人和分配工作，还可以通过对劳动过程的实时监控来评估其表现，进而通过替换和奖励来规范其行为[23]。
技术总是反映和重组社会，因此它改变了国家、社会和社区的治理方式。公共治理中的算法一直被视为一种强大的工具，通过减少人类对公共管理程序的参与来降低人为错误的发生率和时间消耗，从而提升公共服务的准确性、透明度和有效性[24]。基于算法的跨部门协作及服务自动化模式可以显著提升公共部门的工作效率，同时为促进公众参与、提升社会包容性和多样性提供新的机会[25]，其实现过程可以被理解为公共机构对传统制度指导和监督的延伸[26]。算法系统在公共部门的部署往往依赖于新的人口监测及分类形式，因而其应用会产生很多难以预期的潜在后果[27]。一方面，在具体的治理实践中，算法在支配公共利益、维护公共秩序等方面正发挥着愈发重要的作用，这会在一定程度上动摇人类在公共治理中的主体地位；
另一方面，随着实施过程的算法化和数据化，治理将变得更为强大，其侵入性和无处不在的特征也将对现有治理体系的正常运转带来不可忽视的威胁。
3.3 运转特征
算法治理反映了治理在数字时代的发展，改变了传统的治理模式并形成了一种新的社会秩序。由于算法技术的深度嵌入，治理在这种社会秩序中也有着不同于传统治理模式的运转特征。首先，得益于互联网的普及和数据获取分析能力的提升，治理的广度和深度都有了深刻的变化。在数字时代，社会生产生活过程中产生的海量数据成为了各类智能算法的应用支撑，使得算法在此基础上得以广泛应用于社会资源生产、分配、使用、消失的整个过程。这为社会带来了更加便捷、精准的信息传播和决策支持，同时也使得人们对这种便捷生活逐渐习以为常并形成了一定的依赖性[28]，算法也在此过程中扩展了其影响范围。同时，算法系统提升了信息处理的速度和易用性，通过将离散的事务聚合成大数据来推断新的系统性知识，以达到对当前事务的深度分析，甚至可以预测未来事务的发展趋势，这使得治理的深度也有了极大的增强。在此背景下，算法治理也可能会通过其侵入性和无处不在的特征来放大社会中原有的不平等现象[29]，现有的不平等现象会转化为有偏见的数据集，并通过基于这些数据集的决策算法而放大。同时，随着时间的推移，算法治理平台在融入人们日常生活的过程中可能被视为理所当然的社会基础设施，这会使得不平等变得更为长久[30]。有学者指出，算法治理中的数据转化及算法选择等因素可能会导致或放大种族偏见等歧视行为[31]。还有研究表明，盲目应用智能算法有放大数据中存在偏见的风险，如性别刻板印象[32]、用工歧视[33]等。
与传统的治理模式相比，算法治理需要将社会规范和组织目标阐明并转化为代码，这可能增加社会可观察到的信息总量。然而在实践中，由于认知边界，算法治理往往伴随着可理解和获取信息量的实际减少，从而使得治理过程的不透明成为算法治理的一个显著特征[34]。算法透明性问题的产生有着多方面的成因：一方面，算法自身的技术特性使得其应用细节涉及庞杂的数据原料和繁复的计算方法且以代码的形式呈现，非技术人员往往难以理解；
另一方面，算法在应用过程中会由于商业机密、安全问题、隐私保护以及法律规范模糊等原因产生非技术原因的不透明现象[35]。有学者指出，如果系统是不透明的，总有可能会出现“算法权力的裂缝”，进而对治理预期成效的达成产生不利影响[36]，因而算法透明性也成为了算法治理领域的一个重要且普遍存在的问题，通常伴随着对更多透明度的呼吁。算法治理对透明性的追求存在着一种假设，即看到一种现象就会创造机会和义务，使相应的系统负起责任并进而改进它。这种假设往往要求可见的信息容易识别和辨认，且相关主体有能力理解这些信息并采取相应行动，进而实现透明性所带来的潜在改进[37]。然而，在实际的治理过程中，这种假设所需的条件往往难以达到，算法黑箱的透明化并不一定可以实现有效的问责机制。越来越多的学者认为，绝对的透明往往是不可能也是不可取的，透明可以为用户提供一些关于算法的特征和限制的关键信息，但它也可以用大量的信息淹没用户，从而使算法更加不透明[38]。还有学者指出，过度关注透明度可能不利于创新，并不必要地转移本可用于提高安全性、性能和准确性的资源，只有一定程度的透明才能使决策系统及固有的社会规范更好的接受监管和改进[39]。此外，将社会规范进行算法化在产生不透明性的同时，也会揭示之前隐藏的规范细节，因为算法化的过程需要明确定义的指标和步骤。
3.4 风险问题
随着算法治理影响范围的不断扩大，其带来的风险及不确定性也逐渐显现并引入了新的治理问题。首先，算法技术嵌入治理会导致公共性减损风险以及公平性问题。算法治理的普及推动着算法进入了公共领域，使其成为社会运行过程中的一种重要规则，并因此演进为了一种新的权力形态[40]，可以影响甚至代替公权力进行决策。然而，算法权力的公共性与算法设计的占有性之间难免会产生矛盾，进而引发公共价值与商业利益的冲突。作为算法治理过程中技术与数据的重要掌控主体，科技公司在获取部分公共权力的同时却难以充分履行相应的公共职能，其以营利为目的的组织目标往往会使其忽视公共利益的实现，从而导致算法歧视、算法霸权、消费诱导等社会问题的产生。同时，由于算法治理所带来的问题与其产生的社会效益往往相伴而生，很多问题被认为是不可避免的“双重效应”，即伴随新技术而来的“过渡性负面副作用”[41]，相关的科技公司也往往会以商业秘密等理由来规避审查和监管，这些现象都会不同程度地消解社会正义，带来治理的现实困境。此外，在公共部门治理工作算法化的过程中，也会由于基础设施、设计缺陷、数字鸿沟等因素导致治理的效率及公平性难以得到有效保障。
智能算法运转的自动化及不透明也会引入一些算法伦理问题。一方面，治理的算法化运转会改变传统治理模式中的人机关系。智能算法通常识别基础数据中变量之间的关联和相关性，但不识别因果关系，从而形成一种“机械客观性”并使得支持人类决策的证据存在不确定性。这种不确定的证据可能导致严重的风险，例如专注于非因果指标可能会分散对给定问题根本原因的注意力[42]。而由于数据的及时性、完整性和准确性等因素对数据质量的限制，即使使用因果方法，可用的数据也并不总是包含足够的信息来证明决策行为的合理性[43]。对算法系统的过度依赖还可能使人类决策者忽略他们自己的经验评估，产生所谓的“自动化偏差”[44]，进而影响到算法决策的质量。另一方面，算法治理还改变了传统治理模式中权力与责任的划分方式，使得追溯由人类和算法混合的执行系统中的行为责任变得更加困难。行业专家和智能算法之间的相互作用可能引发“认知恶习”，如教条主义或轻信，并使人类主体可以以此为借口来逃避部分责任，从而影响整个算法治理系统中的责任划分[45]。同时，算法黑箱的现象会导致在治理出现偏差的时候无法找出依据进行修正，从而损害到公民的基本权力，而利益受损的个体在这个过程中可能会被剥夺通过正当程序对算法结果提出异议的机会。
作为算法治理体系的基础资源，数据的获取和使用同样是一个关键性的治理问题。关于算法治理的研究一直关注着数据化运转所带来的诸多风险，主要涉及对公民隐私权的侵犯和因此而产生的自主权受损问题。算法的分析和预测往往需要大量的敏感数据，并以此为基础对公众进行某种程度的监视，这给公众的信息隐私带来了严重的威胁，而信息隐私与用户的自主权密切相关，它保障了人们思考、交流和建立关系的自由[46]。在当前的算法系统中，用户经常面临着个人数据一揽子授权、软件过度收集用户信息等行为[47]，这些行为的合法性很大程度上依赖于“通知-同意”范式。然而，由于用户虽然表示担心自己的隐私问题，但却不倾向于阅读所安装应用程序的条款及隐私政策，这种范式往往并不能充分的保障用户的数据安全。用户这种行为的出现多是为了顺利使用算法系统所做的妥协，即心甘情愿地允许自己受到算法监视，通过交换个人数据来换取算法工具带来的效率和便利[48]。但随着公众与算法系统的互动越来越多，他们可能并不会刻意关注或没有能力了解关于他们的信息类型以及这些信息的用途，导致其控制谁有权访问与自己有关的信息以及如何处理这些信息的能力有了实质性降低。考虑到算法系统通过干预个人选择来促进了个人身份的动态构建，这种控制能力的缺乏往往会转化为自主权的丧失[49]。
3.5 路径构建
如何对治理过程中产生的各类风险进行有效规避，也是算法治理研究的一个重要议题，学者们从技术、制度、协作等多方面进行了阐述。算法的设计应用一般都会经历反复的迭代，在不断收集问题、解决问题的过程中进行优化调整。尤其在算法治理体系中，对治理过程中产生的结果偏差、偏见歧视等问题及时进行检视调整，有助于降低算法治理过程中的不确定性[50]。很多计算机和计算社会科学领域的学者认为，设计良好并及时优化的算法可以克服无辅助人类判断的偏差和不一致性，并有助于确保所有人获得公平的结果。除了对算法技术本身的优化，针对算法治理风险设计的各类监管算法也得到了一定关注，这些应用当前多集中在社交媒体领域。随着政府对平台企业的不断施压，相关公司和监管者都在寻找技术方案，以解决仇恨言论、虚假信息等治理难题。在此背景下，算法审核系统正越来越多地被主要平台用于对用户生成的内容进行大规模的审核，已然成为满足日益增长的公众对平台责任、安全和保障期望的必要条件。然而，虽然社会对算法审核系统的应用前景普遍看好，也有学者指出其可能会加剧而不是缓解算法治理过程中存在的许多问题[51]。一方面，算法审核系统本身也是一种基于智能算法的自动化系统，其运转过程中也不可避免的会出现透明性、公平性这些普遍存在的问题，从而在一定程度上增加治理过程的复杂性；
另一方面，一些需要审核的模糊概念很难被自动准确识别，会导致算法系统在执行大规模审核任务时难免出错，影响其预期效果的实现。
在技术手段之外，建立有效的法律规范体系是规避算法治理风险最为重要的手段，可以解决很多技术自身难以解决的问题。学者们指出，应当针对算法设计、研发及应用的全过程，从业务要求、责任划分、隐私保护、缺陷防范、事故问责等方面进一步对法律规范体系进行完善细化[52]。此外，行业规范也是综合性的算法风险防控措施，通过制定行业标准、建立伦理委员会等手段，有助于结合技术和价值层面的需求，为算法治理提供相对清晰的规范框架[53]。
算法治理本质上是代表公共利益、商业利益和个人利益的政府、企业和公民等主体间互动与博弈的过程，其目标是妥善协调不同主体间的利益分配。因而，通过建立多元合作机制，充分融合不同利益群体、不同学科领域的力量，也是解决算法治理问题的有效手段。一方面，算法治理的研究与实践涉及计算机、法律和社会学等不同学科的知识，需要跨领域的融合交流，而这种交流机制的构建有赖于政府统合各方资源，由公共组织、专家学者、企业主体及社会公众组成跨领域的治理结构[54]；
另一方面，治理过程中各参与主体的知识素养也是算法治理体系良好运转的基础保障。当前，业务人员不懂技术、技术人员不懂业务、用户算法素养不高的现实困境仍普遍存在，提升公共管理人员的技术理论水平、培养算法从业人员的公共价值理念、提升公众的算法素养有助于规避算法从设计到应用过程中各类风险的产生[55]。
4.1 算法治理理论体系的构建
算法治理领域的研究往往被分为“用算法治理”和“对算法治理”，前者强调算法作为治理工具带来的治理效能提升，而后者关注算法作为治理对象产生的潜在治理风险。无论是将算法作为治理工具还是治理对象，其目的都是通过算法与治理的融合来推进治理体系的优化，且在此过程中既要保证算法设计应用时技术潜能的充分释放，也要规避算法系统运转时可能出现的不可控风险。因而，算法治理的理论体系应当覆盖算法系统从设计应用到评估优化的全生命周期。从前文对国内外算法治理研究文献的系统性梳理来看，当前算法治理领域的研究也是遵循着技术产生、应用、评估、优化的发展逻辑来展开。具体而言，算法治理的理论体系构建由算法技术的产生开始，经历算法场景嵌入、系统运转监测、风险问题分析等不同阶段，最终通过治理路径的探索来提升算法治理体系的整体效能，同时还会在算法技术的迭代更新中不断进行理论的优化完善(见图5)。基于此，本文将算法治理的理论体系具体归纳为算法技术、应用场景、运转特征、风险问题和路径构建5个维度，并对每个维度的研究内容和相关主题进行总结如表3所示。
图5 算法治理研究的理论体系构建
表3 算法治理研究的理论体系构成
4.2 算法治理的未来研究展望
尽管算法治理领域的研究已积累了丰富的成果并形成了较为清晰的理论体系，但由于算法技术发展迅速且对社会影响巨大，未来还有较大的研究空间，包含但不限于以下两个方面：
一是对新算法技术影响的研究。
当前社会仍处于技术爆发增长的阶段，日益复杂和无处不在的算法软件对治理的影响将在未来日益增长。算法治理问题的产生及相关研究都始于突破性算法技术的产生和应用，因而算法技术的发展也会带来更新的研究议题。例如，“元宇宙”的概念在近两年成为了热点话题，政府、相关企业以及学者们都对其都有着充分的关注。然而，对其概念的界定仍然相对模糊，具体的应用和研究也处于探索阶段，其研究领域主要集中在技术特征和有限的应用场景。而在技术的成熟和普及过程中，难免会出现如虚拟财产归属、现实法律适用性等与其技术特征相对应的新问题，需要针对性的进行分析及治理研究。
二是对现有治理模式重构的研究。
算法系统的发展应用在数据处理、决策制定、社会交往等方面都对现有的治理体系产生着深刻的影响。然而，将算法治理与现有治理模式结合并深入分析的研究仍相对较少，需要更多的关注智能算法如何影响治理模式(如层级结构、自治、合作治理等模式)，并具体分析它们的影响在哪些维度较为显著。将算法技术与治理模式相结合，构建一种较为通用的研究范式，有助于分析各类算法在重构治理体系过程中的能力和影响，也可以在新的算法技术出现时，及时分析其可能的应用场景及治理风险，更好的发挥算法技术对社会发展的赋能作用。
猜你喜欢算法研究FMS与YBT相关性的实证研究体育科技文献通报(2022年3期)2022-05-232020年国内翻译研究述评天津外国语大学学报(2021年3期)2021-08-13辽代千人邑研究述论辽金历史与考古(2021年0期)2021-07-29视错觉在平面设计中的应用与研究科技传播(2019年22期)2020-01-14基于MapReduce的改进Eclat算法成都信息工程大学学报(2019年4期)2019-11-04Travellng thg World Full—time for Rree阅读与作文（英语初中版）(2019年8期)2019-08-27EMA伺服控制系统研究民用飞机设计与研究(2019年4期)2019-05-21进位加法的两种算法小学生学习指导(低年级)(2018年11期)2018-12-03算法初步两点追踪中学生数理化·高一版(2017年9期)2017-12-19新版C-NCAP侧面碰撞假人损伤研究汽车工程学报(2017年2期)2017-07-05