算法预测性警务的风险辨析及应对

随着算法时代的到来,在总结吸收问题导向警务和热点警务模式特性的基础上,通过对“不安全因素”的边际判断以及算法决策机制,算法预测性警务实现了对警情的预报预测预警。但算法预测性警务也存在风险,包括计算机学习的样本缺陷、技术上的利维坦化以及算法黑箱在内的技术风险,还包括算法在嵌入警察权的过程中可能带来的警察权扩张、“全景敞视主义”的自由困境、破坏警民关系等制度风险。为此,除了扩大数据池以及加强计算机学习模型的优化等技术升级保障外,更要做好个人信息保护与国家监管之间、算法预测的工具理性与伦理道德之间、算法技术垄断与公民参与之间三方面的平衡,以更好地应对算法预测性警务在未来可能面对的风险。

关于我国股票发行方法的改进研究

为使我国股票的发行方法更加有效、科学、规范,文章在回顾我国以往股票发行方法的基础上,提出了一种更科学的均衡风险的三维竞价法,并给出具体的均衡风险技术算法。

生成式人工智能应用风险治理的理论误区与路径转向

ChatGPT的强大功能引致了新一轮的技术风险担忧,这些风险无一不让学者们重新审视现有立法体系与人工智能技术风险之间的匹配性。部分学者习惯性地将技术创新与新型技术风险等同,进而以新型风险为由主张特别立法,但这类“风险立法论”主张始终未能言明这些新兴风险的特殊性以及立法所需要的正当性基础。此种治理误区乃是风险类型与风险程度两个概念混同所致的,现阶段回应ChatGPT滥用风险的关键在于提供一种兼顾伦理、技术和法律的治理框架。结合现行立法所提及的算法主体责任体系以及科技伦理审查义务,在不单独立法的情况下,依托网络法治体系尚未细化的安全评估框架,建构囊括伦理层面的算法安全原则、法律责任的算法安全保障义务以及囊括技术层面的算法安全标准的算法安全评估机制。