打开暗箱：电子商务中的算法透明

算法是计算机程序所遵循的一组步骤，以便作出关于特定行为的决定。
大数据时代，数据量级只是强大的表象，算法规则才是真正的杀手锏。并且，如果算法规则脱离了简单的程序猿控制，开始自动化决策（即人工智能），那人类甚至会成为机器的奴隶。
在2002年上映的科幻电影《少数派报告》中，就提出了关于算法的激烈问题——人类发明了能侦察人的犯罪企图并派出警察提前阻止犯罪的机器人“先知”，所有人类的犯罪都由先知演算而出。不幸的是，影片的主人公（汤姆克鲁斯饰）成为了先知所侦测的潜在犯罪人，于是，获得先知演算其为罪犯的秘密文件“少数派报告”，就成为公人主的终级目标。

这样的电影情节，也正会成为现实中的场景。越来越多的现象表明，机器已经能决定人类该看到什么，不该看到什么。谷歌这家不作恶的公司在用户的搜索结果中，给予自家的购物商品最好的呈现位置，这是因为Google在搜索算法中加入了相关算法标准，导致其竞争对手购物服务的排名被降低，即使是平均排名最高的竞争对手服务也只会出现在Google搜索结果的后几页上，但Google自己的购物比较服务则不受Google的通用搜索算法的约束。为此，欧盟委员会在2017年对谷歌罚款24.2亿欧元。
新浪微博最近也因为算法变化而受到诟病。以往，用户可以第一时间查阅自己所关注人的微博内容，而现在每个用户的微博首页却不再像以往一样按时间线顺序进行排列了。现在的算法越来越多地根据访问频率、被点赞、转发等因素进行权重排序。似乎，微博想成为第二个今日头条，因为很多头条内容，也是因为根据用户对被推荐内容的兴趣度而决定是否继续推送，否则，即使内容仍然会被用户检索到，但基本如大海之针。
我们也越来越多地由机器来决定我们是不是一个“合格的人”，例如各类个人信用评级机构，在其信用体系下，你的个人得分直接关系到你能够获得的相关服务，但各种简单的评分标准将越来越受到用户的质疑，因为用户想知道凭什么这个月我的信用分值为什么不增长，是因为我没有使用你评级机构关联公司的贷款服务么？还是因为我使用了评级机构竞争对手的服务？
《电子商务法》二审稿中有条款拟规定电子商务平台经营者不得删除消费者对其平台内销售的商品或者提供的服务的评价。而实际上，这基本可能就是一条无用的条款，因为经营者根本不需要“删除”相关评价——“屏蔽”这个评价，让多数人不能主动看到将是一种不违法的“下有对策”。

《电子商务法》二审稿在我国立法体系中，第一次提出了算法透明问题。第三十四条规定，电子商务平台经营者应当根据商品或者服务的价格、销量、信用高低等多种方式向消费者显示商品或者服务的搜索结果。但本条令人尴尬的是，它只是强制规定消费者具有算法的选择权，而并没有规定算法应当被公开。同样，另外一部大法，即《反不正当竞争法》虽然已经看到了欧盟对google商店的处罚的大背景，但其网络不正当竞争专条仍无动于衷，也没有考虑算法透明问题。
笔者曾参与《杭州市网络交易管理暂行办法》的制定，当时有一个条款大家争议很大。该条款规定：“网络交易经营者提供搜索、排名服务的，应当对有偿搜索、排名结果进行区分并予标记。”实际上当时需要讨论两个问题，一是使用“有偿搜索”还是“自然搜索”的措辞，本意是希望用户能在平台电商上搜索到自己想要的商品，而不是一些受到干扰的搜索结果，但实际上这个世界上根本不存在“自然搜索”，因为全部的搜索算法都是有人类的干预成分的；二是要不要首创一次算法公开立法？要求平台公开商品搜索结果的算法规则，从而避免暗箱操作，构成不正当竞争。
所以，其实算法透明早已经进入了立法者们的视野，但终归时机并不成熟。一是因为人们还普遍将算法规则看做是公司的商业机密，认为立法要求公开全部算法实际上是对企业自决的严重侵害；二是算法公开难以驾控程度，算法公开到何程度？是简单算法公开还是全部规则公开？即使公开了，相关主管部门也没有技术能力进行验证或审计；三是算法过于透明反而会被网络黑灰产利用，例如一些黑帽SEO公司，就会利用例如谷歌收录规则，制造大量的垃圾链接，从而提升谷歌收录排名，一些刷单产业公司会利用电子商务平台的算法公开，不务正业的刷单，从而让自己的店铺挤入最大流量页面，所以刷单的本质就是一种算法优化。
但是，不管如何，算法透明这种想法即使不被绝大多数商业主体所接受，但执法、立法或司法机关已经越来越从社会公平角度出发，认为算法透明这个暗箱应当被打开。数据越来越成为一种公共资源，而算法也越来越成为一种公共服务。这就像政府机关一定要向社会公示公务员招录的规则，企业也须向社会公示并明确招聘条件一样，任何影响平台自身以外的决策或系统，都具有一定的社会服务属性。
兴许，在人工智能时代，以算法不透明为理由，向竞争对手或者交易对象提出不正当竞争的诉请，可能具有开创性意义，而这类案件，相信很快也会在中国到来，这并非决不可行，毕竟反法之诚信两字仍会作为你的坚实后盾。
欧盟GDPR《一般数据保护法案》的条款规定，数据主体有权利不受一个仅仅依靠包括分析的自动化处理的决定的限制。这实际上是提出了一个人工智能的损害救济问题，机器依据其规则作出的自动决策，是要有一定限制的。美国电子隐私信息中心(EPIC)主席Marc Rotenberg甚至提出：“在法律和技术的交叉点，算法是一项基本的人权”。
在算法透明问题上，立法仍然是一片空白的。美国公共政策委员会计算机协会（usacm）曾在2017年1月12日，认为“也有越来越多的证据表明，一些算法和分析可能是不透明的，因此无法确定它们的输出可能是偏颇的还是错误的”，同时，该组织提出了算法透明的七大原则，兴许会对我们有所裨益和借鉴意义。

原则一：意识原则，即我们必须认识到算法系统的所有者、设计师、建设者、用户和其他利益相关者应该意识到他们的设计、实施和使用中可能存在的偏见，以及偏见对个人和社会造成的潜在危害。
原则二：准入和补救原则，监管机构应鼓励采用机制，对那些因算法决策而受到不利影响的个人和群体提出质疑和纠正。
原则三：问责原则，机构应该对他们使用的算法所做的决定负责，即使这些机构不可能详细解释算法是如何产生结果的。实际上即要求这些机构承担一种无过错责任。
原则四：透明原则，鼓励使用算法决策的系统和机构对算法遵循的过程和所做的具体决策给出解释，而且这在公共政策或公共服务环境中显得尤为重要。
原则五：数据来源原则，算法构建者应当对训练数据的来源进行说明，同时还要对人类或算法数据收集过程中可能存在的偏差进行探索。
原则六：可审计性原则，即应记录模型、算法、数据和决策等数据，以便在可疑的情况下可以对它们进行审计。这有些类似我国对网络产品的安全评估工作。
原则七：验证和测试原则，即算法构建者应该使用严格的方法来验证它们的算法模型并记录这些方法和结果并定期进行测试，以评估和确定该算法模型是否产生了歧视性损害，鼓励机构公开这些测试的结果。