機器學習下數字經濟的運行困境及制度應對

摘 要：“十四五”規劃明確要求促進數字經濟發展，而機器學習是數字經濟發展的關鍵。然而，機器學習下數字經濟發展仍面臨技術層面的隱私風險、經濟層面的高額成本、社會層面的信任危機等諸多困境。應當明確，數字經濟發展不僅需要科技的“硬件”支撐，更需制度的“軟件”完善，而健全的法律制度是數字經濟發展的根本保障。因此，為應對數字經濟發展困境，需加強制度的頂層設計，明確重構模式與技術中立、協同治理原則，并健全具體的激勵與約束措施，以實現數字經濟的可持續發展。

關鍵詞：數字經濟;機器學習;數據信托;運行困境;制度應對

中圖分類號：F49? ? ? ?文獻標志碼：A? ? ? 文章編號：1673-291X（2022）03-0132-03

數字經濟是指直接或間接利用數據引導資源作用發揮，以推動生產力發展的經濟形態。“十四五”規劃中明確要求，促進數字經濟發展，將其作為經濟發展的“新引擎”。而數字技術深入發展需要通過收集和分析數據驅動社會生產生活變革，基于數據構建模型以不斷改善系統的機器學習成為炙手可熱的話題。

一、機器學習下數字經濟的運行困境

（一）技術層面存在隱私風險

一是可能受到各種外部攻擊者的隱私威脅。雖然機器學習中服務器沒有權限訪問參與者的本地數據，但惡意攻擊者可通過上傳錯誤模型等方式達到破壞全局模型的目的，侵害數據所有者的隱私安全。二是機器學習內部亦存在隱私泄露的風險。已有研究表明，機器學習在模型訓練過程中可能“記住”某些訓練數據，由于模型泛化能力不足仍能從梯度、模型參數中反推原始數據，導致間接隱私泄露。

（二）經濟層面需要高額成本

隨之移動端設備的廣泛覆蓋，為機器學習帶來高額成本。一是通信成本問題。因模型參數量大、模型結構復雜等問題，機器學習對設備內存、計算能力、通信帶寬等均有極高的要求。二是傳輸成本問題。面臨移動端的海量數據，機器學習廣泛應用云端服務器解決數據儲存數量的問題，但云端數據交互并非免費，且移動設備間往往是數以萬計乃至億計的用戶，面臨高額傳輸成本。

（三）社會層面面臨信任危機

一是各參與者間因共同享有全局模型難以產生信任。機器學習存在一個重要問題，即各數據參與者的本地數據是不平衡的。特別是在移動設備中，其數據源自設備使用者安裝的應用程序，由于程序數量與使用頻率存在區別，數據量亦會產生差異。二是機器學習缺乏可信服務器和可靠節點。現有技術條件下數據加密的可信任程度較低，若不可靠第三方在未經各方許可下擅自收集模型，雖非原始數據，仍可通過錯誤修正、反向推演等技術手段獲取隱私數據，亦會導致合理懷疑。

二、科技與制度的辯證

在馬克思主義政治經濟學看來，科技的生產與應用不能脫離一定的生產關系及制度條件，制度因素是提高生產力的必要保障，其建立、變化的目的就是為了激勵個人與組織更好地從事生產生活，促進經濟與社會發展[1]。簡言之，科技的發展需要制度“賦能”，制度的“軟環境”與科技的“硬基礎”同等重要[2]。片面追求科技而忽視制度功能，必然面臨科技管理與運行中的困境，從而影響科技成果的最優化發揮。只有堅持科技與制度的協同，才能補足科技發展中的局限，實現創新驅動的根本變革。數字經濟時代，數字科技若脫離基于社會價值考量的制度保障，僅在經濟主義刺激下改善物質需求，必然產生嚴重的社會風險。在數字經濟的“個體生活公共化”背景下，個體不僅是數據消費者，更是生產者，其風險形態不斷升級，亦具有更大的風險波及范圍。風險社會學家稱之為“工業社會的自反性”，即數字經濟中財富生產的邏輯已支配風險生產的邏輯，財富在數據膨脹中迸發前所未有的指數級增長，亦使得風險與潛在威脅進一步釋放，技術進步帶來的繁榮日益被風險產生的陰影所籠罩[3]。

（一）數字經濟的隱私風險需要法律制度保障

機器學習從數據輸入到模型產出，系統基于對數據的自動學習而誕生高級別的認知結果。但機器學習的過程具有不透明性，即“算法黑箱”，源于個體專業知識缺乏而無法理解與企業為保護商業秘密不愿公布等諸多因素，此過程易導致用戶隱私泄露。法律的核心功能是保障公眾對社會規范的穩定期望，從而影響各主體的行為預期。因此，數字經濟的隱私風險需要發揮法律制度的穩定性、持續性、可預測性等功能給予關注與回應，以防止對權利的侵害。

（二）數字經濟的高額成本亦需法律制度保障

移動互聯網時代，市場主導下的數字科技更進一步加劇數據收集與分享壁壘，增加數字經濟發展成本。事實上，數字經濟作為新經濟形式，其基本原理并未發生顯著變化，必然涉及生產主體、生產內容、生產程序、分配方式等基礎問題。而法律除滿足社會主體可預測性需求以調整主體行為外，同樣具有重要的生產性面向，作為上層建筑在更深層次對數字經濟時代的生產方式與生產關系進行回應。法律通過確認新興科技的合法性及協調新舊生產組織間的利益關系，實現對系統性技術變革的回應，有效降低發展成本。

（三）數字經濟的信任危機需要法律制度保障

在理想市場中，市場具有完全透明的信息，市場主體在完全知曉市場信息的情況下履行市場行為，不存在欺騙或不誠信問題，此中自然不會產生信任危機。但理想市場僅是一種不可能存在的假設，信息不對稱、不確定性風險的存在是市場常態。申言之，信任等同于“獲得”與“失去”，選擇信任意味著可能獲得收益，選擇不信任雖然可以回避風險但卻失去獲益的機會，理性的市場主體在認為“獲得”大于“失去”時方會選擇信任。法律作為社會關系的調節器，通過明確各類主體權利義務關系，能實現數字經濟中不同利益主體的有效調整，為市場行為提供更加準確、長久與有力的保障，消除數據共享顧慮[4]。

三、數字經濟發展困境的制度應對

（一）加強頂層設計：明確應對模式與原則

1.解除數字經濟發展困境的制度應對模式。目前，關于數字經濟發展困境的法律應對主要存在管制與回應兩種模式。管制模式是法律應對的傳統模式，即通過國家強制力對數字技術發展進行管制。如果技術不能滿足特定社會目標或與法律觀念相沖突，管制模式就要求對技術實踐進行壓制。但管制模式存在諸多缺陷，一是其使得技術與法律工具化，技術被視為實現特定發展目標的工具，而法律亦被視為最直接的管制手段，實質是結果導向的簡單功利主義。二是管制模式僅反映政府對社會結構的單一化理解，數字技術的價值來源不是自身功能，而在于生產組織的利用，其阻礙了技術正面功能的發揮，亦破壞了法律實施的自主性。回應模式是強調法律的適應能力，即鼓勵法律自我調整以適應技術發展。回應模式在實踐中廣泛存在，如網約車的規模化使得交通運輸部賦予網約車合法地位。但回應模式亦存在缺陷，一方面，回應模式弱化了法律的服從義務，其強調法律不能囿于既定規則和權威結構而應具有更強的靈活性，但這與數字經濟需要穩定、可預測的法治環境相悖。另一方面，回應模式難以有效解決數字技術所引發的價值沖突，數字技術實踐會產生正反兩面的價值沖突，而回應模式過于肯定數字技術的正面性，難以中立判斷。無論管制亦或回應模式，實質是將法律作為數字經濟變革的一種限制或保護手段。但事實上，數字經濟與法律在價值領域是相互重疊的，二者不是并行存在或吸收關系，而是互相重構，即數字技術的工具價值納入法律體系，而法律亦對數字技術本身做出價值調整，二者相互碰撞與互動。因此，數字經濟發展需要法律的重構模式，即法律不是一種靜態與孤立的工具，而是包含自身價值結構的社會實踐，不斷完善數字經濟建設并實現自適應調整。

2.解決數字經濟發展困境的制度應對原則。一方面，技術中立原則。無論是“重保護輕共享”抑或“重共享輕保護”的理論均不符合數字經濟發展需求，而應堅持“共享為原則，保護為底線”的立法理念。法律需要區分作為“知識探尋”的技術與“作為知識運用”的技術，前者應受到“學術自由”的保護，而后者必然與生產生活相聯系，如產生社會問題，則需法律予以限制。概言之，數字技術若遵循其自身的功能機制與原理并發揮功能其使命即以實現，若由此引發困境應由技術實施者承擔，即技術功能與實踐后果的分離。例如，菜刀生產者不能因惡意主體使用菜刀犯罪而承擔生產責任。特別是在數字經濟發展中，法律需認識到數字技術的公共維度，機器學習本身是解決數據孤島問題的重要探索，其雖引發新的困境，但并不能夸大技術風險而否認其價值。另一方面，協同治理原則。前文已述，數字技術更多表現為一種生產組織，如平臺生態是數字經濟的重要組織形式，將多個組織、用戶群體相連接以構成多邊市場的商業模式。以機器學習為例，其具有強烈的共享與協同需求，同時亦蘊含巨大的共享與協同價值，高度依賴主體協同以實現資源高效配置與機制有效運行。法律的行為引導功能是實現機器學習協同需求的關鍵，一旦實踐主體因價值沖突出現分歧，法律即可介入價值論辯之中，重新建構起規范與價值的平衡。因此，數字經濟中法律的權利義務責任不應再簡單按照既有范式設計，而需嵌入協同治理理念以作出必要且合理的變化。

（二）完善具體規則：健全激勵與約束措施

1.激勵措施。首先，賦予參與者數據權利，鼓勵數據分享。盡管個人數據、企業數據等原始數據是機器學習的基礎，但機器學習會將數據或數據集加工成特定的算法模型，加工聚合的過程體現了參與者對經濟價值的追求，亦是參與者獲得利益回饋的正當性基礎，當衍生數據已與原始數據產生顯著區別，若存在創造性應通過知識產權予以保護。同時，為鼓勵企業分享數據，政府與市場應通過財政補貼、稅收優惠、信用貸款等多種經濟激勵渠道鼓勵數字技術創新，降低通信與傳輸成本。此外，機器學習下數據收集、分析、整理等過程會產生巨大經濟價值，政府應制定完善的技術標準，進一步保障參與者數據權利。其次，健全數據信托制度，緩解信任危機。縱向與遷移機器學習中均存在數據信托需求，即第三方參與數據收集與學習。但機器學習中參與者與第三方間存在信任危機，若存在“信任赤字”，再多賦權與規制亦無濟于事。因此，必須健全數據信托制度，一是保證受托方的獨立性，其需是獨立于據參與者、分析者與使用者之外的專業第三方;二是受托方按照預先制定的信托章程管理數據;三是由受托方協調各方共同制定數據信托框架，包括數據如何分析使用、數據傳輸與存儲機制、數據利益分配等。并且，數據信托根據不同情形可以側重個人利益、公共利益亦或降低風險，形成完整的數據信托生態系統。最后，完善數據分級制度，保障數據安全。“十四五”規劃與《數據安全法》均要求完善適用于大數據環境下的數據分類分級保護制度。明確數據分級，能為數字經濟發展提供系統的行為指引。“可識別性”是原始數據的判定標準，但實際操作中“可識別性”不能“一刀切”以保證數據共享與安全間的平衡，應按照數據的價值、內容敏感程度、影響范圍等對不同數據進行敏感級別劃分。此外，對于不具有可識別性的數據亦應進一步劃分，包括公開數據與非公開數據，前者允許市場主體的合理使用，后者應按照商業秘密保護或由數據權利人自主決定，以保障數據要素流動，引導數字經濟健康發展。

2.約束措施。一方面，增強數據保護義務。隱私泄露、產權模糊、違規收集等數據風險不同程度阻礙了數據要素價值的實現和數據市場培育與發展。協同治理原則要求將數據保護義務融入數字經濟發展的各主體與各環節，從源頭增強數據保護，實現數字經濟可持續發展。數據保護義務要求數字經濟不能僅追求自我利益，更需關注社會效益與公共利益，包括數據參與者嚴格遵守法律規范與行業標準以及數據控制者誠信義務、數據平臺的協調義務、數據分析者的保密義務等。同時，加強數據流通的監管亦尤為重要，力求做到數據安全與數據共享并重。一是加強政府監管，促進金融、稅務、工商等跨部門統籌協調，兼顧不同行業和領域數據安全;二是推動行業自律，促進政企學民交流合作，形成數據格式、授權、應用多方面標準規范;三是鼓勵公眾參與，引導社會公眾進一步提升數據素養，增強風險意識與自我保護能力。另一方面，落實數據侵權責任。隱私風險是數字經濟發展的一大阻礙，針對惡意攻擊者等違法主體，需加大違法違規行為的懲處力度。但責任承擔的前提是能夠被識別和追求，企業間數據侵權可基于《民法典》第1198條要求對方承擔侵權責任。但目前大部分個人用戶并不從事數據業務，對隱私風險舉證能力有限，且個體的數據量有限，往往因維權成本過高而放棄。因此，在個體數據安全保護方面應實行舉證責任倒置，即由企業證明自身已履行數據保護義務。只要企業履行該義務，即可享有對其持有數據法律禁止外的權益。若企業違反該義務，則應該按照《個人信息保護法》中規定的“依照個人所受侵害”或“信息處理者獲益”兩種方式承擔侵權損害賠償責任，以保護數據安全。

參考文獻：

[1]? 裴小革.論創新驅動——馬克思主義政治經濟學的分析視角[J].經濟研究，2016，（6）：17-29.

[2]? 張媛媛.習近平關于科技創新與制度創新協同發展的論述[J].上海經濟研究，2020，（7）：23-31.

[3]? 宋宗宇，李南樞.基于復合空間視角的超大城市韌性建設路徑思考[J].北京行政學院學報，2021，（6）：49-57.

[4]? 葉明，王巖.人工智能時代數據孤島破解法律制度研究[J].大連理工大學學報：社會科學版，2019，（5）：69-77.

[責任編輯 百 合]