算法嵌入政府環境治理的正向效應、潛在風險與規制路徑

摘要 與傳統的政府環境治理模式相比，政府運用算法開展環境治理具有明顯的正向效應：能夠提升環境治理的精準性、預測性和高效性。算法嵌入政府環境治理的過程容易引發倫理、工具和法治三個維度的風險。倫理維度中面臨價值失衡風險，工具維度中包含環境數據結構性不足、環境算法模型透明度不足的風險，法治維度中則存在環境算法模型掌控者權力濫用和責任分配不均的風險，故有必要對算法嵌入政府環境治理所誘發的風險建構系統性的法律規制體系，從而充分發揮算法自動化決策的環境治理優勢。在規制路徑的選擇上，應當立足于宏觀基本原則指引和具體規制方案設計兩個方面，對算法嵌入政府環境治理的潛在風險進行系統規范：宏觀層面上，算法嵌入政府環境治理應該遵循依法治理、公平正義、浮動比例和正當程序的基本原則。在具體的規制方案上，既要建立算法嵌入政府環境治理的支持結構，以發揮算法嵌入政府環境治理的優勢，又要根據算法本身的漏洞，進行適當的規則變動，從而通過“支持性結構和適應性流變相平衡”的方式，提升具體規制方案的可行性。在具體規制方案的架構上，應秉持全過程治理的視角，實現事前預防、事中監管和事后歸責相統一：在事前預防部分，要求算法嵌入政府環境治理能夠切實符合倫理要求，建立完善的環境數據核準、反饋和保護機制以及環境算法模型的解釋機制。在事中監管部分，應當建立算法嵌入政府環境治理的部門、社會組織和社會公眾監管制度。在事后歸責部分，需要壓實算法嵌入政府環境治理的責任分配制度。

關鍵詞 算法決策；政府環境治理；治理風險；法律規制

中圖分類號 D9126 文獻標志碼 A 文章編號 1002-2104（2024）06-0080-10 DOI：10. 12062/cpre. 20240322

社會發展和轉型的不斷深入致使中國政府環境治理所面臨的各種問題愈發凸顯，如環境風險種類增多、治理成本加重、治理技術落后、治理效果不足等。算法則為應對上述難題提供了有效路徑：將算法嵌入政府環境治理，充分發揮算法的精確性、自動性和預測性優勢以替代或輔助傳統環境治理部門決策，全面提升政府環境治理的質效。算法嵌入政府環境治理的相關研究主要涉及兩個方面。一方面，從技術層面探討算法嵌入政府環境治理的優勢。例如，有學者認為算法深層次應用于環境治理領域有助于更準確地把握生態環境狀況、污染物排放源布局等信息，有效地預測生態環境質量及其變化，提升環境污染治理的效果［1］。也有學者基于環境精細化管理的視角，指出算法大數據分析能夠快速掌握當前環境的實際狀況、環境問題嚴重的區域狀況等，并通過優化技術、資金、設備等資源配置達到節約資源、提質增效的目的［2］。還有學者強調，利用算法技術可以收集并整合全域地理、水污染、土壤和空氣污染、資源配置以及企業發展現狀等信息，建立以監測、預警、分類、評價為主的環境決策體系，從而優化環境決策［3］。另一方面，從制度層面探討如何解決算法嵌入政府環境治理的風險。不過，關聯研究大多聚焦完善“算法黑箱”［4］“算法歧視”［5］等具體風險的規制方案，鮮少從整體性視角構建算法嵌入政府環境治理風險的規制體系。綜上，對于算法嵌入政府環境治理這一重要議題的探討，依然存在以下不足：一是對算法嵌入政府環境治理的正向效應的論述仍然不夠全面和深入。二是僅僅關注算法黑箱、算法霸權、責任分配等具體問題，難以有效回應算法嵌入政府環境治理所誘發的系統性風險。三是算法嵌入政府環境治理的風險規制方案之針對性與可操作性尚待提升。因此，本研究將圍繞算法嵌入政府環境治理的正向效應、潛在風險與規制路徑展開系統論證，以期彌補上述研究的不足，有助于算法嵌入政府環境治理的縱深推進。

1 算法嵌入政府環境治理的正向效應

算法嵌入政府環境治理，就是政府在環境治理領域對相關技術的運用過程。針對人工智能技術應用于環境治理的邊界，有學者指出智能化環境治理乃是利用物聯網、云計算、人工智能和大數據等現代信息技術，有效結合環境信息數據、終端、人及環境等要素，最終形成精細化、系統化、靈活化的環境治理模式［6］。基于此，本研究將算法嵌入政府環境治理的邊界界定為：算法憑借機器的強大算力，對海量環境數據的特征和潛在規律展開深度學習，并以環境數據等要素之間的相關關系為基礎建構起相應的概率統計模型，進而通過這一模型對未知的環境事項進行決策［7］。憑借算法在環境決策中展現的精準性、預測性和高效性等優勢，算法嵌入政府環境治理具有顯著的正向效應。

1. 1 算法嵌入政府環境治理能夠做到因地制宜、精準施策

算法具有依據所掌握的數據精準解決某一問題的能力，能夠在處理環境事項時做到因地制宜、精準施策。環境治理的影響因素因技術的發展和社會的轉型而愈加復雜，這就要求政府在面對復雜的治理困境時需要尋求改變，以適應信息爆炸的智能社會。傳統的環境治理業態下，面對環境問題，政府的環境數據收集能力和環境事務處理能力較弱，只能采取相對保守的方案或者制定一些模糊性、原則性的規定加以解決［8］。算法則可以憑借算力和海量存儲的優勢對環境數據進行實時采集，并能迅速完成對環境數據的分析、加工和處理，從而及時輸出環境決策，滿足政府環境治理過程中的精細化、跨區域、全過程的需求。

算法嵌入政府環境治理的核心優勢是精準地識別環境信息和針對性地輸出環境對策。一方面，算法能夠全面收集、精準識別與政府環境治理對象有關的各類信息。由于傳統的環境數據收集、分類和加工工作受到數據收集不及時、數據來源復雜、數據質量不高、數據分類標準不統一等因素的制約，政府不得不在宏觀層面上采取模糊治理的方式，最終可能導致環境治理不徹底、不完整。如囿于環境損害認定標準不統一、環境損害信息不完整以及人為環境損害認定有偏差等因素，傳統環境損害認定方式不但會浪費大量人力、物力和財力，還會出現認定不準確、遺漏等現象。而算法可以學習吸收大量的環境損害案例，當出現類似的環境損害時，算法通過精準查找環境領域關鍵詞的方式，能夠精準識別出環境損害的類型和具體規模，最后形成環境損害認定方案［9］。又如在傳統的環境監測中，因無法對監測設備進行線上連接，環境監測者們難以對環境污染展開全過程監測。而在算法的深度參與下，環境工作人員可以有針對性地設置多個傳感器，使傳感器之間相互協作，監測收集大氣中關于溫度、濕度、壓力和懸浮物的信息，并且利用算法將監測信息上傳到統一的環境信息平臺中進行共享和利用［10］。另一方面，算法精準治理能夠以環境治理對象的需求為靶向，依據環境治理過程中產生的需求和反饋精準施策。環境治理具有跨領域、跨地域、強專業性的特征，因此環境治理的對象是復雜多變的。傳統政府環境治理往往參考先前經驗展開籠統、模糊的治理，算法則可以精準對位，收集某區域內影響環境治理的各類數據，并描繪該區域環境的數據特征，進行精細化、個性化的治理。以大氣中的臭氧監測為例，在選定的區域內設置監測臭氧的機器收集大氣中的臭氧數據，并將其上傳到環境信息平臺中，算法模型則進行相應的數據分析和處理，以分析處理后的結果作為參考依據，進而提出治理臭氧的方案。

1. 2 算法嵌入政府環境治理能夠達成及時預警、提前介入

算法具有預測性，能夠對已采集的數據樣本進行深度學習并精準畫像，從而獲取環境數據樣本中的相關關系函數，以此預測諸如某地海洋污染、空氣污染等風險發生的概率。不僅如此，算法還可以根據所預測的環境信息，提前給出環境治理措施以降低相關環境風險發生的概率。傳統的環境治理受限于技術落后、數據收集困難等因素，難以科學、及時地實現環境預警，一般都是出現環境污染問題后才會出臺相應的解決方案，這就造成環境問題不能得到及時解決，甚至會加劇后果發生的嚴重性。算法的出現解決了這些難題，其可以收集海量的環境數據并搭建數據庫進行深度學習，構建數據中相關系數的函數，進而精準預測環境污染風險出現的概率以及可能造成的損害，并提出預防措施以避免風險的發生或阻止損害規模的擴大。

環境風險具有多元化、變異快、不易察覺等特點，在一定程度上超過了人類自身的感知能力。貝克［11］指出，現代化風險中的不確定性表明“風險引發的損害是系統性的，通常不可逆轉，大多也不可見”。面對不確定的環境風險，危機的預防能夠最大限度地降低環境風險發生的概率。因此，政府的環境部門需要建立風險預防機制，并不斷提高預測風險的能力。算法能夠客觀、理性地評估當前的環境危機，不僅可以為當前的環境風險提出解決方案，也能為風險衍生的潛在危害提出預防措施。例如，2014年國際商業機器公司（IBM）借助人工智能開發出“綠色地平線”（Green Horizn），通過不同的數據和多個模型，可以提前預測到北京不同區域空氣污染的程度，并提出有效治理空氣污染的具體方案。又如2020年6月阿里巴巴集團控股有限公司推出的“ET環境大腦”，通過污染源智能感知和評估模型提出針對性的治理建議，旨在為應對全球環境持續惡化提供治理方案［12］。微軟亞洲研究院開發的Urban Air系統的核心目標便是利用算法收集學校、氣象站、加油站等場所的數據，設計可以評估城市細粒度空氣質量的環境模型，以此來預測未來的空氣質量［13］。

1. 3 算法嵌入政府環境治理能夠實現降低成本，提升效率

算法決策具有高效性，能夠有效降低政府環境治理的成本，提高政府環境治理的效率。相較之下，傳統政府的環境治理歷來屬于政府治理領域中耗時較長、人力和資金付出較多的事項。由于治理者們將環境污染防治視作“費力而不討好”的事務，故在環境治理過程中容易出現治理者敷衍塞責、消極應付的現象。長此以往，政府環境治理可能會陷入停滯之中，政府公信力也將隨之降低［14］。此外，更大的困境還在于環境治理的及時性問題。環境受污染易，修復難，因此治理時間上的把握十分重要。以海洋環境污染為例，傳統的環境監測手段難以及時有效地勘測和評估污染的范圍、速度、受污染程度以及發展趨勢，因此政府無法及時阻止污染繼續蔓延，一旦污染范圍過大，環境修復的難度和費用便會呈指數級增長。例如，2021年12月，日本海洋研究開發機構的研究人員發現，2011年福島核事故泄漏的放射性物質已經擴散進入了北冰洋［15］。該事實證明，如果不能及時有效地對環境污染進行治理，就有可能造成難以挽回的環境損失。

算法具有自動性和全天候的特點，因而能夠統籌考慮環境治理全局，合理配置環境治理資源，以降低環境治理的成本。一方面，環境治理支出是政府財政支出中占比較大的部分，運用算法開展環境治理能夠減少不合理的支出，縮短治理時間，進而從源頭上節省環境治理開支。就環境數據處理來說，通過人工進行采集、識別、分類和加工環境數據的傳統數據處理方式需要付出高昂的人力、物力、財力等成本。而算法能夠建立數據庫，將布局在各地的監測設備相連接，匯總監測得來的數據，并從海量數據中高速抓取到關鍵詞匯和句式，從而實現數據的快速采集、分類和加工。另一方面，算法能夠全天候運轉，可以實現資源的動態分配，減少不必要的資源浪費。依靠這一特性，環境治理者可以在特定區域內合理地布置環境傳感設備，對環境開展全天候監測，算法也可以通過深度學習遙感、傳統斷面、動態監測點等各種類型的數據，及時發現環境污染等問題，高效識別出污染源和監測目標，并適當傾斜治理資源，從而實現對環境污染區域的及時治理［16］。因此，算法嵌入政府環境治理既提高了環境治理的效率，也能夠節約資源。

2 算法嵌入政府環境治理的潛在風險

算法嵌入政府環境治理能夠產生一系列正向效應，但現實情況表明，鑒于算法的運作機理與技術特征的內在限制，算法嵌入政府環境治理的過程中還會產生諸多異化的風險。本研究從倫理、工具和法治三個維度討論算法嵌入政府環境治理的潛在風險。

2. 1 倫理維度的風險

一是人類主觀的價值偏見會映射到環境治理的算法之中，從而影響算法決策的客觀性、中立性以及可信性。雖然算法決策號稱具備公平正義的特性，但是“算法技術始終是人所創造出來的，是建立在現有的知識體系、思想、手段之上的”［17］，因此人類在創制算法時，難免將主觀的偏見代入其中。例如，在環境信用評價領域，算法會基于給定的環境信用數據評定企業的環境信用等級，即使算法本身并不具有偏見和歧視，但作為算法設計者的人類可能將被評定企業的性質、財富、技術、納稅等因素納入到算法模型的設計之中，從而造成不公平、不合理的環境信用評價［18］。造成這種算法偏見的原因一般可歸納為兩點：一是涉及算法的監督學習模式。其主要是算法技術專家通過標記的形式突出環境數據的特征，同時算法設計人員根據政府的要求設計相關模型［19］。基于此，無論是算法技術專家還是參與設計人員，抑或委托方都有可能將自己的偏見和歧視納入其中，影響政府環境治理模型設計的客觀性。二是環境數據中可能蘊含歧視和偏見。算法決策的運行基礎是與該環境問題相關領域的海量數據，可以說數據的可靠度和效度是影響算法決策是否科學的決定性因素之一，而數據來自現實的世界，如果暗含歧視和偏見的環境數據被納入到數據庫中，那算法模型將可能輸出帶有歧視和偏見的環境決策［20］。

二是算法嵌入政府環境治理過程中的地域歧視問題。不同國家的學者都強調建立環境分權體制，即不同層級的政府分別配置不同的環境治理事權，從而實現環境的有效治理［21］。在算法治理領域，算法技術發展主要依賴資本的推動。以區域性環境治理領域為例，算法深度參與其中不僅需要建立一體化的環境數據共享平臺，將采集到的環境數據上傳到平臺，供環境治理各部門分析，還要建立統一的計量模型以量化環境損害賠償額度等［22］。這些算法技術的發展均需要地方政府的資金支持，但是區域經濟發展水平的客觀差異使得地方政府財政的支持力度存在顯著區別。中西部地區經濟發展緩慢，與東部經濟發展較快地區相比，地方政府稅收較少［23］，因此很難拿出充沛的資金支持和推動算法技術的發展。這就造成上述地方政府關于算法嵌入政府環境治理的研發項目可賺取的利潤較少，普遍要采用分期付款的方式，難以快速回籠資金，從而降低了具有算法開發能力的科技公司參與的意愿。所以，在數據采集、算法研發、人才吸引、資金投入、技術創新等方面，中西部地區遠遠落后于經濟發展較快的東部地區［24］。上述原因導致經濟發展緩慢的區域在算法嵌入政府環境治理的改革進程中遠遠落后于經濟發展較快區域，由此形成經濟發展緩慢地區政府環境算法治理進度愈加落后的惡性循環［25］。

三是算法嵌入政府環境治理過程中難免遇到價值選擇問題。價值的爭論不僅存在于政府環境治理的領域，還普遍存在于其他領域。首先，環境治理者們需要根據環境治理時的現實環境，做出相應的價值選擇。但是，價值判斷需要依據的諸如污染企業負責人的心理活動、傳統節日的習俗等現實情境往往難以用數據表征，如果完全交由算法進行決策，便會出現偏激、片面的決策風險。其次，當前人工智能算法的決策分析是以算法模型計算來展開，即通過衡量不同人類價值比重的方式進行倫理選擇［26］。從運行邏輯上看，算法決策主要追求高效性，即投入更小、產出更多，但是在環境治理領域，高效不僅不是唯一的目的，更不是最終的目的，環境治理領域的核心目標是實現長期治理和可持續性發展。為了實現可持續發展，政府就要選擇最優而非最高效的環境治理方案［27］。最后，環境治理領域的價值選擇要照顧人與自然的共存性，實現人與自然的和諧共處。正如佩珀［28］所言，人與自然的關系在工業革命發生前、工業革命發生后存在明顯區別。工業革命發生以前，科技發展緩慢，人對自然的控制能力差，甚至是要受制于自然，人類的生存和發展也要依賴自然；工業革命發生后，科學技術快速發展，人類對自然的掌控越來越強，影響和改造自然的能力也快速提高，反而人與自然的矛盾逐漸激化。因此，如果讓算法替人類做出價值選擇，選擇偏向人類的路徑，最終可能會造成生態和人類生存的雙重危機。

2. 2 工具維度的風險

一是環境數據結構性不足的問題。環境數據是指與環境治理有關的數據，包括水環境、資源保護、國土空間保護、野生動物保護等在內的數據都可歸入其中。算法提供的環境治理決策來自以海量數據為基礎而建立起來的環境治理模型，因此環境數據的質量決定著決策結論是否可靠，但環境數據在結構性上存在明顯不足［29］。首先，部分重要環境數據難以獲取。相較其他領域，環境領域的數據往往更難獲得［30］。以獲取野生動物的相關數據為例，收集瀕臨滅絕的動物數據，需要花費巨大的人力、物力和財力，而最終的結果可能是既難以得到相關動物的現存數據，又造成資源的過度消耗。其次，環境數據質量難以保證。例如，環境數據的準確性易受其他因素的影響，如果數據源被污染，通過算法分析得出的決策也將受到干擾，有可能給環境保護工作帶來不可逆的負面影響。再次，環境數據的即時性問題。算法能夠通過分析現有數據預測未來可能產生的環境風險，從而采取措施防止環境風險的發生。算法的這種預測功能要基于可靠、即時的環境數據，如果數據過時，算法提供的預測結論就會受到影響。尤其是現階段基于新型算法設計的ChatGPT，尚無法實時融入新數據，比如借助ChatGPT預測某地未來一周的空氣質量，其訓練數據本身的質量、更新頻次和有效性直接關涉算法生成的預測結論是否具備可參考性［31］。最后，環境數據的安全性問題。環境數據有別于其他數據，部分數據可能涉及到經濟安全、國家安全，屬于保密數據，一旦泄露，很容易威脅到國家安全或者造成經濟上的重大損失。

二是環境算法模型透明性不足的問題。政府環境治理模型具備極強的專業性，其設計不僅需要具備專業的算法設計能力也需要較強的環境專業知識儲備，因此政府運用算法進行環境決策時很容易形成知識壁壘，造成環境決策過程中的“算法黑箱”困境。算法嵌入政府環境治理時，如果公眾無法理解算法模型的運行機理就無法得知環境決策的產生過程，也就難以做到有效的監督，致使公眾參與不足。雖然國外也有一些算法解釋項目（如IBM和Googe公司的可解釋性項目）［32］，將公眾無法理解的算法模型及其運行機理予以解釋，并增加了一些算法代碼的可視化和追蹤工具，但這些項目沒有完整的解釋機制和相應的監督機制約束，代碼更新迭代的速度也十分迅速，甚至專業技術人員都無法完全理解相應的知識，因而難以普及。此外，算法的解釋行為也要把握適當的界限，徹底性的解釋會為本國的環境和經濟安全帶來隱患，如國內的環境治理算法模型一旦為他國知悉，很可能導致重要的環境數據泄露，威脅經濟和能源安全［33］。

2. 3 法治維度的風險

一是環境治理過程中算法背后掌控者的權力濫用問題。環境治理是政府的職能，但算法屬于專業性較強的領域，政府環境部門一般會采用購買第三方服務的方式，即委托科技公司設計和運營環境算法模型，這會導致算法的設計和運營的權力被下移至政府委托的第三方科技公司手中。如杭州市政府與阿里巴巴集團控股有限公司合作，由后者為其提供算法服務，搭建智慧平臺。出于專業角度考慮，政府公共部門不得不向科技企業讓渡部分控制權和修改限制權，讓科技公司全程參與算法的設計、開發和應用。因此，本應作為環境治理主體的政府部門，由于專業能力的欠缺，不得已讓位于具有專業優勢的科技公司，從而會逐漸失去對關鍵環境數據的掌控權。又如智慧城市的領導者——巴塞羅那，其算法負責人也認為“算法黑箱”使得智慧城市系統崩潰，并使政府失去對關鍵數據的掌控，而這些數據本可以為解決問題提供更精準的方案［34］。諸多案例顯示，科技公司雖然能夠彌補政府在環境治理中低效、資源浪費等不足，但其也通過算法人才壟斷、專利控制等手段阻止政府想要改變“算法黑箱”的現狀。這些事實導致政府部門的環境治理權力由于算法黑箱讓渡于科技公司，政府部門不得不處于被動地位，既喪失了環境治理的主導地位又不得已與科技公司簽署價格高昂的算法使用合同［35］。

二是算法嵌入政府環境治理的責任歸屬問題。在各國的法律制度中，責任分配問題都是亟待解決的法律技術難題。中國的行政追責制度一直面臨著責任區分不清、擔責主體不明確、責任區分標準較為模糊的困境［36］。在算法嵌入政府環境治理過程中，由于政府將一部分公共權力讓渡給科技公司，因此當算法環境決策出現錯誤時，無法追根溯源，判定擔責主體和責任的歸屬問題。其原因在于算法的隱蔽性和相關算法責任分配制度的缺失。如果依然沿用傳統的法律原則以“誰出臺，誰負責”來確定擔責對象，很有可能遺漏掉主要擔責主體。若算法是無監督學習模式，缺乏算法的監管者，那如何讓算法擔責，又是一個亟須討論的問題。另外，算法的設計者和運營者在算法決策違法或者不當時擔當什么樣的角色，承擔什么樣的責任，也需要法律予以明確。在環境治理領域，算法嵌入政府環境治理的途徑呈現多元化趨勢，無論是環境數據的采集、環境監測的開展還是環境損害的認定，都有算法參與其中。因此，當出現錯誤的算法決策時，參與設計、運營和維護的相關主體的責任判定問題亟待解決［37］。

3 算法嵌入政府環境治理風險的規制路徑

學者對于規制算法嵌入政府環境治理風險的方案展開了諸多有益的探索。有學者從宏觀角度設計應對算法決策風險的方案，如任蓉［38］認為對算法決策風險的規制制度建構，不能脫離算法的具體應用場景，不能只注重結果而輕視過程，否則會使得制度陷入僵化的泥沼，因此在進行制度設計的過程中應遵循“場景化”“全過程”的原則。丁曉東［39］同樣提出了“場景化”的要求，他認為應當根據算法應用的不同場景，制定不同的規制方案，比如根據算法嵌入環境信用評價、環境預警、環境監測等具體場景制定具有針對性的風險規制方案。還有學者從具體的規制方案出發，解決環境決策算法化的衍生風險，如趙一丁等［40］通過調和環境決策和算法本質屬性的矛盾，進行適當的“揚抑”，創設算法的可解釋權并針對環境決策算法化展開重監管和嚴問責。通過對現有研究的反思和借鑒，本研究認為，算法嵌入政府環境治理所引發的風險是多元的，因此對于算法風險的規制應當是系統性、整體性的，不能僅靠某一方面的力量，而是要通過技術、倫理和法律三方協同實現對算法決策風險的規制。具體規制路徑的建構則應當將宏觀的原則指引與具體的法律規制方案相結合，建立系統化、整體化的法律規制體系。

3. 1 算法嵌入政府環境治理風險規制的基本原則

社會轉型的加劇、發展的高速化與法律出臺的滯后性、法律規則規制的有限性之間的矛盾催生了法律原則，法律原則的抽象性、概括性能夠彌補法律條文的滯后性、有限性。同樣地，面對算法嵌入政府環境治理所引發的多樣性、流變性、新穎性的風險，也應當設定適當的法律原則為限制算法權力濫用的最佳選擇［41］。

一是堅持依法治理原則。政府環境治理所依仗的行政權力由法律授權和規定，環境治理部門需要在法律制度規定的邊界范圍內行使治理權力。在算法嵌入政府環境治理的過程中，由于決策的自動化，政府環境行政人員無法切實參與環境行政過程。基于算法而輸出行政決定的環境治理方式是對傳統環境治理方式的顛覆，是對傳統法律架構和適用的挑戰。雖然說算法嵌入政府環境治理，能夠提高環境治理的效率，在一定程度上有利于提升環境決策的科學性，但是不能因此忽視算法所帶來的未知風險，更不能讓掌控算法的人肆意行使政府權力而不受約束。因此運用算法嵌入政府環境治理的過程應當受到法律的規范，做到依法治理，不能將算法置于環境法律規范的范圍之外［42］。

二是堅持公平正義原則。公平正義是現代社會的共同認知，是法治中國的必然選擇，也是政府環境治理的前提和標準。算法作為工具，似乎具備價值中立的特征，但是在算法嵌入政府環境治理的場域中，算法不僅是政府環境治理的載體，更吸納了監管者、算法設計和運營企業、社會公眾及環保組織的價值判斷。相關主體因為社會背景、知識水平等原因持有不同的價值選擇傾向，并最終會反映到算法決策的結論之中。如算法設計者可能會根據行政相對人的社會地位、學歷背景、性別甚至人種差別，課以不同的行政權力或者義務，這樣就會造成治理決策出現違反公平正義的情況發生［43］。在算法嵌入政府環境治理的過程中，公平正義應當領先于效率，排在第一位，如果只強調效率不強調公平，會導致不同主體之間的利益難以調和，最終激化社會矛盾，影響社會秩序的穩定［44］。因此，應當適用公平正義的法律原則，以規范政府環境治理與算法應用行為。

三是堅持浮動比例原則。在算法嵌入政府環境治理的過程中，要秉持著浮動比例原則。比例原則是行政法的基本原則之一，指的是要在政府環境治理的過程中適當使用各種規制手段。將浮動比例替代固定比例的原因在于，固定的比例無法適應環境治理風險動態變換的現實情況［45］。算法高效決策、持續迭代等特點與環境治理本身的強專業性、公益性、復雜性相互交織，加劇了風險的不可預測性，因此在規制算法嵌入政府環境治理時要遵循浮動比例原則，設計具備彈性的法律制度。這樣的制度架構可以綜合考慮算法發展的技術特點、環境治理的實時需求，并不斷加以適當調整。如針對環境數據的公開問題，部分環境數據涉及國家安全和重要工業領域的商業秘密，數據公開部門應當做到適當公開的同時也保護其中重要的數據不被泄露。又如算法嵌入政府環境治理過程中，還可以依據嵌入政府環境治理的算法決策輸出的自動化程度來確定責任分配的比例。總之，這一原則既能為應對算法嵌入政府環境治理的具體風險提供解決方案，也能為風險應對的宏觀制度架構提供指引［46］。

四是堅持正當程序原則。算法決策的自動化特質不僅排除了政府環境行政人員的參與，環境治理對象也無法參與到環境行政決定做出的過程，無法行使相關程序性權利。在政府環境治理過程中的正當法律程序應是：環境行政人員對環境污染責任人做出行政處罰決定前，應給予其合理申辯和陳述的權利，并就做出的行政處罰出具環境污染事實和法律上的依據。如果沒有上述程序，政府環境部門難以保證決策的合法性和合理性。但算法嵌入政府環境治理之后，環境行政相對人只能被動接受算法模型自動輸出的行政決定，從而違背了正當程序原則。為了規制算法嵌入政府環境治理時相關行政行為做出的過程，維護環境行政相對人的程序性權利，避免出現算法設計和運營者侵犯環境行政相對人利益的情況，亟須強化正當程序原則保障算法嵌入政府環境治理的行政行為具有規范性、公開性、可預期性［47］。

3. 2 算法嵌入政府環境治理風險的具體規制方案：基于全過程治理視角

確立算法嵌入政府環境治理的法律原則之后，應當以這些原則作為指引，針對算法嵌入政府環境治理中的倫理、工具、法治維度的風險，提出完整且具體的法律規制方案。在這個方案中，需要將公平和正義作為算法嵌入政府環境治理的價值要求，將數據結構化、算法的可解釋性和可監管性、責任合理分配作為環境算法決策的基本要求，使環境決策輸出的過程能夠受到及時的監督和評估，從而盡可能發揮算法自動化決策的優勢，以實現“支持性結構與適應性流變之間的平衡”，提升算法嵌入政府環境治理的可信賴程度。對于算法嵌入政府環境治理的具體規制方案，本部分將按照全過程治理的方法進行設計，實現事前預防、事中監管、事后歸責三方面統一。

3. 2. 1 建構事前預防方案

一是算法嵌入政府環境治理需要保障政府環境治理行為符合基本的倫理要求。算法嵌入政府環境治理過程中，依然會發生“算法偏見”和“算法霸權”的現象，為此應當提前從制度和技術上入手規避算法嵌入政府環境治理過程中存在的倫理風險。首先，建構與算法技術有關的倫理制度。因為不能保證每一位算法設計者能夠不在乎利益，專心為維護人類的利益設計算法，自覺抵制“違反技術道德”，因此為了防止少數算法技術人員為了私益損害他人利益，政府應當為算法的設計者和運營者設定倫理底線，避免算法設計和運營公司貪圖利益，接受環境行政相對人的賄賂，為環境行政相對人逃避行政處罰提供便利。此外，設計算法還應當將公平正義放在第一位，然后才應該追求行政效率。政府部門應當設計相應制度，避免環境治理對象因性別、人種、學歷和家世被算法系統歧視。其次，從技術角度保障算法的合理適用。算法設計者應當完善算法環境倫理設計，并通過代碼嵌入的方式，將“道德理念”嵌入到算法模型之中：利用算法的深度學習能力，對算法進行道德訓練，使其自動學習先例中基于公平正義原則之下做出的環境行政行為，并將當前的環境事件與前例作比較，對與前例相似的事件，采取相同的價值選擇，從而保障算法輸出的環境決策符合基本的倫理要求。

二是建立環境數據的核準、反饋和保護機制。環境數據具有實時性和復雜性，為了防止采集到錯誤的環境數據，需要建立環境數據的核準、反饋和保護機制。首先，在環境數據采集方面，需要明確數據采集的相應流程，并且要落實采集主體的責任。同時數據管理部門需要建立分級分類數據庫，明確數據源，對錯誤的數據溯及源頭，落實誰采集誰負責要求，從而保證環境數據的可信性。政府也要建立環境數據共享和公開平臺，實現環境數據的互通，提高環境數據的共享效率，對來自不同源頭和領域的數據進行相互驗證，確保環境數據的可用性和正確性，對錯誤的數據要及時公告并予以糾正，從而建立環境數據的反饋核驗機制。其次，建立環境數據的隨機抽檢制度，以應對環境數據出現發生錯誤而不自知的情形。隨機抽檢，就是通過隨機抽取環境數據樣本進行驗證，如果與驗證結果不符，該時間段收取的該領域全部數據就要重新采集并核驗。最后，建立重要環境數據的保護機制。環境數據不同于其他領域的數據，其中部分數據隱含著國家重要領域的技術秘密，如果一旦泄露，就有可能造成巨大損失。為此應該從技術和制度上進行雙層保護。一方面，從技術上加強環境數據的加密保護，設計更加復雜的代碼和防火墻，防止國外勢力對重要環境數據的侵犯。另一方面，建立環境數據公開清單制度，對應該公開的環境數據，將其列入清單內，對應當保護的環境數據，設定秘密安全等級，最核心的環境數據應當嚴格限制可接觸的人群。

三是建立環境算法模型的解釋機制。算法深度參與政府環境治理，無論對政府工作人員而言，還是對一般的社會公眾來說，都涉及對算法的理解問題，這也是法律問責的先決條件。但是由于“算法黑箱”的存在，算法的可解釋性與解釋的難易程度都被外界所質疑。一般都是以算法應用場景是否需區分在私人領域或者公共領域作為質疑原因，從私人領域的角度來說，算法不應公開或解釋，理由是公開或解釋算法有可能會泄露社會公眾的個人隱私。但是在環境治理的領域，需要維護的是公共利益，需要對算法進行一定程度的解釋。因此要基于環境治理領域解釋算法的內在邏輯，使其做到易懂、易知。首先，建立行政相對人知情保障機制。涉及行政相對人的信息應當及時準確地告知行政相對人，不能漏報、錯報、瞞報。其次，行政相對人只要認為政府在環境治理過程中違法使用算法，就有權要求政府環境部門解釋算法的內在邏輯和運行機理，作為環境治理主體的政府部門應當有義務做出算法解釋。環境治理過程中對嵌入環境治理的算法的運行機理做出合理解釋，主要有兩條路徑：第一條路徑是以相似的環境治理場景作為模型，對算法運行的全過程進行演練，使相對人能夠全方位瀏覽算法運行的詳細過程；第二條路徑主要闡述算法嵌入環境治理領域所可能帶來的影響，以及與利益相關者的聯系。第二條路徑可以彌補社會公眾專業性不足的缺陷，使其能夠最大限度理解算法應用所帶來的影響，不必全部公開算法的運行機理。

3. 2. 2 完善事中監管方案

一是完善算法嵌入政府環境治理的部門監管機制。算法嵌入政府環境治理的過程需要多部門合作進行監管，但是多部門監管在一定程度上會增加管理的難度和成本，此外，算法監管所需的技術人才也難以持續供應。要破除算法監管多部門合作的壁壘，同時不增加原本的監管成本，需要建立縱向的監管體制，以環境治理監管部門為核心，通過中央和地方協作發力，統合多部門的資源，對算法的運營展開一體性的監管。一方面，機構一體化設置能夠保障環境數據來源的穩定性和可靠性。另一方面，算法嵌入政府環境治理過程中的監管需要涵蓋兩大空間，一個是網絡空間，一個是現實空間。相較傳統的現實空間環境治理，網絡空間環境治理工作更加繁雜，需要建立多部門共同參與的信息交流和合作平臺，同時建立覆蓋全地域、層級、機構的監管網絡，從而能夠預測算法的發展走向以及因此導致的環境風險和數據泄露風險，并及時警戒，避免因此可能造成的損失［48］。

二是完善算法嵌入政府環境治理的社會組織監督制度。完善算法監督機制就要發揮社會組織的監督作用。由于算法技術的專業性強，社會公眾可以算是算法領域的“文盲”，雖然可以設置算法公開的平臺幫助社會公眾了解算法運行的內在機理，或是以個體形式申請政府環境部門出面做出詳細解釋。但由于公眾作為非專業人士，算法基礎十分薄弱，甚至無法理解代碼所代表的含義和想要達成的目標，使其難以切實了解到算法運行所體現的負面影響，也就無從談起如何監督和評估算法。相較個體力量的微弱，社會組織在面對社會問題時往往表現得更加專業，處理問題也更加得當。因此公眾可以組成了解和解釋算法運行模式和內在機理的社會組織，甚至說某些如自然之友這些保護環境的社會組織，可以召集專業人士組成辨別環境算法決策風險的部門［49］。國外已有類似的案例，例如，德國有技術專家、部分專業人士以及媒體人組成了監督包括環境保護在內的公共領域算法的非營利性組織。社會組織作為非官方、非營利性的機構，能夠適時提醒政府和算法主體正當行使權利，這也能夠促使政府和科技公司合理使用算法進行環境治理［50］。

三是完善算法嵌入政府環境治理的社會公眾監管機制。首先，建立對外公開的算法了解窗口。如果沒有公開的了解渠道，那社會公眾便難以辨別科技公司是否在切實保護個人的隱私數據，同樣地也就難以迅速采取行動使其不被用來非法牟利［51］。要實現算法信息的實質公開，政府就要為社會公眾開辟了解信息的窗口，并提供輔助服務。對于涉及公眾利益的敏感性信息，應當評估其是否可以作脫敏性處理后向公眾公開，并確保社會公眾能夠意識到自己的信息是否被科技公司利用，也能夠在被侵權后第一時間得到救濟。其次，建立算法嵌入政府環境治理的公眾參與機制。算法嵌入政府環境治理需要社會公眾的有序參與以及有效監督。一方面，使公眾能夠切實參與算法嵌入政府環境治理的全過程，了解算法運行的各個環節。另一方面，公眾不能一味被動地接受算法輸出的結果，而是要參與監督算法決策的過程，監管決策的合法性和合理性。最后，完善社會公眾的權利保障機制。政府不僅要做到讓公眾理解算法，知悉科技公司侵犯公眾個人權益的相關風險，還應建立網絡投訴、舉報和談判平臺，暢通公眾權益維護渠道。

3. 2. 3 健全事后歸責方案

當前技術發展背景下，將用于政府環境治理的算法決策責任歸屬于人工智能的做法，是不符合法律和現實情況的。算法決策違法或不當的責任應當在政府環境治理部門和設計、運營算法的科技公司之間合理分配。而無論是由公權力的承載者——政府環境治理部門擔責還是讓獲取利益的受托者——算法設計運營公司擔責，都有一定的道理［52］。此時，有必要從因環境決策違法或不當造成所在區域公民的生態權益受損的角度來對這一問題展開思考。首先，社會公眾將環境治理權委托給政府環境治理部門行使，政府環境治理部門便有義務承擔起環境治理的責任。如果環境決策違法或失當，理應由環境治理權的承載者即政府環境治理部門承擔。其次，若由設計、運營算法的科技公司擔責，由于算法的復雜性和強專業性，一般的社會公眾往往難以了解算法運行的內在機理和運行模式，因而無法拿出相應的證據，從而可能會承擔敗訴的風險。當然部分學者主張向算法設計、運營的科技公司追責，其所考慮的主要因素是因為政府沒有實際參與到算法設計和運營的過程，沒有主觀違法的心理和實施客觀上的行政行為，最終的損害結果也不是基于政府的直接行為所造成的，如果向政府環境治理部門追責很有可能打擊政府負責人推進算法嵌入政府環境治理的積極性［53］。作者認為向政府環境治理部門追責恰恰能夠迫使政府環境治理部門加強對科技公司的監督和管理，同時也可以督促政府環境治理部門籌措資金、招攬人才推進環境治理算法系統的設計，從而有效提升算法嵌入政府環境治理的科學性和透明性。

4 結 語

算法嵌入政府環境治理既可以利用算法的高效性、精準性和預測性提升政府環境治理的效率和質量，但也會引發技術、倫理和法治方面的風險，加劇社會公眾對算法乃至政府環境治理部門的不信任。本研究基于對現有研究的總結和反思，并結合算法嵌入政府環境治理的實際情況，通過法律原則和具體規制方案相結合的方式架構出了系統化的規制方案。在具體規制方案的架構中采取了全過程控制的方法，通過建構事前預防方案、完善事中監管方案和健全事后歸責方案，為應對算法嵌入政府環境治理的技術、倫理、法治風險，提升政府環境治理的可信賴性，提供了具有針對性、可行性、系統性的治理架構［54］。

參考文獻

［1］ 郝就笑，孫瑜晨. 走向智慧型治理：環境治理模式的變遷研究

［J］. 南京工業大學學報（社會科學版），2019，18（5）：67-78.

［2］ 張偉，李國祥. 環境分權體制下人工智能對環境污染治理的影

響［J］. 陜西師范大學學報（哲學社會科學版），2021，50（3）：

121-129.

［3］ 丁皓宇. 基于物聯網和人工智能的空氣質量監測方案設計［J］.

環境與發展，2017，29（7）：145-146.

［4］ 王文玉. 算法嵌入政府治理的優勢、挑戰與法律規制［J］. 華中

科技大學學報（社會科學版），2021，35（4）：26-36.

［5］ MITTELSTADT B D，ALLO P，TADDEO M，et al. The ethics of al?

gorithms： mapping the debate［J］. Big data amp; society，2016，3（2）：

205395171667967.

［6］ 程飛鴻. 智能化環境治理向何處去［J］. 檢察風云，2022（23）：

18-19.

［7］ 陳銳，王文玉. 算法嵌入政府治理的權力異化風險及其規制方

案［J］. 理論探索，2022（6）：81-90.

［8］ 陳鵬. 國家治理的智能化轉向及其實施進路［J］. 探索，2021

（3）：152-165.

［9］ MAYSON S. Bias in，bias out［J］. Yale law journal，2019，128（8）：

2218-2300.

［10］ 段玲玲，趙銘珊. 人工智能在環境監測中的應用分析［J］. 環境

與發展，2020，32（10）：177-178.

［11］ 貝克. 風險社會：新的現代性之路［M］. 張文杰，何博聞，譯．

南京：譯林出版社，2022.

［12］ 喻春嬌，李奧. 人工智能技術對環境污染的影響機制述評［J］.

決策與信息，2022（1）：50-57.

［13］ 吳班，程春明. 生態環境大數據應用探析［J］. 環境保護，2016，

44（增刊1）：87-89.

［14］ 葉小蘭. 選擇性執法的內在悖論與消解機制［J］. 甘肅政法學

院學報，2011（5）：125-129.

［15］ 華義.日本新研究：福島核事故放射性物質擴散入北冰洋［N/

OL］.（2021-12-14）［2023-01-06］. https：//baijiahao. baidu. com/

s？ id=1719130514831143845amp;wfr=spideramp;for=pc.

［16］ 張文博，周馮琦. 人工智能背景下的環境治理變革及應對策略

分析［J］. 社會科學，2019（7）：23-30.

［17］ MAGER A. Algorithmic ideology：how capitalist society shapes

search engines［J］. Information， communication amp; society， 2012，

15（5）： 769-787.

［18］ 王瑞雪. 作為治理工具創新的環境信用評級［J］. 蘭州學刊，

2015（1）：103-110.

［19］ 曹博. 算法歧視的類型界分與規制范式重構［J］. 現代法學，

2021，43（4）：115-126.

［20］ 邱澤奇. 算法治理的技術迷思與行動選擇［J］. 社會科學文摘，

2022（11）： 11-13.

［21］ SIGMAN H. Decentralization and environmental quality：an inter?

national analysis of water pollution levels and variation［J］. Land

economics，2014，90（1）：114-130.

［22］ 馮浩波. 智慧司法的算法隱憂及其規制［J］. 四川行政學院學

報，2023（6）： 54-61.

［23］ 馬楠，李波，沈體雁. 西部地區經濟增速放緩的結構性致因與

化解機制 ［J］. 中央民族大學學報（哲學社會科學版）， 2022，

49（ 4）： 86-95.

［24］ 龐金友. 人工智能與未來政治的可能樣態［J］. 探索，2020（6）：

84-96.

［25］ 鄭少華，張翰林. 數智時代環境智理的內涵與構建路徑 ［J］.

甘肅社會科學， 2023（5）： 169-176.

［26］ ANDERSON M，ANDERSON S L. Machine ethics：creating an eth?

ical intelligent agent［J］. AI magazine，2007，28（4）：15-26.

［27］ 楊玉曉. 人工智能算法歧視刑法規制路徑研究［J］. 法律適用，

2023（4）： 86-94.

［28］ 佩珀. 生態主義：從深生態學到社會主義［M］. 劉穎，譯. 濟南：

山東大學出版社，2005：2.

［29］ 丁曉東. 數據公平利用的法理反思與制度重構［J］. 法學研究，

2023，45（2）： 21-36.

［30］ OVERPECK J T，MEEHL G A，BONY S，et al. Climate data chal?

lenges in the 21st century［J］. Science， 2011， 331（6018）： 700-

702.

［31］ 張欣. 生成式人工智能的數據風險與治理路徑［ J］. 法律科學

（西北政法大學學報）， 2023， 41（ 5）： 42-54.

［32］ TSAMADOS A，AGGARWAL N，COWLS J，et al. The ethics of al?

gorithms：key problems and solutions［J］. AI amp; society，2022，37

（1）：215-230.

［33］ 安晉城. 算法透明層次論［J］. 法學研究，2023，45（ 2）：52-66.

［34］ 海冰浪雨. 智慧城市建設的經驗與啟示：以巴塞羅那、新加坡

和上海的實踐為例［J］. 三峽論壇（三峽文學·理論版），2016

（6）：90-95.

［35］ 宋鍇業.“算法” 與國家治理創新：數據、算法與權力的知識生

產與邏輯呈現［J］. 科學學研究，2022，40（3）：401-409.

［36］ 陳黨. 行政責任追究制度與法治政府建設［J］. 山東大學學報

（哲學社會科學版），2017（3）：27-32.

［37］ 趙亮，劉彩薇. 算法決策優化的倫理進路：道德閾限、責任界分

與技術嵌入 ［J］. 大連理工大學學報（社會科學版），2024，45

（3）： 115-122.

［38］ 任蓉. 算法嵌入政府治理的風險及其防控［J］. 電子政務，2021

（7）：31-41.

［39］ 丁曉東. 論算法的法律規制［J］. 中國社會科學，2020（12）：

138-159.

［40］ 趙一丁，陳亮. 環境決策算法化衍生風險及其法律規制［J］. 中

國人口·資源與環境，2023，33（3）：68-76.

［41］ 陳悅. 論自動化行政中算法決策風險的“人在回路”治理模式

［J］. 行政法學研究，2024（4）： 35-46.

［42］ 王瑩. 算法侵害責任框架芻議［J］. 中國法學，2022（3）：

165-184.

［43］ 甘湉，馬亮. 算法性別歧視：特征、類型與治理［ J］. 山東行政

學院學報， 2024（ 2）： 97-105.

［44］ 吳勇，黎夢兵. 新興信息技術賦能環境治理的風險及其法律規

制［J］. 湖南師范大學社會科學學報，2022，51（2）：76-85.

［45］ BATHAEE Y. The artificial intelligence black box and the failure

of intent and causation［J］. Harvard journal of law amp; technology，

2018，31：889.

［46］ 韓春暉. 自動化行政中算法目的失范的公法治理［J］. 比較法

研究，2024（2）： 17-31.

［47］ 張凌寒. 算法自動化決策與行政正當程序制度的沖突與調和

［J］. 東方法學，2020（6）：4-17.

［48］ 馬長山. 智能互聯網時代的法律變革［J］. 法學研究，2018，40

（4）：20-38.

［49］ 肖紅軍，商慧辰. 平臺算法監管的邏輯起點與思路創新［ J］. 改

革，2022（8）： 38-56.

［50］ 譚九生，范曉韻. 算法“黑箱” 的成因、風險及其治理［J］. 湖南

科技大學學報（社會科學版），2020，23（6）：92-99.

［51］ PASQUALE F. The black box society：the secret algorithms that

control money and information［M］. Cambridge：Harvard Universi?

ty Press，2015.

［52］ 商建剛. 算法決策損害責任構成的要件分析［J］. 東方法學，

2022（6）： 44-57.

［53］ CRAWFORD K， SCHULTZ J. AI systems as state actors［J］. Co?

lumbia law review， 2019， 119（7）： 1941-1972.

［54］ BERMAN E. A government of laws and not of machines［J］. Bos?

ton University law review ，2018，98：1278-1355.