材料一：
算法社会的到来势不可当，从信息传播理论和实践的角度来看，算法在为公众提供极大技术便利的同时，对网络生态的发展亦产生了深刻影响。
算法极大降低了公众筛选有效信息的社会成本。算法的核心价值是利用对用户的年龄职业、兴趣爱好、网络行为与时空环境等关键信息的统计分析，致力于在信息内容、产品服务等多元层面实现对用户的追踪推测、精准分发和有效供给。这就在很大程度上改善了既往技术语境下公众付出的高昂时间与经济成本，让人们能够从以往单一重复的信息、产品和服务筛选行为中得以解放，满足了公众对于信息和服务的分众化需求。
算法不断建构和重塑着既有的网络群体关系。算法场景造就了公众的数据化和标签化，在强化了既有群体边界的同时，也促进了新的共同体关系的形成。以往网络群体互动关系的形成，大多是公众自发性主动找寻、相互选择的结果。而算法社会下，无论是信息内容的分发还是产品服务的送达，作为中介的算法在进行一对一的关系匹配或资源分配时，首先要对用户进行标签化甚至评分制的“全面数据化”处理。
在此过程中，主要是依据用户接收到相关信息和服务后的点击次数、停留时长、举报屏蔽以及转评赞等各种反馈行为，对其主要观点、情感倾向和媒介消费行为进行精准的图谱画像。进而通过后台信息匹配等方式，帮助用户发现、连接起具有相似观点或共同兴趣的其他共同体关系。
毋庸置疑，技术驱动的算法红利越来越广泛而深刻地影响着人们的生活：网络购物离不开“算法比价”、商业运营离不开“算法宣传”、日常出行离不开“算法导航”，甚至求职姻缘也需要“算法匹配”等。但看似理性、中立的算法背后，也存在着一定的技术偏见：大数据“杀熟”“欺生”、算法侵犯隐私乃至引发群体极化等现象时有发生。算法盛行给网络生态带来的一系列冲击，值得警觉与深思．
一方面，算法盛行容易造成“把关人”角色弱化，人沦为算法“囚徒”的可能性急刷增加。算法虽然带来了个人信息、服务水平的大幅提升，但在算法技术主导下，个性化分发力度得到空前强化，而信息、产品与服务编辑审校等“把关角色”却经常遭到弱化甚至缺位。一旦算法的设计与应用失当，个体在认知判断、行为决策以及价值取向等多个方面，很可能会受到单一算法的钳制乃至禁锢，成为算法的“囚徒”。
另一方面，算法盛行容易强化“信息孤岛”效应，网络生态失衡、失真的风险可能不断加大。算法在很大程度上影响着人们与某类信息的快速连接和匹配，但也自动过滤掉了其他潜在有效息。信息窄化下的公众容易形成“很多人都是这种想法和价值取向”的错觉，这种“选择性”的接触、过滤与相信，不仅会阻塞与不同意见群体的交流沟通，更会造成在自我重复和自我肯定中的视野受困与故步自封。同时也会为偏见滋生、黏性缺失的网络舆论场埋下被操控的巨大隐惠，甚至陷入恶性循环、诱发线下群体性事件，破坏网络生态的晴朗稳定．
简单粗暴、一刀切式的“算法抵制”并不可取，建立更加完善的法律法规监管体系、公开推行更加透明的行业技术准则，已迫在眉睫；同时，必须摒弃“算法崇拜”，进行更加全面专业的算法设计者素质培训，强化对算法使用者的素养教育。总体而言，从认知与关系的维度看，算法深刻影响和改变了既有的网络生态，也把自由与枷锁的张力推向了极致。算法场景的无限扩张，快速推动着人们的“全面数据化”，也引发了一系列的法律和伦理争议。有意识地对算法技术进行价值反思，始终是我们必须直面的现实问题。
（摘编自李巨星《算法无限扩张带来自由还是枷锁》）
材料二：
当前人工智能算法通常依赖于数据驱动的方式，其行为不可控、决策机理难解释，带来了公平性、隐私性等相关安全问题。更严重的是，人工智能算法“黑箱”特性导致了算法治理困难，加剧了算法被资本利用的可能，给算法经济的发展带来一定负面影响。一些平台利用算法决策侵犯受众权益的问题层出不穷，传统监管手段失效，极易引发监管机构信任危机。
监管信任危机的根源在于企业在数据和算法上的非对称优势。当前，基础数据的所有权和控制权主要集中在互联同平台企业，这些企业全程操纵算法设计、运行、测试和分析，由此占据着优势地位。监管部门在“算法社会”中已经呈现出被边缘化的趋势，极易失去对关键数据和关键算法的监督权和控制权。
应对挑战，尤其需要从法律责任、行政责任、道德责任三方面构建算法治理法律法规体系，推动社会各方之间的合作互信。在法律责任层面，国家应制定、完善相关法律法规，在多元主体之间建立起监管算法“黑箱”的共同准则；在行政责任层面，着眼于行政审查、行政监管与行政问责，制定技术标准和操作守则，要求平台企业使用的算法符合法律法规要求、符合公共利益，削弱或消除算法“黑箱”造成的负面影响；在道德责任层面，着眼于算法伦理的嵌入，监管部门应该要求平台在算法设计上符合社会一般道德观念、价值与规范。
针对算法设计、应用、监管等全流程治理问题，需要构建算法基础标准、风险评估标准、安全等级标准以及监管标准等完整的标准规范体系，分级分类，设立全面、清晰、可操作的技术指标体系，做到实时可控可监管。算法企业应积极主动配合国家算法治理过程，依据相关标准要求，制定和公开算法相关信息，提升算法透明度。与此同时，发挥社会组织监督作用，加强第三方监督，平衡算法信息的不对称。
针对算法“黑箱”风险难定义、难监管、难预防、难取证、难追责等问题，需要推动研究院所、企业、高校和政府的技术合作，突破度量评估、行为监测、风险防护、博弈演化、突变溯因等原创理论与核心技术，创建并丰富监管技术手段，确保算法在各个阶段中的安全风险可控。为实现算法治理自动化、标准化，还应当开展算法全周期、立体化智能评测和监测技术的研发，构建可解释性、公平性兼顾的安全可信的算法监管平台。
（摘编自刘祥龙《打开算法“黑箱”》）
