“算法的不可解释性是一个很大问题，不论从设计者还是使用者角度来看，算法部署后由于被滥用或遭到恶意攻击，出现意外不可控结果，应引起各界高度关注。”这是浙江大学网络安全专家任奎教授在“数字化改革与算法综合治理”研讨会上提出的警告。

2021年10月30日，浙江大学公共政策研究院（浙江省公共政策研究院）举办“数字化改革与算法综合治理”公共政策沙龙。来自公共政策、计算机、网络安全、区块链研究机构以及立法机构的专家学者，围绕算法原理、算法应用场景、算法综合治理等问题进行了富有建设性的探讨交流。

浙江大学网络空间安全学院院长任奎教授认为，当今社会算法的支配力日益增强，比如金融界应用算法做自动投资和高频交易，推荐系统使用算法根据个人的偏好进行个性化信息和广告推送，风控算法被用来对借款风险进行自动评价，政府也开始利用算法进行自动化资源分配和政策调整等。

据不完全统计，目前中国的量化交易规模已达到万亿级别，已成为金融市场上一股不容忽视的交易力量。算法交易可有效降低交易成本，提高交易效率，增加市场流动性，快速准确地发现价格，但是算法和策略的趋同性愈发严重，也会大大增加金融市场的系统性风险与波动，并且还会导致这种非正常波动在不同金融市场间快速传递。

为避免此类“黑天鹅事件”发生，浙江大学应用经济学博士后、量化研究员陈通建议，交易所应考虑对交易机构的资金流动进行一定的监控，设立一定的预警与防范机制，当发生不合理情况时能及时通知投资者。

“由于大部分的量化交易属于程序化交易，监管机构应当为正常与非正常交易设定一个统一的标准，以防有人借算法之名行非法套利之实。”陈通说。

算法（Algorithm）原指人类让计算系统完成某些特定任务的明确指令序列。按应用场景划分，算法大致分为推荐类算法、金融风控算法、计算机视觉算法、语音识别算法等几大类。例如，推荐算法可提升检索效率、改善用户体验，广泛运用于电商、社交、内容、资讯等众多领域。但是，近年来“信息茧房”“娱乐至死”“大数据杀熟”“被迫困在系统里的马路骑手”等问题，令人对推荐算法产生质疑。

让算法有章法，让算法不再算计人。与会专家呼吁，算法综合治理要从源头抓起，在算法设计之初就介入监管，提高算法透明度，充分尊重用户的知情权和对推荐算法的弃用权，同时加大对复杂场景算法的动态监管。

“从长远来看，算法治理的信任度和透明度问题需要在发展中解决，单纯的代码公开并不能彻底解决问题，要从多维度合力来形成参与主体间的信任，这是未来的一个挑战！”任奎说。

（中国日报浙江记者站）