行政|张凌寒:算法自动化决策与行政正当程序制度的冲突与调和( 七 )


其次 , 算法作出决策的基本规则和因素权重 , 应该对公众与社会公开 。 形式的改变并不能豁免政府信息公开的义务 。 算法参与的行政行为并不会因为缺乏意思表示要素而不受行政法的拘束 。 原因在于 , 各类智能机器、评估模型等自动化设备的设置及启用以及运作方式 , 都是由行政机关发踪指示 , 行政机关仍是行政程序的主宰 , 所作出的表示或决定 , 都是行政机关的行为 , 具有法效意思及规制效力 , 性质上仍为具体行政行为 。 如果政府机构采用一条规则 , 仅仅以为算法运行不能直观地作出解释 , 就拒绝向公众公开 , 则违反了行政行为应公开透明的基本原则 。 早在1992年的案件中 , 美国联邦公路管理局拒绝披露用于计算运营商安全评级的算法 , 但法庭认为这违反了《信息自由法》中政府披露政府记录和数据的要求 , 判决联邦公路管理局必须披露计算中所用因素的权重 。
以上是行政信息公开原则对算法自动化决策应用于行政活动的基本要求 。 除此之外 , 行政信息公开原则面临着“算法黑箱”的挑战 , 需作出相应的调整 。
(二)行政信息公开原则在算法数据收集环节的贯彻
算法治理时代 , 人类将被降格为信息存在 , 以便接受机器的计算 , 方便企业获得利润和政府监督管理 。 行政机关可大量收集公民数据 , 不仅基于公共利益豁免“知情同意”规则的限制 , 还可要求私营公司报送数据 。 这就导致 , 行政相对人并无机会知晓 , 嵌入在行政活动中的算法自动化决策通过哪些个人数据作出了决定 。 为遵循行政信息公开原则:
首先 , 行政机关收集数据同样受到“合法、正当、必要”原则限制, 应在行政活动中逐渐将此类规则细化 。 从行为性质上梳理 , 行政机关对个人信息的收集行为属于内部行政程序 , 仅仅作为后续行政行为的必要前置活动 , 并不受到具体行政行为的相关法律限制 。 但是 , 作为数据收集行为 , 仍需严格遵循正当目的原则与必要原则 。 以2020年新冠疫情防控为例 , 无论是健康码对个人敏感数据的大规模收集与使用 , 大数据对公民的追踪定位 , 包括社区出入居民的信息登记 , 均应有公共卫生紧急状态作为正当性基础 。 在紧急状态恢复成日常状态之后 , 即使疫情状态防控常态化 , 也应避免对公民个人数据的收集与追踪常态化 。
其次 , 尽管基于公共利益考虑无法要求政府再次获得数据个体的知情同意 , 但起码应在平台向个体收集数据时 , 作出“不利行为”通知 。 即如果政府可能根据第三方的信息做出行政的自动化决策 , 对行政相对人有负面不利影响 , 则应要求平台在收集数据之时就告知数据个体 。 例如 , 应提示行政相对人 , 自动化决策结果参考了个人的公开信息、犯罪记录、信息记录 , 甚至社交媒体使用情况 。 美国学者欧内斯特·格尔霍恩所指出的 , 政府机构实施的不利公布行为之基本功能就是通知 , 目的在于告知公布对象相关政策或情况 , 以便他们再行为选择时可以利用这些信息 。
此外 , 法律应及时划定政府获取第三方平台数据的边界 , 防止政府以公共利益为名无限度获取平台通过知情同意收集的用户数据 , 并规定政府做好相关的数据安全保障工作 。
(三)行政信息公开原则与保护算法商业秘密的衡平
应平衡算法自动化决策的模型公开与保护私营企业商业秘密之间的冲突 , 适度增加算法自动化决策的透明度 。 一直以来 , 公开算法模型都被开发设计算法的私营公司以“保护商业秘密”为由反对 。 例如 , 美国法学教授要求纽约州和纽约市公布教师评分的算法 , 遭到了纽约州教育部的拒绝 。 因其算法技术供应合同规定 , 承包商提供的方法或措施是“专有信息” , 教育部门不能公开 。 这引发疑问 , 私营企业的商业秘密可否凌驾于行政正当程序对信息公开的要求之上?
坚持行政公开原则 , 必须衡平商业秘密保护与公民正当权利之间的价值位阶 。 行政信息公开是一种集体语境下的程序正义 , 算法自动化决策普遍适用于行政相对人 , 本质是一般规则 。 算法的开发设计过程类似于起草和通过一项即将适用于一大批案件的一般证据规则 。 一套算法系统可对多个行政相对人产生法律效力 , 一旦发生错误可能产生弥散化的损害后果 。 而具备正当性的规则应具有可预测性 , 即人们可以根据规定 , 事先估计到当事人双方将如何行为及行为的后果 , 从而对自己的行为作出合理的安排 。 这种对规则的知情权既是一种人权 , 也是可依据我国《宪法》推导出的公民权利 。 相对于私营公司的商业秘密保护 , 显然价值位阶更高 。


推荐阅读