2020)。这里，我们想到了21世纪10年代欧洲制定的具体立法框架的例子。正如我在前面所言，《通用数据保护条例》第22条关于自动化个人决策与用户画像的法律规定(《通用数据保护条例》.[EU]2016/679)，就是为了确保此类系统当中的“人类因素”。在2020年，欧盟委员会进一步公布了《数据治理法案》(DGA)、《数据服务法案》(DSA)和《数据市场法案》(DMA)这3个提案，总体目标在于限制大型网络平台的权力，或者也可以将之称为“守门员”①。例如，《数据治理法案》呼吁投资并支持可信的“数据中介”(即数据信托和管理模式)发展。以平衡大型大数据网络平台与个人之间的数据不对称关系。另一方面《数据服务法案》强调了在自动内容审核与数据访问方面的保障措施，以针对大型网络平台人工智能系统进行外部审查与风险评估。
以自下而上的治理方法实现人工智能系统中的人类干预
《通用数据保护条例》以及2020年拟议的《数据治理法案》《数据服务法案》和《数据市场法案》等监管框架作为自上而下的要求对于人工智能研用发挥了重要作用。同时、其他自下而上的治理方法也可以实现人1智能研发、应用当中的人类干预。例如、公共机构可以战略性地利用公共采购来鼓励具有高水平人类干预的人工智能系统发展(Hasselbalch，()lsen and Tranberg.2020)。政府j政府间的投资计划可以支持那些凭借伦理维度上的创意、产品与服务而在全球市场上脱颖向出的初创企业。在设计研发等微观层面，工程师与研发人员需要利用些1具方法在其算法与机器学习模型当中加入人类干预的成分，例如“人机协同”方法(Zanzotto，2019)、可解释性与可追溯性技术((ilpinetal.，2018)、匿名化技术(Augusto etal.,2019)以及风险验证、确认j评佔I.其(Menzies andPecheur，2005)。为了实现这一点，可以实施培训计划来提高开发人员的能力与意识，并且指定允许共享的技术工程标准。
第3章大数据人工智能社会技术基础设施
①见欧盟委员会的《数据服务法案》揽子计划(2020年12月)和《数据治理法案》(2020年11月).
109