[AI生成]算法决策正在深化社会正义

[AI生成]算法决策的普及正在加剧社会不公

　　大家好，今天的发言议题是“算法决策是否正在深化社会正义”。首先明确两个核心概念：算法决策，指只通过数据模型与自动化计算辅助和替代人类做出判断的系统性过程；社会正义，指社会资源、机会与权力的公平分配及对弱势群体合理关照。我方认为，算法决策正在深化社会正义，理由如下：

　　第一，算法决策通过正义标准化审查，克服人类的主观偏见，深化了程序正义。人类的决策受认知局限、情绪波动与天性的影响，天然存在程序漏洞。罗建华的研究指出，传统重大决策里，专家遴选往往由承担单位把控，选择性执行，使竞争能力过场，公众监督根本无从落地。香港大学法学院研究证实，人们有一套固定的认知短板：会过度看重过往历史数据，天然失衡；同一个法官的判罚标准也可能不同，这就是正义的道德运气问题。而算法决策提供了可标准化、可重复的公正审查机制。2025年，清远市检察院用AI案对比勘察满案意见精准，发现一案存在价格确定异常，依法纠正犯罪数额认定，确保同案同判。算法没有七情六欲，不会因为当事人的穿着、口音或心情而改变判断标准。我方承认算法可能继承数据中的历史偏见，但看见偏见恰恰是纠正偏见的第一步。每个接受审判的人面对同一套可见标准时，程序正义就从理想走向了现实。

　　第二，算法决策以精准识别打破信息壁垒，深化分配正义。传统治理中各部门数据形成信息孤岛，数字化进度参差不齐，工作人员与普通群众都难以跨越渠道调取信息，人类根本无法全面摸排所有符合政策条件的群众，大量弱势群体被政策遗漏。而算法能通过跨部门数据对比，实现“人找政策”到“政策找人”的转变。某地通过精准建模，将504名城乡低保对象和120名特困人员纳入保障范围。厦门市公安局依托大数据算法开展反诈预警，短时间内劝阻了7万名潜在受害者，挽回群众损失约1.5亿元。当正义不再取决于诉求的强弱，而取决于数据的精准度时，那些被忽略的社会弱势群体才可能被看见和填补。

　　第三，算法决策可以追溯打破权力黑箱，深化实质正义。传统决策中，依据上级规定和部门流程，难以明确责任归属，弱势群体连追责的对象都没有。而算法的可审计性可以让错误被追溯、被纠正。2024年江苏检察机关自主研发的监督模型，自动对比司法执行信息与民生保障数据，快速审查困难群体被错误列为失信被执行人的条目，既守住了法律底线，又保障了困难群众的合法权益。正如最高检指出的，法律必须保持可追溯性，赋予数据主体对算法自动决策的权利，更可贵的是，算法规则的可协商性为弱势群体开辟了博弈通道。2025年，在全国总工会的指导下，某平台与一线骑手代表签订算法与劳动规则的专项协议，逐步取消超时扣款处罚，将实时道路数据纳入路径规划。截至目前，已有7家企业与算法签订专项协议，预计覆盖新就业劳动者逾2000万人。国外也有相关研究证实，通过调整派单的算法逻辑，可以显著缩小骑手之间因为片区差异而带来的巨大收入差距。在保障送餐时效的前提下，将每个影响决策的因素纳入算法设计目标，让每个对决策有影响的人都有了质疑权，让潜规则变成了公开透明的规则。

　　最后我方想回应一种常见的担忧：有人说算法太冰冷，不通人情。但请各位想一想，在算法普及之前，那些没有关系、不会说话、不懂门路的边缘人，他们感受到的所谓“人情世故”，到底是温暖的还是冷漠的？算法的一视同仁，是对所有人的平等保护，这恰恰是对无权无势者最大的温暖。真正的正义不是依靠权力拥有者的怜悯施舍，而是制度规定这一份权益本来就属于你。算法的可检验、可追溯、可协商，是现代社会正义的真实体现。

　　综上，我方坚定认为算法决策正在一步一个脚印地深化社会正义，谢谢各位。

　　反方四辩质询正方一辩。反方后边是英雄，可以听得见吗？可以。好，我发起质询。第一个问题，你方第一点认为算法决策有统一的标准，人类决策有必然漏洞，这是你刚提出的论点，对吧？ 　　是的。 　　我先问第一个问题，算法决策一定有统一的标准吗？有一个事情叫价格歧视，什么叫价格歧视？机器学习会计算每个消费者不同的需求，从而按照不同的需求榨干每一个消费者内心对这个东西的定价，比如给你卖20块，给他卖22块，对每一个人都有不同的标准，精确计算，你觉得这个标准统一吗？ 　　价格歧视恰好证明……不好意思，刚才超时4秒，没事，继续。那我继续说，价格歧视恰恰说明算法有统一的标准，就是利润最大化，它能用同一套模型保证结果最优，这样说对吗？ 　　所以你方觉得今天一杯咖啡卖给我20块，卖给他10块，只是因为我更爱喝咖啡，这个事情也公平？ 　　当然不公平，但是算法本质是由人来决定的，算法可以成为我们的辅助，在一些方面也可以替代，只要人类可以进步。 　　所以我确认到这里，哪怕标准是统一的，按您方来讲叫做逐利，那么今天对不同的人来讲，这个事情也不公平，这是第一点。 　　第二件事情，就算标准统一，这个事情真的合理吗？你方告诉我法官判决结果可能不同，问题是今天美国的康法斯系统告诉我们，黑人的再犯罪率就比白人高20%，当这个数据给法官看的时候，法官会不会加深他的偏见？我方刚才一辩已经说过了，看见偏见，正是开始修补偏见的第一步。所以今天当同一个数据给不同的法官看到的时候，只会加深原来法官的个人思想偏见，并不会改变偏见，你方是怎么论证到偏见会被改变的？ 　　我方想论证的不是算法不一定完美，我方想论证的是，首先，算法在不完美的情况下会导致社会不公；其次，哪怕算法完美，算法依旧会导致不公。这是我方后续要论证的假设。 　　您说的对象法确实让刚才的例子比法官更警惕得多了，但是您方希望是法官脑子里装着偏见，还是希望法官知道，算法在盯着他？ 　　好了。

　　下一个环节，反方一辩立论，可以听见吗？可以。那各位评委，对方辩友大家好，我方认为，算法决策的普及正在加剧社会不公。

　　首先，我方要界定公平。公平是一个社会学的术语，指社会成员在权利、机会、资源配置和司法活动当中遵循相同原则的合理状态，体现为对利益分配的合理性和程序规则客观性。公平不只是结果平等，更是一个人在面对影响自身利益的决策时，能够感受到自己作为一个具体的人被理解、被平等地对待，而不是被一个抽象的指标直接定义。

　　因此，我方有两点论证： 　　第一，算法会将社会原有的偏见数据化、自动化，以进一步扩大。美国刑事司法中的风险评估系统规定，康贝克发现在实际没有再次犯罪的人中，黑人被错误判定为高风险再犯的比例约为44.9%，而白人仅为23.5%。但更值得追问的是，这些偏见从哪里来？2025年N的一项研究指出，刑事风险评估大量使用代理数据，而代理并不是犯罪行为的中性指标。一个有种族歧视倾向的社会当中，即使黑人和白人犯罪率完全一致，黑人被逮捕的可能性也会更高。一个本身存在偏见的社会，其数据也可能存在偏见。这种历史性的种族差异会随着数据进入算法，而算法将过去受限于人力都无法大规模推行的偏见，变成标准化、自动化全天候运行系统，在毫秒间对成千上万人施加同样的偏见。算法基于概率对个体做出评价，之所以不公，是因为它用数据里的历史问题去否决个体改变命运的未来可能。即使概率真实，当它为每个具体的人写下命运的判决书时，它就用一种数学的暴政，犯下了那个最古老的错误：因为你是你们中的一员，所以你没有办法成为你自己。

　　第二，当算法进入资本的逐利逻辑，它把对人的控制进一步转化为效率和利润，而这种控制在范围和深度上都远远超过了传统手段。有两个研究者对网约车司机进行了几个月的研究，他们发现平台通过算法制造信息不对称，因为平台掌握价格、派单和评价规则，但司机只能够根据算法反馈调整自己的行为。在传统管理当中，老板受限于人的精力，只能间歇性地监督劳动者，而算法可以实时记录接单路线、时长、评分，根据此自动派单、奖惩和调整收入，于是过去老板要求你快一点，变成了现在系统让你的收入取决于你能不能更快，本质是对劳动者的进一步剥削。从人工的监督变成了全天候的监督，从管理的结果深入到管理劳动过程，劳动者不再只是被管理，而是在不断迎合一个看不见的算法。

　　在消费端，算法同样深化了价格歧视。一篇发表在《Journal of Political Economy》的研究发现，机器学习驱动的个性化定价，会使总体消费者满意度下降23%，社会的总效益也逐渐下降。美国联邦贸易委员会2025年调查发现，企业已经可以利用消费者的位置、浏览历史、购物记录等数据，设置个性化价格和优惠，不再仅按学生、会员、地区等粗略群体划分。而算法让企业从“一类人一个价格”推进到“一个人一个价格”，不断逼近每个消费者的支付意愿。

　　有两个人类学家指出，现在社会正在经历数据化，越来越多原本具有质性的生活经验被转化成可计算的数据。这就是我方最担忧的地方：当算法开始决定人的机会、价格乃至命运的时候，我们只问他算得准不准，却不再问他有没有真正地看见这个人。因为一个人面对另一个人，你还可以解释自己的创伤、困境与不得已，而当你面对算法时，你只能得到一句：你的风险分数是7，所以你的刑期会比那个白人多两年。

　　所以我方认为，算法可以帮助我们优化效率，但在一个公平的社会，不能因此失去理解人的能力。谢谢大家。

　　正方四辩质询反方一辩，正方四辩声音可以听到了吗？ 　　可以，没问题。 　　喂，你好，你觉得什么是正义的标准？我们这道题主要讨论的是公平的公平的标准。公平的标准就是社会成员在权利、机会、资源配置和司法活动当中，遵循三种原则。 　　你觉得相同原则是公平的标准。比如说，我今天是一个任人唯亲的决策者，谁跟我关系好，我就把更多资源分配给谁。在你看来，应该是一个破坏公平的行为。 　　的确，好，谢谢。所以说，这就是标准。如果今天社会当中的决策者更多是由个人情感驱动完成决策，那本质上是不公平的事。这是第一个事情。

　　第二个事情，你今天向我论证了可能存在偏见，可能存在资本的剥削，在没有合法之前，有没有国无其实，有没有资本过去没这么大，你来论证起点就是那个增量有多少。比如说，外卖骑手放在系统里，比如我们第二个点举的那个U，在没有外卖骑手的时候，资本家没有剥削工人吗？那为什么有工人运动符合工人革命是没有剥削，是他没有那么精准的掌控，没有那么全面的逼你去。我们才知道在英国当时24小时工作制的环境当中，工人要工作16个小时，为什么剥削比以前更弱？反方没有比较，为什么现在你产生的这些弊害比以前更严重，请解释一下，这是第二个事情。

　　第三个事情你要告诉我种族歧视。我说事实上黑人犯罪率比白人高20%，这是什么歧视？这个是事实，不是歧视。我只是在陈述这个事实，不是歧视。但如果今天我觉得因为黑人犯罪率高，看到一个黑人，就认定他一定是罪犯，这是歧视吧，这是算法才干的事。好，那我来问你，在斯坦福大学这个研究当中，人工智能判案的时候，法院的审判错误率降低了62%，它不会因为你是黑人就歧视你，它会分析案件的客观标准。是不是歧视辩手？ 　　这个好像没有经过具体的应用，可是我方发现一个已经被鉴用的存在，所以说反方今天客观数据的阐述当然不是歧视，而人根据数据产生的偏见才叫歧视，但正方所举证，事实上算法的案例当中还没有歧视得到消息性。

　　好的，谢谢主席。对方辩友最大的问题在于，对方用“咖啡卖20卖10块”来论证算法标准不统一，但首先，价格歧视本身是法律不允许的，这恰恰是算法需要被监管的理由，而非否定算法的理由。其次，价格歧视恰恰证明了算法有一套统一的标准、统一的模型，会对所有用户进行计算，至少算法留下了可追溯的数据痕迹。

　　第二，关于算法不完美的情况，对方所有例子都在说算法会犯错，但我们今天讨论的是算法普及的趋势。哈佛大学研究显示，AI辅助司法决策能让审判错误率降低62%，时间减少34%。那么请问对方辩友，62%的错误率下降不叫深化正义，什么才叫呢？用不完美去否定一个进步，等同于因为汽车会出车祸，就否定汽车。所以如果算法不能让正义得到深化，为什么最高检、全国总工会都在推动算法透明度的提升？谢谢。