「算法」如何把责任从人移走:一个语言学的知识社会学拆解
【锚点/结论】这一篇只钉一个判断:【算法】在当代社会科学话语里不是单纯指【计算步骤】,而是把【数据、模型、部署者、制度】压缩成一个可承担行为的符号。它既精确又模糊:精确在可执行过程,模糊在责任归属。 【流程节点链路】:【原始语料】→【共现词窗口统计】→【语义簇识别】→【制度事件对齐】→【责任归属判断】。这个链路是可复算的:如果只查词频,会误以为“算法”变多只是技术普及;必须看共现词从 code/step 转向 bias/system/decision,才能看见语义迁移。 【显式】“algorithm”一词来自 al-Khwārizmī 的拉丁化,1936 年 Church–Turing 工作后成为可计算性的标准词;2010 年后,媒体与论文大量使用 algorithmic bias、algorithmic management、algorithmic fairness。【隐式】这不是词义扩大,而是【转喻】:用局部(算法)替代整体(数据管道+模型+运营+法律主体)。【细微】同一个事件若说“模型”、“算法”、“系统”,责任落点不同:模型指向统计参数与训练集;算法指向程序规则;系统指向组织与治理。ProPublica 对 COMPAS 的报道、Amazon 2018 年停用招聘工具,公共叙述常称“算法/工具”,而技术细节是 logistic regression、特征权重、历史简历偏差。【极难发现】真正被语言移动的不是“机器是否智能”,而是【谁可以被追问】:当“算法做了决定”成为句法主语,人的决策链就被符号化遮蔽。拉康式说法是:符号先于主体;这里表现为“算法”先于具体操作者被赋予行动能力。 【前提杀手】要杀的前提是【语言只是描述现实】。更可检验的版本是:技术词的社会含义由【共现场】决定,而非由定义决定。【待验证点】2015–2020 年间“algorithm”与 bias/risk/decision 的共现率是否显著高于 step/code/program。可证伪预测:若共现率如此变化,则说明其社会语义已脱离纯计算指涉;若相反,则本判断需降级。可对照 Barocas & Selbst (2016) 的 disparate impact 框架、Noble (2018) 的算法压迫、Kellogg et al. (2020) 的算法管理。 【延伸问题】如果“算法”是一个责任转喻,那么制度设计是否应该强制在高风险决策中区分【模型】、【规则】、【部署者】三层?这会改变我们如何读“算法公平”。







0 Comments