彩虹多多技巧 - 彩虹多多下载

报告显示：超六成受访者认为应强制企业公开算法******

　　光明网讯（记者 李政葳）“当前，国内对于算法治理的基本思路和框架都是清晰的，而分级分类精准治理的模式应当可以解决如何落实的问题。”在日前举办的“2022啄木鸟数据治理论坛”上，谈及算法治理的现状，清华大学人工智能国际治理研究院副院长、人工智能治理研究中心主任梁正表示，算法分级分类本身不是目标，而是要针对不同风险场景配备不同监管规则。

　　论坛由南都个人信息保护研究中心联合清华大学人工智能国际治理研究院、人工智能治理研究中心（清华大学）主办。其间，南都个人信息保护研究中心发布《算法应用与治理观察报告》《个人信息安全年度报告》《平台经济反垄断观察报告》。

　　记者了解到，《算法应用与治理观察报告（2022）》，梳理了国内外的多项法规，结合热点事件及应用场景呈现了算法治理现状，并发布千份算法治理调查问卷了解公众对算法公开和算法治理的了解程度和基本态度，最后基于多方调查分析，给出了当前算法趋势观察以及未来治理方向建议。

　　报告发现，目前国内算法治理仍处于早期探索阶段，企业的算法公开主要依靠官方的互联网信息服务算法备案系统，或在舆情事件发生之后。调查问卷结果显示，近半受访者承认算法让自己的使用体验更好，但仅一成受访者认为企业算法公开做得很好，逾六成的受访者称曾遭遇“大数据杀熟”；超过六成的受访者认为应该强制企业公开算法。

　　“在数据、算法方面治理政策进展显著，在平台与应用方面的政策和落地尚需加紧。”中国科学院人工智能伦理与治理研究中心主任、国家新一代人工智能治理专委会委员曾毅认为，目前人工智能伦理有三个相当紧迫的问题需要被正视：首先，人工智能应当被适度使用；其次，目前人工智能服务知情同意落地艰难，被迫知情同意普遍存在；最后，目前用户数据的授权撤销在人工智能服务中存在巨大挑战，需要监管和更高层的网络服务提供方联合提出更合理的政策与解决方案。

　　针对日前发布的《互联网信息服务深度合成管理规定》，中国政法大学数据法治研究院教授张凌寒表示，从算法治理角度来说，深度合成管理规定与之前的算法推荐管理规定的思路有所不同，前者采用了一种“三位一体由的数据与技术规范。

　　具体来讲，由于深度合成技术的门槛较高，技术支持者也被纳入了监管范围内。比如，深度合成服务提供者提供智能对话、合成人声、人脸生成、沉浸式拟真场景等服务，应当进行显著标识，这就将更重的责任落在了服务提供者身上。

　　中国社科院科技和社会研究中心主任段伟文提到，算法治理需要构建可信任的算法认知，而这需要产业和消费者的共同努力：产业要努力提升算法精准性、透明度，减少偏见，减少歧视；消费者则需要提高数字素养，提升算法意识，加强在人机互动中自主性、控制感和协同意识。

提高债券市场流动性 上交所债券做市业务6日将正式上线******

　　中新网上海2月3日电 (高志苗)为提高债券市场流动性，完善价格发现机制，上海证券交易所(以下简称上交所)3日发布消息表示，已完成各项准备工作，债券做市交易业务将于2月6日正式上线。

　　据了解，首批做市商包括安信证券、东方证券、国泰君安、国信证券、华泰证券、申万宏源、银河证券、招商证券、中信建投、中信证券、财通证券和国金证券12家证券公司。

　　上交所介绍，自2015年公司债券发行制度改革以来，上交所债券市场蓬勃发展，债券规模迅速增长，截至2022年12月31日托管量已达15.94万亿元(人民币，下同)，年交易量达到380.2万亿，吸引了银行、基金、保险、券商等各类投资者的广泛参与，为建立做市机制创造了良好的条件。

　　据悉，2022年1月上交所发布新债券交易规则，并在其中同时发布了债券做市业务指引，为债券做市提供了制度基础。近期上交所对拟参加债券做市的证券公司进行了做市技术验收，并组织证券公司开展债券做市业务专项技术测试。首批做市标的包括利率债券和高等级信用债基准做市品种。此外，各家做市商还可以自选做市标的。围绕做市标的，中证指数有限公司开发了“上证基准做市国债指数”和“上证基准做市公司债指数”，并已于2月3日正式发布，指数标的券为上交所基准做市债券。

　　上交所表示，债券做市业务上线，旨在通过发挥做市商市场价格发现能力等方面的重要作用，为债券市场提供流动性，激发二级市场活力，通过提升二级市场流动性，降低融资成本，强化债券市场风险定价和资源配置的基础性功能，是上交所持续加强买方市场建设的重要一环。

　　下一步，上交所指出，将稳步推进债券做市业务，扩大做市商群体，拓宽做市券种范围，持续完善债券做市支持机制。以此为契机，进一步深入推进债券交易机制改革优化，以持续的产品创新与机制创新不断提高市场效率和流动性水平，进一步激活市场发展动力，持续完善买方市场建设，推动交易所债券市场高质量发展，更好地服务实体经济。(完)

　　（文图：赵筱尘 巫邓炎）