向着高品质中等城市阔步迈进

学生在学校开蒙、学习知识接受训练塑造性格过程中，不可避免地要接受老师的训斥、训练、矫正和惩罚。

如蒋灃泉在《中华法系立法之演进》中对旧律批判道：中国过去之法律，因袭成规，拥护专制，排斥新理想新事实之适应，虽在当时或能适合，但现时文明进步，人权发达，无庸君主之专政，过去之法典，自成时代之陈迹。相反，他们以为中国古代法的解体也是时代发展的必然。

孔子礼治体系的构建，是弘扬礼的精神（礼义），改良礼的制度仪式。二是针对主张完全改造旧法者，主张复古。陈鹏生对郝铁川的研究角度予以了充分的肯定，认为作者依靠其坚实的史学理论基础，站在思想史的高度，深入到封建法律的法条和制度背后的价值观念。近代在国际法学界日本有着较强的话语权，穗积陈重对国际法学界的影响在当时较中国学者广泛，这就是为什么国际法学界，包括中国法学界对中华法系的误解如此难以纠正的原因。由此，我们可以发现梁启超对穗积陈重有关中华法系学说的改造。

进入专题： 中华法系 中华法系专题讨论 。二、中华法系的内涵与清末民国研究状况之分析（一）中华法系的内涵笔者曾在拙作《礼与法：法的历史连接》中对古代法与传统法的不同作了区分。在事中，算法可以严格地按规则进行治理，排除一部分主观的自由裁量，在一定范围内限制权力滥用的可能性。

联合国开发计划署在推进民主治理计划时，就逐渐明确了责任、透明、公正、法治和参与这些多元价值的重要性。总之，算法能够从主体、机制和价值等三重维度提高民主治理的实践效能。基于算法的民主治理确实能够更好地以个性化的用户画像提供更加个性化的信息服务，使算法用户平等获得技术服务，然而这种个性化的服务，也会强化个体偏好，在加剧信息茧房的基础上进一步加剧极化效应。对于民主治理的复合主体而言，在算法驱动下的数据化转变也使公共领域和私人领域的边界变得日益模糊。

基于算法的民主治理也常常复刻现实社会的不平等，加剧各种类型的歧视。总的来说，当代西方政党以赢得更高支持率为导向，通过算法为民众进行画像（Profiling），旨在更加全面、精确且实时化地了解民众偏好，并且定向制作和投送符合偏好的竞选广告，对民众投票倾向进行精确引导，形成了数据驱动的智能竞选模式。

在基于算法的民主治理中，民主治理主体成为被计算的客体，利用技术来完成合作，削弱了现实的民主治理主体围绕着公共政策制定和执行所进行的利益交互过程，从而削弱了主体间的关系互动，对民主治理主体的复合发展造成了阻碍。例如，西方学界提出的价值敏感性设计（value-sensitivedesign）方式，在算法设计环节就嵌入基本伦理价值，结合决策情境来设计符合伦理的算法。大量研究表明，通过高度的用户控制，公民倾向有选择地寻求信息，并保持与其政治取向一致的沟通网络，这最终加剧了社会中的党派分歧。算法的决策失误事件以英国公共卫生部门利用算法筛查癌症事件最为典型。

对权利主体而言，利用算法对民众数据的挖掘、追踪和监测，也会导致不同程度的隐私和数据安全困境。同时，算法作为大数据和各种智能软件平台的中间计算程序，能将零散庞杂的数据转换为结构化的问题解决方案，为民主治理提供依据。此外，对于民主治理的价值维度而言，基于算法的信息供给模式也能够通过强化个体偏好的形式，加剧信息茧房，与公共价值体系产生分裂与对抗。在现实中，决策者在主客观条件制约下存在一定的局限性，但是基于算法的决策以大规模数据为基础，在机器学习的过程中可以更快、更客观、更准确地分析这些数据，将数据转变为决策证据，能够突破决策者理性能力限度，根据数据识别出最优路径和决策模式，全面分析决策利弊，为公共决策提供更为坚实的循证（Evidence-based）基础。

算法虽然增加了决策的科学性，但也因为算法本身存在的问题带来了决策的失误。基于算法的民主治理能够在一定程度上化解复杂议题中主体合作的难题，减少主体利益博弈产生的公共利益损耗。

这些基于算法的策略对引导民众情绪和舆论走向的影响日益显著，甚至能够直接影响民主政治的结果。在现实中，传统的民主治理形成了复合机制。

在技术层面，算法需要服务于实际场景以及包括政府、企业和公民在内的特定用户。民主治理更强调多元主体的参与、合作和协商，多元主体之间的共通性以及彼此沟通的可能性，构成了民主治理多元主体互动的现实基础，利益交互更是凸显了民主治理的主体之间的依赖关系。四、结论人们之所以会关注算法问题，就是因为通过机器对于规则的智能使用（具有相当大的自主性）来影响人们的实际生活，并且这种影响愈来愈大，在人工智能发展及其与政治生活的互动过程中，算法被频繁和广泛地运用于民主治理过程中，从主体、机制和价值等三重维度推动了民主治理的智能化转型，形成了基于算法的民主治理，使当代世界民主治理发生了深刻变化。算法能够提高决策的科学性。基于算法的预测提高了决策的前瞻性。（一）算法使传统民主治理体系的利益共同体正在转变为数据集合体从主体结构来看，由政府、企业、政党、公民组织和公民等构成的民主治理复合主体在算法影响下正在发生数据化的转型、演变和重组。

一方面，基于算法的民主治理将传统民主治理中的利益共同体转变为数据集合体，规范了权力主体和权利主体的行为，促进主体合作。因此，民主治理多元主体在算法过程中反而成为被计算的数据客体。

民主治理的多元价值平衡体系通过用户导向的服务模式转变为单向价值适配。机器决策在本质上通过机器使用训练数据来识别输入数据和结果之间的模式，从而生成预测模型，从大量数据中获取隐藏的、有效的和可理解的知识模式，执行相应计算程序，同时机器学习的迭代性也使机器决策能够形成反馈循环，产生智能化预测。

算法模块也可实现跨区域、跨系统访问、查询和共享调用，并可根据场景实际情况进行灵活调整，对于不同地方同一公共服务领域的相同问题场景，只要输入所在地的场景数据，就可通过计算得出与当下情景相匹配的结果。算法在塑造社会秩序方面发挥着一定程度的公共权力效能，越来越展现了霍布斯所描述的利维坦形象，成为具有强大塑造能力的巨型机器。

算法对技术要求很高，使掌握算法的群体日益集中在某些科技精英那里。进入人工智能时代，算法发展及其在政治实践中的运用，推动民主治理进入了智能化转型。三、基于算法的民主治理限度在实践过程中，算法嵌入民主治理也带来了一些弊端，引发了社会普遍的担忧。在此领域，基于大数据且利用机器学习的算法决策系统（AlgorithmDecisionMaking，ADM）的使用日益普遍，是政府面对海量数据环境进行智能化社会计算、挖掘知识模式并提供决策辅助的技术集合。

这意味着社会实体及其关系越来越被数据化，以算法为中枢进一步推动了主体的数据化生存。这一系统通过搜索引擎获得大量公民数据信息，而这些信息往往是由美国白人至上主义者系统地策划和整理的，这直接影响到算法的信息偏见，在其中嵌入了种族主义和性别歧视。

算法也被广泛嵌入了公共治理领域的数据信息处理流程中，是政府处理复杂治理问题的新型工具。政府利用算法决策系统来高效智能地处理文本、图像、声音和视频等大规模多元化数据，将其转化为相应的公共政策，运用于刑事司法、城市管理、社会安全、医疗行政和社会信用等公共治理的多元领域。

在传统民主治理体系中，技术革新推动了民主治理的发展与进步，如印刷术的广泛使用让公民对政治事务更为知情，广播和电视的运用则在美国产生了广播总统和电视总统。另一方面，算法也引发了监管和问责难题以及隐私和数据安全问题，改变了传统民主治理主体之间的现实关系纽带。

作为计算技术，算法能够通过数据海量计算的能力来反向支配社会主体。信息茧房背离了人的本质意涵，使人际交往变成了冰冷的数字化符号。同时，算法的数据计算过程也能复刻社会存在的不平等，甚至是固化歧视，侵蚀民主治理的平等价值。在民主政治中，算法是政党和民众进行数据信息互动的新型媒介。

尽管人类对算法拥有控制权，但算法在计算过程中往往掌握着越来越多的自主性，表现为具有能动性的技术主体，具备了一定程度的技术支配效应。算法虽然加强了决策的前瞻性，对于风险社会、应急管理有着非常好的感知，但对复杂的人类社会，这种前瞻性的感知也需要谨慎运用。

在此背景下，有效管控算法技术弊端已经成为当代世界政治生活中的一项共识。机器对人类预先给出分类的数据进行学习，在掌握其中的分类规则后，给新添加的数据打上相应的分类标签。

（二）算法通过识别数据相关性制定决策，对民主治理的决策造成了暗箱和失误困境算法的专业性和复杂性导致决策过程处于封闭状态，产生算法暗箱风险。算法能够通过数据挖掘，极大地提高了数据信息的计算速度，为决策提供更丰富和更高质量的信息基础。