中新经纬7月15日电(王玉玲 实习生 郭西子)近日，由对外经济贸易大学数字经济与法律创新研究中心举办的“算法公平治理与实现”研讨会在线上举行。清华大学公共管理学院教授、清华大学人工智能国际治理研究院副院长梁正认为，公平具有多维性，常常面临“不可能三角”式的挑战。分级分类定制化的治理方案可能更务实。

关于算法公平性的定义，梁正以COMPAS案件为例总结了三个视角。第一是统计平等，即COMPAS对每个种族群体，比如黑人、白人，被拘留的被告人数比例相等。第二是条件统计平等，指在有限的风险因素情况下，每个种族群体中被拘留的被告人数比例相等，即犯罪风险的概率同等。第三是预测相等，偏误的假阳性和不同种族群体预测的准确性应大致相同。

梁正指出，在公共管理领域中，起点公平、过程公平、结果公平三者不可能同时实现。对于不同层面的算法公平性，满足其中某一个定义，可能另外一个公平性就得不到满足。公平性的定义实际上与资源分配密切相关，但常常面临“不可能三角”式的挑战。此外，梁正还提出了一些算法治理的困境，如当涉及到公平正义的问题时，用什么工具判断？这个工具可靠吗？从落实平台责任角度来讲，怎么去解决复杂性问题？梁正表示，有些从技术上来讲基本上是做不到的，但这些困境需要解决。

梁正表示，从国外实践来看，采用分级分类定制化的治理方案可能更务实。算法公平也是保障公共利益最大化。算法分级分类，即在判断风险要素识别和分级分类基础上，我们才有相应的规制要求和力度。不同监管规则的设计应注重与具体场景相匹配。因此，从这个意义上，算法公平问题涉及社会资源分配，同时也涉及具体场景的多元因素判断。