数据交易如何更规范高效（经济时评）******

　　数据交易场所为解决交易过程中的效率、合规、安全、信任等问题提供了重要平台。统筹构建规范高效的数据交易场所，将进一步促进数据合规高效流通使用，赋能实体经济，助力全体人民共享数字经济发展红利。

　　上海数据交易所日前正式运营，2022年试运行期间，其交易额超过1亿元，2023年有望突破10亿元。

　　2021年以来，国家相关政策、法律法规等密集出台，各地积极探索，截至2022年8月，已有40多家数据交易场所成立。数据交易场所建设如火如荼，为解决交易过程中的效率、合规、安全、信任等问题提供了重要平台，但也面临数据产权不清、新技术支撑不充分、出现同质化竞争苗头等情况，对此还需各个击破。

　　确权是基础。从实践来看，公共数据和个人数据的权属问题相对清晰，企业数据方面则较为复杂。当前，一些数据交易场所已逐步形成数据登记等确权模式，迈开了破解“确权难”的第一步。从长远来看，根据数据来源和数据生成特征，国家层面的公共数据、企业数据、个人数据分类分级确权授权制度亟待建立，通过分别界定数据生产、流通、使用过程中各参与方享有的合法权利，为激活数据要素价值创造和价值实现提供基础性制度保障。

　　技术是支撑。数据需要流通才会产生价值，但由于数据具有可复制性等特点，在交易中容易发生所有权交接不清楚、隐私泄露等问题，反而阻碍了流通。破解两难，技术支撑必不可少。在清洗加工等环节，针对交易数据尤其是高敏感度和高价值数据，可通过隐私计算来进行分析、建模。在数据调用等环节，区块链技术有利于实现全链条监管，上海数据交易所已经采用联盟链将与交易有关的信息存储在区块链节点中，提高了交易的安全可信度。在对数据泄露的溯源和追责方面，数据水印技术可将标识信息隐藏在结构化数据中，对溯源取证提供了有力支持。下一步，还需加大这些技术的研发创新、标准完善和应用推广，为数据流通插上安全的翅膀。

　　布局需优化。目前，华东、华南、华中地区的数据交易场所占比达70%，有的单一省份已设立了5家。为了避免区域分割和同质化竞争，主管部门需加强数据交易场所体系设计，统筹优化规划布局，引导多种类型的数据交易场所共同发展，构建多层次市场交易体系，推动区域性、行业性数据流通使用。数据交易场所自身也有必要找准优势，错位发展，提高数据要素供给数量和质量，延展出市场所需的数据产品和服务。

　　2022年12月发布的《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》提出，“统筹构建规范高效的数据交易场所”。随着参与交易的数据类别逐步扩大，数据交易产业链生态雏形初现，统筹构建规范高效的数据交易场所，将进一步促进数据合规高效流通使用，赋能实体经济，助力全体人民共享数字经济发展红利。（林 琳）

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。