趙一丁 陳亮

關(guān)鍵詞 環(huán)境決策；算法化；風(fēng)險；法律規(guī)制

AI時代，作為解決特定問題而采取的確定且有限的步驟，算法迅速內(nèi)嵌生態(tài)環(huán)境領(lǐng)域，且借助計算機(jī)模型對環(huán)境大數(shù)據(jù)進(jìn)行自動收集與分析，以輔助環(huán)境決策，從而提升決策效率。由此，該研究將環(huán)境決策與算法深度適應(yīng)與融合的過程，描述為“環(huán)境決策算法化”。然而，大的災(zāi)難幾乎并列［1］。環(huán)境決策算法化惠澤環(huán)境保護(hù)的同時，亦衍生風(fēng)險。目前，關(guān)于環(huán)境決策算法化衍生風(fēng)險的規(guī)制研究，國內(nèi)外學(xué)界尚未有涉及。學(xué)界對于算法的規(guī)制研究頗多，但多側(cè)重宏觀性的探討，場景化的微觀研究鳳毛麟角。技術(shù)存在的意義在于應(yīng)用，脫離應(yīng)用場景的算法將淪為無生命的代碼符號。因此，以環(huán)境決策算法化為特定場景的規(guī)制研究，具有深刻的實踐價值與現(xiàn)實意義。該研究以環(huán)境決策與算法的互動為切入點(diǎn)，闡明環(huán)境決策算法化帶來的雙重效應(yīng)，探究其衍生風(fēng)險的根源，從技術(shù)與制度層面，分別提出針對性對策，促進(jìn)算法在環(huán)境決策中的健康應(yīng)用。

1 環(huán)境決策算法化的雙重效應(yīng)

技術(shù)上最偉大的勝利與最大的災(zāi)難幾乎并列，其表象為技術(shù)帶來生產(chǎn)力進(jìn)步的同時，不乏伴隨技術(shù)持有者對他人或社會利益的侵蝕。環(huán)境決策算法化場景下，此種技術(shù)上的“勝利”與“災(zāi)難”，表現(xiàn)為環(huán)境決策算法化的雙重效應(yīng)。

1. 1 效應(yīng)之一：提高環(huán)境決策效率

根據(jù)西蒙（Simon）的決策理論，人類在認(rèn)知能力有限、信息能力不足的情況下，依靠有限的認(rèn)知做出有限理性的判斷，不存在最優(yōu)決策的可能。即，決策者擁有“信息”的多少與處理“信息”程度，決定決策的“質(zhì)量”與“速度”。

1. 1. 1 提高“數(shù)字密集型”范式

范式（Paradigm）一詞，由庫恩［2］提出，指“一個成熟的科學(xué)共同體在某段時間內(nèi)所認(rèn)可的研究方法、問題領(lǐng)域和解題標(biāo)準(zhǔn)的活水源頭”?？梢哉f，范式是一種公認(rèn)的模型或者模式。環(huán)境決策的范式從“經(jīng)驗”到“理論”，再到依靠定量分析的“計算”，每一種范式的誕生，除范式本身的發(fā)展外，往往依托外部環(huán)境的推動。

AI時代，算法崛起，催生“數(shù)據(jù)密集型”決策范式。與傳統(tǒng)范式不同，“數(shù)據(jù)密集型”范式借助算法，將數(shù)據(jù)丟進(jìn)巨大的計算機(jī)中去，只要有相互關(guān)系的數(shù)據(jù)，統(tǒng)計分析算法可以發(fā)現(xiàn)過去的科學(xué)方法發(fā)現(xiàn)不了的新模式、新知識，甚至新規(guī)律［3］。作為環(huán)境決策的新范式，“數(shù)據(jù)密集型”范式從數(shù)據(jù)范圍到?jīng)Q策手段，均有顯著變化，促使環(huán)境決策產(chǎn)生質(zhì)的飛躍。一方面，生態(tài)環(huán)境數(shù)據(jù)體量擴(kuò)充。遙感技術(shù)（RS）、地理信息系統(tǒng)（GIS）、全球定位系統(tǒng)（GPS）的廣泛應(yīng)用，為全方位、全過程地收集生態(tài)環(huán)境數(shù)據(jù)提供了可能。從數(shù)據(jù)規(guī)模來看，生態(tài)環(huán)境數(shù)據(jù)量也已從TB級別躍升到PB級別［ 4］。例如，目前中國林業(yè)大數(shù)據(jù)中心［ 5］數(shù)據(jù)量已超過1 PB，氣象部門需要永久保存的數(shù)據(jù)目前約有4 PB～5 PB， 年增量約1 PB ［6］。全球地面氣象站監(jiān)測網(wǎng)絡(luò)集成了不同國家不同地區(qū)的實時天氣觀測數(shù)據(jù)，共包含100多種數(shù)據(jù)來源和35 000個氣象站點(diǎn)［7］，其主要獲取參數(shù)包括云量、氣壓、風(fēng)速、風(fēng)向、溫度、可見度、降水等。收集范圍從“局部”向“全面”轉(zhuǎn)化，必然帶來充盈的生態(tài)環(huán)境數(shù)據(jù)體量。另一方面，生態(tài)環(huán)境數(shù)據(jù)的分析更趨客觀。傳統(tǒng)決策范式以人的經(jīng)驗或直覺確立目標(biāo)，繼之以定向分析。這種以目標(biāo)驅(qū)動決策，“假設(shè)”到“驗證”的過程，極具主觀性?！皵?shù)據(jù)密集型”決策范式則不設(shè)“假設(shè)”或“目標(biāo)”，而是根據(jù)海量大數(shù)據(jù)，通過計算得到前所未知的信息或規(guī)律。算法對環(huán)境大數(shù)據(jù)迅速分類、刪減、整合，實現(xiàn)對數(shù)據(jù)的客觀分析，有利于環(huán)境決策的精確與公正。

1. 1. 2 “算法自主性”提高決策之率

除決策效能提高外，環(huán)境決策算法化的另一優(yōu)勢在于決策速度的提升，這主要得力于算法自主性。大數(shù)據(jù)時代，算法逐漸脫離了純粹的工具性角色，而有了自主性和認(rèn)知特征，甚至具備了自我學(xué)習(xí)的能力［8］，逐步代替人類進(jìn)行決策。然而，具體到生態(tài)環(huán)境領(lǐng)域，算法所呈現(xiàn)的并非絕對意義上的自主決策，也并非完全是單純的系統(tǒng)性邏輯規(guī)則與數(shù)學(xué)模型，更多體現(xiàn)為通過算法自主性開發(fā)與建模，實現(xiàn)輔助決策。比如，算法系統(tǒng)自動收集環(huán)境大數(shù)據(jù)，且自動分類與整理，提取數(shù)據(jù)特征，衍生多種決策樹，輸出數(shù)億條指令，瞬間生成相應(yīng)的評估或預(yù)測，以輔助環(huán)境決策。可以說，除決策環(huán)節(jié)仍保留人的價值因素外，其余各環(huán)節(jié)很多被自動化的機(jī)器覆蓋。因此，借助算法的自主性，環(huán)境決策的目標(biāo)定制、方案設(shè)計、方案評估等步驟受到壓縮和簡化，傳統(tǒng)人工干預(yù)的時間成本減少，環(huán)境決策之“率”得以提高。

正面效應(yīng)的描述，更好地闡釋了環(huán)境決策與算法之間的關(guān)系。顯然，算法已滲透環(huán)境決策的運(yùn)行，并處于決策的核心。數(shù)據(jù)場景、方式手段、決策程序等要素的顯著變化，推動“效”與“率”的提高，環(huán)境決策的深度與廣度得到極大的延伸。

1. 2 效應(yīng)之二：增加衍生風(fēng)險

海德格爾［9］認(rèn)為，技術(shù)是一種解蔽方式，一切解蔽亦即真理的秘密［10］。然而，除揭示真理外，技術(shù)的顛覆性創(chuàng)新本身就是一種新的遮蔽，阻礙人類對技術(shù)的客觀認(rèn)識，進(jìn)而形成新的風(fēng)險，甚至最高意義上的風(fēng)險。算法解蔽生態(tài)環(huán)境，助力環(huán)境決策的同時，亦衍生風(fēng)險，主要有二：一是，算法所固有的技術(shù)風(fēng)險。二是，算法內(nèi)嵌環(huán)境決策過程中，二者碰撞出的具有場景化特征的新風(fēng)險。為勾勒完整的風(fēng)險輪廓，謀求整體層面的風(fēng)險規(guī)制，該研究對上述二風(fēng)險進(jìn)行統(tǒng)一描述。

1. 2. 1 政府信任危機(jī)

根據(jù)委托-代理理論，政府信用主要體現(xiàn)為政治代理人履行契約的程度［11］。可以說，信用是國家公信力的維持物。AI 時代，算法介入環(huán)境決策的同時，政治信任成本增加，少數(shù)公職人員以權(quán)謀私、懈怠行政有了空間，因此，引發(fā)政府信任危機(jī)。

（1）環(huán)境決策失準(zhǔn)。環(huán)境數(shù)據(jù)涉及環(huán)境質(zhì)量數(shù)據(jù)、污染排放數(shù)據(jù)、個人活動數(shù)據(jù)等，且各數(shù)據(jù)時刻變動，趨勢不一，總計可達(dá)幾十億條。環(huán)境大數(shù)據(jù)需要強(qiáng)大的算力予以支撐。然而，現(xiàn)有的算力并無法滿足環(huán)境大數(shù)據(jù)的處理需求。因而相較其他領(lǐng)域，環(huán)境大數(shù)據(jù)失準(zhǔn)概率較高，以環(huán)境大數(shù)據(jù)為基礎(chǔ)的環(huán)境決策失準(zhǔn)率亦極高。為此，政府所付信用成本是極大的。

（2）環(huán)境信息造假。亞當(dāng)·斯密（Adam Smith）認(rèn)為，個人在一定約束條件下的社會活動中，每個人都是“理性經(jīng)濟(jì)人”，即通過成本收益分析獲取自身利益最大化。毋庸置疑，政府官員個人也是現(xiàn)實經(jīng)濟(jì)關(guān)系制約下的，與社會中其他人沒有本質(zhì)區(qū)別的個人［12］。因此，部分政府官員在追求公共利益最大化的同時不乏實現(xiàn)自身利益最大化的行為。不論算法在環(huán)境決策應(yīng)用中何等優(yōu)質(zhì)高效，當(dāng)具有不良的使用目的時，即表現(xiàn)為政府權(quán)力墮落。

（3）決策者怠政。算法以大數(shù)據(jù)為基礎(chǔ)，通過嚴(yán)謹(jǐn)?shù)挠嬎隳Ｐ屯评?，得到的相關(guān)結(jié)論無論從形式上還是過程上都表現(xiàn)得更為客觀與精準(zhǔn)。長此以往，人類習(xí)慣性地將思考交給算法，無條件地信任算法。如此，對算法的過度依賴，可能會降低人類自身學(xué)習(xí)的能力。環(huán)境決策過程中，自身學(xué)習(xí)能力的降低主要表現(xiàn)為怠政。人類在決策環(huán)節(jié)形式上的主導(dǎo)無法掩蓋算法成為實質(zhì)決策者的真相。盡管認(rèn)識到存在其他選擇的可能，環(huán)境決策者仍然更傾向以算法的判斷作為決策的依據(jù)。實質(zhì)上，怠政現(xiàn)象并非來源于對算法技術(shù)的完全依賴，以算法為怠政的借口才是根源。

信息經(jīng)濟(jì)學(xué)角度分析，環(huán)境決策失準(zhǔn)是信息不確定性引發(fā)的政治信任成本提高。而環(huán)境信息造假與環(huán)境決策者怠政卻是典型的機(jī)會主義行為，盡管在短期內(nèi)可以獲得部分利益，但長期的環(huán)境信息不對等必然造成劣幣驅(qū)逐良幣的“檸檬市場”。此時，公眾辨識環(huán)境決策的成本過高，往往自動簡化判斷，對環(huán)境決策保持一律的懷疑態(tài)度，給政府帶來難以逆轉(zhuǎn)的信用危機(jī)。

1. 2. 2 環(huán)境非正義加劇

20世紀(jì)80年代，環(huán)境正義運(yùn)動（Environmental JusticeMovement）發(fā)端于美國，主要目的是實現(xiàn)國家之間、地區(qū)之間、人與人之間，環(huán)境資源的平等分配，環(huán)境風(fēng)險與環(huán)境責(zé)任的公平承擔(dān)。當(dāng)下，環(huán)境決策算法化給環(huán)境正義的實現(xiàn)帶來了新的挑戰(zhàn)，即環(huán)境非正義加劇，主要表現(xiàn)為環(huán)境信息資源的不平等分配與環(huán)境責(zé)任的不公平承擔(dān)。

（1）專業(yè)壁壘倍增，形成看不見的非正義分配。算法與環(huán)境決策的互動，衍生雙重壁壘，即算法壁壘與環(huán)境數(shù)據(jù)壁壘。一方面，算法技術(shù)的復(fù)雜性和精確性推動了算法專業(yè)槽的出現(xiàn)［13］，而專業(yè)槽在設(shè)計者之間與公眾之間形成認(rèn)知壁壘。據(jù)華北電力大學(xué)、北京信息科技大學(xué)、吉林大學(xué)、武漢科技大學(xué)、江蘇大學(xué)在智能環(huán)境監(jiān)測領(lǐng)域研究顯示，從機(jī)構(gòu)性質(zhì)看，高校占比97%［14］。算法總是蘊(yùn)含著價值判斷［15］，其設(shè)計、研發(fā)者必然將個人價值取向植入算法，干擾分配正義。另一方面，與其他領(lǐng)域中數(shù)據(jù)的直觀、易懂不同，環(huán)境數(shù)據(jù)種類繁多，標(biāo)準(zhǔn)不一。例如，世界衛(wèi)生組織（WHO）的PM2. 5標(biāo)準(zhǔn)為小于10 μg /m?，而中國的標(biāo)準(zhǔn)卻是小于75 μg /m?。此外，環(huán)境數(shù)據(jù)涉及高度的科技背景，抽象且深奧，對其掌握與甄別需要深厚的專業(yè)基礎(chǔ)。諸多環(huán)境數(shù)據(jù)對于非專業(yè)的民眾來說，無異于“無用信息”。這種無法跨越的雙重專業(yè)壁壘，使得環(huán)境信息資源的分配看似公平，實則分配不均。

（2）資本導(dǎo)演的“算法偏私”，左右環(huán)境信息資源的分配。公權(quán)力與技術(shù)背后的資本結(jié)合，產(chǎn)生了輔助環(huán)境決策的算法系統(tǒng)。然而，資本卻悄然成為決策的核心。相比政府，掌握算法的設(shè)計、開發(fā)者及其背后的資本更易獲得最新的環(huán)境數(shù)據(jù)。例如，智能手機(jī)通過應(yīng)用程序?qū)崟r測定細(xì)微粉塵，監(jiān)測大氣污染。應(yīng)用程序背后的私營公司最先掌握環(huán)境數(shù)據(jù)，便于將有利于自身利益的環(huán)境數(shù)據(jù)報告給環(huán)境行政機(jī)構(gòu)，左右環(huán)境資源的分配，侵害公眾環(huán)境權(quán)益，加劇環(huán)境非正義。

（3）預(yù)警性算法的應(yīng)用，可能引發(fā)環(huán)境責(zé)任不公平承擔(dān)。與其他領(lǐng)域相比，預(yù)警性算法在環(huán)境治理中的應(yīng)用更為廣泛。例如，地震災(zāi)害預(yù)警系統(tǒng)、飲水安全監(jiān)測預(yù)警系統(tǒng)、雨量監(jiān)測預(yù)警系統(tǒng)等。除此之外，預(yù)警性算法還可以識別最有可能違反環(huán)境法治的企業(yè)。但是，只有原始的環(huán)境數(shù)據(jù)統(tǒng)計準(zhǔn)確，預(yù)警性算法才能正確無誤，如果原始的環(huán)境數(shù)據(jù)統(tǒng)計不準(zhǔn)確，預(yù)警性算法將對企業(yè)造成極其不公的后果。它們會成為無辜的“污染嫌疑人”，這顯然有違公平原則［16］。

1. 2. 3 環(huán)境保護(hù)公眾參與權(quán)懸置

公眾參與制度首要價值目標(biāo)在促進(jìn)環(huán)境保護(hù)決策的科學(xué)化、民主化，為民主理論在環(huán)境管理活動中得以延伸提供制度保障［17］。不可否認(rèn)，從實踐層面考察，中國環(huán)境保護(hù)的公眾參與取得了一定成效。但仍存在公眾參與形式有限、公眾參與程度不足等一系列公眾參與權(quán)落實不力的問題。AI時代，算法強(qiáng)勢介入環(huán)境決策使得落實不力的環(huán)境保護(hù)公眾參與權(quán)直接過渡至懸置狀態(tài)。

（1）公眾參與程度低。知情權(quán)是公眾參與的前提［18］，直接影響公眾參與的程度。環(huán)境決策算法化語境下，環(huán)境知情權(quán)難以落實，主要表現(xiàn)有二：一是，公眾“不想知”。生態(tài)環(huán)境內(nèi)涵繁雜，變化速度不一。如，土壤變化極慢，需要幾年甚至幾十年，方能發(fā)現(xiàn)。持續(xù)性的關(guān)注，公眾極易陷入“關(guān)注疲累”。大氣環(huán)境則瞬息萬變。未待公眾參與，部分信息已過時無效?！熬徛迸c“瞬時”的特性使公眾極易陷入“不想知”的窘境。二是，公眾“不能知”。借助強(qiáng)大的算力，算法運(yùn)行具有瞬時性。公眾尚不知發(fā)生了什么，輔助性的評估或預(yù)測已被算法系統(tǒng)瞬間生成。幾乎無法參與的公眾，從“不想知”淪為“不能知”。此外，陳述與申辯程序日益萎縮。自主算法縮減了環(huán)境決策程序，雖高效快捷，但聽證環(huán)節(jié)的缺失，使得公眾從“主體”主動參與決策退化為“客體”被動接受決策。某些程序要素對于一個法律過程來說是最基本的、不可缺少、不可放棄的［19］，公眾陳述與申辯權(quán)利的萎縮，致使環(huán)境公眾參與程度低下。

（2）環(huán)境侵權(quán)救濟(jì)效率低。為防止權(quán)力濫用，法律賦予公民環(huán)境侵權(quán)救濟(jì)的權(quán)利，即受害人在其環(huán)境權(quán)益受到侵害時，通過司法和行政途徑實現(xiàn)排除妨害，獲得損害賠償?shù)囊环N救濟(jì)活動。然而，作為公眾參與最后的保障，環(huán)境侵權(quán)救濟(jì)面臨“架空”的風(fēng)險。政府及相關(guān)環(huán)保部門過度依賴算法，使得環(huán)境決策責(zé)任涉及算法設(shè)計者、算法適用者、行政決策者，甚至算法自身。追責(zé)過程中，法律制度意義上的行為——責(zé)任邏輯被切斷，法律因果關(guān)系面臨重構(gòu)的危機(jī)。過錯責(zé)任人難以定位的情況下，算法設(shè)計者、行政決策者極有可能以技術(shù)自主錯誤為借口，排斥程序正當(dāng)?shù)暮侠碓V求，以逃避責(zé)任。

與危機(jī)不同，風(fēng)險難以感知。只有達(dá)到一定閾值時，風(fēng)險方轉(zhuǎn)為危機(jī)。環(huán)境危機(jī)一旦出現(xiàn)，將導(dǎo)致嚴(yán)重的財產(chǎn)、健康損失，且多不可逆。因此，環(huán)境決策算法化的衍生風(fēng)險，不容忽視。

2 環(huán)境決策算法化衍生風(fēng)險的內(nèi)在邏輯

環(huán)境決策算法化的正面效應(yīng)，源自人類對生產(chǎn)力提升的不懈追求。而負(fù)面效應(yīng)（即衍生風(fēng)險），有其內(nèi)在邏輯。風(fēng)險源為何？這個問題的探析，有利于我們提出正確的應(yīng)對之策。

2. 1 環(huán)境決策公開性與算法不透明性的對立

“公開為原則，不公開為例外”，環(huán)境決策具有應(yīng)然的公開性。一方面，環(huán)境決策的公開是環(huán)境知情權(quán)保障的需要。公民有權(quán)獲取、知悉與自身環(huán)境權(quán)益密切相關(guān)的環(huán)境信息［20］，如相關(guān)的法律法規(guī)、環(huán)境決策等。世界八大公害事件后，公眾的環(huán)境保護(hù)意識進(jìn)一步提升。域外各國和地區(qū)陸續(xù)以立法的形式確立了行政機(jī)關(guān)關(guān)于環(huán)境信息公開的義務(wù)，以保障公民的知情權(quán)。其中，具有代表性的是美國的《信息自由法》和歐盟的《奧胡斯公約》。另一方面，環(huán)境決策的公開是“陽光政府”的需要。國家權(quán)力天然具有膨脹和墮落的傾向。布蘭代斯［21］認(rèn)為“陽光是最好的消毒劑”?？貦?quán)邏輯指引下，為保障公民權(quán)利，增加國家機(jī)關(guān)的可問責(zé)性，必須將國家權(quán)力置于陽光之下，接受公眾的監(jiān)督。作為環(huán)境信息公開不可忽視的內(nèi)容，環(huán)境決策的公開不僅是公眾參與環(huán)境治理的前提性權(quán)利，也是環(huán)境決策合法性的保障。

與環(huán)境決策的公開屬性相反，不透明是算法的常態(tài)，即算法的“黑箱”屬性。從不同角度看，算法“黑箱”具有不同的表現(xiàn)形式。其一，技術(shù)缺陷下的“黑箱”。人工智能輸入的數(shù)據(jù)和其輸出的答案之間，存在著我們無法洞悉的“隱層”［22］。可以說，無論輸入數(shù)據(jù)與輸出結(jié)果何等透明，算法在二者之間是如何運(yùn)作的，無人知曉。其二，符號代碼的“黑箱”。從算法的運(yùn)行流程來說，整個過程涉及龐大的數(shù)據(jù)材料和繁復(fù)的計算方法，并以計算機(jī)代碼的形式呈現(xiàn)［23］。如，很多代碼是用Python計算機(jī)編程語言所編寫，并非能夠被公眾所理解的自然語言。公眾一般不具備理解代碼與認(rèn)知算法的專業(yè)素養(yǎng)。這種知識盲區(qū)在算法與公眾之間形成一種隔離，也就是所謂的符號代碼的“黑箱”。即便代碼公開，對于公眾不過是“無效信息”。其三，作為保密信息的“黑箱”。為保護(hù)技術(shù)持有者的經(jīng)濟(jì)權(quán)利與政府治理的效率，法律賦予技術(shù)企業(yè)與政府對特定代碼不予公開的權(quán)利。實質(zhì)上，是個人利益與公共利益之間的衡平。

無論何種形式的“黑箱”，均遮蔽了算法的運(yùn)作，人們無法了解環(huán)境決策各環(huán)節(jié)的運(yùn)作方式，也就無法對其提出質(zhì)疑或者抗議?？梢哉f，“黑箱”成為逃避“公開”的保護(hù)傘。算法不透明性對環(huán)境決策公開性的不斷蠶食，加劇了二者的內(nèi)在張力，環(huán)境決策算法化的衍生風(fēng)險成為必然。

2. 2 環(huán)境決策風(fēng)險性與算法自主性并存

較之其他行政決策，環(huán)境決策具有鮮明的“風(fēng)險性格”。一方面，環(huán)境問題帶有濃厚的科技背景。環(huán)境問題在因果關(guān)系的認(rèn)定上亦格外困難，時常牽涉到科學(xué)上的極限，無法立即給予一個肯定的答案，以作為認(rèn)定責(zé)任或采取相對措施的依據(jù)［24］。此外，幾乎所有的環(huán)境論題都是從具體的科學(xué)研究中產(chǎn)生出來的［25］，如土壤污染、全球氣候變暖等。這種濃厚的科技背景，使得環(huán)境決策不得不涉及科技水準(zhǔn)的考量。囿于人類的“有限認(rèn)知”與科學(xué)的不確定因素，依據(jù)概率估算的環(huán)境決策，只是一個風(fēng)險決策，其日后被證明是錯誤或偏差的可能性極高。另一方面，環(huán)境問題的跨期性，決定了環(huán)境決策的高風(fēng)險。環(huán)境問題對人類的影響多有時滯性，需經(jīng)年累月方可察覺。例如，尚未探尋臭氧層之前，人類根本不知道氟氯化碳（CFC）是導(dǎo)致臭氧層消耗的始作俑者。空氣中二氧化碳的濃度增加，短期內(nèi)不會引起即時效應(yīng)，但若長期如此，則會產(chǎn)生溫室效應(yīng)。這種慢性的過程，直接導(dǎo)致人類無法確定環(huán)境負(fù)效應(yīng)會何時顯現(xiàn)，環(huán)境決策不得不決策未知。

AI時代，算法在諸多領(lǐng)域的角色已從“輔助工具”向“決策主體”轉(zhuǎn)化。但就環(huán)境決策領(lǐng)域而言，算法尚任“輔助角色”，決策主體仍為人，決策環(huán)節(jié)所嵌入的仍是人的價值因素。盡管如此，目標(biāo)制定、信息調(diào)查、方案評估等環(huán)節(jié)，算法依舊具備自主實現(xiàn)特定計算的功能。也就是說，決策的前置環(huán)節(jié)均由算法主導(dǎo)。囿于認(rèn)知的狹隘，決策者對于算法自主行為的對錯，難以甄別。最終，來自算法的數(shù)據(jù)結(jié)果或評估結(jié)論直接左右“人的決策”。這種環(huán)境決策者與算法之間看似利用與被利用的關(guān)系，實則早已被算法自主性顛覆，決策權(quán)柄隱性轉(zhuǎn)移。這意味著，算法自身的不確定性風(fēng)險被引入環(huán)境決策。從內(nèi)部角度看，算法于前端環(huán)節(jié)的自主計算過程無法被人工干預(yù)，處于計算自由的算法擁有恣意計算的權(quán)力。從外部角度看，如上文所述，算法自主性縮減了決策步驟，行政正當(dāng)程序亦被省略，算法自主行為幾乎無外部約束。此外，決策權(quán)柄的隱性轉(zhuǎn)移必然引發(fā)傳統(tǒng)法律規(guī)則的失靈，即招致“誰的過錯，誰來負(fù)責(zé)”的詰問。

“自主性”的嵌入，成為“決策革命”的轉(zhuǎn)折性標(biāo)志，推動環(huán)境決策效能的升級。然而，正如帕加羅［26］所言，機(jī)器人的行為在其他領(lǐng)域似乎也是風(fēng)險源和潛在威脅。環(huán)境決策風(fēng)險性與算法自主性的疊加，引發(fā)“擴(kuò)大效應(yīng)”，增加了環(huán)境決策的不確定，使得上述詰問成為無解的方程。

2. 3 環(huán)境決策社會性與算法資本性的矛盾

作為人類生存的根基，環(huán)境是典型公共資源（Com?mon Resource），具有濃厚的社會屬性。環(huán)境是不可分割的統(tǒng)一整體，A地環(huán)境的變化可能會影響B(tài)地的環(huán)境，當(dāng)代環(huán)境的變化可能影響未來的環(huán)境。因此，環(huán)境污染的主體與承受環(huán)境污染行為后果的主體常不一致。以萊茵河污染事件為例，瑞士的桑多斯公司倉庫起火，引發(fā)鋼罐爆炸，大量的硫、磷、汞等毒物排入萊茵河，其污染范圍并不限于萊茵河，甚至破壞了大西洋的生態(tài)環(huán)境體系。表面看似“無關(guān)”的環(huán)境事故中，公眾卻扮演著“絕對弱勢群體”的角色，不得不為污染者的行為“買單”。這種環(huán)境污染的負(fù)外部性行為，系屬典型的“公地悲劇”。實際上，“公地悲劇”的根源之一在于“公地”對每一個人而言是沒有價值的，不必去為獲取付費(fèi)［27］。越來越多的經(jīng)濟(jì)主體，在從事經(jīng)濟(jì)活動時，為追求利益最大化，將環(huán)境污染或損害成本向社會轉(zhuǎn)移，公眾成為環(huán)境問題的最終承受者。因此，環(huán)境決策必須考慮他人利益，將社會公共利益的保障作為衡量決策良莠的重要標(biāo)準(zhǔn)，而非單維度的經(jīng)濟(jì)利益。

AI時代，科技烏托邦（Technological Utopianism）理念再次興起。相信科學(xué)技術(shù)必定可以實現(xiàn)物質(zhì)豐裕、秩序合理、自由正義與社會和諧的人類夢想［28］。但事實是，某些老練的法人實體可能正在利用這些算法為自己謀利［29］。多數(shù)算法雖由專業(yè)人員設(shè)計，但其研發(fā)、生產(chǎn)、經(jīng)營所需的經(jīng)費(fèi)皆由大型資本企業(yè)承擔(dān)。可以說，大型資本企業(yè)作為算法技術(shù)的控制者，天然具有資本理性。馬克思認(rèn)為，“資本來到世間，從頭到腳，每個毛孔都滴著血和骯臟的東西”；“當(dāng)利潤達(dá)到10%的時候，他們將蠢蠢欲動；當(dāng)利潤達(dá)到50%的時候，他們將鋌而走險；當(dāng)利潤達(dá)到100%的時候，他們敢于踐踏人間的一切法律；當(dāng)利潤達(dá)到300%的時候，他們敢于冒絞刑的危險”［30］。由此，算法必然披著“技術(shù)中立”的外衣，隱匿自身的單向逐利性，謀求資本利益最大化。

20世紀(jì)是全球規(guī)模環(huán)境破壞的世紀(jì)［31］，經(jīng)濟(jì)的發(fā)展慣以環(huán)境的破壞為代價。環(huán)境決策社會性與算法資本性不乏沖突，其實質(zhì)是社會公共利益與個人利益的矛盾。環(huán)境決策算法化語境下，算法將資本利益訴求植入環(huán)境決策各環(huán)節(jié)，左右決策的方向與結(jié)果。顯然，算法資本屬性的擴(kuò)張，勢必侵蝕環(huán)境決策的社會屬性，公眾環(huán)境權(quán)益遭到無情的碾壓。社會公共利益與個人利益的失衡，極易產(chǎn)生“強(qiáng)者愈強(qiáng)，弱者愈弱”的“馬太效應(yīng)”（Matthew Ef?fect），衍生不可預(yù)知的風(fēng)險。

綜上分析，可以從宏觀層面將環(huán)境決策算法化的衍生風(fēng)險認(rèn)作是環(huán)境決策與算法互動過程中負(fù)效應(yīng)的一種釋放。然而，細(xì)化到具體的風(fēng)險，實則是環(huán)境決策與算法本質(zhì)屬性的矛盾。

3 環(huán)境決策算法化衍生風(fēng)險的法律規(guī)制

透過上述邏輯分析，規(guī)制環(huán)境決策算法化衍生風(fēng)險的關(guān)鍵在于調(diào)和環(huán)境決策與算法本質(zhì)屬性的矛盾。環(huán)境治理的目的決定了環(huán)境決策的部分固有價值，不可因算法的應(yīng)用而放棄。因此，根據(jù)內(nèi)在邏輯的分析，提出針對性的規(guī)制路徑，對環(huán)境決策與算法本質(zhì)屬性進(jìn)行適當(dāng)?shù)摹皳P(yáng)抑”，調(diào)和二者之間的矛盾，促進(jìn)算法在環(huán)境決策的健康互動。

3. 1 環(huán)境決策算法化的公開與透明

破解“黑箱”是規(guī)制環(huán)境決策算法化衍生風(fēng)險的有效手段之一。但是，環(huán)境決策涉及國家秘密、商業(yè)秘密、個人隱私等合法權(quán)益。因此，對于環(huán)境決策公開性的扶助，不可絕對。在“ 公開”與“ 不公開”之間，應(yīng)把握適當(dāng)?shù)摹岸取薄?/p>

3. 1. 1 設(shè)立統(tǒng)一的公開原則

中國環(huán)境信息公開制度一直踐行“公開為常態(tài)，不公開為例外”的原則，而且劃定了國家秘密、商業(yè)秘密、個人隱私公開紅線。即便如此，掌握算法的行政機(jī)構(gòu)與大型資本企業(yè)仍存在以國家秘密、商業(yè)秘密為由，拒絕公開算法的可能性。這種“一刀切”，嚴(yán)重干擾了的風(fēng)險會將“公開為常態(tài)，不公開為例外”的原則。

環(huán)境信息公開原則下，算法決策的同時，其自身及運(yùn)行的相關(guān)信息勢必面臨“公開”與“保護(hù)”的取舍，本質(zhì)上，實屬利益的衡量。同一算法系統(tǒng)可應(yīng)用于多個生態(tài)環(huán)境系統(tǒng)，一旦算法有誤可能影響到整個環(huán)境領(lǐng)域的決策，產(chǎn)生多米諾骨牌效應(yīng)（Domino Effect）。這種彌散化的損害效應(yīng)直接威脅人類的生命健康安全。國家秘密、商業(yè)秘密、個人隱私保護(hù)的是經(jīng)濟(jì)利益時，較之生命健康利益，其價值位階，顯然更低。

環(huán)境信息的公開不僅是正當(dāng)程序的需求，而且事關(guān)公眾的生命健康。為此，在保護(hù)國家秘密、商業(yè)秘密、個人隱私的基礎(chǔ)上，我們要進(jìn)一步提出社會公共利益優(yōu)先公開的原則。例如，與公眾生命健康具有利害關(guān)系的環(huán)境決策均應(yīng)對其應(yīng)用算法及決策過程予以公開。

3. 1. 2 創(chuàng)設(shè)算法可解釋權(quán)

算法自主性衍生的決策風(fēng)險，在于算法可解釋性的問題?；诠箔h(huán)境知情權(quán)，如果政府不能解釋其行政決策或行為，就不該使用算法，公民有知曉決策理由的權(quán)利。然而，礙于技術(shù)壁壘，即使公布深度學(xué)習(xí)的所有代碼，公眾也無法得知算法如何以及為何得出相應(yīng)的結(jié)果。為此，該研究主張采取“反設(shè)事實解釋”，賦予公眾算法可解釋權(quán)，即不是要求公開技術(shù)源代碼，而是要求公開算法自主行為的要素及權(quán)重。

3. 1. 3 擴(kuò)充公開的內(nèi)容

雖說，追責(zé)制度能夠倒逼環(huán)境決策部門內(nèi)部職能的厘清與整合，提高決策效率并使算法設(shè)計者或開發(fā)者對算法的設(shè)計與應(yīng)用更加審慎。但是，建立追責(zé)制度的前提是提高透明度。因此，除上述算法技術(shù)透明度的提升外，決策內(nèi)容透明度的提高亦不可忽視。

（1）環(huán)境決策類型化與場景化的公開。輔助算法與自主算法交叉應(yīng)用在不同場景的不同環(huán)境決策環(huán)節(jié)，公眾無法辨析哪些場景的哪些決策環(huán)節(jié)是由政府主導(dǎo)，算法輔助；哪些場景的哪些決策環(huán)節(jié)是由算法自主。拘泥于特定算法類型的分類分級不敷適用［32］，法律追責(zé)鏈條折斷被無形。為此，有必要立足特定場景，將環(huán)境決策分為輔助行為與自主行為，且明示公眾。這種矛盾特殊性的顯性梳理，有助于增強(qiáng)環(huán)境決策的針對性，定點(diǎn)環(huán)境責(zé)任主體，分化風(fēng)險。正如如果不研究矛盾的特殊性，就無從確定一事物不同于他事物特殊的本質(zhì)，無從區(qū)分科學(xué)研究的領(lǐng)域［33］。

（2）設(shè)立環(huán)境公示制度。環(huán)境執(zhí)行是環(huán)境決策的落實，更是環(huán)境決策的保障，其透明度直接影響決策執(zhí)行力。為實施“陽光”執(zhí)行，增強(qiáng)執(zhí)行透明度，暢通救濟(jì)渠道，有必要針對環(huán)境執(zhí)行的相關(guān)信息進(jìn)行公示。例如，環(huán)境決策中，凡有時限要求的，應(yīng)在時限屆滿前公布執(zhí)行結(jié)果；重點(diǎn)決策的執(zhí)行應(yīng)實時公布執(zhí)行進(jìn)展，將風(fēng)險扼殺在執(zhí)行之中。順延至環(huán)境決策的監(jiān)督，公示亦不可或缺。針對公眾的舉報、投訴，相關(guān)部門應(yīng)公開回復(fù)，且禁止概括性回復(fù)，需具備說明性的理由。

3. 2 環(huán)境決策算法化的重監(jiān)管與嚴(yán)問責(zé)

對于人工智能的規(guī)制，歐盟《人工智能白皮書》提倡“重監(jiān)管”，對技術(shù)的設(shè)計開發(fā)以及應(yīng)用流程均有嚴(yán)苛的要求。與歐盟不同，美國《人工智能應(yīng)用監(jiān)管指南》更側(cè)重于“輕監(jiān)管”，彈性規(guī)定較多，為人工智能應(yīng)用設(shè)置提供了更寬泛的生存空間。環(huán)境損害不可逆，算法風(fēng)險尚不可估算。因此，針對環(huán)境決策的風(fēng)險性與算法的自主性，該研究采取一并削弱的態(tài)度，適用“重監(jiān)管，嚴(yán)問責(zé)”的理念。

3. 2. 1 重監(jiān)管

“算法為王”的環(huán)境治理，政府對于智能算法的依賴，無以復(fù)加。加之，環(huán)境一旦受損，難以復(fù)初。鑒于此，監(jiān)管制度的構(gòu)筑應(yīng)從“重”。

（1）算法的“重監(jiān)管”。第一，設(shè)立算法許可機(jī)制。算法設(shè)計、開發(fā)者應(yīng)向有關(guān)部門提出申請，經(jīng)審查批準(zhǔn)，下發(fā)許可證后，方可設(shè)計、開發(fā)有關(guān)生態(tài)環(huán)境的應(yīng)用算法。將監(jiān)管移至“孕期”，從源頭削弱技術(shù)風(fēng)險。第二，構(gòu)建算法審計監(jiān)督制度。設(shè)立數(shù)據(jù)保護(hù)官（DPO），專門監(jiān)控企業(yè)內(nèi)部算法的運(yùn)行，其審計監(jiān)督的內(nèi)容包括但不限于算法運(yùn)行的合法性、歧視性、效率性。苗頭性、典型性環(huán)境問題的相關(guān)決策，其所應(yīng)用的算法系統(tǒng)應(yīng)予以重點(diǎn)關(guān)注，確保2年一次輪審。此外，數(shù)據(jù)保護(hù)官（DPO）必須每半年向行政審計機(jī)關(guān)提交一次審計報告。

（2）環(huán)境決策的“重監(jiān)管”。第一，環(huán)境決策備案制度。經(jīng)審議的環(huán)境決策將其適用算法的名稱、研發(fā)者、開發(fā)者、應(yīng)用領(lǐng)域、算法類型、算法自評估報告、決策者、特定環(huán)境示意圖、各方案可行性分析報告等相關(guān)信息作為備案內(nèi)容。算法透明最激進(jìn)的主張，莫過于公開源代碼［34］，而該研究未將源代碼的公開納入備案內(nèi)容。出于審慎，環(huán)境備案旨在監(jiān)管機(jī)構(gòu)對環(huán)境決策的風(fēng)險性認(rèn)知，非技術(shù)性探知。因此，將算法數(shù)據(jù)組、算法模型性能、算法設(shè)置邏輯等涉及商業(yè)秘密、專利權(quán)的內(nèi)容排除在外［35］。第二，加重執(zhí)行監(jiān)管力度。首先，構(gòu)建環(huán)境決策目標(biāo)責(zé)任制度。通過簽訂責(zé)任書的方式，明確主要責(zé)任者與責(zé)任范圍，規(guī)避多頭執(zhí)行衍生的責(zé)任推諉，具體落實環(huán)境決策。其次，設(shè)立定期定量考核制度。上級機(jī)構(gòu)定期定量考核執(zhí)行機(jī)構(gòu)對環(huán)境決策的落實，以免環(huán)境決策淪為空中樓閣。最后，構(gòu)筑限期執(zhí)行制度。對于執(zhí)行不力的環(huán)境決策，采取限定執(zhí)行時間、執(zhí)行內(nèi)容及執(zhí)行效果的強(qiáng)制性行政措施。第三，監(jiān)察監(jiān)管者。“監(jiān)管俘虜論”認(rèn)為，監(jiān)管者自身也是一個有著獨(dú)立利益的理性經(jīng)濟(jì)體，在監(jiān)管的過程中，監(jiān)管者可能會被收買或屈服于利益集團(tuán)的政治壓力，最終導(dǎo)致監(jiān)管效果偏離公共利益最大化目標(biāo)［36］。為及時糾偏，提高環(huán)境決策效能，應(yīng)強(qiáng)化政治監(jiān)督，加強(qiáng)紀(jì)委的日常監(jiān)督、派駐監(jiān)督、巡視巡察等。

3. 2. 2 嚴(yán)問責(zé)

行政視域下，環(huán)境決策、執(zhí)行、監(jiān)管等任何一個環(huán)節(jié)，皆有可能衍生環(huán)境決策算法化風(fēng)險，其人為因素居多。然而，環(huán)境問題，一旦失足，覆水難收。鑒于此，責(zé)任機(jī)制的構(gòu)建應(yīng)從“嚴(yán)”。

（1）問責(zé)主體的明確。如上文所述，環(huán)境決策運(yùn)行中，決策環(huán)節(jié)的前置步驟均由算法自主計算、推理、判斷。從這個意義上看，傳統(tǒng)決策者中人的主體性被削弱。不僅如此，由于“人的決策”以前置環(huán)節(jié)中算法的自主計算、推理、判斷為依據(jù)，決策權(quán)柄早已實際轉(zhuǎn)移至算法手中。這種隱性的決策主體更換，讓我們疑惑是否應(yīng)該將算法視作法律責(zé)任主體，承擔(dān)決策責(zé)任。然而，現(xiàn)行法律并沒有賦予算法自主系統(tǒng)法律主體地位，其法律性質(zhì)的界定仍在工具范疇，并不具備法律責(zé)任的承擔(dān)能力。因此，算法的設(shè)計者、開發(fā)者都應(yīng)當(dāng)對算法決策造成的環(huán)境損害后果承擔(dān)責(zé)任。

（2）采用嚴(yán)格責(zé)任原則。法律因果關(guān)系的認(rèn)定是一個可能性的推斷過程。算法可解釋權(quán)的設(shè)立成為“行為—責(zé)任”法律邏輯鏈條的重要連接點(diǎn)，提高了因果推斷的準(zhǔn)確率。并非所有的算法都可以作出可理解性的解釋，無法判定因果的情況居多。相關(guān)責(zé)任主體常以“算法過錯”為借口，推脫責(zé)任。因此，有必要扯下技術(shù)的“外衣”，以社會公共利益為圭表，不過分追求因果推斷的無暇，適用無過錯責(zé)任原則。簡而言之，算法設(shè)計者、開發(fā)者、環(huán)境決策者，均對負(fù)向后果承擔(dān)法律責(zé)任。為防止“規(guī)制俘獲”，環(huán)境決策的執(zhí)行、監(jiān)管行政機(jī)構(gòu)適用過錯原則，在執(zhí)行或監(jiān)管不力時承擔(dān)相應(yīng)的法律責(zé)任，且從重處罰。

3. 3 環(huán)境決策算法化的公眾全面參與

權(quán)力本身具有天然的擴(kuò)張性、腐蝕性并極易控制和異化，沒有約束的權(quán)力必然任性［37］，必須對其進(jìn)行有效的監(jiān)督。作為外部監(jiān)督方式之一，公眾參與是限縮權(quán)力的有效路徑。賦權(quán)公眾，全面參與環(huán)境決策算法化的運(yùn)行，削弱算法的自主性與資本性，預(yù)防規(guī)制俘獲，保障公眾環(huán)境權(quán)益。

3. 3. 1 公眾全面參與的算法

算法的“誕生”，往往攜帶“算法歧視”“算法偏好”等固有技術(shù)弊端。算法治理實踐中，一定程度的公眾參與被視為構(gòu)成有效治理的核心要素。顯然，環(huán)境決策算法化衍生風(fēng)險的規(guī)制，不僅需從源頭著手，還應(yīng)著重在算法“誕生”過程中公眾的全面參與。如此，設(shè)置算法影響評估機(jī)制，即對自動化決策系統(tǒng)的應(yīng)用流程、數(shù)據(jù)使用和系統(tǒng)設(shè)計等內(nèi)容進(jìn)行系統(tǒng)評判，明確該系統(tǒng)的影響水平和風(fēng)險等級，不失為一個好的選擇。

生態(tài)環(huán)境領(lǐng)域，相關(guān)算法的應(yīng)用，直接關(guān)系到公眾的環(huán)境權(quán)益。為確保算法的健康誕生，該研究主張公眾代表直接參與算法影響評估。首先，演示環(huán)節(jié)。算法設(shè)計者需向算法專家、環(huán)境專家、環(huán)境決策者、公眾代表演示算法系統(tǒng)的應(yīng)用及相關(guān)功能性介紹。其次，評估環(huán)節(jié)。算法專家、環(huán)境專家、環(huán)境決策者對應(yīng)用算法的公正性、可問責(zé)性、透明性進(jìn)行分析、評估，包括算法可代替方案分析、可能受到重大影響的環(huán)境領(lǐng)域的詳細(xì)說明、算法系統(tǒng)作用于特定生態(tài)環(huán)境的功能性解說等。礙于技術(shù)壁壘，公眾代表雖不評估，但可通過提出問題，表明訴求等方式參與評估。最后，反饋環(huán)節(jié)。算法影響評估制度中，雖不強(qiáng)求公布評估文件和流程信息，但須公布評估結(jié)果的核心概要。公眾或公眾代表對評估結(jié)果提出質(zhì)疑或建議時，評估機(jī)構(gòu)須在法定期限內(nèi)作出回應(yīng)。如此，公眾以全周期視角進(jìn)行參與，確保評估的每一階段、步驟、環(huán)節(jié)都有良好的風(fēng)險信息交流。公眾的全程監(jiān)督有助于算法設(shè)計者周密的謹(jǐn)慎的設(shè)計算法，降低算法設(shè)計者和開發(fā)者后期不斷將設(shè)計復(fù)雜化、黑箱化的概率，提高算法系統(tǒng)的源安全性。

3. 3. 2 陳述與申辯程序的落實

環(huán)境決策過程中，算法自主計算、推理、判斷等行為，致使陳述與申辯程序約減。由此，應(yīng)有目的、有步驟地落實陳述與申辯程序。其一，將“事前告知”作為算法決策生效的前提。在傳統(tǒng)告知內(nèi)容的基礎(chǔ)上，還應(yīng)包括：①決策的方式：算法輔助決策或算法自主決策。②具有提出算法可解釋權(quán)的權(quán)利。③具有選擇人工決策的權(quán)利。當(dāng)事人若未收到相應(yīng)的權(quán)利告知，應(yīng)視為算法決策無效。其二，完善陳述與申辯程序。部分環(huán)境事件取證難、搜集慢、內(nèi)容復(fù)雜，應(yīng)延長當(dāng)事人陳述與申辯的期限。此外，賦予當(dāng)事人選擇人工決策的權(quán)利。無法進(jìn)行人工決策的，應(yīng)當(dāng)向當(dāng)事人說明影響決策的重要因素，以便當(dāng)事人有針對性地申辯。例如，關(guān)于企業(yè)超標(biāo)排污的行政處罰，通過企業(yè)的陳述與申辯，行政機(jī)關(guān)無充分證據(jù)證明算法自主行為具有正當(dāng)性時，企業(yè)有權(quán)申請延緩或撤銷該行政處罰，以減輕算法自主性對企業(yè)的不良影響。

3. 3. 3 電子監(jiān)督平臺

“互聯(lián)網(wǎng)+信息化”是環(huán)境決策與決策的執(zhí)行及時正畸的有效手段。電子監(jiān)督平臺實行動態(tài)管理，按照算法類型與環(huán)境場景，及時更新環(huán)境決策及其執(zhí)行狀況，公開接受公眾的質(zhì)疑與反饋，須在限定時間內(nèi)回復(fù)公眾。此外，建立電子監(jiān)督檔案，對決策重大失誤、執(zhí)行不力、監(jiān)管不善的主要責(zé)任人制作個人檔案。

4 結(jié) 語

AI時代，算法以彌散性的方式內(nèi)嵌環(huán)境決策各環(huán)節(jié)，其實質(zhì)是制度與技術(shù)的深度互動。由于本質(zhì)屬性的不同，二者在融合過程中，勢必滋生矛盾，衍生難以確定的風(fēng)險。但風(fēng)險的存在并不意味著對算法賦能環(huán)境決策的否決。相反，接受環(huán)境決策算法化，同時對其衍生風(fēng)險進(jìn)行法律規(guī)制。法律制度雖貴在穩(wěn)中求進(jìn)，但面臨算法技術(shù)引發(fā)的決策革命，應(yīng)秉持預(yù)防原則，未雨綢繆，而非按圖索驥?？梢哉f，從法律規(guī)制角度討論環(huán)境決策算法化的衍生風(fēng)險，本質(zhì)上，是一種將風(fēng)險局限于法律框架之內(nèi)的努力。單維度的算法風(fēng)險分析固然有意義，但這種以領(lǐng)域為界限的研究進(jìn)路極易忽略算法內(nèi)嵌環(huán)境決策的場景化風(fēng)險，割裂了制度與技術(shù)的互動。為此，本研究立足生態(tài)環(huán)境與AI的交叉領(lǐng)域探討，力求勾勒完整的風(fēng)險輪廓。與此同時，將風(fēng)險內(nèi)在邏輯的探尋聚焦于環(huán)境決策與算法本質(zhì)屬性的碰撞，通過剖析二者對立、疊加、互斥的關(guān)系，提出場景化的規(guī)制路徑。實際上，規(guī)制路徑的構(gòu)建，無非是對環(huán)境決策與算法背后利益的適度取舍，以便在二者本質(zhì)屬性之中選擇性地“幫扶”與“壓制”，其最終目的是調(diào)和二者本質(zhì)屬性的矛盾，促進(jìn)算法在環(huán)境決策領(lǐng)域的健康運(yùn)行。