由于互联网企业被认为经常可以跨界经营，即使业务非常不同的两个互联网企业，也可能会因为数据爬虫而被认定为不正当竞争。
持枪抢劫歹徒完全是根据自己私利而强迫受害人交出财物。法律义务成为人们行为的理由，绝对不是简单的、一蹴而就的活动，相反，它可能需要几代人持续不懈的努力才有可能实现。
(12)也就是说，尽管法律义务都具有强制性，但是，不同法律义务之间，它们在强制性上并不完全一致。奥斯丁认为，缺乏制裁的义务是不完美的义务(Imperfect obligation)，而不完美的义务，由于它缺乏了一般法律必须具有的制裁，⑥因而完全等同于一个不是由法律作出规定的义务。通过说明法律义务还可以作为人们的行为理由，可以作为人们自觉选择的行为理由，我们发现法律义务至少有两种属性。应该说，行为理由是一个比较复杂的体系，在其中，就行为理由究竟是不是人们行为的真实的、根本的理由，人们可以将行为理由分为外在行为理由和内在行为理由。那么，法律义务的特性是什么，或者说，法律义务的强制性有什么特点？1.法律义务的强制性体现了国家意志，并表现在国家法律，特别是法律规范之中，是一种合法的强制。
在一个更加广泛的观察中，人们会发现，与其他社会控制手段(方式)相比，作为行为理由的法律义务有时也不是那么绝对，它有一些相对性，这也不能不加以注意。从这个角度说，以权利或者法律为行为理由，在形形色色的行为理由中，在一定程度上说，具有优先性。民主治理实践在长期发展过程中产生了选举、投票、参与、协商、市场、合作和法治等多元机制。
（二）算法重塑了民主治理的复合机制算法为民主治理的复合机制增添了新的内容。这不仅重塑了民主选举、决策、管理和监督流程，而且推动了公共治理的模式变革，产生了电子民主（E-democracy）、互联网民主（InternetDemocracy）、网络民主（CyberDemocracy）、电子政府与政务（E-Government）、电子治理（E-Governance）以及网络治理（NetworkGovern-ance）等复合模式。在主体维度，基于算法的民主治理既有推进，也有阻碍。另一方面，算法对民主治理的三重维度也产生了限度，包括主体监管、问责和隐私困境，削弱主体间联系，产生决策暗箱与失误，加剧信息茧房和极化风险，甚至能复刻不平等。
个性化的价值服务模式也使基于算法的民主治理在提供服务时更具备了场景适应性和灵活性。在西方国家，面对日益复杂的治理负荷，决策者需要借助先进知识和技术来改造代议制机构，推动公共机构改革，重塑民主治理的智识逻辑。
算法在实际计算过程中能够将社会结构的不平等进行复刻、再现和放大，最终呈现在机器学习结果中。算法不仅能够进一步明晰权力和权利主体之间的模糊地带，为主体合作提供新型技术纽带，减少利益交互中的合作难题，而且为关键词的几十亿次搜索记录来预测流感发病率，辅助决策部门决定是否启动流感应急预案。决策是面对不确定情境所作出的选择，而决策的科学性又是民主治理质量的关键因素。从政策制定角度来看，算法决策面临三个维度的因果困境，即过程所需的基本事实缺乏优化、结果与以往决策的联系脆弱、决策背景和公众感知的可塑性不同。
算法能够基于数据挖掘，建立目标个体的生物特征，在此基础上，形成不同层次和维度的数据档案，对包括公民在内的各种权利主体进行追踪和预测。从表1来看，基于算法的民主治理与传统民主治理之间产生了显著的差异。预测性警务又进一步固化了种族化犯罪推定，是2020年美国黑命亦命运动爆发和蔓延的潜在原因。通过这些机制及其综合运用，民主治理能够解决复杂社会的多元利益冲突，维持权力主体和权利主体的利益平衡，以善治为导向，妥善解决集体事务，致力于实现公共利益的最大化。
基于主体利益交互形成的民主治理复合机制也逐渐向智能化的机器决策转型。例如，最为典型的美国刑事司法领域的预测性警务。
换言之，算法并不将人们当成主体来对待，而是作为可计算、可预测和可控制的客体，而这种能力也是算法建构社会秩序的力量来源。市场规制措施更加侧重规制算法的研发和生产，通过规范科技公司的商业化运营，防止这些科技公司以商业利益为理由阻碍对算法进行合理监管和控制。
机器通过用户的反馈不断地学习，内容越多，用户反馈越丰富，用户的需求就更加清晰，在这种需求分析的基础上，机器能够根据用户需求来满足用户的个性化需求。而美国颁布的《2019年算法问责法案（草案）》旨在评估算法在设计和训练数据的过程中对准确性、公平性、偏见、歧视及对隐私和安全方面的影响。在社会安全治理中，政府部门通过计算社交媒介大数据，也能对包括抗议和骚乱在内的社会运动发展态势进行研判，采取更具针对性的措施进行干预。例如，世界多国的司法体系正在积极探索把算法融入案件审理和量刑过程，以抑制同罪不同罚的自由裁量现象。根据实践发展趋势，对算法在民主治理过程中存在的风险弊端的规制措施呈现出组合拳效应，其中，既包括法律规制、政策监管，也包括市场化的监管措施，并且伦理价值规制也被视为引领算法向善的重要举措。那么，在算法的驱动下，民主治理的实践逻辑产生了怎样的演变？体现了哪些优势？又需要规避哪些具体问题？本文将通过归纳民主治理实践场域的算法运用情况，来探讨算法与民主治理之间的复杂关系，为更好发挥算法对民主治理的积极效应并且有效管控算法弊端提供学理借鉴。
在人工智能驱动下，算法在某些公共事务的决策中成为不可或缺的环节。利益是政治现象的本质，是在一定的生产和社会关系基础上获得社会内容和特性的需要，而以利益为纽带、以国家为代表的权力主体和以公民为代表的权利主体展开了复杂互动，在现代国家与社会渐趋分离的情境下，促进权力与权利主体的广泛合作，从而使国家与社会中间的一些主体，如非政府组织、非营利组织，甚至是企业等多元主体重新被吸纳进入民主治理的主体体系中，形成了民主治理主体的复合结构。
这主要包括组织暗箱，即运用算法的组织存在刻意隐瞒或欺诈。基于算法的民主治理拓展及其限度，为正确认识算法和民主治理的关系、积极利用技术优势并且有效规避其弊端提供了学理借鉴。
基于算法的网页抓取、内容整合和自然语言处理等具体技术能够深度挖掘互联网和新兴社交媒介上的公众留言、讨论和建议等数据资料，从而对这些大规模且结构异质的数据进行计算，从这些数据中识别民众基本偏好，不仅能够拓宽制定决策的信息来源，也能够极大地提升决策的效率。此外，将算法作为主体合作纽带也可能会削弱民主治理的主体间性。
在价值维度，基于算法的民主治理提升了传统民主治理的价值，但同时也带来了一系列问题。截至目前，大致有150多种数据驱动的预测算法被应用于世界各地的刑事系统中，能够较为准确地识别和判定个体行为风险，为治理公民个体的越轨和犯罪行为提供了有效方案。在社交媒介上，为相应的用户提供个性化的信息与建议，产生了大量的虚假信息、阴谋论，甚至激进的话语对立。实践趋势显示，积极利用算法的主要是政党和政府，即算法被政治行为者作为促进政党目标和治理活动的工具，展现了算法的政治维度，并广泛嵌入民主政治和公共治理的数据处理流程中。
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。
