电影《极限审判》里有一个让人印象深刻的设定：洛杉矶警探雷文被绑在“审判椅”上，一个名为马多克斯的AI法官用90分钟决定他的生死。AI判定嫌疑人有罪，概率将近98%，嫌疑人需要自证清白、洗脱罪名。

　　这是科幻电影中的一幕，但仍旧给观众带来了很大的思考空间。

　　如果有一天算法更深程度、更大范围参与决策，那会是一个怎样的未来？

　　其实我们每天都在面对类似的“算法决策”。外卖平台用算法推荐餐厅，短视频用算法“猜你喜欢”，银行用算法决定你的信用额度。这些决策渗透在我们生活的细节里——你看到的每一条推送、被推荐的每一家店、被审批的每一笔贷款，背后都有算法在默默工作。大多数时候，它们运转良好，让生活更便捷、更高效。

　　《2026年国际人工智能安全报告》将人工智能风险概括为三类：一是恶意行为者滥用人工智能所产生的风险，二是人工智能系统出现故障或失控所产生的风险，三是人工智能广泛应用所带来的系统性风险。这一分类为理解算法决策安全提供了一个比较清晰的框架。

　　专家认为，当算法进入医疗、教育、就业等领域时，一个局部偏差可能通过自动化、规模化和跨系统连接被迅速放大，最终演变为系统性社会风险。例如，一个招聘算法的偏差可能影响数以万计求职者；一个信贷模型的错误可能造成某些群体长期被排除在金融服务之外；军事决策系统中的一次误识别，则可能直接造成人员伤亡甚至引发危机升级。因此，对于涉及生命安全、基本权利和重大公共利益的决策，尤其需要坚持实质性的人类监督，建立算法影响评估、持续监测、审计问责和申诉救济机制，防止局部技术问题演变为更广泛的社会风险。

　　近年来，我国相继出台了《互联网信息服务算法推荐管理规定》《生成式人工智能服务管理暂行办法》等一系列文件，在全球范围内率先建立了较为完整的人工智能监管框架，这体现了我国对算法安全治理的高度重视。

　　但从实践来看，算法安全监管难点不少，很大一个原因在于监管对象发生了根本变化。传统监管主要针对固定的产品、明确的行为和相对稳定的规则，而人工智能算法，特别是大模型和智能体系统，则具有持续学习、不断迭代、多场景应用等特点，能力边界始终处于变化之中。技术的发展速度远远快于规则更新的速度，因此容易出现“监管追着技术跑”的情况。

　　技术在进步，它在帮助人，而不是取代人。真正的答案，是建立一套与技术进步同步的治理框架：让算法知道边界在哪，让开发者知道责任在哪，让用户知道申诉的门在哪。为算法参与决策系上“安全带”，它才能既跑得快，又跑得稳。