|
|
知识路径： > 电子商务法律法规与伦理道德 > 电子商务中的伦理道德 > 电子商务中的道德问题 >
|
|
相关知识点：15个
|
|
|
|
|
电子商务的发展基于互联网的发展，互联网具有一些和现实交往所不同的特征——广泛性、开放性、隐蔽性和无约束性。因此，在很好地将散落在社会各个角落的资源和需求联系起来的同时，这些特性也使人们的网络交易行为同现实的商务活动产生很大差异，从而使电子商务中的道德性突破了传统道德规范。不论是电子商务中的企业还是消费者，都将面临网络环境下的道德考验和问题。
|
|
|
|
|
|
电子商务中的资金流和物流分离，消费者支付货款与取得实际商品在时间上存在一定时间差，因此，出现道德风险的可能性明显增大，主要体现在以下几个方面：
|
|
|
|
（1）虚假交易问题。在电子商务中，消费行为多数是异地网络交易，买卖双方不能像传统交易中那样一手交钱一手交货，同时单笔交易金额一般也并不大，因此消费者即使被骗后，不管从金钱成本还是从时间成本等方面来说都难以采取具体的法律行动，给虚假交易提供了一定的生存空间。
|
|
|
|
（2）假冒伪劣商品问题。消费者在网络交易时，很难事先见到商品，这就给不良商家提供了利用这种信息不对称提供假冒伪劣商品、伤害消费者利益的空间。尽管在电子商务法的严格约束下，包括阿里巴巴公司等企业和公安机关等多部门不断加强对电子商务假冒伪劣商品的打击查处力度，但电子商务中的假冒伪劣现象并未因此而销声匿迹，影响着电子商务的正常发展。
|
|
|
|
|
|
网络信息发布过程中的过于随意、缺乏有效监督等问题，造成了电子商务的信息道德问题，主要体现在两个层面：虚假信息的发布；信息内容及形式的不健康甚至违法的问题。在商务领域则主要是虚假广告等信息的发布，经营者在互联网发布对产品质量、制作成分、性能、用途、生产者、企业概况等虚假宣传而诱导消费者购买其商品或服务，影响范围大、速度快，而网络的隐蔽性又使执法者难以检查或处罚，因此，往往会造成网络中诚信缺失等道德问题。其次比较突出的则是网上商业诽谤等，通过网络虚假信息的提供，诽谤竞争对手，削弱对手的竞争能力等不正当竞争行为也是较为多见的一种违反道德的网上虚假信息的呈现方式。
|
|
|
|
|
|
一是收集信息过程中可能会侵犯消费者的知情权；二是在使用信息的过程中可能会出现违背收集信息初衷的情况。如从携程网用户银行卡信息漏洞，到汉庭、如家等快捷酒店客户信息泄露，再到小米手机用户信息泄漏，各种“安全门”的出现暴露了电子商务中的安全隐患，也为人们憧憬期待的“大数据”时代敲响了道德警钟。
|
|
|
|
|
|
电子商务发展过程中离不开各类商务邮件的使用，然而，与之伴生的则是邮件使用中的道德问题。其中最主要的方面是垃圾邮件的滥用。许多企业滥用垃圾邮件开展网络营销等，不但对电子邮件营销的前景产生不利影响，造成全球范围内的网络道德问题，同时也侵犯了消费者的隐私权，是电子商务诸多道德问题中不容忽视的一个方面。与之类似的还有网络弹窗式广告的滥用等问题。对弹窗式广告的滥用造成众多网络用户的困扰以至于其发明者伊森·祖克曼在媒体上对公众公开道歉。
|
|
|
|
|
|
案例：2016年3月，微软人工智能聊天机器人Tay上线，它可以通过和网友们对话来学习怎样交谈，结果，在与网民互动过程中，她很短时间内就“误入歧途”，集性别歧视、种族歧视于一身，最终微软不得不让它“下岗”。
|
|
|
|
人工智能的发展必须要算法支持，但是，人工智能的深度学习还是一个典型的“黑箱”算法，可能连设计者都不知道算法如何决策，因而要在系统中发现是否存在歧视和歧视根源，技术上也较为困难。算法的“黑箱”特征使其决策逻辑缺乏透明性和可解释性。随着大数据“杀熟”、算法歧视等事件的出现，社会对算法的质疑也逐渐增多。
|
|
|
|
信息爆炸的时代，数据的处理、分析、应用很多都是由算法来实现的，越来越多的决策正被算法所取代。从内容推荐到广告投放，从信用额度评估到犯罪风险评估，算法无处不在——它操作的自动驾驶或许比司机更加安全，它得出的诊断结果可能比医生更准确，越来越多的人开始习惯一个由算法构建的“打分”社会。
|
|
|
|
作为一种信息技术，人工智能及其所依赖的算法在拨开信息和数据“迷雾”的同时，也面临着伦理上的挑战：利用人工智能来评估犯罪风险，算法可以影响刑罚；当自动驾驶汽车面临危险，算法可以决定牺牲哪一方；应用于武器系统的算法甚至可以决定攻击的目标……由此引发了一个不容忽视的问题：如何确保算法的公正？
|
|
|
|
腾讯研究院法律研究中心高级研究员曹建峰认为，即使作为一种数学表达，算法本质上也是“以数学方式或者计算机代码表达的意见”。算法的设计、模型、目的、成功标准、数据使用等，都是编程人员的主观选择，偏见会有意或者无意地嵌入算法，使之代码化。“算法并不客观，在算法决策起作用的诸多领域，算法歧视也并不鲜见。”
|
|
|
|
“算法决策多数情况下是一种预测，用过去的数据预测未来的趋势，算法模型和数据输入决定着预测的结果，因此这两个要素也就成为算法歧视的主要来源。”曹建峰解释说，除了主观因素以外，数据本身也会影响算法的决策和预测。“数据是社会现实的反映，数据可能是不正确、不完整或者过时的，训练数据本身也可能是歧视性的，用这样的数据训练出来的算法系统，自然也会带上歧视的烙印。”
|
|
|
|
但是算法倾向于将歧视固化或放大，使歧视长存于整个算法之中。因此，如果将算法应用在关系人们切身利益的场合，一旦产生歧视，就可能危害个人乃至社会的利益，因此，人工智能的持续进步和广泛应用带来的好处是巨大的，为了让它真正有益于社会，同样不能忽视的还有对人工智能的价值引导、伦理调节以及风险规制。人工智能的发展，一方面可能会给人们带来极大收益，但其中的道德风险也不容忽视。
|
|
|
