从概念上，算法并非一个新奇的事物，它与现代信息技术同步产生，距今已有超过半个世纪的历史。人工智能算法作为广义上计算机软件算法的一种特殊类型，也属于为了解决某个特定问题或者达到某个特定目的所要采取的一系列步骤［4］（P398-415）。但是，作为相关领域最前沿的对象之一，人工智能算法与传统计算机软件算法之间的差异，才是其自身成为独立技术对象和法律对象的前提。

（一）人工智能算法与传统计算机软件算法的差异

现实中，无论是实现固定功能的传统计算机程序还是自主化运作的人工智能系统，都以各自的算法作为运行的基本逻辑。正确、合理的步骤设计是相关系统最终实现设计功能的必备前提。但是，极具技术前沿性的人工智能算法与传统计算机软件算法间的差异性仍然十分明显。

一方面，人工智能算法专注于模拟基础智能，不因具体应用中的不同功能而变动，并以此区分于传统的应用软件算法。因此，在技术语境下，人工智能算法往往也被称为通用算法。这意味着，虽然同样名为算法，但人工智能算法与传统的计算机软件算法之间更多地呈现出一种总分关系：前者为基础性的“智能”部分，而后者则视不同的应用场景和方式具象化为不同的信息产品或者服务算法。这也喻示了二者在制度层面的差异：现行法律规范可以较好地延伸至各式各样的信息产品或者服务之中，以解决利用算法工具实施不当行为的问题，但作用于更底层的通用算法则因为识别和针对性方面的不足而显得力不从心。

另一方面，在运行逻辑上，人工智能算法采取了与静态的传统编程逻辑迥然不同的技术路径：它颠倒了传统的计算机程序运行顺序，系统输入的是数据和预期获得的结果，输出的则是另一个更新后的算法。旧算法到新算法的进化即为“机器学习”，并与传统的“人力设计规则”相对应［5］（P277-288）。人们尝试以不同的方式实践这种“认知可计算化”［6］（P99-108），并通过相关系统的重复运行，实现人工智能算法的自主调整与更新。也就是说，人工智能算法的运行是以迭代后的新算法自动更新程序本身，获得学习与进化的能力，进而找寻通用的、足以令计算机具备人类智能的理想方案［7］（P58-65）。这种自我编程、自我进化的能力，是人工智能脱胎于静态的计算机程序而展现智能的主要方式。

（二）人工智能算法的技术特征

其一，人工智能算法具备底层通用性：同一个人工智能系统可以运行于不同的场景之中，产生截然不同的技术与应用效果。这是真正意义上的人工智能与商业宣传中人工智能噱头的根本区别。在认知层面上，人工智能必须具备这种灵活应对不同问题的能力，突破摆脱特定应用领域的限制。在法律层面上，通用算法的运行方式、应用领域和潜在的市场风险乃至伦理道德风险，也不同于虚拟财产或者其他抽象的智力劳动成果，是一种前所未有的新型对象，对法律制度的应对与完善提出了新的要求。

其二，人工智能算法的迭代与进化高度依赖外部的数据输入。这一技术特性会带来两方面的影响，值得引起相关研究的注意。一方面，人工智能的分析能力和决策能力以大数据技术为基础［8］（P136-148），并且这是一个动态的过程，始终依赖数据的持续更新，不存在单机或者脱网运行的技术基础［9］（P33）。另一方面，人工智能算法在数据规模和更新频率方面的需求，也极大地抬高了相关市场的进入门槛，为相关的市场行为监管、竞争状态分析乃至安全评估等活动带来了挑战。

第三，人工智能算法的输出具有不确定性。这种不确定性体现为人工智能算法单次运行所输出的结果并非确定的数值，而是一个新的决策方法或者过程。也即是说，人工智能算法运行的结果是另一个算法，而且应当是一个比当前运行版本更优化、可以解决更多问题或者更符合人们需求的新算法。这一过程与生物学的进化相类似，在现代信息技术的支撑下，可以在有限的时间内实施生物无法企及的庞大次数，使相对原始、简陋的初始算法在外部数据供给下，通过反复学习，进化到足以实现某种程度的智能的水平。这也意味着，人工智能算法始终是一个不断变化的中间状态，同一名目下不同版本的算法，却有可能在基本功能、关键性能以及潜在应用领域等方面具备截然不同的能力。

（三）人工智能算法的主要分类

必要的类型化分析有助于厘清相关治理活动的对象与边界。在人工智能算法技术因素之外，可以依照不同的标准，将其分为以下三种类别：

其一，按照人工智能技术本身的先进程度，或者相关应用领域的敏感程度，人工智能算法可以被划分为管制类算法和非管制类算法。对于管制类的人工智能算法，需要通过专门法予以规定，以明确受管制的对象范围和行为规则。在缺乏专门立法的情况下，我国对于管制类算法的识别是通过具体领域或者应用活动的其他规范性文件进行附带规定的。如2020年8月28日，我国商务部、科技部发布《中国禁止出口限制出口技术目录》，新增“基于数据分析的个性化信息推送服务技术”和“人工智能交互界面技术”两项，将智能推送算法纳入“维护国家安全基础上扩大对外技术交流”的范畴，从国家安全关切的角度对相关算法的对外技术交流活动实施管制。而对于非管制类的人工智能算法，相关的权利和义务承担则更多地遵循各专门法或者一般的法律原则，具有较大的自主性与灵活性。

其二，按照相关算法的技术细节是否向控制者之外的其他人公开，人工智能算法可以分为保密类与开放类算法。人工智能算法凝聚了相关研发人员聪明才智和相关机构的投资，算法质量也与其持续的经营状况密切相关，具备重要的经济和社会价值。因此，无论是出于技术原因还是相关主体的主观意愿，相关的算法往往难以表露于产品或者服务外部，也更难以被用户或者社会公众所接触，有着很高的保密性。但是，在当前市场环境下，部分人工智能算法也呈现出一种主动开放的趋势。从技术角度观察，这是因为机器学习对外部数据供给的依赖超过了对算法本身设计精妙程度的依赖。此时，开放算法非但不会导致其失去对自己技术秘密的控制，或者使自己的人工智能系统被他人夺走，反而会因为这种公开吸引到更多的二次开发和社会应用，支撑人工智能系统的不断迭代与进化。并且，在相关法律文件（如开源许可证等）的辅助下，开放算法换取数据回馈的做法更有助于相关主体将数据优势转化为算法优势，继而转化为产品或者服务的性能优势，最终获取市场竞争优势。这种新型的研发或者经营模式，也应当引起治理关注。

其三，按照相关算法的外在表达形式，人工智能算法可以被划分为作品类算法与技术方案类算法。在不同的应用场景下，算法本身可以表现为文字、图案、工程设计图、产品设计图、示意图、计算机软件等多种形式，既有可能直接来源于相关系统的自主运行，也有可能来源于设计、编程人员的创作活动，因此也有可能被纳入著作权保护客体范畴，成为作品类算法。但是，从计算机程序设计、编程的角度看，人工智能算法更多的是一种解决“如何通过技术手段模拟人类智能”问题的技术措施，而非满足相关人员“如何表达内心世界”的愿望。这种技术方案类算法，更多地会与知识产权制度中的专利或者商业秘密产生关联。在确定治理目标与手段时，相关制度设计会也更多地倾向于确保技术信息的安全、有效与开放。