大陆要求台湾食品企业交出“机密配方”？国台办回应******

　　中新网1月11日电 针对台“食药署”声称大陆刁难台湾食品企业注册，国台办发言人马晓光11日回应指出，这本来就是个单纯的企业注册问题，解决起来并不难。民进党当局不积极帮助企业妥善处理相关事宜？不能不令人怀疑他们是在将经贸问题政治化，将简单问题复杂化。

　　11日，国台办举行例行新闻发布会。有记者提问：据关于台湾食品企业注册，台“食药署”声称是大陆在刁难，要求台湾业者交出“机密配方”，请问对此有何评论？台湾业者如何能够重新申请通过？

　　对此，马晓光表示，自去年12月上旬以来，国台办发言人先后三次通过书面新闻稿就此说明情况，澄清事实，驳斥民进党当局政治操弄。马晓光并就此再说明四点：

　　第一，大陆发布《进口食品境外生产企业注册管理规定》(海关总署第248号令)，适用于所有国家和地区向大陆境内出口食品的生产、加工、贮存企业的注册管理。该规定优化了注册程序，对不同类别境外生产企业实施分类管理，明确了企业主体责任和所在地主管部门监管责任，旨在保障进口食品安全。一言以蔽之，这么做是为了保障进口食品安全和消费者的健康权益。不仅根据世贸组织有关规则进行了通报，也通报了台湾方面。根据这一规定，台湾食品生产企业应补充完善相关注册信息。这不是禁止台湾食品企业产品输入，更不是民进党所说的“贸易障碍”“歧视待遇”。

　　第二，台湾食品生产企业应提供的注册信息，与其他境外企业是一致的，其中按要求填报的原料配料相关信息，是为了保障进口食品安全和消费者权益，不存在所谓要求交出“机密配方”的问题。这些信息不会对外公布，不会影响企业权益。事实上，迄今为止也没有发生过这样的情况。

　　第三，台湾部分企业目前暂未获得注册，主要原因就是提供的注册信息不完整不规范。虽然我们通告的期限到了，但只要按要求完善注册信息，经审核合格后依然可以向大陆出口产品。据了解，目前一些台湾食品生产企业已经补充了注册材料，有关主管部门正在进行审核，对于符合要求的，将予以注册。

　　第四，这本来就是个单纯的企业注册问题，解决起来并不难。岛内媒体已经指出，是有人故意把它变成了“罗生门”。令人不解的是，为何在有充裕时间的情况下，民进党当局不积极帮助企业妥善处理相关事宜？不能不令人怀疑他们是在将经贸问题政治化，将简单问题复杂化。

报告显示：超六成受访者认为应强制企业公开算法******

　　光明网讯（记者 李政葳）“当前，国内对于算法治理的基本思路和框架都是清晰的，而分级分类精准治理的模式应当可以解决如何落实的问题。”在日前举办的“2022啄木鸟数据治理论坛”上，谈及算法治理的现状，清华大学人工智能国际治理研究院副院长、人工智能治理研究中心主任梁正表示，算法分级分类本身不是目标，而是要针对不同风险场景配备不同监管规则。

　　论坛由南都个人信息保护研究中心联合清华大学人工智能国际治理研究院、人工智能治理研究中心（清华大学）主办。其间，南都个人信息保护研究中心发布《算法应用与治理观察报告》《个人信息安全年度报告》《平台经济反垄断观察报告》。

　　记者了解到，《算法应用与治理观察报告（2022）》，梳理了国内外的多项法规，结合热点事件及应用场景呈现了算法治理现状，并发布千份算法治理调查问卷了解公众对算法公开和算法治理的了解程度和基本态度，最后基于多方调查分析，给出了当前算法趋势观察以及未来治理方向建议。

　　报告发现，目前国内算法治理仍处于早期探索阶段，企业的算法公开主要依靠官方的互联网信息服务算法备案系统，或在舆情事件发生之后。调查问卷结果显示，近半受访者承认算法让自己的使用体验更好，但仅一成受访者认为企业算法公开做得很好，逾六成的受访者称曾遭遇“大数据杀熟”；超过六成的受访者认为应该强制企业公开算法。

　　“在数据、算法方面治理政策进展显著，在平台与应用方面的政策和落地尚需加紧。”中国科学院人工智能伦理与治理研究中心主任、国家新一代人工智能治理专委会委员曾毅认为，目前人工智能伦理有三个相当紧迫的问题需要被正视：首先，人工智能应当被适度使用；其次，目前人工智能服务知情同意落地艰难，被迫知情同意普遍存在；最后，目前用户数据的授权撤销在人工智能服务中存在巨大挑战，需要监管和更高层的网络服务提供方联合提出更合理的政策与解决方案。

　　针对日前发布的《互联网信息服务深度合成管理规定》，中国政法大学数据法治研究院教授张凌寒表示，从算法治理角度来说，深度合成管理规定与之前的算法推荐管理规定的思路有所不同，前者采用了一种“三位一体由的数据与技术规范。

　　具体来讲，由于深度合成技术的门槛较高，技术支持者也被纳入了监管范围内。比如，深度合成服务提供者提供智能对话、合成人声、人脸生成、沉浸式拟真场景等服务，应当进行显著标识，这就将更重的责任落在了服务提供者身上。

　　中国社科院科技和社会研究中心主任段伟文提到，算法治理需要构建可信任的算法认知，而这需要产业和消费者的共同努力：产业要努力提升算法精准性、透明度，减少偏见，减少歧视；消费者则需要提高数字素养，提升算法意识，加强在人机互动中自主性、控制感和协同意识。