当算法日益渗透社会治理、商业决策、公共服务的每一个角落，其“任性”所引发的风险——从算法歧视、信息茧房，到黑箱决策、数据滥用——便不再是技术问题，而是一个亟待回应的治理命题。破解这一困局，核心路径在于引入法律的“刚性”，以明确、统一、强制执行的规则框架，为算法划定不可逾越的边界。
法律的刚性，首先体现在对算法权力运行边界的清晰划定。算法之所以“任性”，根源在于其自主决策过程缺乏透明性与可问责性。传统法律框架下的“主体—客体”逻辑，在面对算法这一新型决策主体时显得力不从心。法律必须通过创设功能性主体，将责任锚定在明确的“人”或“组织”身上。如《生成式人工智能服务管理暂行办法》所确立的“生成式人工智能服务提供者”这一主体身份，正是以“谁能够控制”作为“谁应当负责”的依据，将算法的行为后果与具体责任主体绑定，从而切断“算法黑箱”逃避监管的路径。
法律的刚性，更体现在对算法决策流程的“标准化”约束上。算法歧视、同案不同判等乱象，本质上是算法裁量权缺乏明确基准所致。借鉴行政法中对自由裁量权的规范思路，法律可以要求算法系统建立“裁量基准”，即针对不同场景、不同风险等级，设定明确的决策阶梯与触发条件。例如，在信贷审批、招聘筛选等影响公民重大权益的领域，强制要求算法提供可解释的决策路径，并引入审计机制，确保算法的每一次“自由裁量”都有据可查、有标可依。这种“刚性标尺”的引入，将算法的弹性空间压缩在可控范围内，杜绝了“拍脑袋”或“凭偏好”式的不公。
法律的刚性，最终指向对算法“任性”行为的有效追责与纠错。没有问责的约束是虚设的。法律必须建立“生命全周期”的问责链条：从算法的设计、测试、上线，到运行中的动态监控，再到出现偏差后的自我纠正与惩罚。对于那些因算法偏差导致严重社会后果的案例，必须追究设计者、部署者、运营者的法律责任，绝不姑息。法律还应建立“自我纠错”的制度通道，如算法备案、影响评估、公众投诉申诉机制等，让算法在运行中也能通过法律程序被及时校正，化“任性”为“韧性”。
以刚性之法，约束算法之任性，并非要扼杀技术的创新活力，而是要为科技向善提供最坚实的底线保障。法律的刚性，是算法规制的“压舱石”，是数字正义的“守护神”。当算法的每一次决策都置于法律的刚性框架之下，科技才能真正成为增进人民福祉、推动社会进步的强大力量，而非失控的“任性”狂潮。
