“若信息无法以保密形式传递或接收，且无法通过法律强制力保障信息保密性，个人生活与商业活动都将变得难以忍受。”1这是约翰·唐纳森爵士（Sir John Donaldson）在1990年“总检察长诉《卫报》报社案”上诉判决中的言论。该案涉及一名退休的军情五处（MI5）特工在书中披露军情五处内部所谓的不当行为和非法活动。2唐纳森爵士的言论凸显了保护机密信息对个人生活、商业活动以及政府运作的必要性。然而，他也承认这种保护并非绝对，“……当存在支持公开披露的、更重大的公共利益，且其重要性超过支持保密性的利益时，就存在打破保密的正当理由”。3因此，法律应在存在重大利益诉求时保护秘密并推动信息披露。在先进算法被用于自动化决策（ADM），且该决策影响个人权利和公共利益的当下，商业秘密应受保护的程度一直是一个长期争议的问题。

将算法作为商业秘密保护，已成为限制算法决策透明度的一个制约因素，对此已有广泛分析。4这一困境源于两种潜在冲突但均合理的利益诉求。一方面，企业有合理利益去保护其专有算法，因为这可能使其相对于竞争对手获得竞争优势。5另一方面，那些声称受到算法决策不公平影响的公众成员可能希望了解该决策是如何做出的，这需要一定程度的透明度，包括潜在的检查决策所涉及的数据以及决策过程本身的权利。法律必须在这些相互对立的期望之间找到微妙的平衡。

在多次要求披露算法决策相关信息的场合中，商业秘密都被用作限制披露的抗辩理由。6这引发了学者、倡导团体和政策制定者的担忧，因为不透明的算法决策系统与商业秘密法的结合，可能会导致相关行为主体做出无需担责的决策。

在欧盟（EU），自动化决策的透明度与商业秘密保护之间的冲突已通过《通用数据保护条例》（GDPR）7和《商业秘密指令》8得到解决。最近，欧盟《人工智能法案》和现已撤回的《人工智能责任指令草案》针对人工智能背景下的商业秘密保护引入了一些条款。然而，这些近期的法律发展并未显著解决学术文献和政策文件中提出的担忧。在美国，商业秘密保护的法律基础以及平衡披露与保密的规则主要由州法和判例法确立。9美国国会于2016年通过了首部联邦商业秘密立法——《保护商业秘密法案》（DTSA）。10无论是欧盟相对精细的制度，还是美国较为零散的法律体系，均未就法官在具体案件中如何调和自动化决策的透明度与专有信息商业秘密保护之间的冲突制定明确规则。

现有文献存在两个主要问题。第一个问题是呼吁取消对影响个人和公众的算法的商业秘密保护。11这种缺乏对现有法律框架深入分析支撑的呼吁是不切实际的。第二个问题是，尽管持温和立场者认识到需要进行平衡考量，但未能就如何在实践中开展这种平衡提供指导。12本文首先阐述了算法透明度需求与商业秘密保护之间的冲突。更重要的是，本文首次指出，主张取消某些自动化决策商业秘密保护的现有法律文献是错误的，因为缺乏强有力的法律推理来支持这一主张。为此，本文分析了美国法院引入的平衡考量方法如何有助于适用现行法律，从而在保护个人权利和公共利益的同时，也允许执行商业秘密保护。本文还分析了为何在人工智能时代，专利保护对算法而言并非一种有吸引力的保护方式，几乎无法为企业提供选择它作为替代方案的激励。因此，呼吁取消算法商业秘密保护或以专利保护取而代之，既不合理也无必要。

本文剩余部分分为三个部分。第2部分简要概述了相较于其他知识产权，软件为何更倾向于选择商业秘密保护。第3部分通过聚焦GDPR下的自动化决策，分析了商业秘密与算法透明度之间的冲突。它还讨论了美国的司法判决，以举例说明法官如何在具体案件中试图平衡这两种利益。第4部分研究了强制要求对包括人工智能在内的计算机程序进行专利保护的可能性与可行性，因为这是现有文献中提出的一种替代解决方案。该部分讨论了反对对计算机程序进行专利保护的经济论据，以及获得计算机程序专利面临的法律挑战。本部分强调，法律和实践挑战的结合使得对计算机程序进行专利保护成为一个艰难的选择，这有力地支持了不应通过法律强制企业做出这一选择的论点。第5部分为结语。

来源：https://academic.oup.com/jiplp/advance-article/doi/10.1093/jiplp/jpaf038/8216795 jpaf038.pdf

本文原文为英文，中文为机器翻译，仅供参考，如有问题或建议，欢迎随时与我们联系。