学者谈算法歧视认定标准：大数据杀熟造成差别对待不必然构成歧视(8)

另一种方案则是承认假想对照，即原告无须提供真实存在的对照，只须证明其一旦消除或取得与区分事由相关的某种特性，便有可能获得更有利的对待即可。对于用户主张的差别不利对待，算法控制者可通过证明不存在差别不利对待，或差别不利对待具有合理性，而免于算法歧视规制。
3.差别不利对待无须达到社会排斥程度。还有观点认为，算法歧视造成的不利后果以达到社会排斥程度为必要［9］（P371）。本文对此持反对观点。社会排斥是指弱势群体被部分或全部排斥在充分的社会参与之外，难以获得基本的生存发展资源。反歧视是保护弱势群体不因某种难以改变的特征而丧失基本的生存发展权利。造成社会排斥的差别对待当然构成歧视，但歧视本身不应以不利性达到社会排斥程度为要件。原因在于，社会排斥程度门槛过高，过度限缩了算法歧视的规制范畴。若引入此要件，则只有造成机会剥夺或严重利益克减的差别对待才能被认定为歧视。然而，在算法区分决策应用领域，最普遍的差别对待往往在结果上差异不大，算法控制者正是通过将结果差异维持在较低水平，悄然获取巨大利润。可见，规模化的轻度差别对待才是算法正义的主要破坏力量，也是反算法歧视的主要规制对象。
此外，需要强调的是，算法歧视的不利后果与侵权责任中的损害后果存在区别。首先，歧视是利益分配中的应得而未得，是“做加法”过程中利益的未获得或未充分获得，是对照下的相对的不利；而损害后果则是个人权利受到侵害，是对固有权益“做减法”，是绝对的不利。其次，反歧视本质上是群体利益和社会利益的保护机制。反歧视所保护的个人总是具有某种群体性特征，反个体歧视最终是为了反群体歧视；而侵权责任具有更鲜明的个人主义，其关注的是个人权利是否受到侵害，个人是否具有某种群体特征不在其考量范围内［10］（P1119-1120）。
（三）算法歧视的构成例外：合理的差别对待
在博弈锁定形成后，算法控制者对用户进行区分对待，强迫其承受差别性的不利后果，即构成算法歧视。然而，差别对待具有合理性的，例外地不构成算法歧视。差别对待合理性的证明义务由算法控制者承担。合理性证明主要涉及三方面：一是差别对待目的的合理性，二是差别对待目的与区分事由之间的合理关联性，三是差别对待的合比例性。
1.差别对待的目的合理性。算法区分决策的目的可归结为追求效率、实现获利，有多种具体表现形式，如个性化广告推送意在精准吸引潜在消费者，个性化定价意在扩充消费者群体、攫取消费者剩余，贷款信用评分意在降低坏账风险等。然而，追求效率并不当然具有合理性，尤其是在用户被剥夺博弈自由时，算法控制者极可能为提升效率，将自身利益凌驾于用户利益之上。因此，目的合理性要求决策目的实现并未侵害用户利益，若算法控制者的决策目的实现以侵害用户利益为前提，差别对待目的不具有合理性。