伴随着人类社会数字化程度的不断提升,算法已经成为影响世界运行的基础性规则。以机器学习算法为代表的第三次人工智能浪潮的兴起,使得算法实现了自我生产,通过基于大数据集的自我学习过程形成规则集并应用于不同场景下的感知和决策。算法性能的提升及其应用的普及在极大提高人类社会运行效率的同时,也带来了新的治理风险与挑战,大数据算法的不透明引起的算法偏见和歧视问题引起了越来越多人的关注。本文从算法和歧视入手,讲述算法歧视的概念及其表现、分析算法歧视产生的原因、梳理当前算法歧视面临的治理难点、学习当前规制大数据算法歧视的域外经验进而提出我国大数据算法歧视法律规制的思考。首先,在第一部分分别描述了算法和歧视的概念、当前大数据算法在价格歧视、就业歧视、信用歧视、司法歧视等方面的表现。随后,分析了算法歧视可能产生的原因,包括数据基数不同可能影响算法结果、算法容易受到人为控制、数据不具有中立性等多方面的原因。接着探讨了算法歧视的治理难点,包括算法透明的可行性问题以及如何在算法歧视的环境下定义公平。其次,学习并分析了当前域外在规制大数据算法歧视方面的经验,例如《通用数据保护条例》的应对、ACM关于算法透明度和问责制的声明以及当前新技术在促使公平“形式化”做的努力。最后,根据国外的科学经验,探讨我国在解决算法歧视方面的进路,通过查询国内在算法歧视规制方面的现状,提出一些思考,譬如完善我国对于个人数据处理的相关原则、建立保护个人敏感数据的特定机制、坚持算法审查与监督并举以及加强法律与技术的融合发展等。以此希望我国能通过法律的完善、技术的发展等办法更好地解决大数据算法歧视带来的问题。