人工智能时代的代议制：挑战、机遇与发展路径

严 行 健

(华东政法大学 政治学研究院，上海 201620)

代议民主制是现代国家政体的普遍形式，也是世界各国政治制度的核心组成部分。而代议机构既是全球范围内普遍设立的机构，又是一个古老的机构。这里所谓的“古老”，非指一些代议机构成立时间久远，而是指其中存在的一系列共性制度特征。这些特征彰显出代议制度的长期历史性，即制度在各国分化进化过程中始终保持着一些长期性的制度内核，如代表的选举制、委托—代理关系以及代表责任制等。

在这些共性的内核之下，各国代议制度也出现了一些共性的制度演进和改变。自第二次世界大战结束以来，全球范围内的代议机构制度发展轨迹表现为三个共性特征：一是委员会的重要性日益取代全体会议。二是代议机构对各类媒体(从广播、电视到现在的网络)的开放度显著加深，其对公众的透明度也因此获得显著增强。例如，在一些西方国家，媒体对代议机构会议的报道，从录制剪辑播出逐渐发展到直播，并进一步发展出网络互动播出等新形式。三是互联网技术对代议机构的深度介入。互联网对代议机构的介入，带来代表电子邮箱、议会电子化数据库等深刻变革。然而，这些发展虽然深刻改变了代议机构的运行模式，但这种改变主要发生在具体的制度层面。例如，电子邮件技术乃至更先进的实时视频通讯技术虽然极大地便利了选区民众和代表间的联系，但这种改变仍然是建立在“选民—议员—信息整合—进入代议机构程序—反馈”这一现有的代议制度框架之下的。

然而，代议制度的一些核心制度框架如今正在经受来自社会变迁和技术革新的双重冲击。一方面，社会的高速发展不仅要求更高的立法效率，而且也对民众诉求的传导和整合等工作提出新要求，这使传统的代议制度框架面临越来越大的重构压力。另一方面，以大数据和人工智能为代表的新科技革命带来了社会治理智能化的新命题。在一些领域，人工智能依靠大数据运算，可以做出远比人类更优的决策。对于代议制度来说，200个议员争论20天做出的决策，人工智能可以在不到2秒的时间内给出更加优化的方案。这样巨大的技术革新，为从宏观上解决代议制度框架面临的诸多挑战提供了机遇。如何利用技术的巨大进步解决代议制度在当代所面临的一些重大议题和挑战？本文将在综述代议制现代发展和人工智能技术创新的基础上，尝试提出代议制度人工智能化的三步路径。

一、代议制度当前的挑战与机遇

当今全球范围内，传统代议制度至少有两个核心原则正受到巨大的冲击。

第一，在选举制度之上建立的民众与代表间的委托—代理关系。选举与代议制之间的紧密关系是社会契约理论和人民主权论的具体制度体现，在制度的实际运行过程中，面临连任等压力的代表会表现出对选民的强烈履职责任。代议理论界著名学者简·曼斯布里奇(Jane Mansbridge)将这种代表关系称为“承诺性(Promise)的代表”[1]。然而，这一传统代议制度最重要的内核，正受到社会发展所带来的巨大冲击。自20世纪90年代以来，委托—代理关系中委托方的范围开始超越传统意义上“选民”的界限，变得越来越广泛，尤其是出现了一些非经选举确认的委托方。在当今社会中，它主要由三大群体构成：一是社会中的自然人因某一共同社会特征而形成的诉求群体，如消费者维权组织、女性权益组织等。二是追求特定目标的利益集团。这种利益集团主要存在于一些受立法和决策影响密切的行业或领域中，如烟草及枪支行业。三是跨国公司等不具备公民权的个人或实体。这三类群体或者不是作为选民的自然人，或者因不具有公民权而并不被传统意义上基于选举的代表关系所确认。然而，通过院内游说、为愈发专业化的立法进程提供信息和参考以及利用舆论施加压力等方式，这些群体已经深度介入到了代议机构的运行当中[2]。由于更好地控制了媒体等资源，他们的话语权有时甚至高于传统代议制下的选民，成为代议活动的重要组成部分[3]。代议制中的政党政治则进一步强化了这一趋势[4]。

第二，在代议制度基础之上形成的代表身份。代议机构同时又是立法机构，在经典代议理论下，代议机构中代表获得民众的授权，根据多数民众的偏好进行立法和决策。著名代议理论学者海因茨·尤劳(Heinz Eulau)将其称为“通过(影响)政策过程的方式作出回应”(policy responsiveness)[5]。然而在实践中，立法和决策的日益专业化和复杂化对代表提出了很高的专业性要求，而代表身兼的“代表民众”和“立法”两种工作也日益面临分化的趋势。对于这一趋势，英国政治理论家埃德蒙·伯克(Edmond Burke)在19世纪就已经注意到。他所提出的调和方案强调议员应当根据自己的专业判断，在议会内做出他们认为最有利于国家和选区的决策，而非一命听从选区的意志[6]。到了20世纪下半叶，代表身份乃至代议机构制度定位中的二重属性变得愈发明显。代议机构中，议员拥有立法者和地方的代表者两种身份，而且两种身份间的矛盾正变得明显起来。代表一方面是地方利益的代表者，另一方面又必须参与高度专业化的立法审议过程。而且在这一过程中，代表还需兼顾地方选民的诉求、自己的判断以及所属政党的路线。

在这种二元制角色对立冲突下，代表对民众的责任制开始转移到立法和政策之外的领域中。以前述尤劳的研究为代表，学者们归纳了诸如“基于分配的回应性”(Allocation Responsiveness)和“基于服务的回应性”(Service Responsiveness)等新的代表角色类型，强调代表为地方争取公共资源的分配，或不以代议机构为渠道而直接为选区提供服务等新的角色认知和行为模式[5]。

代表发展出的新角色，意味着他们逐渐从实际的立法进程中退出。代议机构中的立法进程也日渐被政党和代议机构委员会所主导，在这一领域，代议机构的角色正由对法案进行修订甚至起草的立法进程实际主导者，变为一种对已经现成的文本进行授权性表决的授权者。与这一变化相对应的是，民意变得很难被立法和决策程序所顾及。在西方国家的代议机构中，政党政治之下的辩论、扯皮甚至故意性的拖延议案(filibuster)问题仍然存在。在我国，虽然人大有着高效且严格的立法流程，但代表数量过于庞大且会期过短的问题，令全体会议难以在决策和审议方面做到面面俱到，许多立法实际上是在常委会完成，主要程序是在各专门委员会中进行，这也造成民众实际上需要多道转接程序才能在立法准备阶段有效地表达其诉求和态度。代表提交的建议案，在大多数情况下是代表在执行基于分配和基于服务的回应性，而不是给予政策的回应。

上述两方面的改变及其所产生的一系列亟待解决的问题，意味着代议制度未来发展需要新的方向和定位，而在大数据基础上的人工智能技术具有承接这一转型的巨大潜力。

人工智能离不开大数据。在互联网技术的基础上，借助云计算等手段，首先产生出了大数据的概念，其应用也由最开始的商业领域逐步进入到了公共管理的领域，引发了一系列政府治理模式的变革[7]。大数据具有大量、高速、多样、低价值密度和真实性的特点，使其在数据挖掘、数据清洗、模型预测和结果呈现等方面都实现了对传统算法的革命性突破[8]。而大数据的广泛运用为人工智能的产生和在各个领域的拓展应用提供了必要的支持。人工智能同之前的数据算法相比，最大的特点是其发展出人工神经网络，通过多层神经网络，人工智能可以利用大数据进行深度的机器学习，即自主利用数据进行模型建构，并有自我优化和自主适应的能力。

当前，人工智能的研发和应用较多集中在工业、交通、设计和物流等领域，这些领域普遍存在“机器可以做得比人更好”的特点。例如，搭配海量交通数据信息、语音识别和图像识别技术，使得无人驾驶技术日益完善，从而减少甚至杜绝人类驾驶汽车过程中的操作失误。大数据基础上的人工智能物流管理和城市管理系统也可以在瞬时处理海量数据，并利用这些数据进行深度学习，不断给出人类管理者无法、或需较长时间才能得出的优化管理方案。

而对于人工智能在人类政治社会领域的运用，一些国外前瞻性研究给出的答案是较为悲观的[9]。人工智能不是被看作未来潜在的独裁者，就是被视为非民主体制的载体和工具[10]。悲观论的产生，一方面缘于人工智能的功能被过度解读为一种全面智能，另一方面也是长期以来西方思想界对技术治理(technocrat)批判传统的延续。这种传统以哈耶克和波普尔等自由主义者和批判理性主义者为代表，忧虑技术可能导致专制。实际上，人工智能在社会各领域中的应用已经是大势所趋，在代议制度领域内，人工智能的合理运用能够很好地应对上述代议制度所面临的一系列问题。随着代议制度现代发展和人工智能技术创新，基于目前的技术条件和对未来技术发展的预期，人工智能在代议制度中的运用，大致可以按时序分为三个阶段。

二、尚在进展中的第一阶段：智能信息管理

社会的复杂性导致代议制度在运行过程中，代表和实务工作者面临着越来越大的信息超载压力。日常工作中，代表们同时受到来自选民、非选举基础上的代议行为客体以及政党的信息轰炸，而愈发专业化的立法和决策程序又要求他们掌握大量背景性的信息和资料。此外，民众和一些组织对代议机构的立法和决策信息需求也在快速增长。在这种环境下，代议机构不但需要成为一个高效的信息接收者和使用者，同时也要成为积极的信息提供者，这种时代性要求使得建立高效的信息搜集、整合、管理和供给系统，成为对代议机构的现实性挑战。

人工智能的基础和第一步是大数据。大数据的大量、高速和真实性等特点回应了这一挑战。在实践中，互联网信息通讯技术在代议机构中的应用已日渐普及，中国人大和西方各国议会都建立起了专门的信息管理和服务部门。经过十余年的发展，基于互联网信息通讯技术特别是网页和电子邮箱技术的进步，代议机构内部及内外间信息交流不便的问题已经得到有效的解决。而进一步的发展趋势，则是由信息搜集保存向信息综合分析管理、按需供给甚至主动研判信息需求、并在此基础上进行信息分发等方向发展。陈家刚以中国人大为例，将其归纳为“三化”，即民意代表推送化、民意整合智能化和民意实现的参与化[11]。

然而，目前世界各主要国家代议机构在大数据信息管理方面做得还很不系统。因此，第一阶段只能说是“尚在进展中”。当前大数据基础上的智能信息管理工作，仅仅是信息数量意义上的“大”而非信息类型和处理方式意义上的“大”。美国政治学家加里·金(Gary King)在这方面的论述颇有代表性，他指出“大数据并非是数据意义上的大”(big data is not about the data)[12]。例如，一旦样本量足够大，原本散乱不具有指示意义的共享单车开锁解锁地点信息就成了极有价值的数据，成为判断城市人口流动及商业网点潜力的重要参考依据。

在这个意义上说，目前大数据概念包装之下的代议机构智能信息管理平台，并没有真正意义上实现对大数据的依托。以中国人大为例，从当前对各级人大组织利用大数据平台服务民众和代表的报道来看，其数据服务的形态仍然没有超出传统数据库服务的范畴。这种形态的数据服务，依托的仍然是人大系统内部已经建好的数据库(如立法条文数据库、代表意见建议数据库、民众意见建议数据库以及各类政府信息数据库等)。这种数据库的运行机制是根据代表的需求进行查询，并提供检索结果。这种服务只能说是一种进化了的、带有定制特征的传统数据库服务，而在全球范围内，即使是作为各国代议机构交流、沟通和发展的重要纽带的各国议会联盟，也仍然没有充分注意到大数据在代议政治中的价值。其2016年最新发布的《世界电子议会报告》(World e-Parliament Report 2016)重点关注了6个领域的技术革新。他们仍然局限在议会网页、议会图书馆和研究服务、民众与议员间的通讯手段等传统领域上[13]。

标志着代议机构真正跨出智能信息管理这一步的关键特征，是借助云计算等技术，将信息的边界由代议机构系统本身的数据库极大地向外拓展。如上所述，这种变化令一些原本不具有意义的数据由于数量和关联性特征而产生了数据价值。例如，民众对代议机构网站的点击量等信息在样本量较少的条件下，可能并不说明问题，但这种统计数据达到足够庞大时，就具有了很大的指示价值。它能够表明哪些议题更受到民众的关心，而如果将此类数据搭配上浏览者地域等数据信息，就能进一步指示出关注该议题的具体人群范围。利用这一数据，代议机构可以在相关立法过程中，通过听证会等形式，主动邀请这些群体参与。同时，当前各国议员们向民众发送简报的普遍形式是通过电子邮件进行的集体定时发送，这种形式的弊端是受篇幅限制，各项议题无法充分展开，且读者间不同的资讯获取需求难以兼顾。而利用大数据信息，代议机构和代表就可以向相关群体定向发送其所关心议题的简报。

三、可望实现的第二阶段：智能互动

超越传统选民范畴且更加多元化的代表客体带来了多元化的利益诉求和利益表达。利益的多元化，为代议机构内部的代表与民众的互动提出了新的挑战，这种挑战不仅来自于上述三类群体试图影响立法进程所增加的代表工作负担，还源于代表需要新的技术和工具应对不断增加且更加多元化的利益表达。多元化的利益表达首先意味着相互冲突的诉求开始增加，代表的重要工作就是对基层诉求进行收集、提炼并传导入代议机构。更加多元化的利益表达会带来更加复杂的诉求提炼过程，代表需要识别不同诉求的强烈程度以及相互关系、并在此基础上对各种诉求进行类似“聚类分析”的处理过程，将各种诉求整合成为一个或数个代表性的诉求。对于一些冲突性的诉求，则需要代表运用协商等手段努力达成共识性的诉求。

代表一方面需要提炼民众的诉求，另一方面也需要有能力识别“噪音”(即排除那些夸张的和不实的诉求)并获取未被充分表达的民众诉求。出于忙于生计、互联网通讯技术技能不足以及表达渠道狭窄等原因，弱势群体通常在诉求表达方面处于弱势地位，由此造成他们被立法和政策制定过程所忽略，甚至成为利益牺牲方，从而处于更加弱势的恶性循环之中。因此，代表尤其需要有能力和渠道去听取那些社会弱势群体的诉求。

诉求的输入只是互动的一个方面，代表还需对输入的信息做出反馈。该工作也是代议机构及代表巨大工作负荷的重要来源，特别是随着代表的行为方式转变，他们需要更多地向各个群体做出说明及做好解释性的工作，并由此带来更大的工作负担。

与民众及其他群体进行互动、搜集诉求并在代议机构中尝试解决，是代表的使命。广泛的互动需求既然无法通过限制民众表达和联系的方式从源头上减少，就只能在互动环节上思考解决之道。当前各国代议机构常见的应对措施，一是增加人手、特别是为议员配备助理团队和秘书，二是通过引进新的科技来增加办公效率。例如，近几年中，西方国家议会开始为议员配备平板电脑等移动办公设备。结合云存储技术，议员可以实现移动办公。除了议员的个人工作助理外，在中国人大和西方一些国家议会中，诸如内部图书馆、政策研究部门等机构的人员配置也在显著增加。然而，以上方法起到的作用是有限的，因为他们并没有改变互动过程完全由人工完成这一特征。而利用人工智能承担人工互动方式中庞杂的工作，则是解决代表工作负荷超载问题的根本方式。

人工智能可以在互动过程中的各个环节起到不同的作用。代议民主制下，选区民众、利益集团等群体与代表的互动过程主要可以归纳为三个环节(详见下图)。在这一过程中，如果诉求获得满意回应，则流程结束；如未获满意回应，则流程循环运行。

图 代表与选民及相关利益群体互动的基本流程

人工智能相关技术可以积极融入这三个环节中。首先，在诉求的提出和接收环节中，大量通过电子邮件等文本方式汇聚而来的信息，本来是需要代表进行阅读和处理的，但在这一环节上，以人工智能技术为基础的自然语言识别技术可以对文本进行自动的阅读和分析，并从中归纳出文本撰写人的核心诉求。这一技术可以极大地节省代表在阅读邮件方面的时间成本。

人工智能在该环节中起到的另一关键作用是发现那些未被提出的诉求。如前所述，社会中的弱势群体可能缺乏表达诉求的能力，或者一些诉求虽较为明确，但可能较为弥散而未被清晰地表达出来。还有一些民众中的政治态度，虽然不是一种明确的诉求，但代议机构在决策时必须予以考虑。代议机构之所以必须考虑这种未被提出的诉求，一方面是社会公平性的基本要求，另一方面也可以防止矛盾演化聚集、最终溢出代议机构成为社会冲突。然而，在当前的联系渠道下，准确定位和判断这种诉求是有一定难度的。近年来，西方出现了包括英国脱欧和特朗普当选总统等数次“黑天鹅”事件，这些事件的实际结果和多数民调机构预测的结果截然相反，意味着现有的民调技术在发现民意和判断民意方面是存在偏差的。而人工智能技术则为这一问题的解决提供了曙光。在2017年的美国总统大选中，人工智能MoglA搜集了谷歌、YouTube和Twitter等网站上的近2 000万个数据点，通过机器学习的方式，对他们进行了独立的判断，并成功地预测特朗普当选[14]。虽然该技术当前仍面临自然语言学习方面的障碍(例如识别人类语言中的“讽刺”和“反话”)，但技术障碍的最终解决及其在代议机构民意诉求探知方面的应用，将给代议机构乃至代表制度的形态带来质的变化。

在诉求整合环节中，人工智能的价值体现在帮助代表乃至整个代议机构从纷繁复杂的民意和诉求中寻找到“最大公约数”，即那些愿望强烈、持续时间长和表达人数较多的诉求。从现有资料中自主学习，并从中发现规律和特征，是人工智能的一个重要发展方向。2016年10月，美国国家科学与技术委员会发布的《国家人工智能发展与研究战略计划》，提出七个关键性的人工智能领域战略方向，其中之一是加强人工智能领域的长期投资，而投资方向之一就是“提升基于数据发现知识的能力”[15]。

实际上，当前的计算机辅助自动内容分析技术(computer-assisted automated content analysis)走的是相似的路径，而主要的差异是其尚不具备机器学习的能力。内容分析的基本分析单位还是单词，然后从单词中归纳文意。而包括“词鱼(wordfish)”等方法，则已经在尝试对文本的文意或意识形态位置进行非监督(unsupervised)的自动探索，只是其所分析的内容仍局限在给定分析的文本本身[16]。而借助这种自动内容分析的方法，结合大数据令机器具有自主学习的能力，实际上就可以对民众诉求文本进行分析，并寻找主流民意诉求。

而在 “诉求处理”环节中，人工智能技术可以极大减轻代表回复选民邮件等工作的负荷，这一点对于议会制代议机构中的议员尤其重要。议会制的制度特征导致所有的政府大臣同时是(而且必须首先是)选区议员，这样的制度设计为他们增加了双倍的工作负荷，导致出现外交大臣在重要国际会议间隙还需回复选区民众信件的情况[17]。类似功能对于中国的人大代表来说同样重要，在乡镇以上各级人大中，会期过短和代表兼职制等问题尚没有得到有效的解决，而加强常委会和各专门委员会等措施的主要目的是加强和完善人大在立法和重大事项决策等方面的能力。在辅助代表与民众沟通方面，这些制度调适的帮助并不大。虽然深圳等一些地方的人大已经开始探索为代表提供助理或建立工作站等制度，但由于成本和社会基础等方面的问题，其推广有一定难度。较大的时间成本也对代表和群众间的沟通意愿产生了负面影响。因此，在此领域人工智能的介入显得非常必要。

从现有人工智能技术发展趋势看，其在上述三个环节中的实现已经具有了部分技术基础。例如，自动文本处理甚至撰稿技术已经在一些媒体等机构中有所应用。诸如财经类和体育类等具有较高结构化特征的新闻稿件和简单的事实性通讯稿件已经部分实现了人工智能基础上的自动撰写。代表与民众间的一般通信也属于功能性文本，其每一部分的功能表达具有相似性(通常由反馈结果、给出原因、做出解释等标准段落构成)。这种较强的结构化特征降低了人工智能应用的技术门槛。而利用云服务器，代表甚至可以以更低的成本远程利用这些技术。

四、作为远期目标的第三阶段：智能决策

为了将民意转化为国家意志，世界各国的代议机构除了代表民意外，也普遍承担着立法、决策制定和审议(特别是预算审议)等功能。前文提到，现代社会日益加深的复杂性和专业性，以及对决策效率越来越高的需求，意味着代议机构必须对立法程序做根本性的变革。立法进程向委员会转移属于权宜之计，它实际上削弱了全体议会代表的立法权，并且可能加剧代议机构与行政机构间的地位不平等，使其成为一个被动的授权性机构。

在立法和决策领域，实质性的改革方向应当是切实加强代议机构的决策能力，而人工智能无疑能够在这一过程中起着决定性的作用。决策机制的智能化是人工智能领域的另一大发展方向，它也是继人工智能进入物流管理、医疗管理等领域之后，又实现了在社会生活领域中的新发展。智能决策突出“管理”“运筹”，其最终的实现需要所谓“强人工智能”(即真正具有推理和问题解决能力的智能机器)的支撑。国务院于2017年印发的《新一代人工智能发展规划》(国发〔2017〕35号)中明确提出了人工智能对于推进社会治理工作的价值。规划指出，“人工智能技术可准确感知、预测、预警基础设施和社会安全运行的重大态势，及时把握群体认知及心理变化，主动决策反应，将显著提高社会治理的能力和水平，对有效维护社会稳定具有不可替代的作用。”

基于专家系统的人工智能决策的核心是知识库和推理机两部分[18]，在进行决策推理时，人工智能首先运用机器学习的方式对决策过程进行学习；而在进一步的决策过程中，则以知识库中的信息为基础展开决策推理。

因此，决策信息是智能决策的关键。在现代代议机构中，代表间的辩论和争议有时并不以数据、经验材料和证据为基础，辩论在很多时候会脱离决策信息，退化为非事实性的两党间争夺或路线冲突。为解决这一问题，现有制度设计的思路是加强委员会等机构，试图用立法中的专业性冲淡党争等非事实性争端造成的效率浪费。然而，非事实性争端在很多时候还是会蔓延到委员会等制度中，并同样降低委员会的效率。委员会制度还容易在代议机构内形成一种二元性的结构，在一些情况下，这种结构会造成对效率的浪费[19]。

引入人工智能决策机制后，代表需要向决策知识库中添加有利于自己或被代表者诉求的材料，并以此影响决策结果，而非进行非事实性的辩论。这种转变有助于将代表的工作重点从非事实性争夺上转移，引导他们注重搜集民众诉求、信息和证据等决策信息。这种转变将对代议制度在立法和决策层面带来两个明显的提升。其一，它有助于促进代表和被代表者间的互动。例如，代表会更加主动地联系民众，向他们征集相关的信息或诉求；为进一步影响立法进程，代表还会更积极地与公众团体和各类组织开展联系，获取数据和资料，并将之整合进自动决策系统。其二，它能够极大地提高决策效率，并能在知识库给定的前提下做出最优的决策。依托大数据技术，智能决策可以杜绝上下位法之间冲突、立法不连贯等困扰现代立法工作的问题。在预算审议等环节中，人工审议往往会遗漏愈发变得冗长的预算案细节，或是出现各方争执不下以致政府停摆的情况，而智能决策则可以在很大程度上杜绝此类风险。

人工智能决策已经在争议解决等一些社会治理领域中有所应用。例如，作为司法调解的补充，人工智能正在愈发广泛地介入争议调解活动中，且这种工作已经具有了一定的智能决策的雏形。在技术的早期阶段，这种介入只是以互联网信息通讯技术提供远程虚拟调解平台。经过多年发展，此类机制如今已经逐步发展到由人工智能自动给出调解方案的第二代。与此相关的具体系统包括决策辅助系统(decision support systems)、专家系统(expert systems)、知识基础系统(knowledge-based systems)、智能互动(intelligent interfaces)、基于个案的推理系统(case-based reasoning)、多重代理系统(multi-agent systems)以及规则基础系统(rule-based systems)等等[20]。虽然百年来代议机构中的经典场景是代表们在会场内就各种议题展开辩论，但人工智能对决策领域的介入将会对此带来重大的变革，并且有可能从根本上改变代议机构的工作方式。

当然，人工智能对代议机构中的立法和决策等领域的介入，只能是一种辅助，而非完全的替代。人工智能的全面替代之所以行不通，主要在于代议民主制下，代议机构除了“议”(即议事而决)的功能外，还有重要的“代”的功能。从词源上理解，代表(represent)为“再次显现”(re-present)之意，即令众意在代议机构内再次集中地呈现出来。这种呈现本身就是代议制的重要功能。代议机构日常制度化的聚集、辩论和质询政府等活动，本身就在给整个政体提供合法性的论证。汉娜·皮特金(Hanna Pitkin)在对代表的概念进行梳理时曾明确指出，一些符号、象征以及特定群体代表出现在代议机构中，本身就能够为代议机构乃至整个政体提供巨大价值[21]。例如，当某一弱势群体看见代议机构中有来自相同群体的代表，就会本能地产生一种安心感。*皮特金在给代表理念进行分类时，特别强调了“符号”代表和“描述性”代表两种类型。如果一个代议机构的会场变得安静、没有交锋且决策都通过人工智能做出，那么代议机构实际上也就丧失了“为社会提供安全阀”等立法功能之外的独特社会功能。

此外，完全脱离代表控制的人工智能决策机制，自身有可能演变为一个被技术所垄断的黑箱，即成了政策和立法作为材料输入进去、政策文本作为结果直接输出出来的过程。但中间环节的不可控，造成该过程存在一些群体或个人出于某种目的对其进行操控的风险，而这也是人们对人工智能在社会治理领域应用风险的主要忧虑。

五、结论：机遇与挑战并存

近几年中，国际社会和各国所面临的一系列社会矛盾和安全威胁，实际上都与代议民主制在当代的运转失灵有着或多或少的关系。代议制度应当能够容纳民意、为民意提供释放和调和渠道，并且能够在一定程度上缓和极端化的民意(如欧美愈发汹涌的民粹主义)。一旦代议制度失去这些功能，会场上的论坛政治就会演变为街头政治甚至暴力对抗。

本文中人工智能与代议制结合的三个阶段，也可以看作是人工智能为解决当前代议制度困境提供的三个层面的机遇：一是在数据层面上，通过完善信息获取、整理、分析和供给手段，从根本上将代议机构由一个较为被动的信息获取者和按需发布的信息提供者，转变为一个积极的信息获取者和主动的信息提供者，从而极大地提升代议机构和社会间双向的透明度。二是在人的层面上，通过人工智能的途径，促进代议机构中代表和社会各群体及个人间的互动，使代议机构和社会的互动链条高效地运行起来。三是在决策层面上，通过引入人工智能基础上的智能决策，从代议机构内代表的工作内容、方式和方法上对代议机构进行深度的变革。

在制度经济学者看来，“制度”就是博弈中的均衡状态[22]。均衡的状态本身具有惯性。在上述三个层面上，现有的制度调整实际上并没有去打破现有的博弈状态(如政党间的博弈、议员与选民间的博弈以及不同利益诉求在代议机构内表达权利的博弈)。而人工智能技术和代议制度的结合，将能够为现有博弈状态带来巨大变化，从而令制度出现质的发展。

然而，将人工智能引入代议制度之中，也面临着一系列的问题和挑战。如同前文提到的智能决策技术被挟持和操纵的风险，人工智能大规模进入代议制同样可能筑起新的技术壁垒，代表如果缺乏互联网和计算机使用知识，就可能无法有效使用相关技术，并可能因此在履职绩效上受到影响，从而进一步影响到被代表群体对其的评价。这样的机制如果长期存在，势必对代表资格形成技术使用能力而非代议能力和服务选民热情为依据的挤出效应。

可见，代议制度和人工智能的有效结合，关键在于坚持代议制度和具体的代议行为必须以人为中心。代议制度虽然追求效率和决策质量，但两者在价值排名上至少不是第一位的。人工智能虽然可以在代议制度运行中的诸多领域实现突破，但代议制中的一些基本运行制度目前来说还不可能、甚至是必须坚持在完全人工状态下进行。*一个典型的例子是代议机构选举中的投票行为。虽然现在的技术条件完全可以满足远程投票、网络投票等制度模式，但代议机构选举在绝大多数国家仍然是在各个实体投票站完成的，其主要原因是各种远程投票技术都无法保证代议制选举过程中的秘密写票原则。总体来说，代议制度中对人工智能的运用，根本原则仍然是让技术的发展服务于代议制度的发展，并以顺应社会变迁中的新要求为根本目标。

[1] Jean Mansbridge，“Rethinking Representation”，AmericanPoliticalScienceReview，Vol.97，No.4，2003，pp.515-528.

[2] Andrew Rehfeld，“Towards a General Theory of Political Representation”，TheJournalofPolitics，Vol. 68，No. 1，2006，pp. 1-21.

[3] Douglas Chalmers.ReformingDemocracies:SixFactsaboutPoliticsthatDemandaNewAgenda. New York: Columbia University Press，2013，pp.34-37.

[4] 谢茨施耐德：《政党政府》，姚尚建、沈洁莹译，天津：天津人民出版社2016年版，第186-187页。

[5] Heinz Eulau and Paul Karps，“The Puzzle of Representation:Specifying Components of Responsiveness”，LegislativeStudiesQuarterly，Vol.2，No.3，1977，pp.233-54.

[6] Edmund Burke.ASpeechofEdmundBurke，Esq.attheGuildhall，inBristolPrevioustotheLateElectioninthatCityuponCertainPointsRelativetoHisParliamentaryConduc，London:J.Dodsley，1780.

[7] 陈振明：《政府治理变革的技术基础——大数据与智能化时代的政府改革述评》，《行政论坛》2015年第6期。

[8] 舍恩伯格·维：《大数据时代：生活、工作与思维的大变革》，盛扬燕、周涛译，杭州: 浙江人民出版2012年版，第2-23页。

[9] Ivana Damnjanovic，“Polity Without Politics?Artificial Intelligence Versus Democracy:Lessons from Neal Asher’s Polity Universe”，BulletinofScience，Techonology&Society，Vol.35，No.3-4，2015，pp.76-83.

[10] 陈迎竹：《慎防大数据助长独裁》，《联合早报》2017年10月15日。

[11] 陈家刚：《大数据时代人大代表工作创新的机遇、挑战及路径探析》，《广东行政学院学报》2016年第2期。

[12] Gary King，Big Data is not About the Data，https://gking.harvard.edu/files/gking/files/evbase-gs.pdf。

[13] “Global Centre for ICT in Parliament”，inWorlde-ParliamentReport2016，Geneva:Global Centre for ICT in Parliament，2016,pp.44-47.

[14] 佚名：《人工智能系统成功预测特朗普当选》，http://finance.sina.com.cn/stock/usstock/c/2016-11-09/doc-ifxxsmic5825513.shtml。

[15] 何哲：《通向人工智能时代——兼论美国人工智能战略方向及对中国人工智能战略的借鉴》，《电子政务》2016年第12期。

[16] Justin Grimmer and Brandon M.Stewart，“Text as Data:The Promise and Pitfalls of Automatic Content Analysis Methods for Political Texts”，PoliticalAnalysis，Vol.21，No.3，2013，pp.298-313.

[17] Philip Norton，ParliamentinBritishPolitics，Basingstoke:Palgrave Macmillan，2013，p.228.

[18] 埃弗·雷姆特班等：《决策支持系统与智能系统》，杨东涛、钱峰译，北京：机械工业出版社2009年版，第254-261页。

[19] Ulrich Sieberer and Daniel Höhmann， “Shadow chairs as monitoring device? A comparative analysis of committee chair powers in Western European parliaments”，TheJournalofLegislativeStudies，Vol.23，No.3，2017，pp.301-325.

[20] Davide Carneiro，et al.， “Online dispute resolution: an artificial intelligence perspective”，ArtificialIntelligenceReview，Vol.41，No.2，2014，pp.211-40.

[21] Hanna Pitkin，Theconceptofrepresentation，Berkeley:University of California Press，1967,pp.62,92-93.

[22] 青木昌彦：《制度经济学入门》，彭金辉译，北京：中信出版集团2017年版，第41页。