“AI+公共决策”:理论变革、系统要素与行动策略

刘 成，李秀峰

（北京师范大学政府管理学院,北京100875)

近些年,人工智能技术爆发式发展,以极强的渗透性迅速嵌入并革新传统的社会生态,深刻形塑着人类社会的方方面面。未来十五年,人工智能将为美国、德国和日本的年增长率带来百分之二的提升［1］,人工智能将成为推动全球发展的重要驱动力。在此宏观背景下,国务院于2017年印发了《新一代人工智能发展规划》,明确了中国新一代人工智能发展的战略目标,并提出发展人工智能的重点任务,包括构建开放协同的人工智能科技创新体系、建设安全便捷的智能社会等［2］。与此同时,西方发达国家也不断推进人工智能发展战略,比如2018年法国总统马克龙宣布法国人工智能战略,美国总统特朗普签署了《美国人工智能倡议》等。人工智能时代的来临,不仅有力支撑了国民经济的高质量发展,也为政府的公共治理提供了新的机遇。习近平总书记在2018年10月中共中央政治局第九次集体学习时特别强调要加强人工智能与社会治理的结合,开发适用于政府服务和决策的人工智能系统,加强政务信息资源整合和公共需求精准预测,运用人工智能提高公共服务和社会治理水平［3］。

管理学大师赫伯特·西蒙（Herbert A.Simon)认为,管理的核心在于决策,而决策的好与坏取决于决策者的信息收集和处理能力［4］。人工智能作为一种新型的数据处理技术集合,其运作逻辑是在反复的数据训练下实现自主学习,通过自主更新、自主升级和自主适应,更加精准地完成模式识别和预测功效,最终实现客观数据向有用信息的转换。2016年英国政府发布的《人工智能:未来决策的机遇与影响》报告指出,组织决策是人工智能发挥功效的核心领域,能够促推政府部门更加快速地获取决策信息、更加精准地预测公众需求、更为全面地提升公共决策的透明度,从而优化公共资源配置、提高公共服务效率。总的来说,尽管人工智能对公共管理的影响是多层次、多方面、多维度的,但其中的核心在于对公共决策的支撑和重塑。

当前,关于公共决策是否会受到人工智能的形塑,学界虽然无系统论述,但也并无过大争议。在人工智能时代,人工智能究竟如何从理论和应用层面重塑公共决策,公共组织又需如何适应这一变革,这是值得关注和研究的问题。因此,本文基于现有的公共决策和人工智能文献,从决策相关理论出发,对这些问题予以分析讨论。

一、公共决策模式转型：从循数决策到智能决策

大数据时代的来临,不仅加速了人类社会的数字化转型,也促推着传统的经验型决策向新型循数型决策的革命性转变。基于大数据的循数决策在很大程度上摆脱了经验式决策固有的信息规模小、数据处理能力低、主观经验依赖度高等因素的干扰,短短数年便成为公共决策领域关注的焦点。在循数决策的驱动下,公共决策模式具备了更为客观的理性决策特征,实质性地迈向基于“证据”的科学决策阶段,很大程度上提升了政府发现真正的市场需求和社会需要、保障社会生产与社会服务良性运行的能力［5］。

然而,与理想中的“科学决策”相比,现实层面的循数决策依然面临着诸多制约。面对以高开放性、非结构化和高不确定性问题为主的现实治理情境,基于定量模型的循数决策往往无法有效应对,更难以实现应用场景扩展,仅通过辅助人类决策的方式来解决有限的公共决策问题。

人工智能技术的发展和成熟使得突破循数决策的短板成为可能。相比循数决策,通过海量的数据供给训练计算机的自动学习机能,人工智能具备与人类认知相类似的信息处理机制,赋予了机器在公共决策中更广泛的应用场景,能够处理更为复杂的决策问题［6］。从根源上说,早在1947年,现代计算机科学之父阿兰·麦席森·图灵（Alan Mathison Turing)便首次提出了人工智能。在历经了萌芽期（1950—1970年代)和发展期（1980—2000年代)的沉寂之后,2010年以来进入发展的超越期,标志着弱人工智能时代走向强人工智能时代［7］。本质上,弱人工智能必须依据一定的规则和逻辑提前设定算法程序,仅能处理有明显规则且要求充分的决策信息,应用场景较为单一和封闭；而强人工智能则是机器在海量样本训练的基础上,通过不断的自升级、自适应、自学习过程,实现更为通用和复杂的功能［8］。在深度学习的驱动下,机器具备了像人脑一样的学习模式,进一步拓宽了人类的视觉（计算机视觉)、听觉（语音识别)、触觉（触觉传感器)等数据化感知边界。人工智能是以突破“有限信息”为核心的理性决策。人工智能作为一种信息采集和处理的技术系统,通过提升机器获取和分析数据能力,极大地升级、拓展和完善了循数决策模型,推动着公共决策迈向智能决策时代。

二、“AI+公共决策”的理论变革

（一)“AI+公共决策”的内涵与特征

在回顾循数决策向智能决策转型的变革逻辑基础上,本研究拟建构基于人工智能技术集群的“AI+公共决策”的新型决策模式,其内涵是以互联网、大数据、云计算、智能设备等海量数据采集、存储、处理平台为基础,以智能算法（深度学习、机器学习、神经网络等)为核心,以最优化决策方案为目标,建立在消除信息不对称之上的自主化、交互化、智能化的决策模式。整体而言,“AI+公共决策”模式的优越性体现在数据信息的获取和分析能力,不仅能够产生和采集更大规模和更高质量的数据,同时数据分析能力的提升使得机器能够从大量数据中挖掘出更丰富的隐含的、前所未知但利于决策的有用信息,并且可以实现自动决策。

按照上述界定,“AI+公共决策”模式具有四个特征:一是自主性。在海量数据训练（Data Training)的协同下,机器学习能够依据数据特征自动设定运算程序,进行自我计算,并自建决策模型［9］。二是优化性。人工神经网络和遗传算法等具备学习能力的算法模型,能够从海量历史数据中获取特征模式,用于识别新环境下相同或类似特征的物体,并通过循环的自学习、自升级、自适应,持续提高机器预测能力,有助于摆脱“目标—结果”脱节的历史性难题［10］。三是交互性。在自然语言处理和计算机视觉等人工智能技术的支撑下,智能决策系统能够完成人机交互甚至脑机交互,能够更加高效与决策团队进行深度互动,从而提供更加便捷且人性的决策信息支持服务。四是集约性。嵌入人工智能的决策系统通过平台化管理,推动公共决策模式向“统一规范、开放互联、智能互动”转型,能够有效实现公共决策的集成化和集约化。

（二)“AI+公共决策”的主体与方式

人们通常的逻辑认为,决策是人类的独有特质,而决策主体也往往被限定在特定的人群。赫伯特·西蒙打破了这一惯常认知,认为决策者实则是一个信息加工处理系统,只要能够对决策信息进行分析和研判,并做出相应决断的客观存在均可被视为决策者［11］。在赫伯特·西蒙看来,计算机便是具备辅助乃至替代人类决策的物理存在,机器的硬件设备相当于人类的生理组织,软件程序则类似于人类的思维过程和分析策略［12］。随着人工智能技术突破式发展,加之互联网、大数据、云计算等新型通讯设备日趋成熟,以深度学习、机器学习、神经网络为代表的机器智能（Machine Intelligence)不仅具备强大的数据采集功能,而且其数据分析能力也空前提升,使得机器真正成为超级信息处理系统,进而在公共决策中的功用愈加显著,也逐渐促推公共决策方式的变革。

人工智能驱动公共决策主体角色转变体现在三个方面:一是决策主体多元化。人工智能驱动的决策模式不仅实现了在数据信息闭环任务中的自主决策,使得机器自身在决策任务中扮演越发重要的角色,同时通过人机智能接口连接不同的决策主体,形成“政府部门—专家学者—社会公众—智能机器”的协同决策模式［13］。二是主体职责明晰化。人工智能依托高性能计算机、海量大数据和丰富的算法模型,能够全景且实时地追踪和记录各决策主体的决策痕迹,并通过统一的人工智能平台完成智能日程提醒、过程监测和动态反馈,合理管理决策目标和任务进度,从而保证各决策的权责清晰明确［14］。三是任务分配专业化。“AI+公共决策”实质是技术驱动的决策模式,在人工智能技术集群的基础上,对各决策主体的责任进行不同程度的整合,能够细化决策主体间的任务分配,实现各司其职,推动公共决策的专业化。

决策主体的角色转变必然会引致决策方式的变革,凸显在三个方面:一是透明化决策。人工智能的嵌入一定程度上清除了政府信息公开的技术障碍,能够增强政府数据的共享公开,实现透明化决策。二是协同化决策。随着人工智能的不断发展,机器获取和分析数据的能力显著提升,促进了决策主体间信息不对称的消解,有利于消除决策主体之间“信息孤岛”和“信息区隔”现象,进而促推公共决策的协作化。三是个性化决策。通过自适应学习程序、神经网络、深度学习等算法系统采集公众的服务体验数据,全方位响应公众需求,在数据挖掘和智能预测的基础上,自动或辅助决策者依据个体特征制定差异化、定制化、个性化的决策方案。

（三)“AI+公共决策”的场景与流程

赫伯特·西蒙的决策科学将决策分为程序化和非程序化两种决策场景,前者是常规性、反复性的例行决策,能够通过一套固定程序应对的决策；后者则是那些未曾频繁发生的、较为独特、无规律可循的决策,但现实的决策场景往往处于两者的灰色地带,有学者称其为半程序化决策,是指那些虽然偶有发生但并非重复出现,仍无法将其上升至规律化、程序化操作的决策类别［15］。按照这一区分,公共决策自然也被划分为程序化、半程序化和非程序化三种决策场景,而“AI+公共决策”的场景差异主要取决于用以决策的信息或变量被结构化的多少和好坏,结构化程度越高越偏向于程序化场景,人工智能发挥的效用也越大。

依据上述分析,“AI+公共决策”同样划分为三种决策场景:场景一:“机器自动决策”。对于信息化和数据化程度较高以及所需决策信息能够形成闭环的公共决策任务,人工智能可以从输入的信息中进行自动识别特征模式,进而做出自动决策,例如全国不少城市推动“AI自助审批机”就实现了受理、审批、发证等工作由“人工”向“机器”的智能化转变。场景二:“人机合智决策”。通常来说,半结构化决策占据了公共决策场景的绝大多数,人工智能在其中扮演着辅助人类决策的功能,通过反复的样本数据训练,不断升级和优化机器的预测能力,为决策者提供越来越精准的决策信息。场景三:“价值判断决策”。当数据化程度较低,或是决策目标和结果没有“最优解”,尤其是涉及伦理道德、法律习俗及意识形态等强价值导向的决策问题时,人工智能可以发挥功效的余地便极为有限,依然需要决策者根据自身的知识和经验进行决策,例如国家未来的战略规划很大程度上受到国家政体和意识形态的影响,而非理性的智能计算。

决策场景差异使得基于“信息输入——信息处理——决策输出”决策环的运行机制变得极为不同,进而催生出相应的决策流程:一是基于信息闭环的全自动决策。在信息能够完全以数据化样态形成信息闭环的决策领域,机器能够自主进行数据采集、分析和处理,进而自动输出决策结果,并能够通过深度学习机制不断提高决策精准性。二是基于人机交互的分工式决策。由于非结构化决策场景的不确定性使得决策信息难以形成闭环,这既需要人类决策者肩负起认定决策问题,并以特定的形式最大化地输入决策信息,也需要在可视化数据结果的基础上,根据现实需求最终形成科学的决策方案,而机器则扮演信息处理的辅助性角色。三是“机器失灵”下的经验型决策。当前的人工智能依然处于强人工智能时代的初级阶段,这就使得当面临的社会问题达到一定程度的复杂性和不确定性时,人工智能往往难以将这些决策问题进行结构化处理,进而出现“机器失灵”,因此依然需要人类决策者凭借个体权威和主观经验完成既定决策任务。

三、“AI+公共决策”的系统要素

人工智能作为一种新型的嵌入性信息技术,究竟如何实现公共决策的智能化转型?针对这一问题,需要引入系统要素这一概念进行全面解析。从智能公共决策来说,系统要素指的是构成“AI+公共决策”不可或缺的基本单元,彼此之间既相互关联又相对独立,按特定规则有机连接成一定的结构,决定着智能公共决策的发展和成效。“AI+公共决策”模式的应用特性决定了其系统要素不只是某项单一的技术,而是一个以算力、算法和数据为基础,综合了软硬件支撑设备、数据感知和管理、智能分析和可视化展示等要素的新型生态系统。

（一)智能决策支撑系统

信息是个体与组织决策的前提,政府必须要掌握大量重要的信息,才能开展有效的决策和治理活动［16］。在人工智能技术的驱动下,以采集数据为主要功能的智能支持系统的运行效率得以大幅提高,嵌入人工智能的决策支持系统不仅能够更广泛、更高速、更全面地从物理和虚拟世界采集数据,同时也增强了各类数据库的存储能力。可见,人工智能技术显著地拓宽了公共决策的信息来源广度和精度,成为智能公共决策得以推进的基础支撑。

智能决策支撑系统通常由两大子系统组成:一是智能数据采集系统。数据采集包括物理感知数据、社会感知数据以及公共数据等。物理感知数据主要采集来自散布在各处的智能传感器、物联网设备、城市监控设备以及地理信息系统等物理要件的海量数据；社会感知数据主要是获取来自互联网、移动手机终端、网站浏览、空间定位、社交媒体等社会个体属性数据；公共数据主要是涉及政府部门内部运行和社会统计的巨量数据。二是智能云存储系统。通过云计算、区块链、5G通讯等技术保障大量数据的实时存储,能够将大量数据信息存储到后端不同的物理节点之上,进行智能传输、智能存储和智能调用,实现“人、地、物、事、组织”的全要素数据管理及互联互通互动。

（二)智能决策处理系统

在信息采集完成后,决策实质上变成了处理信息的过程,可以说,多大程度上能够将零碎的信息转化成有意义的决策信息,直接决定着公共决策的绩效水平。在这一环节,嵌入人工智能技术的智能决策处理系统能够有效地赋能决策信息的协同共享和智能分析,进而提升公共决策质量。其一,人工智能驱动的数据整合平台能够实现非同源数据的协同共享,以及异构数据的结构化处理,很大程度上突破了数据共享难、数据结构差异大的技术难题,有利于消解当前公共决策面临的部门壁垒和信息孤岛现象,推动高质量的协同化决策。其二,人工智能利用基于深度学习、机器学习和神经网络的智能算法,通过每次数据集迭代优化模型的权重来训练模型,逐渐达到最优的模型设定［17］,这一优势能够实现无意义的客观数据向有用决策信息的不断优化与持续转换,有效地解决信息爆炸时代下人类决策者注意力有限、数据处理能力低效等缺陷。

一般而言,智能数据处理系统由三大子系统构成:一是智能数据整合平台。数据整合平台是通过建立智能数据云平台系统地管理分散数据,实现各子数据库的数据整合、数据交换和数据同步,有效链接包括基础设施数据库、地理信息数据库、人类行为数据库等数据子系统在内的数据资源。例如,在智能城市建设中,基于新型信息通讯技术与创新2.0的eGBCP功能模型构建城市综合智能数据平台,将公共服务、政府、企业、公众的数据信息整合在统一的云计算平台,有力促进了决策信息的协同共享［18］。二是智能数据质控系统。由于用以决策的数据往往具有很大的异质性,不仅数据内容的完整性和时效性差异巨大,而且数据类型的规范性和结构化程度也不相同,使得数据质控显得尤为重要。智能数据质控系统能够按照既定的标准对输入机器的数据进行抽取、转换、诊断、标签化、结构化等一系列数据预处理过程,为后期的数据分析和挖掘提供辅助支持。三是智能数据分析系统。人工智能驱动的决策分析系统能够基于关联分析、预测分析、趋势分析实现现有决策数据的再挖掘,并通过机器学习、深度学习、增强学习实现对决策信息的有用性转化。目前,嵌入人工智能的决策分析系统已经被应用在公共决策之中,例如通过检索和收集天气预报中的实时天气信息,利用人工神经网络技术,能有效提升灌溉用水需求的预测精准度,为政府部门合理安排灌溉水资源提供科学支撑［19］。

（三)智能决策应用系统

最顶层的决策应用系统直接表征了组织决策者或用户对智能决策系统的实际使用。在原有循数决策模式达到的数据化和平台化应用基础上,由人工智能驱动的智能决策应用系统实现了更为高效的人机交互,不仅能够自动处理结构化决策问题,还能以多维互动的方式协助人类决策者认定决策目标和环境约束,产生决策方案的同时,对方案进行综合评价,进而辅助决策者处理半结构化或非结构化决策问题。

嵌入智能算法的决策应用系统通常包括如下子系统:一是智能人机交互系统。通过嵌入自然语言处理、计算机视觉等人工智能技术,智能人机交互系统实现了智能语音识别、脸部表情识别、行为识别等,能够与用户进行深度沟通交流,自动抓取所需要的关键信息和问题,在模型库和知识库中搜索解决方案,并实时地予以可视化展示,进而更便捷、高效地为组织决策者提供决策信息支持。二是智能机器人。人工智能极大地提升了机器的环境适应性,能够精准地进行视觉感知、语义理解和智能触觉,经过数据处理进行自动决策,将人类从枯燥的反复性决策任务中解脱出来。

四、“AI+公共决策”的行动策略

近些年,人工智能不断嵌入政府治理和公共决策之中,并且在一些重点公共决策领域,人工智能驱动的决策体系发挥着举足轻重的作用。比如,2016年杭州市政府通过引进嵌入人工智能技术的“城市大脑”云平台,在实时采集并系统整合散布在城市的摄像设备、车辆定位信息和GPS数据的基础上,通过发挥智能处理系统强大的数据分析功能,使得杭州市中心的交通效率提高了3%至5%,部分路段的效率甚至提高了11%以上［20］,有效缓解了当地的交通拥堵现象。再比如,深圳市公安局龙岗分局建成龙岗智慧警务云平台,通过大数据平台提供的海量数据分析和快速检索能力,实现了个人身份、人脸识别、车牌识别和WIFI等数据的实时检索和分析,有效提升了民警办案效率［21］。又比如,天津市建立的“政务一网通”政务服务平台,依托人工智能技术,实现智能“无人审批”,能够自主获取、对比和审核申请人的背景信息和申请资质,并自动出具证件、证照、证书、批文、证明等,在提升政务服务效率的同时,营造公开透明的营商环境［22］。

然而值得注意的是,人工智能同互联网、大数据一样,其本身并无“好”与“坏”之别,但利用不当也会使其从“万能药”变为“洪水猛兽”。除了要在组织支持、资源投入、决策理念、团队建设等方面推进智能公共决策模式建设,充分发挥人工智能驱动公共决策自主化、集约化和智能化转型,也亟须识别其应用边界和法律约束,最大化规避可能出现的数据偏见、算法歧视、伦理侵犯以及霸权主义等负面效应和潜在风险。在具体的行动策略上,应从组织、技术、应用和法律四个层面系统推进“AI+公共决策”模式。

第一,在组织层面建立智能公共决策的组织体系。一是推进智能公共决策的顶层设计,公共决策模式转变实质是“一把手工程”,需要政府高层决策者牵头和推动,智能公共决策模式的建设更加离不开政府高层领导的高度重视和积极部署。二是加快智能公共决策队伍建设,尤其可以借鉴大型企业实行的首席数据官、首席信息官制度,统一部署和规划智能公共决策转型,系统地推动跨部门、跨行业、跨地域的协同共建,逐步形成以政府为中心的智能公共决策生态系统,全方位提升政府的智能决策能力。三是营造智能公共决策的组织文化,转变由政治精英、智库专家主导的传统决策理念,充分认识人工智能等新型信息技术在公共决策中的地位和作用,形成智能驱动决策的组织氛围。

第二,在技术层面加快智能设备和技术的建设和研发。一是加速提升智能支撑设施建设,要充分认识基础算力在智能决策系统中的保障地位,应建设具备高性能的计算机设备,切实提升机器的运算速率,保证智能决策系统的平稳高速运行。二是打破政府间的“数据烟囱”和“信息孤岛”问题,积极推动政务信息资源整合,扩展数据共享范围,为智能决策系统提供持续、稳定、高质量的数据支撑,提升智能公共决策的效益和效率。三是研发智能公共决策的专用系统,为应对公共决策领域和行业的差异性,在保证算法安全、公平、合理、无害的基础上,可依条件探索和应用特定情境下的专用智能系统,从而提高智能决策系统的适用性,进一步促进公共决策的智能化。

第三,在应用层面明确人工智能嵌入公共决策的边界和范围。一是大力发挥程式化决策任务中机器的自主决策效能,将人类决策者从重复性和结构化事务中解放出来,并通过不断优化升级算法模型提升机器决策的环境适应能力,有效地降低行政成本、提高运行效率。二是利用深度学习的识别和预测功能,充分发挥人工智能采集和处理数据的优势,弥补在信息爆炸时代人类信息处理能力低效的问题,赋能和辅助政府决策者进行实时决策、高效决策和智能决策,保证公共决策的实效性和精准性。三是确保人类始终能够控制和监督智能系统的运行过程。尤其是涉及重大战略或是决策风险较高的非标准化、综合性决策问题时,要严格监督和控制智能决策系统的决策和执行过程,保障公共决策不严重偏离决策目标甚至违背公共价值。

第四,在法律层面推动智能公共决策的发展。一是确保智能公共决策全方位服务于社会福祉,最大化公共利益,而非威胁甚至毁灭人类文明,比如美国政府就在2016年发布了《国家人工智能研发战略规划》,在初始设计阶段就要从技术、标准、审查层面保证人工智能系统和算法的可控、安全和透明［23］。二是规避算法嵌入公共决策的技术异化风险。智能算法的技术优势形成的结构性壁垒,逐渐超越了单纯的工具化属性,开始扮演实质性的利益分配角色,但其固有的“算法黑箱”不仅会引致程序缺失,也极易形成公权力与技术寡头的利益合谋,进而导致决策公信力受损以及技术霸权主义等新问题［24］,因此如何避免算法异化是未来智能公共决策推进中的核心议题。三是制定智能公共决策的责任归属和问责机制。智能决策系统逐渐成为公共利益分配的重要参与主体,为保证公共决策权力的合法、规范行使,应尽快出台相关规定,明确智能公共决策的问责主体、问责标准和问责方式,以及应对决策失败的补救程序,特别要考虑是否以及如何给予智能决策系统独立的法律人格［25］。

结 语

虽然我们现在依然处于人工智能发展的初级阶段,但其超凡的技术渗透性已然开始建构公共决策的智能图景。面对高度不确定和复杂性的治理情境,人工智能的有机嵌入必将成为公共决策模式适时革新的关键驱动力,助推公共决策的科学化、协同化、高效化和智能化转型。更可预期的是,人工智能技术的发展绝不会止步当下,逐渐步入强人工智能甚至超人工智能阶段仅是时间问题,因此如何立足当下布局长远理应成为构建智能公共决策模式的重要考量维度。诚然,如同人类历史所经历的数次技术革命一样,信息技术的精进往往表现出双重效应,也会因其内在限度和利益纠葛而在现实公共场景中发生诸多风险。也就是说,任何阶段都要在肯定人工智能技术赋能的基础上,理性客观地看待智能嵌入可能引发的衍生风险甚至毁灭性威胁,不仅要从技术和法律等应用层面规避人工智能嵌入被利益集团所裹挟以及对公共资源的偏向性分配等潜在危机,更有必要全面审视人工智能之于政治文明乃至整个人类社会可能的“毁灭效应”,从宏观的哲学和历史层面看待人工智能与公共决策的深层关系。唯有如此,才能促进人工智能、文明演化和公共社会的有机融合与和谐共处,不断满足人类对美好生活的向往和追求。