人工智能技术在国际移民治理中的应用及影响*

陈程，吴瑞君

（1.上海社会科学院 信息研究所，上海 200020；2.华东师范大学 中国现代城市研究中心暨社会发展学院，上海 200062）

自1956年诞生以来，人工智能学科已有60多年历史，其发展经历了两次高潮和低谷，并于2010年迎来第三次发展浪潮，成为21世纪最为重要的核心技术之一。人工智能本质上是为了研制出具有类人智能的机器，能够模拟、延伸和扩展人类智能的理论、方法、技术以及应用形式。［1］该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。伴随着信息技术革命的浪潮，以大数据和算法等为核心的人工智能技术已成为未来社会发展的重要驱动力，人类社会向智能化发展的大潮势不可挡。

在大数据的推动下，人工智能算法能够简化重复性任务，特别是那些需要审查大量文书工作的任务，从而推动工作流程的自动化，提升信息处理速度和工作效率。［2］在社会层面，人工智能有助于提升社会劳动生产率，并有效降低劳动成本、优化产品和服务、创造新市场和就业等，从而为人类的生产和生活带来革命性的转变。在国家治理层面，人工智能技术在信息收集、决策制定、方案执行和监控实施等认知域和物理域的应用将极大地提升国家治理水平和效能，有效地推动国家治理范式的转型与升级。［3］政府和公共行政部门日益认识到人工智能对经济和社会发展的重要性，并大力支持人工智能研究。截至2019年，共有23个独立的国家或超国家人工智能战略达成，多数战略价值达数十亿美元。

除此以外，人工智能在解决人类面临的共同挑战方面也发挥着日益重要的作用。全球化时代，国际移民问题日益凸显其非传统安全的特点。跨国迁移的流动性和信息的不对称性，使得移民数量、方向和影响都无法进行精准测量或预估；国际移民问题横跨政治、经济、公共卫生和人权等多个领域，复杂性特征也使得移民安全、难民接收和融入等问题更加突出。技术创新往往伴随着公平和效率的提升，为了应对规模庞大的移民和难民等复杂问题，各国迫切希望将新技术作为快速解决移民问题的办法。［4］近年来，国际组织和各国就将大数据及人工智能技术应用于国际移民管理领域展开了积极探索。如国际移民组织发起了“大数据移民联盟”（Big Data For Migration Alliance），探索人工智能技术在国际移民中的应用；［5］欧盟通过了在移民和安全领域利用人工智能和相关技术的新立法（第2018/1860号法规、第2019/816号法规、第2019/818号法规）；为应对灾害和恐怖主义行为，欧盟综合政治危机应对委员会（Integrated Political Crisis Response，ICPR）建立了具有预警功能的监测系统，并于2015年10月“移民危机”期间首次启动信息共享模式，同时各国也在研究利用人工智能技术预测下一次“移民危机”的可能性；经济合作与发展组织成员国，如孟加拉国、尼泊尔和马来西亚开始在其移民管理系统中采用自动化技术。［6］

当下，人工智能技术的发展还处于弱人工智能（Artificial Narrow Intelligence，ANI）阶段，跨领域解决问题的通用人工智能技术仍然面临着极大的不确定性。人工智能技术的发展会逐步成为社会治理和行业转型升级的关键，但先期技术能力优势带来的范式转变及其影响必然有一个过程。在国际移民治理领域，人工智能技术的创新性发展具有高度的战略价值，但其演进路径的不明也蕴含着潜在的风险和问题。

一、人工智能技术在国际移民领域中的应用场景

当前，人工智能技术在国际移民领域应用普遍，并主要集中在以下技术领域：移民的预测管理、自动化决策、身份识别、机器学习与匹配、情绪分析、边境监测及机器人技术等。

（一）移民迁移的预测和管理

在国际移民日益增长的背景下，预测迁移趋势并做出适当而迅速的策略反应至关重要。总体来看，国际迁移不稳定且难预测。若进行细分，某些类型的移民比其他类型更稳定或更易预测，如常规劳工移民和家庭迁移等；被迫移民和非正规流动通常很难预测，而预测这类迁移趋势对支持国家和地方层面的一体化服务特别有价值，这就需要提前进行预测以便制定应急计划或迅速调整庇护和服务措施。

移民流动预测和管理依赖于大数据或可分析的、以揭示人类行为关联模式的超大型数据集，大数据或超大型数据具有容量高、速度快和多样性三个特征。［7］迁移预测主要取决于底层数据的质量、关键驱动因素的复杂程度和所考虑的时间框架。与移民流动预测有关的大数据可来源于基于通信的信息源，如互联网搜索、智能手机应用程序、网站登录和电子邮件IP地址以及通话记录等极具“地理定位”特征的数据，也包括从文本、音频、视频和社交媒体渠道中提取的有意义的信息。大数据分析是从大数据中获取情报的技术，能够发现并捕获数据中的关系和模式。［8］例如，数据科学家使用自然灾害或冲突期间个人生成的数据（如Facebook登记功能、YouTube在线视频、Instagram或Pinterest在线平台上公开发布的照片、在谷歌上在线搜索的特定术语等），以预测冲突或自然灾害发生时的移民潮。［9］

海量数据研究所和乔治敦大学国际移民研究所开发了一个数据密集型预警系统，用于检测冲突和地震、飓风等自然灾害造成的被迫紧急移民情况。［10］人工智能算法可以提高“移民危机”预测精度，［11］大数据技术还可用于预测移民安置的布局和密度等，实现移民安置点更公平、更周全的接收和整合战略。同样，大数据和传统统计数据可用于描绘城市移民社区的多样性，使决策者能够预见哪些地区或社区可以吸引特定的移民，从而更好地规划基础设施建设，实现公共服务的合理配置。

以大数据分析为基础的预测着眼于关联共现关系的冲突特征和模式识别。［12］通过人工智能技术的嵌入可以实现这一过程的智能化，通过扩大数据收集、减少信息未知性以及建立相关分析模型，人工智能技术能够在扩大预测适用范围的同时提高预测的准确性和实效性。联合国难民署尝试使用天气数据来预测人们可能的流向，国际移民组织开发了“流离失所追踪矩阵”（Displacement Tracking Matrix），利用移动电话记录和地理标记以及对社交媒体活动的分析，监测正在迁移的人口，以更好地预测流离失所者的需求。人工智能技术同样可以应用于全球范围内的自然灾害和其他社会危机的预测预警。例如，公共卫生部门能够利用人工智能技术对疫情数据进行分析，准确、有效地对各类传染疾病进行跟踪和预防，从而更高效地分配公共卫生资源。［13］

（二）移民申请与庇护决策

为了应对繁杂的移民申请和认定程序，各移民国也尝试在各种应用程序中使用“自动决策系统”。自动决策技术需要大量数据形成的数据集，通过分析这些数据集的模式和关联性，可以模拟人类认知并根据结果做出决定。自动决策系统以输入数据的形式处理信息，使用算法生成输出。一个算法可以被认为是一组指令，就像“一个由可编程步骤组成的配方……组织并作用于一组数据以快速达到预期的结果”。某些算法是使用一个大型的现有数据集“训练”的，它允许算法分类并“概括”出训练集。训练数据可以是案例的一部分、照片的集合或统计数据库，其中一些或全部已经根据设计师的标准进行了预分类或标记。［14］

依据最终的“决策”，政府或私营部门可以将自动化决策系统用于多种多样的应用程序中，自动化系统可以做出看似“中立”的决定，例如移民申请程序是否完成；也可以做出更复杂的决定，例如移民婚姻情况是否真实，或者移民是否符合“人道主义”救助的条件等。自2014年以来，加拿大一直在其移民和难民系统中使用自动化决策。2018年又启动了两个试点项目：一个用于帮助评估来自印度和中国的临时居留签证申请，另一个用来对简单移民申请进行分类。项目实施后，简单的程序可由自动化决策系统实施，从而释放出更多的人力和时间投入到复杂的决策程序中。

当然，自动决策系统的决策规则由实施者制定。在美国，自政府颁布行政命令严厉打击移民之后，移民与海关执法局（ICE）一直在修改其在美墨边境的保释裁定算法，以证明其在每一个案件中所做出的拘留决定是合理的。2017年，移民与海关执法局还发布了“极端审核倡议”，对移民进行自动筛选和评估，以确保审批通过的申请人“对社会做出积极贡献”并“为美国国家利益服务”，同时“预测他们入境后是否打算实施犯罪或恐怖行为”。［15］德国联邦移民和难民办公室也在其移民项目中使用了方言识别、姓名音译和身份验证移动数据设备分析等技术，能够自动核实移民身份和来源国等信息，以支持庇护申请过程中的决策。［16］

（三）移民身份识别与安全

在国际移民领域，生物特征或“基于个人生物学和行为特征的自动识别”技术的使用也在增加。生物测定包括指纹数据、视网膜扫描和面部识别等，可识别人的静脉和血管模式、耳朵形状和步态等。经由人工智能算法训练的人脸识别、图像识别与视频结构化等技术，可以用于网络文本、图片、视频和语音内容识别、监测和分类，为网络技术的各类场景化应用提供辅助工具，从而有效提高移民身份识别能力，并根据相关信息给出更优判决结果。联合国一直致力于用生物识别技术填充其数据库，并累计收集800多万人的生物数据，以帮助难民逃离冲突或为其提供人道主义援助。

在政府部门，面部识别技术被应用于安全和身份管理等用途。在某些情况下，该技术可以与监视公共场所的现有视频监控系统（例如闭路电视摄像机）连接，执法部门用它来识别、监视和抓获罪犯。政府颁发的身份证明程序（例如驾照和护照）也采用面部识别技术作为防止身份欺诈的工具。例如，新西兰等国家在试验使用基于生物特征的自动面部识别技术来识别所谓的外来“麻烦制造者”；欧盟修订后的申根信息系统（SIS）也通过使用面部识别、DNA和生物测定数据，方便非正常情况下的移民返回（第2018/1860号条例）。［17］在私人部门，优步（Uber）将该技术用作防范欺诈的工具，用于确认驾驶员身份；一些公司推出了客户付款系统，通过扫描客户的面部来寻找物品，根据其年龄或性别等标识符对客户进行分类和定位。

（四）移民融入与公共危机

自2015年开始，欧洲难民激增，各国接收和安置的难度加大，难民的社会融入也面临挑战。政府急需找到快速收容和重新安置移民个人和家庭的办法。对此，瑞士开发了一种灵活的数据驱动算法，可以横跨安置地点分配难民，以优化其总体就业率，改善融合效果。该算法采用监督式机器学习和最优匹配相结合的方法，发现并利用难民特征与安置点之间的协同效应实现匹配。该算法在美国和瑞士的历史登记数据库进行了测试，与之前的分配做法相比，该方法使难民的就业率平均提高了 40%~70%。［18］

新的数字核查技术使来自冲突地区的数据更加可靠，移民管理部门也通过创建各种技术应用程序，帮助难民获得医疗、银行等社会服务，如全球性非营利组织Techfugees通过技术支持推动移民社区融入，其口号是“通过技术赋予流离失所者权力”；德国创建了名为“Ankommen”的智能手机应用程序，提供基础德语课和关于庇护申请程序及如何找工作或培训的信息，同时也会发布关于德国人价值观和社会风俗的信息，帮助移民更好地融入当地社会。

人工智能技术应用的全质性使其能够同多种物质力量结合，催化算法在诸如意识形态感知领域的应用。人工智能时代泛起的网络舆情危思潮，威胁着意识形态在社会公众群体中的传播效能，也催生了舆情治理的新范式。［19］大数据与人工智能技术能够协助政府部门对多种公共危机，尤其是以网络群体事件为主的新型公共危机进行及时监控。例如，联合国难民署利用人工智能技术对网民性格和政治倾向进行分析，对难民的仇外心理和种族主义等社会情绪进行持续性监测，以帮助制定宣传战略，将网络负面情绪降至最小范围。

（五）边境监测和非法移民拦截

人工智能技术也被用于边境监测和保护。例如，欧洲边防和海岸警卫队（FRONTEX）一直在地中海测试各种无人驾驶军用级无人机，用于监视和拦截试图抵达欧洲海岸以便利庇护申请的移民船只；［20］匈牙利Roborder项目通过配备无人移动机器人，致力于建立一套“全功能的自主边境监视系统，应用场景包括空中、水面、水下和地面车辆”；［21］希腊群岛周围海域部署了一个名为艾米丽（Emily）的自动机器人救生筏，即紧急综合救生绳，以协助营救难民。［22］

国际移民的各个阶段相互联系和影响，人工智能技术在国际移民领域中的应用也存在一定的交叉性。我们对人工智能在国际移民领域应用的认知，多数还是建立在当前已有技术应用的基础上。虽然现阶段人工智能技术的应用过程仍存在明显缺陷，但总体看来，人工智能基于进化赋能的实践应用在国际移民领域中存在着一定的技术发展正循环，这一广域治理的特征不仅意味着人工智能将会成为国际移民治理的重要驱动力，也说明人工智能将进一步拓展国际移民治理理念、方式与界域，并影响这一复杂的组织和治理架构。但是，从数据隐私和安全问题，到移民领域最关心的人权问题，人工智能技术的实施和应用仍然面临着诸多挑战和风险。

二、人工智能对国际移民治理的影响与挑战

人工智能的技术迭代与技术创新驱动着国际移民治理理念和模式的全面变革和转型，也将在治理主体的能力代差、治理过程及结果的公平性和治理规范等方面，对国际移民的治理体系产生一定冲击。

（一）技术鸿沟进一步拉大国际移民治理主体间的能力代差

世界移民危机之后，各主要移民国及国际组织都在努力加强全球移民治理机制的建设。2016年联合国大会通过《纽约难民和移民宣言》，随后通过了《全球难民契约（2018）》《全球安全、有序和正常移民契约（2018）》。在全球层面，各移民治理主体在移民问题上的互动是不对称的，尽管更多的国际移民输出国是南方国家，但制定国际移民的全球议程却是北方各移民输入国。［23］目前，发达国家在人工智能技术的发展上仍然处于绝对优势，多数发展中国家在这一领域的发展则存在着天然的缺陷。因此，这一内嵌的技术霸权逻辑会导致国际移民治理主体之间产生更大的沟壑和差距。

在人工智能时代背景下，图像识别、行为预测、风险感知、人群画像等应用实践催生出全景式数据监控的技术治理模式。社会的发展塑造技术，但也被技术所影响。人工智能技术的应用在极大地提升治理主体的社会能见度、风险感知灵敏度和预警预防精确度的同时，也在潜移默化地形塑着数据和技术控制型的社会结构。在数据及技术的控制下，“技术利维坦”①注：“利维坦”（Leviathan）原为《旧约圣经》中记载的一种海上怪兽，后成为强势的国家（政府）的代名词。“技术利维坦”常被理解为“国家信息技术的全面装备，将公民置于彻底而富有成效的监控体系之下，而公民却难以有效地运用信息技术来维护其公民权利，即无法通过数字民主来制衡国家的监控体系”，其本质是一种技术手段与国家权力相结合产生巨大政治效应的过程。参见王小芳、王磊：《“技术利维坦”：人工智能嵌入社会治理的潜在风险与政府应对》，《电子政务》2019年第5期。的生成几乎不可避免，“技术利维坦”与普通个体之间的“技术鸿沟”成为亟待深思的理论焦点。［24］科技革命的发生往往会对国家力量对比、地缘政治结构以及社会治理等多个方面产生深远影响，进而也会从多个领域对国家治理能力造成根本性挑战。人工智能作为一项通用性的平台技术，其在移民领域的应用场景将会实现全面扩展。拥有人工智能技术优势的国家（地区）将会在更多的领域研发出适用效用更大和预期风险更低的技术，促进国际移民治理能力提升，而技术劣势方则难以用数量叠层或策略战术等手段来弥补这一力量差距。

在实践或具体的运用中，人工智能扩大了国家之间的技术或数字鸿沟。［25］同时，国家权力机关并不是掌控海量数据的唯一主体，拥有大数据和人工智能技术的高科技巨头公司也将拥有数据支配权，通过人工智能与大数据，高科技巨头公司不仅能针对移民习惯精确投放广告，甚至可以利用自身的数据资源干涉移民政策和选举等政治事务。政府的相关政务，也需要科技公司的技术支持才能顺利实施，高科技公司将更深入地介入到政府运转和移民治理的过程中。［26］数据权力结构呈多元发展态势，将会促进中心化的单向治理格局向多元共治格局转向。

（二）算法价值观念缺失以及自动化偏差带来了治理过程及结果的不公

基于大数据的人工智能新技术越来越多地出现在各个社会领域，人工智能技术的介入也将会从利益再分配、法律规范等多个层面对社会治理形成冲击。新技术有助于改善国际移民治理，加强对移民风险的保护。但不加限制地使用这类技术实际上可能对移民的安全构成严重威胁。算法的数据运用、决策机制及结构表征等基于开发者主观价值选择而形成，开发者潜在的偏见很可能被嵌入其中。同时，人工智能技术的甄别逻辑来源于输入的数据，数据质量缺陷可能会造成算法过程噪声的进一步放大或固化，导致“自我实现的歧视性反馈”。［27］例如，缅甸罗兴亚难民生物特征数据被收集后，专制政府更易识别该群体并将他们从营地中赶走。［28］这种因数据或算法导致的歧视可能会从技术上强化社会偏见。

同时，基于人工智能技术算法做出的决策也存在责任性和公平性的问题。技术治理的逻辑下，政策决策者和所有人一样偏爱机器所呈现的结果，这种现象被称为“自动化偏差”。［29］技术运用被抬到压倒性地位，决策者希求以技术手段解决一切问题。算法可以使用无监督学习进行训练、自行学习和模式识别，这些“思维过程”人类无法完全解释，甚至那些在一开始就设计好的算法也不一定会按照预期进行。［30］机器可能会根据算法的结果拒绝移民的签证申请，或将移民的身份与恐怖分子嫌疑犯的身份混淆，却无法对决策做出明确解释，这造成了相当大的不可预测性和不透明性，使其做出的决策难以获得信任。［31］

同时，移民权利受到侵犯时寻求帮助也面临重大困难。公平是公正审判权的重要组成部分，它要求审判（包括在行政当局之前的审判）应在“不存在任何直接或间接的影响、压力、恐吓或来自任何方面和出于任何动机的入侵”。［32］鉴于决策者与移民或寻求庇护的难民之间固有的权力差异，对不透明的人工智能算法的依赖，以及持续存在的自动化偏差，会导致过度影响决策进而损害过程的公平性。因此，有必要严格监督和规范新技术在国际移民领域的使用情况，警惕技术滥用和过渡依赖可能带来的负面后果。

（三）推进面向循证决策的移民治理模式初步转变

《移民问题全球契约（2018）》提出的目标之一是加强国际移民的全球证据基础，收集和利用准确分类数据作为循证决策的依据。［33］循证决策的基本思想可以概括为使用尽可能多的严格制定和严谨阐释的数据、事实作为政策决策的基础，核心在于依据证据而非依靠经验或灵感做出决策。［34］大量可靠、及时和可比较的移民数据、庇护数据以及跨国统计数据，能有效指导欧盟层面移民政策的制定。［35］国际移民组织也强调，需要更可靠的移民数据来为决策提供信息。大数据搜集、存储和挖掘工具的应用为治理的前瞻性和动态决策带来了机遇。［36］人工智能技术作为一种推动国际移民治理转型的“倒逼机制”，借助从宏观、微观层次无限逼近事实真相的大数据资源，将人工智能等新技术直接转化为智能服务和产品，全面应用于国际移民治理过程中，从而帮助政府、移民组织和机构做出更科学的决策。［37］

数据是决策的命脉，也是问责的基石。受大数据的推动，移民管理和边境管制等方面日益依赖不同类型的数据，包括卫星大数据等。数据增长来源于国家对边境监视和移民管理软件和信息管理系统投资的不断增加，［38］还有部分数据来源于社交媒体渠道或在线平台介导互动而产生的“大社会数据”。［39］在国际移民领域，越来越多的学者呼吁制定以证据为基础的政策，这与人工智能技术及大数据在移民领域应用的激增密不可分。日益丰富的迁移数据有利于数据驱动的人工智能算法的发展，推动领域内更多数据驱动的决策。迁移管理中的人工智能算法也可以分析大量定性的移民访谈数据，归纳移民模式并基于移民意愿对移民趋势进行预测。算法还可以用于检测和评估政府的移民政策和方案。一些国际组织和机构一直致力于利用数据促进移民决策。国际移民组织建立的移民数据门户和联合国倡议建立的全球脉动（UN Global Pulse）等项目为移民决策提供了大量关键数据资源。

当然，基于数据驱动的循证决策也面临着一些挑战。由于国际移民过程的复杂性，基于数据证据的决策中，对于“证据”的定义和分类需要进行明确，以便将训练数据用于移民治理的人工智能算法，能够超越对移民现象纯数字的观点。基于数据的技术治理在一定程度上提升了移民治理的精细化水平，却无法解决深层次的矛盾和社会问题。在移民治理实践中，要谨防将治理技术的创新作为治理创新的全部，从而消解和稀释改革动力。

（四）对形成移民治理的全球性框架和责任体系提出挑战

在提升国际移民治理效能的同时，人工智能技术的嵌入还将深化移民治理的向度并扩展移民治理的维度，进而也会催生一种技术安全悖论。人工智能不仅是一种颠覆性技术，也可能是人类遇到的最具破坏性的技术。［40］随着以人工智能为代表的新技术的嵌入及其在移民治理领域不同场景的应用，人工智能对移民治理的影响越来越广、越来越深，也对传统国际移民治理中的责任体系带来挑战和冲击。由于其所展现出的“替代人类”的技术走向，使得传统围绕移民和实体组织所构建的责任体系存在面临解构的风险。汉斯·约纳斯（Hans Jonas）、汉斯·昆（Hans Kung）等人在建立责任伦理学的过程中，确立了一个根本原则即“绝对不可拿整个人类的存在去冒险”。从技术责任的概念谱系来看，这一原则同样适用于分析人工智能技术责任的负载对象，我们要做的就是将这个根本原则所指称的“人类的存在”具体化和对象化。［41］

国际人权的规范性和普遍性为国际移民领域的全球治理提供了一个可行的起点，以期从跨国和全球的角度认知和剖析其潜在的危害性。人工智能技术是建立更有效的国际移民治理系统的一个有益的工具，但此类工具的开发和部署要符合道德规范以及法律框架，尤其是国际人权法律。［42］在实践中，移民自动决策技术需要大量的数据，大数据分析需要搜集并形成庞大的数据集，在没有监管和问责的情况下收集移民人口信息和边缘移民的数据可能导致严重的侵犯隐私和人权问题。

为了解决这些问题，帕斯奎尔（Pasquale）等提出了“技术正当程序”的概念，包括对技术的问责、公平和透明度保证。［43］世界银行也提出基于国际人权法的框架进行人权影响评估，以审查在移民管理中使用人工智能技术是否会损害移民和寻求庇护者的利益。［44］麦格雷戈（McGregor）等提议在现有国际人权法法律框架的基础上，解决从设计到实施整个生命周期所有阶段的人工智能算法问责问题。［45］国际人权法的法律框架有助于识别移民领域算法决策可能带来的潜在危害，但是国际人权法对于国际人权条约的缔约国可能有效，但不适用于公司等非国家行为体。［46］在联合国层面，《联合国商业和人权指导原则》对于商业技术公司适用但却是一个不具法律约束力的国际框架，［47］现有的框架基于企业应尊重、保护和补救人权的理念，主要依靠企业自律来配合。［48］瓦克泰（Wachter）等提出一种同时适用于国家和非国家行为体的解决办法，即建立“合理推断权”，这项权利要求数据控制器能证明数据的类型、基于这些数据做出的推论，以及所用方法的准确性和可靠性。如果有足够的政治意愿推动，这项新权利可能会改变人们对算法责任的认知方式，对移民和庇护决策也有影响。［49］

三、讨论与启示

移民问题的跨国性、非对称性、不易控性等兼具非传统安全的特点为国际移民的治理带来了很大难度。为了应对规模庞大的全球移民和难民等复杂问题，各国也迫切希望将新技术视为快速解决移民问题的办法。大数据以及人工智能技术的广泛应用成为各国和国际组织寻求管理国际移民的方式。当前人工智能在国际移民领域主要应用在移民流动的预测管理、自动化决策、身份识别、机器学习与匹配、情绪分析、边境监测及机器人技术等场景。

人工智能技术的发展从不同层面影响国际移民治理。首先，人工智能技术的发展会影响到国家治理格局，人工智能技术鸿沟加深了国家间在国际移民治理方面的能力代差，也加快了移民数据权力结构多元化的发展态势。其次，新技术的应用有助于改善国际移民治理状态，但对技术不加限制的使用，会对移民安全和权利构成严重威胁，人工智能算法价值观念缺失可能会加剧社会偏见，技术“自动化偏差”亦会造成移民治理过程及结果的不公平。再次，受大数据推动，人工智能技术在国际移民领域应用激增，有助于政府、移民组织和机构摆脱经验枷锁，形成更为科学的决策，推动移民治理向数据驱动和循证决策模式的转变。最后，技术是检验国家实践、民主、权利观念和问责制的重要视角，人工智能技术的应用在推动社会发展的同时也导致了一系列社会问题，这些问题往往无法在现有的社会框架下得到妥善解决，这对塑造人工智能背景下移民治理的全球性框架和责任体系提出了挑战。

全球移民时代，没有国家能完全置身于国际移民潮之外。2016年，中国正式成为国际移民组织（IMO）成员国；2018年，中国国家移民管理局正式成立。移民管理局的组建是我国参与国际人才竞争、实现人口红利向人才红利转型的需要，也是全球化发展对完善移民体系提出的新要求。尽管学界对于人工智能应用于移民领域的研究所涉甚少，但如果中国能抓住人工智能技术优势，更多地发挥技术治理在国际移民领域中的正向循环作用，将有助于增强中国在国际移民治理领域的能力和效能，促进中国参与全球治理的深度，进一步提升中国在国际移民领域的话语权和国际形象。

［注释］

［1］Jenna Burrell， “How the Machine ‘Thinks’： Understanding Opacity in Machine Learning Algorithms”，Big Data &Society， Vol.3， No.1， Jan 2016， pp.1-12.

［2］Michael Chui et al，Notes from the AI Frontier: Applying Artifi cial Intelligence for Social Good， Washington D.C.：McKinsey Global Institute， 2018.

［3］阙天舒、张纪腾：《人工智能时代背景下的国家安全治理：应用范式、风险识别与路径选择》，《国际安全研究》2020年第1期。

［4］Petra Molna， “Technology on the Margins： AI and Global Migration Management from a Human Rights Perspective”，Cambridge International Law Journal， Vol.8， No.2， 2019， pp.305-330.

［5］“Big Data for Migration Alliance （BD4M）： Harnessing the Potential of New Data Sources and Innovative Methodologies for Migration”， 2017， https://gmdac.iom.int/launch-big-data-migration-alliance， 2020年 7月 21日浏览。

［6］Stephen Gelb and Aarti Krishnan，Technology, Migration and the 2030 Agenda for Sustainable Development，London： Overseas Development Institute， 2018.

［7］Marzia Rango， “How Big Data Can Help Migrants”， 2015， https://www.weforum.org/agenda/2015/10/how-big-datacan-help-migrants/， 2020年7月23日浏览。

［8］Spyratos Spyridon et al，Migration Data Using Social Media: A European Perspective， Luxembourg： Publications Office of the European Union， 2018.

［9］Ana Beduschi， “The Big Data of International Migration： Opportunities and Challenges for States under International Human Rights Law”，Georgetown Journal of International Law,Vol.49， No.4， 2018.

［10］Jeff Collmann et al， “Measuring the Potential for Mass Displacement in Menacing Contexts”，Journal of Refugee Studies， Vol. 29， Issue 3， Sep 2016， pp. 273-294.

［11］Babusi Nyoni， “How Artificial Intelligence can be Used to Predict Africa’s Next Migration Crisis”， 2017， https://www.unhcr.org/innovation/how-artificial-intelligence-can-be-used-to-predict-africas-next-migration-crisis/，2020年7月20日浏览； Marcello Carammia and Jean-Christophe Dumont， “Can We Anticipate Future Migration Flows”，OECD: Migration Policy Debates， 2018.

［12］董青岭：《大数据安全态势感知与冲突预测》，《中国社会科学》2018年第6期。

［13］Trang Pham et al， “Predicting Health care Trajectories from Medical Records： A Deep Learning Approach”，Journal of Biomedical Informatics， Vol.69， No.3， May 2017， pp.218-229.

［14］Petra Molna， “Technology on the margins： AI and global migration management from a human rights perspective”，Cambridge International Law Journal， Vol.8， No.2， Dec 2019， pp.305-330.

［15］April Glaser， “ICE Wants to Use Predictive Policing Technology for its ‘Extreme Vetting’ Program”，Slate， 2017.

［16］Julian Tangermann，Documenting and Establishing Identity in the Migration Process—Challenges and Practices in the German Context,Nuremberg： Federal Office for Migration and Refugees， 2017.

［17］The European Parliament and the Council of the European Union， “Regulation （EU） 2018/1860 of the European Parliament and of the Council of 28 November 2018： On the Use of the Schengen Information System for the Return of Illegally Staying Third-Country Nationals”，Official Journal of the European Union,2018.

［18］Kirk Bansak et al， “Improving Refugee Integration through Data-driven Algorithmic Assignment”.Science，Vol.359， Issue 6373， Jan 2018， pp.325-329.

［19］姚翼源：《人工智能时代政府网络舆情治理的逻辑、困局与策略》，《西南民族大学学报（人文社会科学版）》2020年第3期。

［20］Raluca Csernatoni， “Constructing the EU’s High-Tech Borders： FRONTEX and Dual-Use Drones for Border Management”，European Security， Vol.27， Issue 2， 2018， pp.175-200.

［21］Roborder， “Aims & Objectives-Roborder”， 2019， https://roborder.eu/the-project/aims-objectives/， 2020年5月7日浏览。

［22］Rebeca Moreno， “Teaching a ‘Robot’ to Detect Xenophobia Online”， UNHCR Innovation Service， 2017， https://www.unhcr.org/innovation/teaching-robot-detect-xenophobia-online/， 2020年7月16日浏览。

［23］Guy J. Abel and Nikola Sander， “Quantifying Global International Migration Flows”，Science， Vol.343， Issue 6178，Mar 2014， pp.1520-1522.

［24］单勇：《跨越“数字鸿沟”：技术治理的非均衡性社会参与应对》，《中国特色社会主义研究》2019年5期。

［25］Pippa Norris，Digital Divide: Civic Engagement, Information Poverty and the Internet Worldwide， New York：Cambridge University Press， 2001.

［26］岳楚炎：《人工智能革命与政府转型》，《自然辩证法通讯》2019年第1期。

［27］Richard Berk，Machine Learning Risk Assessments in Criminal Justice Settings， Berlin： Springer-Verlag Press，2018， pp.22-23.

［28］Petra Molna， “Technology on the margins： AI and global migration management from a human rights perspective”，Cambridge International Law Journal， Vol.8， No.2， 2019， pp.305-330.

［29］Christopher D. Wickens et al， “Complacency and Automation Bias in the Use of Imperfect Automation”，Human Factors:The Journal of the Human Factors and Ergonomics Society， Vol.57， No.5， 2015， pp.728-739.

［30］Frank Pasquale，The Black Box Society: The Secret Algorithms That Control Money and Information， Cambridge：Harvard University Press， 2015.

［31］Lorna McGregor， Daragh Murray and Vivian Ng， “International Human Rights Law as a Framework for Algorithmic Accountability”，International and Comparative Law Quarterly， Vol.68， No.2， 2019， pp.309-343.

［32］UN. Human Rights Committee， “General Comment No.32： Article 14， Right to Equality before Courts and Tribunals and to Fair Trial”， United Nations Digital Library，2007， https://digitallibrary.un.org/record/606075?ln=en， 2020年7月16日浏览。

［33］《安全、有序和正常移民全球契约（移民问题全球契约）》， https://www.un.org/zh/documents/treaty/files/A-RES-73-195.shtml， 2020年7月13日浏览。

［34］李强彬：《证据驱动型政策制定：西方的论争与回应》，《行政科学论坛》2020年第2期。

［35］Ann Singleton，Migration and Asylum Data for Policy-Making in the European Union: the Problem with Numbers，Brussels： CEPS Paper in Liberty and Security in Europe， 2016.

［36］龙太江：《循证决策及其在公共政策中应用路径探究》，《四川行政学院学报》2017年第1期。

［37］常保国：《人工智能+国家治理智能治理模式的内涵建构、生发环境与基本布局》，《政治学研究》2020年第2期。

［38］Dennis Broeders and Huub Dijstelbloem， “The Datafification of Mobility and Migration Management： the Mediating State and its Consequences”， 2016， pp.242-260， in： I. Van der Ploeg and J. Pridmore （eds.），Digitizing Identities:Doing Identity in a Networked World， London： Routledge.

［39］Ana Beduschi， “The Big Data of International Migration： Opportunities and Challenges for States under International Human Rights Law”，Forthcoming Georgetown Journal of International Law， vol.49， No.4， 2018.

［40］阙天舒、张纪腾：《人工智能时代背景下的国家安全治理：应用范式、风险识别与路径选择》，《国际安全研究》2020年第1期。

［41］颜佳华：《人工智能场景下公共行政技术责任审视》，《理论探索》2019年第3期。

［42］Luciano Floridi et al， “AI4People-An Ethical Framework for a Good AI Society： Opportunities， Risks， Principles，and Recommendations”，Minds and Machines， Vol.28， No.1， 2018， pp.689-707.

［43］Danielle K. Citron and Frank Pasquale， “The Scored Society： Due Process for Automated Prediction”，Washington Law Review， Vol.89， No.1， 2014， pp.1-33.

［44］World Bank，Human Rights Impact Assessments: A Review of the Literature, Differences with Other Forms of Assessments and Relevance for Development， Washington D.C.： World Bank， 2013.

［45］Lorna McGregor， Daragh Murray and Vivian Ng， “International Human Rights Law as a Framework for Algorithmic Accountability”，International and Comparative Law Quarterly， Vol.68， No.2， 2019， pp.309-343.

［46］Andrew Clapham，Human Rights Obligations of Non-State Actors， Oxford： Oxford University Press， 2006.

［47］John Ruggie， “Business and Human Rights： The Evolving International Agenda”，American Journal of International Law， Vol.101， No.4， 2007， pp.819-840； John Ruggie， “Protect， Respect and Remedy： A Framework for Business and Human Rights”，Innovations Technology Governance Globalization,Vol.3， No.2， Feb 2008， pp.189-212.

［48］Michael Addo， “The Reality of the United Nations Guiding Principles on Business and Human Rights”，Human Rights Law Review， Vol.14， No.1， 2014， pp.133-147.

［49］Sandra Wachter and Brent Mittelstadt， “A Right to Reasonable Inferences： Re-thinking Data Protection Law in the Age of Big Data and AI”，Columbia Business Law Review， No.2， 2019， pp.494-620.