摘要： 当今社会问题的日趋复杂化要求政府必须及时更新其决策模式， 增强其决策能力， 从而有效回应社会治理诉求。 而人工智能的快速发展及其应用领域的不断拓展为政府决策的革新提供了新的路径——将人工智能嵌入政府的决策活动， 由此便塑造了人工智能嵌入下的政府决策新样态。 本文立足于这一背景， 试论人工智能嵌入下政府决策的变革、 风险与优化对策， 以期通过理论上的阐述解释现象、 洞悉实质， 为我国人工智能时代下的政府决策实践提供参考。
自 1956 年“人工智能”这一概念被以麦卡赛、明斯基为代表的一批科学家首次提出以来，关于人工智能的研究已经走过了半个多世纪。随着目前大数据、云计算、深度学习等技术的蓬勃发展，人工智能在全球正掀起着一场深刻的技术与社会革命，持续革新着人类社会的既有样态。与此同时，经济社会问题的日益复杂使政府治理的压力不断增加，仅凭传统的决策模式已经无法有效应对纷繁复杂的社会问题，而人工智能的兴起为政府决策的优化提供了契机，人工智能的相关技术因此逐渐被运用于政府决策过程。鉴于此，本文拟从人工智能在政府决策领域运用的现实背景出发，论述人工智能嵌入下政府决策的变革、风险与优化对策，以期为人工智能嵌入政府决策的理论和实践提供参考。
1. 人工智能与政府决策的概念
人工智能和政府决策是贯穿本文论述的两大核心概念。基于本文的语境对这两个概念的阐释能够让我们充分了解其在本文中的实质内涵，进而为我们后续的分析和论证奠定基础。
1.1 人工智能
人工智能是计算机科学的一个分支，其目的是研究、开发一种能够呈现出智能行为的机器，实现在没有明确编程命令的情况下，使计算机自主采取行动。机器学习与大数据是人工智能的两大基石。机器学习是人工智能的大脑，是支持人工智能的基础算法 ；大数据则是实现人工智能算法运算的基础原料。人工智能的机器学习需要基于算法来解析和训练数据，并从现实世界中识别模式，发现趋势，进行预测和决策，在此基础上执行特定的任务。而算法即是对问题解决思路的准确而完整的描述，是一系列解决问题的清晰指令。算法代表着用系统的方法描述、解决问题的策略机制，要求在有限时间内对一定的信息输入作出反应、加以输出。 [1] 在本文的语境下，人工智能就是一种基于算法的自动化辅助决策技术系统。
1.2 政府决策
从概念上看，政府决策归属于公共决策的范畴，是公共决策的一种细分类型。公共决策是政府和社会团体等其他公共组织为了分配、增进和实现公共利益而进行的选择与确定行动方案及其活动的过程，亦即其主体既包括了政府，也涵盖了社会团体等公共组织。而政府决策的决策主体只限于政府，其与公共决策之间是个别与一般、个性与共性的关系。[2] 在本文的语境下，政府决策指的是政府在法定的职权范围内，为有效履行行政管理职责，依法处理各项公共事务，增进和实现公共利益而进行的关于未来行动的方向、内容及方式的选择或调整活动。
2. 人工智能嵌入下政府决策的变革
在人工智能的赋能下，政府决策相较于以往有着巨大的创新，充分的技术支持与广阔的治理场域令人工智能在政府决策领域得以充分发挥作用，由此也带来了一系列积极的变革。
2.1 在决策依据上，从碎片化小数据变为关联化大数据
人工智能在政府决策领域的嵌入使政府的决策依据发生了变革，从过去依照碎片化的小数据变为当前依托于关联化的大数据。所谓小数据，一方面指的是数据本身的规模比较有限，信息来源相对狭隘 ；另一方面也指数据呈现为碎片化的样态，各个数据相互孤立，无法进行综合的有效利用。而人工智能在政府决策领域的嵌入能够对政府决策所依据的数据进行统合和拓展，令碎片化的小数据变为关联化的大数据，具体而言，一是能够基于一定的关联标准对既有的一系列碎片化的、表现上看似并无联系的数据进行关联，令原有的零散数据以整体的、能够表达出某种特定意义的形态呈现，从而使数据传递出更多的隐含信息 ；二是在既有信息基础上进一步基于关联算法进行检索，抓取原始数据之外的新数据，通过对多批数据的多次关联，使得数据的规模呈几何倍数增长 ；三是对数据进行筛选、整理、分析，将数据转化为信息，从而为政府的决策活动提供科学依据。 [3]
2.2 在决策方式上，从经验决策变为算法决策
在以往的政府决策中，由于待决策事项纷繁复杂、决策信息资源有限、决策数据共享尚不完全等限制因素，政府决策者或决策班子在进行决策时为追求决策的效率经常依据过往的经验进行决策，即经常性地采用经验决策这一决策方式。虽然经验决策有时能够依托于过去的有效经验而迅速作出决策，但这种决策方式在实质上的正确性仍受限于政府决策者或决策班子的本身能力，而人脑信息处理和逻辑思维能力的有限性实际上决定了经验决策的上限。人工智能对政府决策的嵌入则可以充分弥补经验决策的缺陷，其在数据的收集整理、信息的加工处理、现状的统筹评估和趋势的模型推演等方面有着突出的优势。因此，人工智能的嵌入令政府传统的经验决策转变为立足于人工智能的、以大数据为信息基础的、以机器学习及深度学习算法为核心的算法决策。
2.3 在决策形态上，从静态决策变为动态决策
人工智能的嵌入使得政府决策的决策形态逐步从静态决策变为动态决策。静态决策指的是政府以静态的视角进行决策判断，只针对决策对象在特定时空条件下的状态进行决策；而动态决策指的是政府以动态的视角持续进行决策分析，针对决策对象在一段时期内的持续状态及其变化开展决策。静态决策与动态决策并非是完全割裂的，动态决策的不同阶段亦需要有立足于当下情形的研判和决策，因此可以说动态决策是在静态决策的基础上更加完善的一种决策形态。在过去的政府决策中，受决策成本和决策者或决策班子的能力所限，许多决策在一般情况下都是静态决策，即使存在动态决策，其时空动态范围也相对局限。人工智能因其自驱性的算法设计能够针对决策对象进行持续的、全面的数据采集，并可便捷地从历时和共时两个角度对决策对象进行动态化的分析，这也为政府决策的动态化提供了技术支持和信息基础。
3. 人工智能嵌入下政府决策所面临的风险
人工智能的嵌入毫无疑问地对传统的政府决策产生了深刻的影响，这种影响从一方面来看表现为对政府决策的革新，而另一方面却也在事实上令政府决策面临许多新的风险。
3.1 公正性风险 ：数据、算法的歧视
公正性是政府决策必须恪守的价值标准，一切政府决策都不能偏离社会的公正性尺度。但在人工智能的嵌入下，政府决策可能会面临着公正性的风险，其主要表现为数据、算法的歧视。
（1）数据歧视——大数据的不完全性
大数据是人工智能赖以运转的基础原料，是人工智能得出一切计算结果的前提。但是看似中立的大数据在实践中却往往隐含着或多或少的歧视因子，其一方面表现为大数据的数据内容获取依赖于智能电子设备的运用和互联网的普及，亦即只有对互联网覆盖度高、智能电子设备应用率高的人群或地区来说，人工智能的大数据采集才是近乎完整的，而在互联网覆盖或智能电子设备普及尚不完全的地区或群体中，人们的各项数据却难以被人工智能所抓取，这就导致人工智能的运算往往会忽略这一部分地区或群体的实际状况。 [4] 另一方面，大数据在实质上延续了现实社会的歧视因子，反映着人们的主观偏见。
（2）算法歧视——算法研发者的价值倾向反映
算法是人工智能得以运转的基石。人们在过去往往认为算法运算相较于人而言是客观中立的，但在事实上，算法在被编写、研发成型的过程中难免会受到算法研发者价值倾向的影响，亦即算法研发者的价值观乃至偏见都会反映在写入的代码上。 [5] 算法本身具有隐匿性的特点，加之政府的行政人员大都不具备相关的计算机技术，这就导致一旦算法研发者在人工智能算法中有意识或无意识地加入自身的价值倾向甚至是某种偏见，那么由此造成的算法歧视将会持续影响政府在一段时间内的各项决策，从而导致政府决策的公正性被破坏。
3.2 安全性风险 ：高度依赖的隐患
在人工智能的嵌入下，政府决策对人工智能技术的依赖逐步加深，从而导致在决策的安全性上存在着连锁错误和无隐私边界的隐患。
（1）连锁错误——机器学习的瑕疵叠加
正如上文所述，大数据本身在数据的收集上存在着不完全性，因此人工智能基于大数据得出的计算结果或多或少地会存在着一定的瑕疵，常态下这种瑕疵会被政府决策人员及时发现并予以矫正。但当政府决策高度依赖人工智能系统时，这种瑕疵可能就会被忽视。当人工智能结合过去的决策计算记录进行程序化的机器学习时，这些未被剔除的瑕疵也会被人工智能判定为应当学习的内容，并在下一次的决策运算中将瑕疵的部分元素应用其中。这样一种机器学习过程就导致一开始的局部瑕疵在人工智能的不断学习下重复叠加，不断扩大，最终可能引发决策运算上的连锁性错误，从而严重影响政府决策的安全性。
（2）无隐私边界——数据采集的泛化
政府在决策中对人工智能的高度依赖可能会逐渐诱发出一种“数据至上”的决策观念，认为一个正确的决策必须要有绝对充分的数据支撑。在这种观念的推动下，人工智能的数据采集活动会逐渐失去约束，数据采集的范围将逐渐模糊、扩大，最终造成数据采集的泛化。在这种决策环境下，社会成员为了使自己能够被纳入人工智能的运算范围，只能坐视自己的数据权利被人工智能的数据采集所逐渐侵吞，而个人隐私的价值也被数据采集的决策意义所消解，隐私数据与其他数据一同作为被采集对象而存在，从而造成一种无隐私边界的情形。
3.3 权力性风险 ：权力与责任的偏离
人工智能的嵌入使得影响政府决策的因素复杂化，算法权力和技术权力逐渐改变传统的决策权力的格局，使之与原有的责任配置方式发生错位，从而造成权力与责任的偏离。
（1）算法权力——责任追究困难
人工智能在政府决策活动中的深度嵌入与广泛应用在实质上赋予了算法一定的决策权力，政府在决策中对人工智能的依赖越深，人工智能算法的权力就越大。当政府全然基于人工智能的算法运算做出一项决策时，如果决策出现了失误，那么有关方面将面临着责任追究上的困难。从因果逻辑的角度看，在部分责任归于政府决策者的前提下，由于政府决策者是依据人工智能的算法运算结果作出决策的，因此决策失误的主要责任似乎还应当由驱动人工智能的算法或算法研发者承担。但一方面，由在本质上作为代码指令存在的算法来承担责任显然不具有可行性 ；另一方面，算法研发者只是通过算法设定了人工智能的自主学习规则，而人工智能在算法驱动下的决策都是基于对实际数据的学习作出的，这些数据资料来源于特定时空条件下的现实情况，和算法研发者的意志并无直接联系，因而也不宜追究其责任。
(2) 技术权力——责任份额模糊
人工智能技术在政府决策领域的嵌入实际上意味着政府与互联网巨头公司的合作。现代的人工智能技术很大一部分都来源于互联网科技公司，相关的研发专家也多由这些公司所掌握。因此可以说，在人工智能嵌入下，政府的每一次决策在根本上都与提供技术和专家的互联网科技公司有关，这些科技公司实质上掌握着技术权力。但在责任角度上，现行责任配置方式对技术权力的责任份额界定是模糊的，当政府决策出现失误时，如何界定互联网科技公司在决策失误中的责任份额也成为了一个突出的问题。
4. 人工智能嵌入下政府决策进一步优化的对策
本文立足于人工智能嵌入下政府决策所面临的公正性风险、安全性风险和权力性风险，分别从维护决策公正性、保障决策安全性、提高决策可责性三个角度给出可行的进一步优化政府决策的对策。
4.1 矫正数据与算法歧视，维护决策公正性
在人工智能的嵌入下，政府决策面临的公正性风险主要来源于数据资源和算法架构中隐含的歧视性，因此及时矫正数据与算法的歧视是实现决策公正、优化政府决策的关键。要实现数据与算法歧视的矫正与治理，一方面需要进一步推进互联网和智能电子设备的全域性普及，亦即政府既需要重点关注欠发达地区尤其是部分农村的互联网普及情况，又要注重在以老年人为代表的“技术贫困”人群中推进智能电子设备的教学和使用，从而提高人工智能大数据采集的完整性，规避地区间、群体间的数据歧视 ；另一方面政府需要加强人工智能算法领域的职业伦理建设，增强对算法研发者的职业伦理教育和对算法成品的价值倾向审查，从而避免因算法研发者的主观价值倾向造成人工智能算法上的歧视，努力维护政府决策的公正性。
4.2 明确人工智能的辅助定位，保障决策安全性
政府决策领域的人工智能技术嵌入必须遵循以人为本、为人服务的价值导向，其效用的发挥必须被定位于辅助政府决策者进行决策，而不能无序扩张。人工智能在机器学习上可能导致的连锁错误和数据采集上可能造成的无隐私边界导致人工智能嵌入下的政府决策面临着安全性的风险，其本质上是将人工智能的定位由辅助变为主导所带来的决策活动偏差。因此，政府在运用人工智能技术进行政府决策的过程中必须严格明确人工智能的辅助性定位，不能沉湎于人工智能的便利性而放弃人的主观能动性的发挥，完全依赖人工智能进行决策，政府决策者需要保证自身始终掌握着决策动向，拥有着最终的决策权。
4.3 优化人工智能衍生权力的责任关联，提高决策可责性
人工智能在政府决策领域的深化应用推动了算法权力与技术权力的衍生。但正如上文所说，无论是算法权力还是技术权力，其在责任配置上都尚不完善，在责任追究上存在模糊、困难的情况。有鉴于此，政府应当进一步优化作为人工智能衍生权力的算法权力与技术权力的责任关联，从而提高决策的可责性。一方面，针对算法权力，政府需要引进和培养算法领域的专业人才，基于此建立算法审核机制，形成算法技术人员定期
审核和重大决策前审核相结合的算法审核模式，同时要加强政府决策者的决策主导意识，一旦出现基于人工智能运用的决策失误，相关的人工智能算法审核人员和政府决策者需要一并承担责任。另一方面，针对技术权力，政府既可以通过技术购买与转让的方式，将互联网技术公司所具有的关涉政府决策的人工智能技术系统完全转入政府内部运作，并为之配备相应的人员，从而便于内部追责 ；也可以自己专门设立人工智能技术应用的相关部门，自主搭建人工智能辅助决策系统，将人工智能应用的主导权掌握在自己手中。 [6]
5. 结论
人工智能的快速发展令其应用的场域得以不断延伸，而社会治理的日趋复杂化又令政府决策的变革势在必行，由此，人工智能嵌入下的政府决策作为一种新兴政府决策样态因时因势地走入政府的行政活动之中，成为政府决策变革的一个方向。人工智能与政府决策的耦合的价值绝不仅仅表现在实践中的政府活动上，其在更深层次上涉及的是理论层面的探讨，即人工智能与政府决策的场域碰撞与交集为我们提供了广阔的理论探析空间。人工智能的嵌入对政府决策而言既是机遇也是挑战，但从发展的角度来说，无论是人工智能的进一步深度应用还是政府决策顺应时代发展的诉求都决定了人工智能和政府决策在其演进的路径中必将有所交汇，尽管这其中会有曲折，但随着人工智能技术的不断迭代以及政府决策模式的进一步完善，人工智能嵌入下的政府决策必将以更成熟、更科学的样态融入国家治理，推动社会前行。
【参考文献】
[1] 吴进进 , 符阳 . 算法决策 : 人工智能驱动的公共决策及其风险 [J]. 开放时代 ,2021(5):194-206+10.
[2] 王临平 . 政府决策中的公民网络参与研究 [D]. 武汉 : 武汉大学博士学位论文 ,2011:13-16.
[3] 冯锋 . 大数据提升国家治理决策水平的逻辑探析 [J]. 东岳论丛 ,2022,43(6):149-155+192.
[4] 柳亦博 , 高洁 , 李轶倩 . 人工智能参与决策对行政伦理的影响及其治理之道 [J]. 中共天津市委党校学报 ,2022,24(6):55-63.
[5] 汝绪华 . 算法政治 : 风险、 发生逻辑与治理 [J]. 厦门大学学报 ( 哲学社会科学版 ),2018(6):27- 38.
[6] 刘宇轩 , 张乾友“. 人工智能 +” 政府决策 : 挑战与应对 [J].贵州社会科学 ,2021(4):14-21.
