以人工智能破解政策執行難題的幾點思索

〔摘要〕多年來，我國政策執行都面臨著人力、情面、決策和體制等難以克服的難題。而當前人工智能的日益成熟，已經為破解這些政策執行難題提供了現實可能性。在政策執行領域引入人工智能，需要在如下幾個方面進行努力：升級政府智能服務平臺，建立智能化政策執行系統;建設大數據系統，構建政策執行的海量數據庫;構建優質算法，形成算法森林;建立完善人工智能執行系統的監管機制和問責機制。在建立智能化政策執行系統方面，既要確保決策執行的科學性合理性，又要實現決策執行的自動性流暢性和高度智能性，因此，在關鍵的決策點、執行點的啟動時機及行動方式上需要精心構建。

〔關鍵詞〕人工智能，政策執行，執行系統，大數據

〔中圖分類號〕D630 〔文獻標識碼〕A 〔文章編號〕1004-4175（2021）06-0058-10

一、問題緣起：難以破解的幾個政策執行難題

提升政策執行力一直都是各級黨委和政府的重要任務。近年來，各級政府在打造高效執行力方面取得了一定的成效，促進了社會發展和人民生活的提高。然而，當前我國仍然存在著阻礙政策執行力進一步提升的難題，需要破解。隨著人工智能技術日益成熟，我們已經到了運用人工智能技術破解政策執行難題的時候了。具體來說，我國各級政府中存在的制約政策執行力提升的難題有這樣幾個：

（一）受人員能力制約的“人力難題”

“人”是政策執行的核心要素，政策執行的其他要素如管理體制、執行資源、執行技術、執行方法都必須通過“人”（執行人員）才能發揮效用?！叭恕钡臄盗俊⒁庠?、能力決定著執行力的水平高低：執行人員的數量足夠、執行意愿強、能力高，執行力就較高;反之，執行人員數量不足、執行意愿低、能力弱，執行力就較差。而執行人員的內在利益需求則起著原始的動力作用，影響著執行人員的執行意愿和能力。一些政策執行人員在非理性的個體利益考慮下，可能會出現敷衍執行 、拒絕執行甚至對抗執行的現象，而在一些地方政府內部，“下級對上級政策往往以自己的利益損益值作為對策參考，得益越多，越樂于執行;受損越多，越不樂于執行，乃至抵制、變換”〔1〕443，政策執行力自然受損。概而言之，政策執行力始終受制于“人”，包括人員數量、人員意愿、人員能力等，這就是本文所講的政策執行的 “人力難題”。

（二）受人情關系制約的“情面難題”

中國是一個注重人情面子的社會，交往雙方平時必須講究禮尚往來與投之以桃、 報之以李，以維系彼此間的情感關系 〔2〕。重視人情關系，能夠有效融洽社會關系，促進社會和諧。然而，過分注重人情關系卻會對政策執行力起到負面作用，行政學家夏書章早就指出，人情關系“如不能正確對待，將這種感情夾雜在政策運行中，往往就擾亂了政策的執行”〔3〕156。而丁煌也曾指出，“這種傳統的人情面子統治方式深深地影響著我們當今許多政策的有效執行”〔4〕，制約、侵蝕和干擾著政府的執行過程，起著嚴重的掣肘作用。在某些基層單位，干部很容易被“朝見口、晚見面”的親情與友情所綁架，導致政策執行行為出現扭曲。

（三）受人治模式制約的“決策難題”

人治模式源自于歷史上漫長的封建集權統治。當前，一些地方政府在政策執行中仍然存在著“唯上決策”“唯令是聽”的人治現象，削弱了下級執行人員的主觀能動性和執行主動性、積極性，造成所謂的“領導依賴”現象：“領導推一推就動一動，領導不推就不動?！痹凇拔ㄉ蠜Q策”模式中，領導的決策水平成為至關重要的因素，領導決策水平低，就很容易出現執行偏差的后果，如前些年南方某市領導曾經提出過 “禁豬”“禁人”的決策，都被人們所詬病。

（四）受行政體制制約的“體制難題”

行政體制是政府機關運行必備的核心要素。盡管我國近年來不斷改革行政管理體制，但所謂的“科層化溢出效應”依然存在。由于強調政府的層級結構與專業分工，有些地方政府的上下級組織及橫向部門間存在著協調、信息、合作、監督等諸多方面的障礙，政府組織間摩擦現象普遍〔5〕72，政策執行人員在執行相關任務時的請求匯報環節眾多，部門協調困難，乃至于出現手續繁瑣、公文旅行以及相互扯皮、相互拆臺的現象，直接降低了政策執行的效率。

二、現實可能：人工智能為破解政策執行難題提供了可能

AI （Artificial Intelligence）普遍翻譯為“人工智能”，有人認為是“用電子計算機模擬或實現的智能” 〔6〕1，馬云則堅定地認為AI應該翻譯為“機器智能”而不是“人工智能”①，也有人認為叫作“智能機器”更恰當，原因是“人工智能是能夠在各類環境中自主地或交換地執行各種擬人任務的機器”〔7〕63。中科院院士、中國人工智能學會理事長李德毅認為，人工智能就是“機器人與智能系統，也就是各種各樣的機器人、智能制造、智慧城市、智慧醫療、智慧金融等”〔8〕。不論人們如何看待人工智能，它都在深刻地改變著人們的工作與生活，成為當前不爭的現實，各主要發達國家已把人工智能提升到國家競爭戰略地位上來。雖然人工智能的影響有兩面性，但關鍵在于如何運用。如果運用得當，完全可以幫助我們破解政策執行的難題。

（一）人工智能有助于克服政策執行的 “人力難題”，在某些方面高效替代人力執行工作

人工智能在以下方面具有不可比擬的優勢，能夠彌補人力之不足。

人工智能不但可以替代部分人類工作，而且可以在執行某些任務上超越人類能力。1997年電腦深藍擊敗國際象棋冠軍卡斯帕羅夫，2016年機器人阿爾法多次擊敗圍棋冠軍李世石，都充分說明智能機器可以在某些方面超越人類能力。目前人工智能已經在數據應用、搜索信息、翻譯、人臉識別、棋類博弈、無人駕駛、AI金融等多個領域超越并替代人類工作，而通過引入和應用數據挖掘、機器學習、計算機視覺、知識處理系統、自然語言理解和自動程序設計等多個復雜技術，人工智能將在越來越多的領域超越人類能力并能夠被用來執行更為復雜的任務。

人工智能可以突破人類的局限，忠實地執行并完成任務。人類存在生理局限，人腦的信息存儲量有限，認知有限，工作久了身體會勞累、會厭煩，而人工智能卻可以通過機器學習和精準算法，突破信息存儲局限和認知局限，并且可以無休止地不知疲倦地快速工作，沒有生理局限的困擾。在忠實執行既定任務方面，人工智能這種“機器”更有著人類所不具備的優勢，只要向其輸入必須執行的特定任務和執行規則，智能機器就會按要求堅定執行，直至任務完成，不會受外界干擾，也不會受到 “人力困境”中個人能力、意愿、心態、責任心、疲勞度的影響，從而確保執行力的達成。

人工智能的迅速發展，為政府引入人工智能提供了條件。當前我們正在由“弱人工智能時代”邁向“強人工智能時代”，人工智能技術日益成熟，在實踐中的應用也越來越多。一些先進企業如海爾、富士康已經在生產車間大量使用智能機器人代替人力工作，同時這些企業也廣泛研制和應用產、供、銷一條龍的智能執行系統，實現自動接收和處理訂單、實時庫存配送、實時計算、實時回復，實現自動生產、自動裝貨、自動出貨等。由阿里巴巴集團打造的釘釘管理系統可以在考勤、日志、智能報表、審批、通知、公告等方面實現自動化，如在審批方面，可實現隨時隨地申請和隨時秒批，即“零等待”。由此可見，運用人工智能管理公共事務、執行政策任務的條件已相對成熟。隨著機器學習能力的增強、計算機視覺與語音語言處理技術的日益成熟，人工智能的智能化程度將越來越高，也將越來越能夠部分替代政府人員執行工作。事實上，近年來各地政府已相繼引入人工智能，如杭州的“城市大腦”、上海的“一網通辦”、深圳的“智慧城市”、北京的“最多跑一次”，均取得較好實效。

（二）人工智能有助于規避 “情面難題”，減少政策執行的外在干擾

早期的研究專家多認為人工智能沒有思維與意向，只會按事先規則行事。如維特根斯坦在其著作中自問自答道：“機器會思想嗎？它會疼嗎？” “機器當然不會思想！”〔9〕174塞爾也認為，人工智能只是“機械式的程序，是不能產生意向性的”，它“并不是思維機器”?！?0〕203-204而侯世達則明確指出，“機器所表現出來的意向是事先已明確化的人類程序員的意向， 或是依照程序員所指定的規則從這些意向中導出的子意向”〔11〕905。 人工智能不具有意愿、沒有明確的意向，只要事先設定“執行意向”的這個“程序員”屬于設定執行任務的“人”或機構，那么，機器就會完全按照這個既定執行意向堅定不移地執行下去，直至完成。

人工智能也不會產生情感活動，李開復就指出，“雖然人工智能可能在大部分工作上高出人類一籌，但人工智能卻沒有情感，沒有愛”，“阿爾法狗或許能在圍棋比賽中擊敗世界冠軍，但它無法從勝利中感受到喜悅，也不會在勝利后產生擁抱所愛之人的渴望”?！?2〕人工智能雖然也叫“人”，但它終究不是人，所以不會有人的情感，也就不會有人情面子這樣的心理活動。因而，用人工智能執行相關任務，可以輕而易舉地破解政策執行中的“情面難題”。

人工智能還具有情感中立性、客觀性的特點。人類的價值觀和情感會影響數據的獲取與分析加工，這也是不同調研方法（人力和人工智能）在分析同一調查問卷時會得出截然不同的兩種數據和結論的原因。相反，人工智能“數據信息的客觀性、要素抽取標準的一致性、算法建模的統一性以及決策方式的標準化，保障了算法決策的中立性、客觀性，從而可以有效避免人類決策的偏見性”〔13〕。人工智能在政策執行中剔除人的價值觀和情感因素，從而可以有效獲得和分析客觀數據，這就能夠為政府的行動方案和執行決策提供科學依據，有效提高決策質量。

（三）人工智能有助于破解“體制難題”，突破政策執行的瓶頸局限

基于互聯網技術人工智能時代的到來，必然會導致社會權力結構的多元分化，導致多中心社會治理格局的出現。而將建基于互聯網和大數據基礎上的人工智能運用到政府管理中，可以有效促進政府的“扁平化”和“去中心化”，減少政府層級節制，從而突破繁瑣的官僚風氣，減少因權力龐雜而導致的執行效率問題。人工智能有助于破解政府的“體制難題”，主要有三個理由：其一，將人工智能嵌入政府的管理系統中，必然要求將各個不同層級政府及部門的海量數據輸入到統一的智能系統中來，也必然要求建立統一的部門協調規則和執行規則，并由人工智能統一指揮、統一協調，這樣就使得多部門的溝通協調變得簡單，甚至變得不必要。其二，建立一個可以指揮協調各政府部門的統一的人工智能系統，可以有效打破部門行政壁壘，減少部門摩擦，規避部門協調難題，有效提高執行效率。其三，人工智能可以實現多節點聯動和自動化執行，減少執行環節，縮短乃至優化政府辦事流程，真正解決政府“體制難題”中的流程冗長和效率低下問題。

從實踐上看，當前各地推進的政府智能化服務平臺都較為有效地破解了政府的“體制難題”。在沒有建立智能化服務平臺之前，民眾要到政府機關辦事，往往要往返很多部門，耗時費力，效率很低，即使有些地方政府推出了“一站式”行政服務中心，但也由于各部門信息沒有對接、分別審批現象普遍，民眾辦事仍需等待較長時間。而在建立智能化服務平臺之后，各部門的數據與審批權限得到了統合，部門間協調與部門審批問題不再存在，“實時答問、一次性快速辦妥”變成了現實，這大大提高了政府的辦事效率。

（四）人工智能有助于解決“決策難題”，提高政府的決策能力

人工智能可以存儲和分析海量大數據，提高政府決策的科學性。傳統上，由于各級政府收集數據來源有限，收集渠道和處理方式單一，數據的質量和數量都有限，政府決策容易出現偏差。而借助于大數據技術及復雜算法，人工智能可以有效收集和存儲大數據，也可以有效分析數據和處理數據，為政府的決策提供科學依據，有效提高決策質量。

人工智能可以運用優質算法，提高政府決策的速度與精確度。谷歌高級工程師王晶就指出，人工智能之所以能夠進行精確決策，除了有海量數據的保障外，最重要的原因就是“計算機產業的發展提供了足夠的計算力，使我們能夠運行一些復雜的人工智能算法”〔14〕。通過創建綜合決策樹算法模型，智能機器可以從大規模數據中發現普遍規律并尋得最優對策，從而對政府的執行事務作出科學判斷和科學決策。從這個意義上來講，人工算法可以“在特定情況下采取最佳行動，對數據作出最佳解釋，這種算法往往起到增強或取代人類的分析和決策作用”〔15〕。

人工智能通過建立專家系統，可以實現對復雜問題和專業問題的科學決策。“專家系統是一個智能計算機程序系統，其內部具有大量專家水平的某個領域知識與經驗，能夠利用人類專家的知識和解決問題的方法來解決該領域的問題”〔16〕。專家系統可以依靠某個領域或多個領域專家的知識經驗及推理、判斷和決策模型，根據實際數據/信息的變化向人們提供多元、多維、多向的科學決策方案，從而確保決策的正確性。

杭州的“城市大腦”正在逐步建設成為城市的智能中樞，通過圖像識別、數據匯總、實時計算分析，讓人工智能控制和管理城市的交通、能源、供水、安防、城建等，還“可以對整個城市進行布局實時分析，自動調配公共資源，修正城市運行中的缺陷，最終將進化成為能夠治理城市的超級人工智能”②?！俺鞘写竽X”是政府與企業合作運用人工智能進行公共決策的有益嘗試，目前來看效果良好，這將給各級地方政府建立人工智能決策系統提供極佳的參考案例。

（五）人工智能有助于提高政策執行效率，提升執行有效性

有關數據顯示，通過自動化計算機執行的常規任務，“在全球低端范圍內每年可節省 9670 萬個小時和 33 億美元，在高端范圍內每年甚至可節省12 億個小時，并因此省下411 億美元”〔17〕。從實踐上看，人工智能以實現自動化、機器化、高效化為基本特征，已經在多個領域有效地提高了工作效率與生活效率：在生活領域，電子支付、智能家居、掃地機器人、共享單車等應用，大大提高了人們的生活效率與生活質量;在經濟領域，工業智能機器人、物流智能管理系統、智能安保系統等應用，極大地提高了企業生產效率，降低了制造成本;在社會領域，智能社交軟件（如微信）、智能醫療系統、智能購物平臺等應用，有效提升了社會效率。目前IBM公司研發的“沃森”智能醫療機器人已經可以在10分鐘內（比人工快1000倍）診斷出癌癥病人并迅速找到最佳治療方法。沃森不但在醫療領域嶄露頭角，而且已在金融、娛樂和零售等領域輔助許多人工作。IBM首席執行官羅梅諦（2016年）宣稱，“在未來五年內，沃森將成為人們的助手，屆時無論是企業還是個人，他們的每一個重要的決定都將在沃森的幫助下完成”〔18〕。

在政府領域引入人工智能執行系統，并強化其自動化執行、自動化監控和自動化修正等功能，可以有效減少政府在監控、獎懲方面的局限性，促進政策執行效率的提升。據報道，“城市大腦”2016年9月在杭州市蕭山區進行了初步試驗，道路車輛通行速度平均提升了3%至5%，部分路段提升了11%〔19〕; 深圳市政府2020年推出的“秒報秒批一體化”模式，實現了無需人工審核的真正的瞬間“秒報秒批”;上海市2020年啟動的 “一網統管”智能治理模式，有效地促進了城市智慧治理的升級迭代與效能提升。當前各地政府建立的智能自助政務大廳，實現一站式服務，大大減少了民眾的時間成本。有民眾說：“以前排隊一個多小時，現在幾分鐘辦完，而且一天24小時都能辦理?！雹?/p>

因而，從實踐上看，人工智能有助于在政府服務和執行事務方面提升效率。今后隨著人工智能技術的日益完善，其將在更多方面更廣領域促進政策執行效率的提升。

三、路徑選擇：推進政策執行智能化建設

目前政府領域的人工智能建設滯后于經濟社會領域?？梢哉f，經濟社會領域人工智能的發展為政府推進人工智能建設提供了很好的經驗和基礎性條件。當前，可從以下方面著手推進政府人工智能執行系統建設。

（一）升級政府智能服務平臺，建立智能化政策執行系統

奧萊立最先提出了“政府服務平臺”的理念，從而將平臺模式擴展到政府治理領域〔20〕，世界上主要國家目前也正在致力于建設政府服務平臺并取得較大進展。在我國，2018年國務院就專門出臺了《關于深化“互聯網+政務服務”推進政務服務“一網、一門、一次”改革實施方案》，為各地推進智能化政府建設提供了非常好的政策條件。今后要進一步優化提升各地政府政務服務平臺的智能化水平，提高智能化自動化的比例。一要進一步運用新技術如語音識別技術、圖像識別技術、數據共享技術等來提升政府服務平臺的智能化水平，實現政府服務的進一步便捷化簡單化。二要擴大服務平臺執行事務的范圍，在原來的客服和辦理行政許可、辦證、行政處罰等事項的基礎上，把服務范圍擴大到包括關系民生的教育、醫療、社保、安全、交通等絕大多數事務上來。三要升級改造政府的各種辦公系統（如OA平臺）和政務平臺，提高其自動化水平，促進人—機的無縫銜接，如在諸如考勤、通知、文件送審、審批、資料、命令下達、監控、考核等大部分政府辦公事務上實現智能化自動化。同時，還要建立政府管理（監管、服務）的自動感知、智能識別和自動執行（實施、管理、監控、服務）系統，提高其自動化智能化水平。四要建立政府智能化執行系統，打造智能化政策執行流程。安徽省扶貧辦2017 年建立的基于人工智能的扶貧平臺，不僅可以精準地找到最需要扶貧的對象，還可以自動在省內乃至全國匹配到最合適的扶貧項目〔21〕;河北省法院2016年開始建立智能化執行辦案系統，全省192個法院已統一應用該系統執行各類案件，“有效地減輕了法官工作量，縮短了執行案件辦案周期，提高了工作效率”④ 。各級政府可在借鑒上述經驗及海爾OEC管理系統的基礎上，設計出一套全流程自動化的政策執行系統，如可按照“設定目標→制定計劃→籌劃資源→決策→實施→監控→評估→修正→總結”的流程設定政策執行的自動化程序。自動化執行系統的建設可采取從點到面、由易到難、逐步推進的方法，先開展試點，再擴大范圍，最終實現大部分政策執行事務均可運用人工智能自動化執行落實的目標。

（二）建設大數據系統，構建政策執行的海量數據庫

海量大數據是人工智能運行的基礎性條件。哈佛大學心理學家斯蒂芬·平克認為，“AI的進步不是來自于對于智力機制的理解， 而是來自于處理速度更快、能力更強的芯片和豐富的大數據”〔22〕26。人工智能雖然并不能使機器像人一樣思考，也并不是有較高的智能引入，但海量大數據的建立與芯片的完善則使得人工智能可以進行優質決策和處理問題。

如圖1所示，構建政策執行數據庫的步驟是：采集→整合→分析→服務。目前，需要采集的數據可大致分為基礎數據、政策專題數據、社會數據、實時監測數據等四大類。構建政策執行數據庫需要注重以下幾個方面：一要充分用好用足政府各部門的統計數據（包括基礎數據和政策文件數據），打通各地各政府部門及社會間的大數據系統（如各領域的統計數據），實現信息共享，切實解決當前存在的“信息孤島”和“數據煙囪”的問題，解決平臺數據口徑不一的問題，實現統計口徑的統一。二要運用物聯網的感應設備、影像設備等先進技術，實時監測、實時采集數據，實時充實政策執行的大數據系統。三要依靠社會力量，特別是將著名企業的數據充實到大數據系統中來。有些企業的統計數據，如百度的搜索指數、淘寶的價格指數、360 的企業誠信指數等，雖然在全面性、權威性方面不如政府的統計數據，但卻在實時性、超前性方面具有優勢，可盡量予以采用。四要充分利用互聯網數據，特別關注頭條、微信、抖音、微博、知乎、豆瓣等公眾網呈現的熱點問題、群體行為、公眾情緒及事件信息（包括群體性事件、災害事件、輿論事件等），并及時將之數據化，充實到大數據系統中。五要建立優質大數據分析和處理系統，對政府采集到的大量數據進行分類組合與處理，進行深度挖掘與分析，為政策執行的不同階段提供適宜可用的數據。

（三）構建優質算法，形成算法森林

算法是人工智能的關鍵，優質的算法森林則是智能系統的重中之重。何為算法？汝緒華認為：“算法（Algorithm） 指的是解題方案的準確而完整的描述，是一系列解決問題的清晰指令，算法代表著用系統的方法描述解決問題的策略機制?！薄?3〕智能算法依靠其存儲數據、收集數據和精細計算的優勢，能夠改變政策執行中人力計算的被動、滯后和低效困局，有效實現大數據計算秩序與現實政府行為的“交疊”，同時憑借其自動化特點，促進人工操作向機器“自主計算”的轉變。優質算法可以支持高效決策及執行。袁岳指出，借助于優質算法，“只要有一定數量和條件的政務數據輸入，就能形成一定的分析成果、判別結果、行動對策與預測預警信息，從而支持高質量決策判斷與決策執行”〔24〕。

構建政策執行算法主要有六個步驟（參見圖2）。第一步是區分不同的場景類型。要將政策執行中可能遇到的場景作詳細分類，如可分為制定計劃、籌劃物資、人員調度、場地巡視、監察評估等不同場景。要盡可能按部門按類別詳細區分可能的場景，分類排序，力求概括準確。第二步是羅列相關場景中的事項和問題，尤其是要羅列決策事項和問題，避免遺漏。可以請教那些有多年工作經驗的政策執行人員和相關的政策業務人員，讓他們對所羅列的內容進行補充和完善。第三步是構建初步算法。首先，從相關的法律法規、制度、流程、模式、經驗、做法、倫理出發，構建合規合理的算法邏輯;其次，從這些算法邏輯出發，由各部門各工作崗位經驗豐富的政府人員針對不同的事項/問題細目一一提出初步算法方案;再次，由相關法規人員、領導對初步算法進行法規、流程和倫理等方面的審核和公示;最后，由程序技術團隊將其轉化為軟件化的算法模塊。由于政策執行事項/問題眾多，共性的事項/問題可以設置共性的統一算法，差異性事項/問題則可以在遵守法律法規的基礎上，形成差異化的甚至創新性的算法方案。第四步是進行算法訓練，即對初步算法進行數據測試和調整以提高其精度的活動。要利用真實場景的數據對初步算法進行測試，比如變換不同狀況輸入規定數據以求出相應的算法計算結果，在此基礎上對不太理想的算法進行調整優化，經過多輪測試調整后就可以把算法精度提高到理想程度。第五步是實踐試用和評估優化。經過算法訓練之后的算法并不能立即大范圍投入使用，還要在小范圍的實踐中進行試用，經評估確認效果較好后再經優化精進便可正式投入使用，而效果不太好的初步算法則還需要繼續修改并再進行算法訓練。第六步是建立算法森林。為數眾多的決策算法匯集在一起，就形成了算法森林。算法森林是算法的集合，但又不是簡單的集合，是相應算法按照一定的邏輯組合起來的算法集合。實踐中，當形成算法森林后，只要有相關的數據輸入，算法森林就會進行判斷分析并確定其歸屬類型及細目，最終又歸屬算法進行計算決策。

（四）建立完善人工智能執行系統的監管機制和問責機制

智能執行系統在政策執行中是否會出現執行不力、執行偏差的現象呢？當然會有。究其原因，一方面可能是智能執行系統不完善所致，另一方面可能是政府機構及人員失誤或失職瀆職所致。因此，有必要建立專門的人工智能監管機構及問責機構。如何追責？有學者認為，智能系統及算法出現問題，不宜追究算法系統責任而應主要追究政府機構責任，“對政府機構的追責恰恰是倒逼政府主動參與或監督系統設計、實施和測試的有益嘗試，這對于提升算法決策的科學性和公正性具有積極意義;同時，由于政府屬于算法的購買方，其還可以通過事后追償或者更換供應商的方式激勵算法供應商提升算法決策的可靠性”〔13〕。上述觀點具有一定的參考意義。

建立人工智能系統的問責機制，首先要解決“責任鴻溝”問題，解決“到底是算法的失誤，還是工作人員的錯誤判斷 ”〔25〕問題 。若是因為政府工作人員未按算法系統的指令行動從而導致出現政策執行不力和執行偏差的問題，那么毫無疑問，問責對象就是政府工作人員。不過，智能系統既然是以自動化為基本特征，人的直接操作行為減少，由“人”——政策執行機構及人員的失職瀆職導致的政策執行問題應該不會很多。若是政策執行不力及執行偏差的直接責任者是智能系統及算法，比如因為智能系統及算法存在漏洞和不完善導致政策的執行問題，那又如何追究呢？美國公共政策理事會就此指出，“應用算法的機構即使對算法的結果不能作出合理的解釋，但是也應該對采用算法作出的決策負責”〔26〕。通俗一點講，就是“誰設計誰負責”“誰主管誰負責”，算法及系統的設計者和管理者必須對算法的漏洞負責，他們都應該是問責對象。問責對象有責任確保系統算法的合法合規和完善高質，除了必須確保算法遵從于相關的法律規范外，還要通過算法訓練來提高算法的精度。同時，算法管理者還要對初步算法進行系統全面的法規審查及公示，發現問題要立即修補。對于已經運行的智能系統及其算法，可定期聘請專業的監督機構進行獨立年檢和依法審計，以堵塞漏洞。

對算法及系統問責的難點在于對算法系統的“自我進化”決策的問責。很多智能系統的初始算法由人為設定，但隨著“機器自主學習”，算法系統會在學習模仿前期成功案例及試錯改錯中獲得算法編造能力，并通過對現實的觀察和思考來自主設定新算法，然而“這種產生知識的原理、過程就成為了‘黑箱，一旦決策失誤，問責對象反而難以確定”〔27〕。盡管如此，我們也必須看到，“政府治理與算法之間存在著某種‘委托—代理關系，政府委托算法代其行使治理決策與行為，算法則被賦予了某種行政執行權”〔28〕。作為“委托—代理”關系中的一方，系統及算法的設計者及管理者都需要承擔相應的責任，這就意味著設計者及管理者有責任對“機器自主學習”獲得的新算法進行審查。不過，由于智能系統及算法構建都屬于創新探索的新事項，從鼓勵創新的原則出發，應該給予相關責任者一定的豁免期，如頭兩個月（或半年）可豁免算法設計者的設計責任，不予追究，但要求及時糾正錯漏，豁免期結束后若出現錯漏則必須追究責任。這也說明在算法系統構建初期，多輪算法訓練是非常重要的。

四、愿景預判：智能化政策執行系統構建的幾點要項

建立基于大數據和優質算法基礎之上的智能化政策執行系統，是實現政策執行智能化的最重要載體，也是實現政策執行智能化的最終形式。如圖3所示，智能化政策執行系統有如下幾點要項：

（一）決策點

政策執行中有各種各樣大大小小的決策點，小的決策點如：同意（否定）申請者的請求，給予某人補助金，增加投入物資和人手，巡視工地場所，發布通知，等;大的決策點如：制定執行戰略/策略，制定執行計劃（行動計劃），調整工作重心，確定投資重點，確定引進（某項）先進技術，等等。與政策制定階段公共決策的“大決策”特性不同，政策執行階段的決策多屬于執行行動中的自由裁量權，是“小決策”，既受公共政策的大方向大目標限制，也可以體現一定的主動性靈活性。

何時啟動決策點？可以從三個方面進行考量：一是按計劃啟動，即按政策規定、政策計劃設定的時間，或按常規（約定俗成）的時間點啟動，如確定次日開始實施某行動，那么當天就是決策點。二是數據超閾啟動。數據閾值是某一系統設定的離散區間數，超出界限意味著脫離正常情況，出現新情況甚至是出現新風險。當實時監測的大數據系統中某一項或多項數據超出閾值，就要立即啟動決策點，如某項環保數據超閾、某項經濟指標超閾，或因為某個突發事件、某個輿論熱點而導致公眾情緒數據超閾，就需要立即啟動決策點。三是人為啟動，如某領導根據實際情況要求馬上開始執行某項計劃，或某行政相對人到相關政府機關請示辦理某件事項，都需要實時啟動決策點。

（二）決策方式

當啟動決策點后，智能系統必須根據不同情況確定決策方式?；诖髷祿乃惴Q策有三種模式：算法自主決策、算法輔助決策、算法咨詢決策〔29〕。算法自主決策是一種由算法完全自主決策的模式，人類完全聽命于算法，適用于常規性、機械性、重復性的工作事項;算法輔助決策是由算法輔助人類作出決策的模式，適用于人類決策占主導但需要大數據輔助決策的較復雜的事項，如社會救助對象的確定、垃圾分類重點區域的確定、重點項目經費的分配等;算法咨詢決策是算法介入程度最低的決策模式，人類決策處于中心地位，算法只起輔助作用，這類決策模式適用于需要較高自由裁量權及價值判斷的高度復雜的決策事項，如科技攻關的下一步重點工作、社會輿論事件的處置、公平分配物資的方案等。

需要指出的是，政策執行階段有些決策也有可能涉及各方利益的損益，這類決策有必要征詢相關利益主體的意見，需要體現公平性透明性原則，因此，有必要建立參與式的算法決策框架，避免“黑箱”操作，如可在算法咨詢決策中設立公眾議程（公眾調查、聽證會、協商會）和決策公開制度。對一些專業性較強的復雜決策，要通過專家系統來決策，如涉及環境發展與保護、科研技術攻關、反新型金融欺詐等問題，必須由系統交由相關的專家委員會進行專業的公開討論并作出決策。

（三）決策方案及執行指令

決策方案即為執行某項政策某項行動的行動方案，可能包括非常簡單的指令如回復、巡視、印制獎牌、罰款等，也可能包括復雜的執行方案，如以金桔為主業的特色農業發展方案、以建立覆蓋全區老人的平安社區養老方案等。決策方案確定后，系統就會自動發出一個或多個執行指令，要求系統或政策執行人員在規定的時間內按質按量地合規執行。

（四）執行方式

執行方式分為系統自動執行與人工執行兩種。一般來說，機械性、簡單性的指令由系統自動執行，可提高效率、減少錯漏及人為干預;而一些目前還無法由機器完成的事項如聯絡開會、協商等指令則需由人工完成，由系統直接通知崗位人員，要求他們限時合規執行;而較為復雜方案的執行則需要人工反饋回決策點，再進行方案的細化，以便執行落實。可在系統中建立包含有清晰工作清單的“日事日畢，日清日高”OEC執行模式。

（五）監測評估與總結提升

無論是系統自動執行，還是人工執行，其執行過程及結果，都必須接受系統在大數據支持下的監測評估。如果執行結果良好，則可由系統進行總結提升;但如果未執行或出現執行偏差、執行不力的情況，系統就會立即發出警告，同時再發出執行指令，或在反饋的基礎上調整指令和執行方案，或者要求重新進行算法咨詢決策，以改進執行工作，保證執行效果。

當前人工智能的蓬勃發展，正在日益深刻地改變著人們的生活方式和工作方式。未來各國之間的競爭，將是效率與質量之爭，而其核心則是科技之爭。我國在發展應用人工智能方面已經走在了世界的前列，將人工智能系統嵌入政府的政策執行工作中，正逢其時，也必將大有可為。但是，智能算法難以完全達到100%的準確率，數據偏差或算法漏洞都有可能導致算法風險，需要科學規避這種風險;在以算法為主的決策體系中，人類“臣服”于算法權力，而算法晦澀難懂，其設計權、話語權都掌握在少數技術專家手中，這就很容易形成“算法暴政”問題，需要避免出現這種情況;基于算法決策和快速執行等基礎的人工智能，可以顯著提高工作效率，但卻不可避免地對治理的民主化產生阻礙作用，需要在人工智能系統中體現治理民主化。

注釋：

①參見馬云：AI應翻譯為機器智能，人類把自己看太大了，http：//sh.sina.com.cn/news/k/2018-09-17/detail-ifxeuwwr5201206.shtml。

②參見趙云合：兩年前，馬云給城市安裝上了“大腦”，https：//finance.ifeng.com/c/7fjONd8g2vM。

③參見史睿雯：蕪湖市網上辦事自助服務大廳內的自助終端辦事區，http：//www.in.ah.cn/showArticle.jsp？articleID=B9DAD0CE-EDD0-4E07-84DF-016951867118。

④參見寧曉雪、李全：讓執行不再艱難 河北省法院打造智能化執行辦案系統，http：//news.ifeng.com/a/20161113/50249767_0.shtml。

參考文獻：

〔1〕張金馬.公共政策分析〔M〕.北京：人民出版社，2004.

〔2〕黃光國.人情與面子〔J〕.經濟社會體制比較，1985（03）：55-62.

〔3〕夏書章.市政學〔M〕.北京：高等教育出版社，1991.

〔4〕丁 煌. 傳統的“人情面子”觀念及其對當前政策執行的影響〔J〕.行政與法，1997（09）：46-48.

〔5〕黃德發.政府治理范式的制度選擇〔M〕.廣州：廣東人民出版社，2005.

〔6〕凱文·渥維克.機器的征途〔M〕.李碧，等譯.呼和浩特：內蒙古人民出版社，1998.

〔7〕蔡自興，徐光祐.人工智能及其應用〔M〕.北京：清華大學出版社，1996.

〔8〕小 羿.院士李德毅：講不清AI內涵的人，都是瞎忽悠〔EB/OL〕.https：//www.sohu.com/a/233747433_465984.

〔9〕維特根斯坦.哲學研究〔M〕. 陳嘉映，譯.上海：上海人民出版社，2001.

〔10〕John Searle.Minds Brains and Programs〔C〕// John Hugeland. Mind Design II： Philosophy， psychology，Artificial Intellilence.Cambridge：MIT press，1980.

〔11〕侯世達.哥德爾、艾舍爾、巴赫——集異璧之大成〔M〕.嚴勇，劉皓明，莫大偉，譯.北京：商務印書館，1997.

〔12〕李開復.人工智能可以與人類共生嗎？〔N〕. 電腦報，2018-08-20（11）.

〔13〕王文玉.算法嵌入政府治理的優勢、挑戰與法律規制〔J〕.華中科技大學學報，2021（04）：26-28.

〔14〕王 晶.人工智能的歷史和前景〔N〕. 中國教育報，2018-03-05（09）.

〔15〕Mittelstadt B，Allo P，Taddeo M.The ethics of algorithms：mapping the debate〔J〕.Big data & society，2016（02）：1-68.

〔16〕劉 毅.人工智能的歷史與未來〔J〕.科技管理研究，2004（06）：121-124.

〔17〕國脈研究院.德勤報告：人工智能如何增強政府治理〔EB/OL〕.https：//www.sohu.com/a/159177740_224692.

〔18〕譚 思.IBM CEO：沃森AI智能系統將在五年內普及〔EB/OL〕.http：//tech.qq.com/a/20161027/042770.htm.

〔19〕溯游尋.杭州城市大腦運營一年回顧 最大受益竟是緩解了交通擁堵〔EB/OL〕. http：//www.sohu.com/a/158656486_451068.

〔20〕Tim OReilly.Government as a Platform〔J〕.Innovations，2010（01）：13-40.

〔21〕胡洪彬.人工智能時代政府治理模式的變革與創新〔J〕.學術界，2018（04）：75-79.

〔22〕Steven Pinker.Enlightenment Now：The Case for Reason， Science， Humanism and Progress〔M〕.New York ： Viking，2018.

〔23〕汝緒華.算法政治： 風險、發生邏輯與治理〔J〕.廈門大學學報（哲學社會科學版），2018（06）：27-38.

〔24〕袁 岳.用好政務算法 賦能政府服務〔J〕. 群眾，2021（08）：38-39.

〔25〕牟莉娜， 陽 杰.人工智能時代的機遇與挑戰：基于算法的審計決策〔J〕.中國內部審計，2018（12）：4-6.

〔26〕Association for Computing Machinery US Public Policy Council （USACM）. Statement on Algorithmic Transparency and Accountability（2017-01-12）〔EB/OL〕. https：//www.acm.org/binaries/content/assets/public-policy/2017_joint_statement_

algorithms.pdf.

〔27〕迪莉婭.大數據算法決策的問責與對策研究〔J〕.現代情報，2020（06）：122-128.

〔28〕任 蓉.算法嵌入政府治理的風險及其防控〔J〕.電子政務，2021（07）：31-41.

〔29〕吳進進，符 陽.算法決策：人工智能驅動的公共決策及其風險〔J〕.開放時代，2021（09）：194-206+10.

責任編輯 周 榮

〔收稿日期〕2021-10-10

〔作者簡介〕莫勇波（1969-），男，廣西岑溪人，廣東財經大學公共管理學院教授、管理學博士，主要研究方向為政府執行力、政策執行。