超智慧社會的智能平臺建構：智能管理的技術基礎

丁魁禮

（復旦大學公共管理博士后流動站，上海 200433；廣州大學公共管理學院，廣東廣州 510006；）

1 從科學管理到超智慧社會的管理

超智慧社會形態，是人類社會發展的高級階段，是從狩獵社會、農業社會、工業社會、信息社會發展之后的新型社會形態，形象化比喻為社會5.0。日本首先提出超智慧社會形態具有其自身的獨特背景，除了應對老齡化之外，還有提振經濟增長的意圖，丁曼［1］認為超智慧社會形態的提出是日本發展型國家的延續，是日本抵御長期蕭條的努力。川上申昭［2］認為社會5.0 與工業4.0、第四次工業革命等其他計劃相比較，社會5.0 的關注意圖不同，更加關注社會的轉型。

超智慧社會形態的提出蘊含了豐富的管理思想變革。日本德島大學教授任福繼［3］認為超智慧社會形態的核心內涵之一就是精準并有效地進行社會服務——將必要的物品，向必要的人，在必要的時候進行必要的提供。超智慧社會形態，不僅僅意味著數據量的膨脹、信息技術的高端化，不僅僅關注企業端的智能管理和政府端的智慧化，更加關注社會端的福利改進,更加關注智能成果的惠民性、可及性和智慧性。

超智慧社會形態的提出，是科學管理和行為主義這兩種理路在人工智能時代的融合。為了梳理清晰信息社會到超智慧社會的演變，有必要回顧管理思想史。就實踐中的工作類型而言，經歷了流水線工作到知識型工作，再到機器智能工作的演變。對應的管理思想主要沿著兩條理路發展和演化，一是從泰勒制開啟的科學管理路徑，無論是管理信息系統、ERP 還是近期的智慧化管理其本質上還是科學管理的范疇；二是行為主義的路徑，主要研究人性之下的人類個體和群組的行為特征，包括有限理性前提下的行為模式、非理性的行為趨向以及綜合性的行為觀察和經驗總結。當然，這兩種思潮理路也不是完全涇渭分明，赫伯特·西蒙的《管理行為》嘗試將兩者結合在一起。在大數據和人工智能技術時代背景下，這兩者的融合具有了更多的可能性。首先，在技術程序的幫助下，海量的行為數據和軌跡（包括消費行為數據、醫療數據、行車數據等）被記錄和存儲下來了；其次，借助于人類理性和邏輯構建的數據挖掘、機器學習和概率運算等智能工具，提取和概括了各種行為的數量規律、相關性和可能的趨向。

公共服務智慧供給的關鍵在于智能平臺的構建。Keidanren［4］認為超智慧社會旨在構建多系統融合的智慧系統，在產業基礎技術突破的同時，實現社會服務的智慧供給。一些國家政府也在積極轉型，英國提出數字政府即平臺，政府建立一系列跨部門的技術平臺；美國依托數字化轉型，推出開放政府計劃，實施自動化從而簡化服務流程，在工業應用領域，GE公司早在2012年提出了工業互聯網的概念，包括了制造、能源、健康護理、公共部門和交通五大領域，其運作的核心是其通用軟件平臺“Prefix”。

數據驅動智能管理和治理現代化的技術基礎是技術理性構建的智能平臺，這不僅是智慧決策的基礎，也是智慧監管的基礎之源。因此，本文從數據的自然屬性和社會屬性、算法的決策特征、技術平臺的共用性和互通互聯等方面展開分析，探究智能平臺運行的技術深層邏輯基礎，防止其誤用和濫用對決策質量和消費者福利帶來的損失。

2 超智慧社會智能平臺的數據屬性與決策環境

數據和信息始終是管理的基礎，在大數據背景下，更是如此。事件與數據的先后關系，社會化的數據屬性，以及大數據的系統特征都影響著超智慧社會技術平臺的決策環境和決策基礎。

數據的自然屬性影響著智能平臺的決策環境。數據是人類觀察的結果，或者是人類描述的現象和事實，或者是事件的數量描述。首先，沒有人類的意義賦予，是不會出現“數據”這個話語表達的，這意味著數據形式上的客觀性蘊含著內在的人類自身無法消解的主觀性，人類的觀察能力、描述能力甚至耐心等心理特征都會影響數據的收集以及數據集合的大小和質量。其次，數據是發生在觀察之后的，數據是發生在事件之后的。使用數據技術進行智慧管理和監管的決策過程中必須注意這一根本屬性，例如地鐵交通線路優化的決策。地鐵交通的日常運輸量數據是在地鐵線路規劃并開通（事件）之后才能觀察和記錄下來的，即事件在前，數據在后，地鐵線路規劃這一事件決定了事件之后數據的范疇、質量和數量特征。進而言之，人類的理性在此前已經決定了數據的集合和屬性了，在人工智能和超智慧的自動決策過程中必須時刻注意這一點，否則會顛倒決策的邏輯關系，影響決策質量（見圖1）。

圖1 數據的屬性：產生/來源與事件的先后關系

數據的社會化屬性決定了不能盲目信任智能平臺的自動決策。數據在本質是社會化的，無法脫離人的思維孤立地存在。數據的產生由人類觀察所得，數據技術是由人類開發，其中的數據分類和數據清洗都是由人來操作和完成的，因此，難以避免地出現人類的價值標準和主觀偏見影響到數據的收集方向和選擇范圍。

社會化的數據還體現在數據的分化方面。學術界曾經深入研究過信息分化問題，在區域差異和群體差異的背景下各自的信息素養和信息獲取質量出現了較大的分化和分層。同樣的，區域的不平衡、社會的分層、經濟的分化也會影響到數據的分化，即針對不同地區和不同群體的數據收集，其質量、數量、方向和層次均有較大差異，這種條件下繼續使用超智慧的自動決策技術會加劇區域和群體的社會精準服務的不平衡性，難以實現必要的時間和地點向必要的人群提供有效的公共服務和社會服務。因此，在工業化、城市化和信息化疊加的中國時空背景下，運用超智慧的自動決策技術要謹慎選擇決策事件和決策所施加的客體。

超智慧社會的智能平臺是由數據構成、數據驅動的數據倉庫。本質上，智能平臺的數據符合信息社會的規則，具有網絡效應，即高固定成本、低可變成本和低邊際成本甚至零邊際成本的特性，也即具有正反饋的馬太效應［5］。因此，數據量越大，智能平臺的客戶粘性就越大，然后進一步增加新增用戶帶來的數據量，進一步增加用戶數量，進入了布萊恩·阿瑟提出的正反饋循環。同時，智能平臺的基礎生產要素是數據，是無形的精神態產品屬性，可以無限次調用、永久保存和即時查詢。劉平［6］提出了超智慧社會所必須的數據倉庫和智能平臺，是一個整合多層次和多行業數據庫的智能平臺系統（見圖2），可以為未來智能平臺構建提供借鑒［7］。

圖2 社會5.0 實現的基礎系統和數據庫

3 超智慧社會智能平臺的數據規模與決策環境

未來智慧化管理所處的環境具有明顯的客觀世界的屬性。波普［8］在1972 年出版的《客觀知識》一書中提出了3 個世界的劃分，包括物理世界、精神世界（又稱為主觀精神世界）以及客觀世界（人類精神和思維抽象產物構成的世界）。波普［8］的客觀世界，由人類意識構建出來的客觀存在著的世界，例如建筑物、藝術品、音樂、著作和研究報告等。這些人工創造物是由創造而出，并且深刻影響著人的思想和認知，進而影響到人的行為取向、范式或規律。

智慧化管理的決策環境可以概括為默頓系統，是以默頓法則為基礎的兼具大數據和小規則（small laws）特征的決策環境［9］。默頓法則是自我實現的定律，分析的結果（認知的成果）會影響到接受認知的行為主體，例如股市，系統研究的預測走勢會影響到參與人的決策，從而對市場造成大幅度的波動。與之對應的是牛頓系統，是以牛頓法則為基礎的兼具小數據和大規則（big laws）特征的決策環境（參見圖3）。牛頓系統中的系統行為特征是直接可控的，默頓系統中的系統行為僅僅是直接可以影響的，并非直接可控的。因此，在超智慧社會運行過程中，政策制定者和實施者必須深刻理解這一默頓系統的決策環境。

圖3 牛頓系統VS.默頓系統

4 超智慧社會智能平臺的算法特征

超智慧社會智能平臺的基礎協議是由人類理性構建的技術性程序。技術程序在本質上是智能平臺制定出來的、已經形成共識的技術規則，屬于制度范疇，技術程序的使用者在操作上必須按照技術程序的操作規程實現自己的目標。因此，按照技術程序的步驟實現智慧化的社會服務，能夠回避人為的拖延、非理性的情緒作用以及一定程度上的設租和尋租。同時，嚴格按照技術程序存儲下來的海量數據，與面對面交易和實體交易不同，這些技術程序規定下的交易數據均為行為軌跡的“留痕”數據，為實現智慧管理創造了極其有利的條件。然而，技術程序的構建是基于人的理性和意志，有可能出現未意料的后果和風險，所以必須深入理解智能平臺決策基礎的算法特征。

算法隱含的假設影響著自動決策的實施。超智慧的自動決策技術所依賴的是由人所構建的算法或統計公式，這些算法均是以一定的假設條件為前提的，任何自動決策技術都不可能考慮所有的有關因素或者未知的因素，這樣會出現兩種可能：要素的遺漏導致決策無法優化；未知因素極有可能出現所謂的“黑天鵝”現象，以前在模型和算法中沒有考慮到的因素成為了主導因素之后出現了災難性后果。O' Neil［10］指出了復雜的計量模型可以使用大量的數據“說謊”。

智能平臺的算法有可能會影響消費者福利，甚至出現監管無處下手的困境。在透明的市場環境下，人工智能驅動的算法將我們帶上一條反競爭的路徑，同時，我們甚至無法察覺任何不正當競爭和壟斷行為的痕跡;一些貌似競爭的場景無非是“數字化的手”造就的，這雙算法操縱的手運用復雜的計算規則推算出了特定市場中特定產品的具體價格，躲在它背后的則是那些渴望實現利潤最大化的企業［11］。

5 超智慧社會智能平臺的互通互聯

超智慧社會智能管理的基石是構建作為多主體共用品的智能平臺，這種智能平臺是個體、企業和政府共同需要的公共品。公共品是根據public goods 翻譯而來，但是這個翻譯不確切，翻譯為“共用品”更能表達出其內涵［12］。智能平臺必須滿足共用的屬性，即使是私人公司開發的技術平臺并擁有平臺的所有權，但是不能影響共用的屬性，否則，智慧管理和治理現代化的基石就被侵蝕了。學術界和決策界困擾的信息孤島現象就是沒有厘清這種共用的屬性，每個部門各自掌握著由部門構建的數據倉庫，但是互不共享，政府機構之間也難以共用，遑論民眾和企業，那么精準供給社會公共服務就無法實現。

超智能社會的智能平臺必須實現互動互聯的內在要求。在縱向上聯結著歷史數據，在橫向上聯結著客戶端、企業端、政府端和社會端等多維端口，同時還聯結著網絡世界和現實世界（參見圖4）。互聯互通是社會更充分發展的平臺，互聯網連通性基礎設施企業正在擴張為數字帝國，谷歌以網絡瀏覽器起家，現在已經成為全球數據公用設施［13］。亞馬遜以網絡書店起步，現在已經成為全品類的、數字驅動的、用戶數超過2 億多的智能平臺。阿里巴巴在整合了客戶端、企業端的數據之后，聯結了信用數據，開發了小額貸款等金融業務，實現了全供應鏈的商業生態系統的構建。這些超級智能平臺已經具有超智慧社會智能平臺的雛形和基本面貌，但是由于是資本屬性主導，所以社會端的屬性并不彰顯，其與社會端屬性的張力和矛盾有待在監管過程中消解，所以，就當下發展階段而言，政府端、企業端和社會端的互動互聯是智能平臺構建的重中之重。

圖4 多端互通互聯的智能平臺

6 超智慧社會智能平臺的實踐雛形

超智慧社會中大量的社會公共事務有待政府端、企業端和社會端的合作，由于政府自身的計算能力和編制數量限制等制約因素的影響，政府必須與大數據和人工智能企業深度合作。

自殺干預技術平臺的實踐雛形。對于社會中自殺群體的關注，可以借助于人工智能的數據抓取和機器學習，搜尋到自殺者在自殺之前寫出的與自殺情緒有關聯的關鍵詞，建立心理學意義的關鍵詞知識庫，將這些關鍵詞匹配到網絡空間的文本之中，自動篩選出有潛在自殺傾向的個體，然后聯合政府機構和社會機構進行社會干預，當然這些工作必須在嚴格的數據和信息保密協議之下進行。Crisis Text Line 公司的探索可謂這一類型的雛形，其基本原理是利用自然語言文本技術檢索出線索，然后進行電話干預［14］（見圖5）。

圖5 自殺干預技術平臺的實踐雛形

金融大數據監控平臺的實踐雛形。騰訊靈鯤金融大數據監控平臺是一個運行良好的實踐樣本。互聯網金融興起之后也出現了大量金融欺詐、網絡傳銷的不法行為。然而政府機關由于科學家編制缺失、計算能力不足等原因導致監管能力不足，亟需和企業合作。人工智能有潛力幫助監管機構識別潛在的違規行為，并幫助監管機構更好地預測監管變化的影響［15］。騰訊靈鯤的智慧監控平臺是基于人工智能的平臺識別、基于數據挖掘的多維度信息關聯、基于知識圖譜的平臺風險指數計算和基于涉眾人數增長異常規模預警，與深圳市金融辦合作，借助于深圳市的金融數據，及早發現和識別金融異常行為。通過與深圳市金融辦合作，借助于深圳市的金融數據，提早發現和識別金融異常行為，累計監測出非法集資金融風險平臺1.1 萬家；通過與國家工商總局的合作，現在能夠有效識別和顯示整個互聯網的傳銷態勢，已經向工商部門預警了高危傳銷平臺20多家，靈鯤平臺每天預警的欺詐事件達數百萬次，涉及資金規模超過10 億元［16］。靈鯤平臺具有開放的延展性，在個體客戶端通過微信小程序實現消費者金融安全知識教育，學習防范金融詐騙的技能，同時還開放了查詢端口，能夠實時查詢金融機構的安全性。

警務合作技術平臺的實踐雛形。在警務智慧監管的實踐雛形中出現了警方與大學和公司合作的案例。洛杉磯警察局首先與大學合作，借鑒了由圣克拉拉大學的助理教授George Mohler 開發的數學模型，該模型開始是用來對余震發生的模式進行識別，從而能夠預測新的余震。犯罪數據也符合類似的模式，當某地出現了犯罪案件之后，案件發生地附近發生案件的概率比較高。洛杉磯警察局把過去80 年內的130 萬個犯罪紀錄輸入了模型。然后洛杉磯警察局與加州大學以及PredPol 公司開展深度合作，改善了軟件和算法，現在可以通過軟件來預測犯罪高發地區。合作過程中也出現了人機協調和信任的問題，起始階段警察并不相信軟件，經過驗證之后才慢慢認可了機器學習的理念，借助于不停地增加新數據，優化預測結果［17］。IBM 公司的沃森計算系統，已經變身成為了警察的超級大數據助手，亞利桑那州警察局正在與之合作，該警察局局長羅伯托-維拉森諾表示認知計算機能夠處理更多的信息，方便日后回顧、融合和整合。

7 結論

在計算能力的瓶頸已經突破的背景下，在擁抱超智慧社會未來趨勢的同時，社會各界須高度注意其智能平臺構建的技術性基礎，深刻體認智能平臺的決策環境，不能僅僅為了享受超智慧社會的便捷，而忽略掉智能平臺中數據屬性和算法假設的隱患。決策中不能忽略信息分化給不同人群帶來的附加影響，所有決策全部依賴智能平臺的后果將給低信息能力人群帶來災難。在未來政策設計中既要排除人為的社會排斥效應，也要防止造成消費者福利損失的算法假設，形成多元共治的治理格局。