***总布告指出，“人工智能是引领这一轮科技革命和家当变革的计策性技能，具有溢出带动性很强的‘头雁’效应。
”人工智能的快速发展不仅推动经济社会的深刻变革，同时也为政府决策模式的变革供应了新路径，对付建立健整年夜数据赞助科学决策机制、全面提升政府决策科学化民主化水平具有主要意义。

信息是决策的根本，但信息规模越大，构造性越繁芜，意味着处理难度也越大。
与人类决策比较，人工智能技能可以更加高效、快速、准确地搜集和处理海量非构造化数据，并将主次抵牾、因果关系、约束条件等呈现出来，为确定政策目标供应有代价的参考，便于决策者把握决策需求、认清问题症结、抓准紧张抵牾、科学制订对策。

人工智能的机器学习方法可以通过剖析数据中的模式和规律，自动演习和仿照模型，更加精准地预测潜在问题和风险的发生概率、繁芜性与严重程度，事前预估不同政策方案履行后果，从而帮助决策者设置政策议程、优选政策方案。
同时，人工智能的自然措辞处理技能和文本情绪剖析技能使政府与"大众年夜众可利用笔墨、声音、图片等多种形式进行互动，这不仅拓宽了"大众年夜众参与决策的渠道，还丰富了政府回应民众诉求的路子，提高政府决策的透明度。
政府还可利用打算机识别技能和深度学习技能对海量民意进行识别、整理、剖析，理解"大众共同的利益诉求、把握“最大公约数”，进而制订更符合民意的政策，实现代价聚合，提高政府信赖度。

只管人工智能提高了政府的决策能力，但也给政府决策带来诸如决策失落灵等干系问题。

一是公正性风险。
公恰是政府决策的核心代价之一，但数据偏见和算法偏见使人工智能赞助政府决策面临公正性风险。
一方面，大数据虽是海量数据，但却不是全数据。
与空想化的全数据比较，大数据反响的现实是不完备的，例如，一些数字素养较弱群体的数据信息就难以被人工智能抓取。
在带有“参与者偏差”的不完备数据根本上进行的决策可能会延续数据本身蕴含的代价偏差，加剧社会不公正。
另一方面，算法决定了海量数据的运用方向及其打算效果，而算法设计过程中难免受到研发者代价方向的影响。
当前绝大多数算法由经营主体开拓，其代价导向与公共部门未必完备同等，加之算法黑箱的存在使政府决策的公正性难以得到有效担保。

二是安全性风险。
利用人工智能技能赞助政府决策常日须要网络大量数据，个中包含涉及个人隐私、商业机密、国家安全等敏感信息。
有些信息单个或少量的存在并不敏感，但海量汇聚和挖掘剖析后可能具有一定的敏感性。
如果这些数据未能受到足够保护，可能会造成数据滥用乃至透露，不仅危害个人和企业的隐私权，还可能对国家安全构成威胁。

三是伦理风险。
算法和技能的加入使政府决策的影响成分日益繁芜，原有的权责配置发生变革，造成任务主体虚化，带来伦理风险。
利用人工智能赞助政府决策在一定程度上授予了算法与技能决策权，一旦涌现算法失落灵，就会导致决策失落误，公共利益受损。
由于人工智能算法并不拥有任务主体地位，因此，决策失落灵的任务深究和政治问责涌现困境。

为戒备人工智能技能给政府决策带来的风险，更好地推动人工智能赋能政府决策，须要在核阅现行决策模式和制度根本上，针对人工智能技能的特点，采纳多方面方法。

一是建立参与式算法决策框架。
公共的代价不雅观既包括决策结果的公正公道，也包括决策过程的公开参与。
为化解因数据偏见和算法偏见带来的公正性风险，一方面，吸纳政策利益干系主体代表参与算法设计与构建，提高算法的公开性和透明性，将公共代价融入到算法设计中去。
另一方面，加强对算法决策的前期审核与后期评估，建立人工智能赞助政府决策的伦理审查机制，组织技能专家、"大众年夜众和协会等定期参与伦理审查，戒备人工智能赞助政府决策的伦理风险。

二是加强适配算法决策的制度培植。
一方面，建立算法救援制度。
算法的不透明性与不可阐明性客不雅观上压缩了公众年夜众遭遇算法不公时的申说与反馈渠道。
为此，在制度上保障公众年夜众的知情权、选择权与哀求人工参与权，畅通算法决策的救援渠道，及时根据"大众年夜众见地改动算法毛病，纠正代价偏差。
另一方面，建立算法问责制度。
当基于特定算法决策严重危害"大众年夜众利益时，立即开展算法问责，清晰剖断算法开拓者、审查者和履行者任务，倒逼各方以更高代价标准开拓、审查和实行决策算法。

三是看重复合型人才的分散化储备。
兼具技能能力和决策能力的复合型人才是推动人工智能赋能政府决策的关键，可以有效降落决策职员与技能专家之间的沟通本钱，预估并规避算法决策的潜在风险。
而复合型人才在少数组织的过度集中可能阻碍技能进步，更可能导致节制人工智能前沿技能的大企业不当参与和影响政府决策。
为此，政府积极设立专门的人工智能技能部门，促进复合型人才的分散化储备，建立与经营主体的日常性互动及互助，节制前沿技能进展，增强利用人工智能技能赞助决策的主动性。

四是动态选择决策模式。
根据算法对决策过程主导性的高低，可将决策模式分为算法主导型、算法赞助型和算法咨询型三类。
虽然人工智能为提高政府决策能力供应了主要的技能代价，但目前的算法决策仍旧是一种有限理性的决策输出，还须要发挥人类决策在代价判断和自由裁量上的上风。
因此，既要在制度上明确算法决策的地位和权限，授予算法决策应有的威信，也要根据决策任务的繁芜性谨严选择决策模式，实现人类决策与算法决策的耦合协同，有效戒备政府决策风险。
（王艺潼）

来源： 学习时报