基于人工智能技术的“数字政府”研究

来源:用户上传      作者:

　　
　　摘要：具有决策支持功能的“数字政府”是实现国家治理体系和治理能力现代化的重要“抓手”。将人工智能技术应用于“数字政府”将显著提升政府的决策效能。简要回顾了人工智能的发展历程，梳理了人工智能技术的关键成功因素，然后指出现有政务信息系统在支撑政府决策过程中存在的主要问题，最后介绍了“数字政府”的概念，剖析了基于人工智能技术的“数字政府”的决策支持效能和面临的挑战，并提出相关政策建议。
　　关键词：人工智能数字政府决策支持
　　党的十九大报告作出建设“数字中国”的重大战略部署，“数字政府”是“数字中国”的有机组成部分，是对传统政务信息化的改革，通过推动技术融合、业务融合、数据融合，实现跨层级、跨地域、跨系统、跨部门、跨业务的协同管理和服务，从而推进政府管理和社会治理模式创新，促进实现政府决策科学化、社会治理精准化、公共服务高效化。
　　当前，信息化时代多源的政务数据、复杂的政府业务、迅速传播的决策信息导致政府决策的难度大幅增加，现有的政务信息系统难以提供高效的决策支撑。如何提升决策支持能力已经成為“数字政府”建设中需要解决的突出问题。《国务院关于印发新一代人工智能发展规划的通知》（国发〔2017〕35号）要求“开发适于政府服务与决策的人工智能平台，研制面向开放环境的决策引擎，在复杂社会问题研判、政策评估、风险预警、应急处置等重大战略决策方面推广应用。”根据规划的任务要求，基于人工智能技术的“数字政府”应能够高效收集、整理、融合和分析海量政务数据，并自动生成支持政府决策的工作方案，成为提升国家治理能力的重要“抓手”。
　　一、三大关键成功因素驱动人工智能技术快速发展
　　人工智能是一门交叉学科，其最终目标是使得机器能够学习概念、形成抽象、提高性能、生成规划、处理随机事件、具备创造性0，即机器拥有与人类相似甚至超越人类的智能水平。人工智能发端于1950年艾伦·图灵提出的测试机器智能水平的“图灵测试”，作为一门学科正式诞生于在1956年的达特茅斯会议，在经历了两轮发展高潮和低谷后，从20世纪90年代中开始进入第三次发展高潮，标志性事件包括：1997年IBM的国际象棋机器人深蓝战胜了国际象棋世界冠军卡斯帕罗夫，2006年GEHinton提出深度学习算法，2016年，使用深度学习算法的谷歌AlphaGo以4：1战胜了围棋世界冠军李世石0。目前，基于深度学习的人工智能在诸多领域取得了突破，先进算法、强大算力和海量数据是三大关键成功因素。
　　（一）先进算法
　　深度学习是目前人工智能应用较广的算法。早期研究使用传统机器学习和信号处理技术，采用仅含单层非线性变换的浅层学习结构，函数表示能力有限。而深度学习具有多层非线性映射的深层结构，可完成复杂的函数逼近;在理论上可获取分布式表示，可通过逐层学习算法获取输入数据的主要驱动变量;采用非监督预训练算法，通过生成性训练可避免因函数表达能力过强而出现过拟合情况0。
　　（二）强大算力
　　深度学习使用多层神经网络模型等非线性映射，需要强大的计算能力支撑。早期研究中，单机CPU计算能力有限，限制了算法的学习和训练速度。近年来，一方面GPU、TPU、FPGA等硬件逐渐成熟并推广应用，单机计算能力大大增强;另一方面云计算技术快速发展，可按需灵活调配云资源形成强大计算能力。
　　（三）海量数据
　　深度学习需要大规模数据训练生成并不断优化有效模型，早期研究中用于训练的数据规模通常较小，限制了模型的优化，容易导致过拟合。近年来，随着信息技术爆发式发展，全社会信息化水平大幅提高，各类业务系统、社交媒体、移动设备、传感设备等产生了大量数据，通过采集、传输和汇聚，形成海量数据集合，可用作深度学习的样本。
　　二、现有政务信息系统难以有效支持政府决策
　　现有政务信息系统具有决策支持功能，在多个领域、多种场景开展应用并发挥了一定作用，但从整体上仍难以满足信息化时代支撑政府决策的要求，主要存在三方面问题。
　　（一）现有政务信息系统的技术机理无法模拟人的决策过程
　　人的决策过程是综合考虑各方面因素并结合个人经验和视野做出决策，这些因素既包括量化数据，也包括很多难以量化的信息，例如传统习惯、干部水平、社会需求等，个人经验和视野对决策发挥着不可忽视的作用。而现有政务信息系统的决策支持功能主要是综合使用数据库、模型库、方法库、知识库、数据仓库、联机处理分析、数据挖掘等技术，采用全自动或人机交互方式，对于给定的条件，提出决策建议，供政府决策参考，这种技术机理依赖于量化数据，而会忽视难量化因素如传统习惯等，难以模拟人的直觉思维，对很多情况可能会缺乏敏锐判断。
　　（二）现有政务信息系统的建设和优化难以获得高层领导直接参与
　　根据决策的影响范围，政府决策分为不同层次，重大决策由高层领导定夺，具体决策由普通工作人员做出，政务信息系统要想提出高水平决策建议，系统建设时需要实际决策者深度参与，系统使用时需要根据实际决策者的决策反馈不断调整完善。但在实际工作中，高层领导由于工作繁忙很难深度参与系统建设，系统建设主要是政府普通工作人员参与;建成后系统提出的决策建议往往体现的是普通工作人员的决策水平，不符合高层领导的需求，这将导致系统很难得到领导的认可和持续使用，也就没有机会进行优化升级，陷入恶性循环，系统逐渐失去生命力。
　　（三）现有政务信息系统难以获得决策需要的全部数据
　　政务信息系统可用数据的全面性和准确性直接影响着决策建议的质量，而现在政府数据共享方面仍然存在问题。一方面，由于同一主体的不同方面数据往往由不同政府部门采集、存储和管理，信息不但分散，还有很多信息项是重复的，对于共享过程中重复信息项以哪个部门的数据为准，目前没有形成统一规则，“一数一源”未能落实;另一方面，政府部门在提出数据需求时往往倾向于越多越好，而没有真正分析必需的数据项是哪几项，“数据需求”难以获得精准匹配。 　　三、基于人工智能技术的“数字政府”可提升决策支持效能
　　“数字政府”是在新技术爆发式发展情况下政务信息化的改革方向，引入人工智能技术后，可以利用人工智能技术的优势，提升决策支持效能，在辅助政府决策方面发挥更大作用。
　　（一）基于人工智能技术的“数字政府”可以模拟人的决策过程
　　基于深度学习的人工智能，其本质是利用多层人工神经网络和卷积计算，通过权值设置和反馈迭代优化计算结果，训练生成模型，完成对历史数据的学习，并在接收新输入时进行结果预测0。上述过程是在模拟人脑的学习过程，因此，从机理上看，基于人工智能的“数字政府”能够模拟人的决策过程。对于传统习惯、干部水平、社会需求等较难直接量化的因素，可以利用人工智能技术对与这些因素有关的其他数据进行学习和训练，扩大系统的训练数据范围。
　　（二）基于人工智能技术的“数字政府”可以从案例中学习高层领导的决策经验
　　通过政府以往的决策案例，可以了解决策背景、决策指令、决策效果以及有关部门反应、社会舆论等信息，可以分析各个案例的成功决策经验;并且很多决策案例会包含从高层领导到普通工作人员的各层次决策信息，可以分析各层次领导决策的关注重点。利用人工智能技术，在系统建设时可以对以往案例进行学习和训练，有效弥补高层领导没有时间深度参与系统建设的不足，保证系统提出的决策建议具有较高起点;在系统建成后可以根据领导的后续实际决策自动优化调整决策模型，不断提升决策建议水平，更好地发挥辅助决策作用。
　　（三）基于人工智能技术的“数字政府”获取共享数据具备更丰富手段
　　一方面，应用人工智能技术对各类法律法规、政策文件等进行学习和训练，可确定各数据项的数据源部门，确定本部门负责的数据项清单和需要从其他部门获取的数据项清单;另一方面，应用人工智能技术分析政策要求，实时抓取社会舆论，有助于精准确定本部门所需数据项及更新频率，识别可能的数据源部门，通过扫描分析数据共享交换平台上的信息资源目录确定数据源部门以及数据获取方式，生成数据共享交换技术方案。总之，人工智能技术将对数据共享起到促进作用，决策所需数据的全面性和准确性将得到显著改善，从而提升决策建议水平。
　　四、构建基于人工智能技术“数字政府”面临的挑战和相关政策建议
　　（一）面临的挑战
　　1算法“黑盒”挑战。目前人工智能取得的进展大多是依靠深度学习，但是深度学习本质上是一种端到端学习的“黑盒”算法，不具有可解释性。深度学习采用多层神经网络模型，有着多层隐藏结构，人类目前可以对算法设定规则，给定训练数据，通过反复训练和学习形成一个数据处理模型，用于解决问题，但是人类无法了解模型内部如何进行数据处理，不了解输入层、隐藏层、输出层之间连接的人工神经元具体如何运作，无法预测输出的结果，对人工智能提供错误解决方案也缺乏判别手段。而政府行为需要具有公信力，算法逻辑的不可解释可能导致决策建议的不可解释，一旦决策失误，将对政府公信力产生难以估量的影响。
　　2法律和伦理挑战。从法律角度，政府的治理原则是依法执政，要依法对国家政治、经济和社会等各方面事务进行管理，而随着人工智能技术在“数字政府”中逐步深化应用，人工智能算法将会对政府治理带来难以估量的影响，在现行法律法规中无法找到相应依据。从行政伦理角度，人类至今所有的行政伦理都要求遵循一个基本原则，即对相对人的权力行使和决策必须由同样的人组成的组织决定0。而随着人工智能技术在“数字政府”中的应用，很多政府决策方案将由人工智能提出，即便最终由人类做出决策，方案也体现了人工智能的意志，一定程度上形成了人工智能对人类行政行为的替代，超出了现有行政伦理范畴。
　　（二）政策建议
　　为了推动人工智能技术在政府领域的应用，提出如下政策建议：首先，坚持理念创新引领“数字政府”建设，将技术应用、数据资源、平台终端与管理手段共融互通;其次，加快人工智能应用于“数字政府”的技术研究，从程序算法、决策模型、共享数据等方面多管齐下，做好技术准备;第三，通过试点先行的方式，在部分地区和部门开展先行先试，总结经验，改进不足，不断优化“数字政府”的决策功能;第四，加快人工智能相关立法，从法律法规、行政伦理等方面做出明确规定，将人工智能技术在“数字政府”中的应用纳入合法范畴。
　　
　　参考文献：
　　[1]McCarthy，J，Minsky，ML，Rochester，N，Shannon，CEA proposal for the Dartmouth summer research project on artificial intelligence （1955）[2019-01-01] http：//www-formalstanfordedu/jmc/history/dartmouth/dartmouthhtml
　　[2]汪子堯，贾娟人工智能的前生、今世与未来[J]软件，2018，39（2）：223-226
　　[3]孙志军，薛磊，许阳明，王正深度学习研究综述[J]计算机应用研究，2012，29（8）：2806-2810
　　[4]贺倩人工智能技术的发展与应用[J]电力信息与通信技术，2017，15（9）：32-37
　　[5]董立人人工智能发展与政府治理创新研究[J]天津行政学院学报，2018，20（3）：3-10
　　（李灿强、夏志方、丁邡，国家信息中心）
转载注明来源:https://www.xzbu.com/2/view-14846036.htm