摘 要:智慧治理主要圍繞數據的收集、存儲、加工處理和開發應用等運行過程而展開。我們應按照數據運行過程的特點，根據治理目標和任務合理規劃數據的采集，并區分不同的應用場景，發揮政府的不同作用，避免政府部門壟斷治理。同時，智慧治理中還需要謹慎使用人工智能算法，厘清政府、市場和社會的邊界，調動各方積極性，從而更好地推進國家治理體系和治理能力現代化。

關鍵詞:智慧治理 數據 人工智能 政府

【中圖分類號】D630 【文獻標識碼】A

作為一種新興的治理模式，智慧治理正日益成為推進國家治理體系和治理能力現代化的關鍵驅動力。然而，“智慧治理”一詞尚無公認定義，有的學者認為智慧治理就是“通過大數據技術的廣泛性應用構建一個智能化的公共事務處理平臺，在這一平臺的支持下，社會稀缺資源能夠得到最為合理的配置，復雜的社會公共物品與公共服務需求能夠得到最大程度的滿足，社會秩序也能夠以最為合理的方式走向新的和諧局面”（張海柱、宋佳玲，2015）。也有學者從“智慧城市”（Smart City）角度出發，把智慧治理看作是“以人為中心的主導觀念下城市智能設施建設和社會多元治理方式創新融合的城市治理框架，也是在復雜城市環境中應用信息通信技術形成的更為開放多元和具有快速回應性的社會治理體系”（李云新、韓伊靜，2017），從上述定義看，智慧治理主要圍繞數據的收集、存儲、加工處理和開發應用等運行過程而展開，大數據等先進信息和通信技術是智慧治理的物質保障，而通過技術的應用構建平臺，形成多元主體參與的治理格局則是智慧治理的指向。本文將以數據要素和數據運行過程的特征為視角，討論智慧治理中的幾個問題。

數據越多越好嗎

在韋伯斯特詞典中，數據（data）有三個釋義：“作為推理、討論和計算的基礎的事實信息（例如測量或者統計量）”；“可以傳輸或處理的數字形式的信息”；“由傳感設備或器官生成的信息，其中包含有用和無用或者多余的信息，因此必須進行處理以變得有意義”?？梢?，數據的本質是信息。“信息論之父”香農認為，“信息就是用來消除不確定性的東西”。也就是說，數據作為一種要素，其價值來自于減少人類對于外界認識的不確定性，從而提升決策質量。數據為決策服務，其價值來自于對于知識、技術、管理等其他生產要素的質量的改進，而這些生產要素則通過與資本、勞動、土地等生產要素結合，生產出更多更新的產品和服務、創造出更多更大的價值。可以說數據要素并不能直接進入生產過程，其價值派生于其他要素（梁平漢，2021）。從這一角度看，雖然大數據的運用是智慧治理的前提，但是我們不應迷戀于搜集更多更高維度的全量數據，而應仔細思考數據本身可以發揮的作用。

從決策的角度看，數據搜集也并非越多越好。從概率論中的貝葉斯理論來看，數據通過更新人們對于原有事物的信念發揮作用。這就不可避免會導致決策者在統計學上的“第一類錯誤”（拒真）和“第二類錯誤”（容假）之間權衡。這與數據搜集的成本是否非常低廉、數據要素本身是否具有規模經濟性無關，只與決策任務本身的收益成本權衡有關。例如，在航空航天等領域，行動出錯造成的損失非常高昂，因此需要盡量減少出錯的可能性，需要大量新數據以最小化“拒真”的概率。但是，在日常生活中的許多決策領域，如公安出警救助、接到舉報采取行動等，錯誤出警產生的成本可能遠小于未及時出警的成本，倘若不斷搜集數據，片面降低“拒真”的概率，反而會提高“容假”的概率，造成更大損失。由此可見，智慧治理中數據的收集與治理任務和決策的性質息息相關，需要基于應用情境進行成本-收益分析，決定數據收集的邊界。

但需要注意的是，在數據收集和使用中，我們不能僅僅從政府部門或者工作人員的成本-收益角度“算賬”，而應該綜合全局“算總賬”。例如，許多地方在疫情防控中重復登記群眾個人身份信息，多次進行人臉信息的采集與核驗，看似“便民”，但也可能導致公民身份信息的泄露，從社會福祉總體角度看有的舉動并無意義，僅僅是方便個別部門和工作人員而已。因此，在智慧治理中也應該基于具體的環境確定有限的治理目標和任務，對于個人信息的采集進行整體統籌，嚴加把控，分類管理，減少數據的重復采集，不但要讓群眾“少跑路”，也要讓群眾的個人信息“少跑路”。

政府在數據運行中的角色

從人類文明史看，用數字形式來進行測量、統計、表達信息，與政府的發展歷程緊密相關。“數目字管理”是現代行政管理的特征。英國功利主義哲學家邊沁認為，政府中的行政人員能負起搜集統計數據及信息的任務（波蘭尼，2017）。在以大數據技術為主要特征的智慧治理中，政府當然是扮演著基礎性的角色。而且，由于數據的使用具有非排他性，并不因為某個主體的使用而排斥其他主體的使用；很大程度上其還具有非競爭性，數據使個體對于世界的認識的提升也不會影響其他主體的認識提升。也就是說，數據要素具有公共品的性質。按照經典的公共經濟學理論，公共品的供給應該由政府負責，市場在這一領域可能會失靈。

然而，智慧治理終究應落腳在“治理”上，需要多元主體的有序參與，不應由政府一家獨辦。而且，數據作為一種要素，參與了價值的創造，其收益應該基本遵循市場原則。另外，既然如前所述，數據的價值是基于決策任務的，數據也不是越多越好的，那么至少在個體決策者身上，數據要素存在邊際收益遞減的可能性。與此同時，從社會整體來看可以認為數據要素的邊際收益遞增，可能導致社會最優與個體最優之間的偏離。這與知識這一生產要素所面臨的私人供給不足的特點類似。但是數據還有另一個重要特征，使我們不能簡單將對生產者進行補貼等激勵知識生產和積累的工具照搬到數據中來。這就是數據要素的產生者和擁有者是分離的，數據資源來自于千千萬萬的用戶行為記錄，經過數據采集、清洗和加工后成為數據要素，而產生數據的用戶不再是數據要素的擁有者（梁平漢，2021）。因此，如果要解決數據要素的私人供給不足問題，我們需要從數據的運行過程入手，對于數據的產生者、收集者和使用者等都提供適當的激勵。

許憲春和王洋（2021）研究了部分類型企業的大數據主要應用場景，我們可以根據數據產生者與擁有者的關系將其分為三類場景，政府在其中可以產生不同作用：數據產生于生產活動，如農業企業對生產的精準控制和智能管理、制造業企業的智能化工業生產線、房地產經紀類企業的在線看房等；數據產生于整體性的社會活動，如交通出行中的精細化公交調度與管理，智慧信號燈、智慧物流、零售餐飲企業的即時配送和精準選址等；數據產生于個別用戶的行動，如定制化生產、智能售后服務、用戶/客戶畫像、個性化推薦、遠程醫療診斷、信貸風險評估、信用體系等。

第一類場景中數據運行通過降低成本創造價值，數據產生者與擁有者之間無利益沖突，甚至合為一體，因此應被視為市場經濟中的正常經營活動，政府不應過多干預。當然，這些數據對于其他市場主體可能具有潛在價值，智慧治理中如果也需要這些數據，那么政府應該給予這類企業足夠的激勵以促使其分享數據，降低公共事務成本。

第二類場景中數據運行通過提升效率產生價值，數據生產者雖然與擁有者分離，但是沒有明顯的利益沖突，原因在于數據是以加總的形式進入決策過程中，而且其目標取向較為清晰和單一。這類場景中的數據公共品性質最強，最具有創造社會價值的潛力。實際上，一般所講的“智慧城市”主要體現在這一場景中。因此，政府應該主動參與其中，在數據的收集、存儲和加工處理中發揮主要作用，建設開放的數據基礎設施，并鼓勵其他主體積極開發應用這些開放數據，從而提升公共事務效率。

第三類場景中數據通過優化服務對象的體驗而創造價值，數據的產生者和擁有者完全分離，某些時候還有著利益沖突。而且，價值創造與價值分配之間很難劃分截然邊界，關系微妙，很容易成為“大數據殺熟”“價格歧視”的利器，從而損害用戶利益。因此在這類場景的智慧治理中，應該區分數據的產生是來自于用戶的自愿披露，還是不知不覺中的被動采集。對于后者應嚴加禁止，堅決打擊；對于前者則應予以保護，并嚴格監管，積極引入多元主體參與，在政府監管之外形成社會的非正式監管體制，以優化公共事務體驗。

即使政府真的能掌握涵蓋社會生活方方面面的海量數據，政府也不是智慧治理中的唯一行動者。治理的最終目的還是提高人民群眾的獲得感、幸福感、安全感。從全社會的成本收益角度看，市場主體利用“互聯網+”技術形成的各種新業態、新技術改變了我們的社會經濟形態，其本身對于治理格局就有著深刻影響。例如，電子商務、數字經濟的蓬勃發展極大提升了服務業的生產效率，增加了國內需求，創造了就業，這本身就緩解了社會治理的壓力。最近，筆者基于地級市數據的一項研究發現，數字金融發展帶來的支付便利性提升顯著降低了盜竊案的發案率，提升了居民的幸福感和安全感。因此，數字經濟時代的許多經營方式的創新雖然并無“治理”的目的，也沒有政府部門的直接參與，但是也可以發揮“治理”的功效，在廣義上成為智慧治理體系的一部分。

人工智能在智慧治理中的應用局限

人工智能是近年來非常前沿和熱門的技術，試圖使機器能夠勝任一些通常需要人類智慧才能完成的復雜工作，機器進行的“學習”自然離不開數據的輸入。人工智能技術的廣泛使用給人類社會生活帶來了很多便利，在政務服務中，基于人工智能的機器智能識別、身份驗證、服務推薦、智能客服和信息處理等已經廣泛應用。但是，《終結者》《少數派報告》等美國影片中出現的人類決策將被人工智能代替的場景，也令觀者后怕。那么，在智慧治理中，人工智能的應用可以走到哪一步呢？

回答這一問題的關鍵在于，作為服務對象，社會公眾在多大程度上愿意政府部門用人工智能代替人類決策？這需要我們對于人工智能和人類決策的相對效率進行比較，而這種效率比較本身也有著靜態和動態之分。

從靜態效率看，人工智能的基礎是數據和算法，依托掌握在政府部門內部的大量數據資源和云計算提供的近乎無限的計算能力的支撐，人工智能通過深度學習可以從海量政務大數據中挖掘出寶貴的知識。相比于具有經驗式、隨意性、非定量等特征的傳統決策模式，人工智能的效率更高，出錯概率更低，更可適應新時代科學決策的新需求。

然而，從動態效率來看，人工智能的前景未必非常樂觀。首先，在算法的應用過程中，基于已有數據訓練模型并不能完全避免人為的偏見、誤解和偏愛，社會公平和公正從而會受到影響。而且深度學習的算法很大程度上還是“黑箱”，而法治需要規則的透明性和確定性，算法的這一決策特征與法治要求不相符合。其次，表面上看似乎人工智能可以發掘更多的數據，從而幫助公共部門的決策者實現更快的學習。但是，與此同時算法也在不斷迭代升級，這就涉及到誰來對算法進行改進？在智慧治理中，人工智能應用的開發者一般不是政府部門工作人員，而是“乙方”，如果使用者和開發者之間缺乏有效溝通，算法就可能會持續輸出錯誤結果。第三，人工智能出錯概率可能較人為決策更低，但是仍然有出錯的可能，那么一旦出錯應該向誰問責？是應用人工智能進行政務服務的政府部門，還是開發人工智能應用的企業？值得注意的是，企業與政府的關系是合同關系，承擔的是有限責任，因此行政體制內部的問責邏輯往往難以擴展到企業層面。這種治理主體的“權責失當”給社會帶來了較大風險（陳榮卓，2021）。第四，現有的人工智能政務服務應用都是基于已有數據進行訓練的，而這些數據本身是對社會成員行為的數字化測度。一方面，并非所有的與決策相關的行為都可以被合理量化；另一方面，日常生活中存在大量反常和意外，基于觀察到的有限的單個個體行為數據對于其他個體采取行動，很容易產生小樣本謬誤。而且如果人工智能成為決策工具，在某種程度上，更方便了一些社會成員針對算法的要求改變自己未來的行為，“投其所好”，或者篡改數據的錄入，以期獲得有利于自己的結果，甚至干脆采取行動避免自己的行為被監控和測量。這尤其在上文所講的第三類場景中更容易產生。這些可能性都對人工智能在智慧治理中的應用施加了限制。

需要注意的是，在第三類場景中，最容易產生分配上的矛盾和沖突，此時應用人工智能進行決策最容易產生爭議，算法在此時最多只能作為一種后臺的輔助和參考，而無法代替決策者進行信息采集和決策。

邊沁認為，政府比私人更能廉價地支配運用知識與權力（波蘭尼，2017）。也就是說，政府在數據使用中具有比較優勢。從數據的運行過程看，政府在數據的儲存上相對于企業具有比較優勢，在數據收集上則是政府和企業各有所長，在數據加工處理和開發應用方面則是企業具有比較優勢。因此，我們應按照數據運行過程中的各主體的優勢和特點，根據治理目標和任務規劃數據的采集，謹慎使用算法，區分政府、市場和社會的邊界，以充分發揮各方積極性，更好地推進國家治理體系和治理能力現代化。

【本文作者為中山大學中國公共管理研究中心研究員、政治與公共事務管理學院教授；本文獲得國家社會科學基金重大項目“現代信息技術驅動的我國營商環境優化研究”（項目編號：20&ZD071）資助】

參考文獻

[1]張海柱、宋佳玲：《走向智慧治理：大數據時代政府治理模式的變革》，《中共濟南市委黨校學報》，2015年第4期。

[2]李云新、韓伊靜：《國外智慧治理研究述評》，《電子政務》，2017年第7期。

[3]梁平漢：《數據要素視角下的科技成果轉化與數字經濟產業發展》，《國家治理》周刊，2021年第5-6期。

[4][匈牙利] 卡爾·波蘭尼著，黃樹民譯：《巨變：當代政治與經濟的起源》，北京：社會科學文獻出版社，2017年。

[5]許憲春、王洋：《大數據在企業生產經營中的應用》，《改革》，2021年第1期。

[6]陳榮卓：《智慧治理的應用效能和倫理邊界》，《國家治理》周刊，2021年第1-2期。

責編：羅 婷 / 賀勝蘭

聲明：本文為《國家治理》周刊原創內容，任何單位或個人轉載請回復國家治理周刊微信號獲得授權，轉載時務必標明來源及作者，否則追究法律責任。