大数据、人工智能对预测型公共管理的影响

胡 冰

长期以来，“试错式（摸着石头过河）”“结果导向型”“问题导向型”公共管理模式不仅成为中国公共管理实践的共识路径，也被很多学者从理论上进行了权威性背书。预测型公共管理被视为一种缺乏可行性的理想化模式。这些结论似乎也得到了心理学关于人的认知局限性和管理学中渐进式决策模式的有力支持。但以大数据、人工智能为核心的智能化时代的到来，将改变这一观点，并为预测型公共管理带来了新的技术支持。

一、传统公共管理的预测困境

公共管理不仅要善于管理当下，更要善于管理未来。在实践中，我们常常遇到管理尴尬：这些问题如果不发生该有多好？这些矛盾如果能提前预知并加以防范该有多好？但无论是制度主义的还是管理主义的公共管理似乎都无法回答这些拷问。

经验主义的管理理论认为，政策分析和政策分析人员需要掌握多种经验方法和技能，社会进步可能起源于经验的决策方法。①[澳]欧文·E·休斯：《公共管理学导论第二版》，北京：中国人民大学出版社，2001年，第157-158页。并提出了成本效益分析、最佳水平分析、最佳组合分析、时间最优化模式等经验分析方法。但经验主义管理所依据的是过去的或少量现有信息，无法对未来做出预测性管理。

西蒙基于对客观理性——“经济人”假设和有限理性——“行政人”假设的认识和分析，提出了应该用“令人满意的”准则取代“最优化”准则。所谓“令人满意的”决策就是指，在决策时决定一套标准，用来说明什么是令人满意的最低限度的备选方案，如果拟采用的备选方案满足了或者过了所有这些标准，那么这个方案就是令人满意的。②丁煌：《西方行政学说史》，武汉：武汉大学出版社，2004年，第181-182页。西蒙的有限理性和决策准则理论，在20世纪中叶无疑具有划时代的意义，也符合那个时代人的认知能力水平和科技发展水平。令人惊叹的是，西蒙还致力于运筹学以及计算机科学等决策技术的研究，他认为，计算机可以和人一样做到阅读、思维、学习以至创造工作，它将对人类组织、社会、经济产生重大影响。但受限于历史条件和科技发展水平，西蒙也没能对预测性管理提出自己的思考。

林德布鲁姆在批判传统决策模式的基础上，提出了“渐进决策理论”。所谓渐进决策，就是指决策者在决策时在既有的合法政策基础上，采取渐进方式对现行政策加以修改，通过一连串小小的改变，在社会稳定的前提下，逐步实现决策目标。①丁煌：《西方行政学说史》，武汉：武汉大学出版社，2004年，第246页。他强调决策的稳中求变、积小变为大变的原则，因为决策者所面临的问题是不确定的，不同的人有不同的看法。而且决策分析不是万能的，决策要受到时间的限制。换言之，决策者获得的信息是有限的，未来具有不确定性。在当时的历史条件下，林德布鲁姆的理论是务实的，是可行的。人们无法预测未来也是客观的。

新中国成立后，特别是改革开放40年来，我国的公共管理实践，无论是“摸着石头过河”还是“渐进式改革”、无论是“问题导向”还是“结果导向”等，要么是国情下的自我探索，要么是对西方理论的借鉴和应用。这些管理或决策模式，取得了很大成就，但同时，我们的管理模式也被频繁地打上了“被动的”“滞后的”“运动式的”“头痛医头脚痛医脚”等标签。

那么，主动式的、预见性的公共管理能实现吗？

二、智能化时代为预测性公共管理带来可能性

秦麟征认为，预测是人们利用已经掌握的知识和手段，预先推知和判断事物未来或未知状况的结果。即是说，预测概念由五个要素组成：人(预测者）、知识(预测依据）、手段（预测方法）、事物未来或未知状况（预测对象）、预先推知和判断（预测结果）。②秦麟征：《预测科学：未来研究学》，北京：方志出版社，2007年。在诸要素中，人们用来进行预测的手段和方法是影响预测质量的重要因素，手段和方式是否先进恰当，是决定一个预测是否科学的关键。③任超：《基于智能计算的预测模型研究及其在公共危机管理中的应用》，兰州大学，2013年。传统的预测方法如趋势外推预测技术、回归预测技术、时间序列预测技术、灰色预测技术、专家及经验预测模型等，在工业管理等领域应用较为广泛，但在公共管理领域，主要应用于公共危机管理。由于受到手段和方法的局限，在公共政策、公共决策、政策执行、偏差纠正等方面，预测性管理并未有效使用。预测性公共管理不仅是要对公共事务的未知状况做出推知和判断，而且是要做出应对，要在一定程度上解决问题。

预测性公共管理作为一种善治理想，一直是理论家和实践者的梦想和追求，以大数据、算法、人工智能等为核心技术的智能化时代到来，为这种理想提供了实现的基础和可能性。

它以大数据和算法为基础，对公共管理的环境进行动态分析，对可能产生的各种结果（好的和不好的）进行分析预测，最大限度地提高公共政策的科学性、执行中的精准性和有效性，把公共管理的负面效应降到最小。大数据分析的一个重要应用是对未来变化趋势做出预测，通过挖掘和分析相关数据的变化趋势，人们可以洞见事物产生发展的路线图。所有信息都具备预测能力，只是等待何时被解锁。④Staffan Truvy：Big Data For the Future: Unknowing the Predictive Power of Web，2015-1-23，http://www.recordedfuture.com/bigdata-future-unlocking-predictive-power-web/.西方学者和一些研究机构依靠技术优势率先起步，现已在大数据预测的实践运用方面取得了令人瞩目的成就，其着重体现出大数据预测运用的两个途径，一是探寻社会活动规律的大数据预测，二是面向危机预警的大数据预测。

无论是西方的公共管理理论还是中国的实践探索，之所以无法实现预测性超越，关键是信息获取的有限性和信息分析处理的复杂性、静态性。信息获取的有限性是指途径、方法、量和时间的有限。传统的信息获取途径和方法主要是文献分析、抽样调查、个案研究等，这些途径与方法在信息爆炸时代显然是十分有限的，同时，获取信息的量也是冰山一角，而且耗时巨大。即便是大普查获得的数据，也因为其数据的滞后和静态性，而不能对未来情势做出准确和动态的判断。基于少量信息和延时性的决策判断，必定是滞后的甚至是有误的，对问题的应对处理也必定是被动的。信息时代海量的信息带来了分析处理的复杂性，依靠传统的人的认知根本无法应对，即使依靠计算机进行处理，也只是提高了运算速度，其人的认知判断的机器延伸本质并没有改变。

大数据在传统的量数基础上引入了据数概念，①涂子沛：《数文明》，北京：中信出版集团股份有限公司，2018年。使得数据量成几何级数增长，互联网技术的日益成熟使得大数据的收集变得十分便捷。任何人类行为的演变以及自然现象的发生，都不是无中生有的，都会有其因果关系。有了大数据，就可以对这种因果关系进行分析和判断，预测性管理就有了可能。正如涂子沛所说：

官方天网、民间天网 ，再加上车载移动天网，构成了中国天网的“三体”，把这“三体”所有的摄像头数量加起来，中国天网的摄像头总数至少有三亿。我认为，应该积极创造条件、推动民间天网相连，它们一旦相连，将会释放出更为惊人的力量。②涂子沛：《数文明》，北京：中信出版集团股份有限公司，2018年。

近几年来分布式数据处理技术突飞猛进的发展，极大地提高了运算能力，大数据的分析处理变得更加容易。

人工智能的发展不仅仅解决了人类生产生活的高效与便捷问题，其深度学习能力及决策水平也超出了我们的想象。泰格马克指出：一个人脑大小的人工智能的意识主体每秒拥有的体验可能比我们人类多几百万倍，因为电磁信号以光速传播，比神经元信号快数百万倍。③[美]迈克斯·泰格马克：《生命3.0.》，杭州：浙江教育出版社，2018年，第408页。欧米茄团队以及AlphaGoZero的传奇故事给我们带来的震撼是巨大的，同时也告诉我们，人工智能的预测性判断能力和多情景决策水平，能为人类的预测性管理提供极大的辅助。

随着人工神经网络研究的进一步深入，超级人工智能就能对海量的数据进行高速处理，并对数种可能性进行智能化模拟，以发展出各种情形下的决策模型和处置方案，并能预测不同决策模型和处理方案的不同实践结果，并进行动态调整。如果有大数据、人工智能的有效参与，很多社会矛盾及由此产生的分级式的各种推进路径，以及政府公共政策的调整、危机的预防和处理等，都是可以通过预测型管理来前置判断、分析和路演的，其负面影响力也是可以消除或消减的。

正如陈振明教授所言，网络化、数据化与智能化及量子化大大增强了人类行为的可预测性，有助于揭示人类管理及决策行为的规律性，改变了我们发现、分析和解决问题以及将政策方案付诸执行的方式，推动决策的民主化和科学化。④陈振明：《政府治理变革的技术基础——大数据与智能化时代的政府改革述评》，《行政论坛》2015年第6期。

三、智能化时代预测性公共管理实现的条件

大数据和人工智能为预测型公共管理的实现提供了技术基础，但预测性公共管理的实现还需要一些条件做保障。

一是政府必须拥有足够大和涵盖广的数据。目前，商业领域和社会领域的数据来源广、数据量大，但政府由于其性质的特殊性，加之受科层制影响，一方面数据量有限，而且分散在各个信息孤岛上，利用率低；另一方面，政府数据和商业数据、社会数据的相互融合少，数据共享困难。政府预测性管理必须要有大量数据做支撑，一是要丰富政府的数据，分级分类地完善数据库；二是要整合政府内部的数据资源，建设国家、省、市的数据中心，并互联互通；三是要在确保数据安全的前提下，打通政府、社会、市场三者之间的数据壁垒，做到融合共享。

二是必须有一套区分于商业模式、社会模式的新算法。商业领域的算法以营利为目的，社会领域的算法以交往为目的，公共管理的算法要以公正为目的，带有明显的公共价值特征。这是个极大的挑战。数据垄断、数据侵犯、数据灾难、数据造成新的社会不公等问题已经不是一个可能性问题，而是已经成为了事实。随着通用人工智能、超级智能一步步变为现实，人工智能的意识问题、价值判断问题会逐步凸显。公共管理智能化的算法必须研究这些问题，并加以有效控制，才能确保预测性公共管理的价值目标。正如克劳斯· 施瓦布和尼古拉斯·戴维斯所说，我们要为技术赋予价值观。①[德]克劳斯·施瓦布、[澳]尼古拉斯·戴维斯：《第四次工业革命》，北京：中信出版集团股份有限公司，2018年。

三是必须变革组织体系和管理方式，以应对智能化时代的开放性和不确实性。现有的公共管理体系是传统社会的产物，能应对传统型管理的需要，以稳定为前提，也以稳定为目标。但智能化时代的开放性和不确定性特征，要求政府的组织体系和管理方式发生革命性变革。传统的纵向分级、横向分工的科层制将无法适应新要求，平面化的、网状式的、点对点的组织体系才有可能更具灵活性和高效性。涂子沛在展望城市治理未来时提出：

智慧城市的建设将迎来这样一个时代，在这个新时代，城市的治理结构将由“分层”转向“结网”，个人的作用和主体价值将被前所未有地放大，大众将和政府一起治理城市，这个时代可以称为“共治时代”。这个新的共治时代，西方也有学者将其称为参与式民主时代，即这个时代，人人都可以参与社会治理。②涂子沛：《数据之巅》，北京：中信出版集团股份有限公司，2019年。

传统的实物式载体管理方式、面对面的管理方法等，也将无法适应大数据、人工智能发展的步伐，智能化的管理手段，无感、非接触、零距离、非人工等的管理与服务方式将成为时尚。有了新的组织体系和管理方式，预测性管理才有实现的体制保障。

四是要有一套全新的智能化时代的规制，以规范和约束智能化的各个进程，同时规范和约束政府、公民及市场的行为。人类文明发展的实践证明，科技永远是把双刃剑，有利还是有害，不完全取决于技术自身，而是取决于人类的积极作为。关于大数据、算法、人工智能的争议越多、越尖锐，越有利于我们把握技术发展的价值方向。人类在克隆技术、基因技术方面积极干预，就是很好的证明。智能化时代的规制应该由外部控制和内部控制构成。内部控制是指技术的伦理规范，是行业性质的，是自我约束和监督。外部控制，按照罗森布鲁姆的理论，应该通过政治的、法律的和管理的途径来实现。政治的途径以保证预测性管理符合人类基本的价值方向，保证民主与公平。法律的途径要求先立法再办事，以保证预测性管理不逾矩，尽可能消减技术发展带来的伤害。管理的途径要求政府加强控制，严格执行政治规范和法律规范。