算法技术赋能政府职责体系构建及其限度

黄雅卓

摘 要：“合理确权”是政府职责体系构建的重要原则，但在实践中“合理确权”的实现存在困难。人工智能时代，算法技术嵌入政府行政活动中，被应用于政府职责体系构建，通过赋能权责梳理、分解与归堆、配置工作，从操作层面上推动着政府纵向间关系调整与政府职责体系构建。然而，算法“霸权”、算法“黑箱”、算法“偏见”等技术异化风险，会衍生出权责梳理工作的正当性诘问、权责分解和归堆工作的可信性质疑、权责配置工作的准确性挑战等后果。因此，这一技术的嵌入是存在限度的，应当综合考量技术赋能过程，规避可能的风险，最大限度发挥技术赋能的正面效应。

关键词：算法技术；政府职责体系；政府纵向间关系；技术赋能；技术限度

中图分类号：D630 文献标识码：A

文章编号：1008－7168（2023）03－0034－09

一、引言：政府职责体系构建的算法进路

合理调整政府纵向间关系，是中国国家治理现代化过程中需要深度解决的核心问题之一。历史经验告诉我们，调整政府纵向间关系，既不能简单地“放”，也不能笼统地“集”，而应当逐步走向“健全政府职责体系”［1］。2018年，《深化党和国家机构改革方案》指出，优化和调整职能，“构建起职责明确、依法行政的政府治理体系”［2］。2019年，党的十九届四中全会明确提出，“优化政府职责体系”［3］。2020年，党的十九届五中全会强调，“建设职责明确、依法行政的政府治理体系”［4］（p.20）。2022年，党的二十大报告再次强调，“转变政府职能，优化政府职责体系和组织结构，推进机构、职能、权限、程序、责任法定化，提高行政效率和公信力”［5］。这意味着，调整政府职责配置结构，构建科学的政府职责体系，已经成为调整政府纵向间关系的基本方向与重要目标。

构建政府职责体系，是具有长期性与艰巨性的任务。“职责同构”是起点，但“职责异构”不是终点。相关研究普遍认为，应当在“职责同构”和“职责异构”之间探索一种可能的模式，构建符合中国实际、具有中国特色的政府职责体系。朱光磊、杨智雄提出，具有“序列”与“次序”内涵的“职责序构”模式，是一种可以探讨的演进形态［6］。具体而言，广义政府职责体系按照序列进行“归堆”，狭义政府职责体系按照次序进行“分层”，使各层级政府职责逐步“归位”［6］。邹宗根从生物学“DNA双螺旋结构”得到启发，将“职责旋构”作为未来政府职责体系的一种选择，形成“DNA双螺旋式”的职责结构，以“双主链”基本要素维护整体权威，以“碱基对”层级职能适应地方需要［7］。吕同舟认为，“嵌套式异构”是政府职责体系的可能构建模式，即将职责体系分为同构部分和异构部分，沿着中央到地方的层级结构，职责范围逐步缩小，低层级的职责范围嵌套于高层级的职责范围之中［8］（p.239）。事实上，这些理想模式都表达了一个共同思想：构建政府职责体系应当合理确认各层级政府的权力与职责，实现政府间事权和职责的科学归位。从理论层面讲，“合理确权”无疑是构建政府职责体系的重要原则，但在实践中，合理确权的实现难度非常大。除调整过程中可能受到的强大制度惯性阻碍外，各层级、各类别政府的权力事项和职责事项复杂、繁多，对其进行梳理、分类、归位，已远非人脑与人力可以完成。就当前权责清单制度的建设而言，其不仅给相关工作人员带来了极大的工作负担，而且从工作的完成度和实际效果来看，也未能达到预期。

然而，算法技术的发展与成熟，为构建政府职责体系在操作层面的相关问题提供了有效的解决路径。从技术逻辑来看，这一技术是指建立在现代算法基础上，以历史数据为支撑而形成的具有感知、推理、学习、决策等思维活动并能够按照一定目标完成相应行为的计算系统［9］。它可以在短时间内对海量数据进行分类筛选与深度挖掘，并在此基础上进行模式或关系构建，从而揭示其规律，生产新的知识。算法技术的突破与创新不断革新着人类社会的既有样态，使人类第一次拥有无尽的劳动力资源和高效多样的劳动者，从而推动着人类加速进入一个机器智慧普遍融入人类社会的时代［10］。与此同时，算法技术也开始嵌入政府行政活动中，使这种革新逐渐从社会领域传递到行政领域，引发了行政活动的数字化、智能化转型，并从深层次撼动了传统行政活动的运行规律与基本范式。相关研究者对此既充满期待，也保持警惕，普遍认为这是一个“福祸相依”的过程。因为，算法技术具有替代人类的独特属性，它使行政活动中最核心要素——人类的存在——发生了改变，逐渐把人从一线的行政实践场景中移除出去［11］。

一方面，算法技术将大量劳动力从细碎、繁琐的工作中解脱出来，使原先冗长的科层链条被显著压缩［12］，为有效控制政府规模提供了现实可能［13］。与此同时，也使政府行政活动从人类的主观情感中脱离出来，使其呈现出更加高效、更加精确、更加客观的图景［14］。但另一方面，人類的离场与机器的入场给传统行政活动带来前所未有的冲击。算法技术固有的技术特性与运转方式，会导致算法“霸权”、算法“黑箱”、算法“偏见”等问题［15］。若将这一技术与行政活动深度融合，上述问题便会以单一面貌或叠加面貌交替出现，从而给正常的政治和社会秩序造成影响，给社会公平公正和民众合法权益带来挑战［16］。这些现实损害与潜在风险，引发了研究者们对因应策略的探讨，这些探讨主要聚焦于技术、制度与协作三个方面。在技术方面，要优化算法技术本身［17］，并设计各类监管算法［18］；在制度方面，应建立法律规范体系［19］与行业规范体系［20］；在协作方面，须协调主体间利益分配［21］，并建立多元合作机制［22］。

可见，已有研究是沿着“技术嵌入—技术风险—技术治理”的思路展开与推进的，由此从宏观层面对算法技术在行政活动中的应用及其限度进行了相对充分的阐释，为进一步从具体应用领域关注与探讨这一问题提供了整体性框架与知识性积淀。政府职责体系构建是适合算法技术发挥作用的具体领域。然而，既有研究尚未注意到这一点。政府职责体系构建具有明确而稳定的目标，这是算法技术发挥作用的关键前提。此外，各层级、各类别政府的权责事项众多，其中蕴含的信息与衍生的数据丰富而且繁杂，这为算法技术发挥作用提供了重要保障。将算法技术应用到政府职责体系构建领域，可以为政府权力事项和职责事项的梳理、分解、归堆与合理配置提供高效的实现路径。同时，这一技术嵌入后所引发的政府行政活动运行规律与基本范式的变革，以及由此带来的各种风险与挑战也不容忽视。因此，本文在把握算法技术嵌入政府行政活动的基本思路基础上，尝试拓展探讨技术应用场景的维度，构设算法技术赋能政府职责体系的图景，预判其中存在的风险与挑战，提出针对性的应对策略。

二、算法技术赋能政府职责体系构建的智能图景

算法技术所引领的新一轮科技革命与以往科技革命相比，有着本质区别。“过去的技术革新无论形态如何，其性质仍是人类改造世界的工具和手段，而算法技术则能够通过对数据的分析和学习，理解人类的内在需求，作为创造性的伙伴直接参与到人类改造世界的活动中。”［23］换言之，算法技术的发展目标不仅是无限延展人类的肢体行动能力，更是模拟人类的意识、思维等大脑功能，甚至是用机器代替人类进行决策与行动。而与人脑和人力相比，算法技术具有三个方面的核心功能。

一是从海量数据中识别和提取信息。以人脑与人力搜集和处理海量非结构化数据，成本极高而又很难保证准确性。但借助算法技术，利用其文本挖掘、知识库自动构建、图像视频识别与生成、自然语言处理等功能［24］，可以将非结构化数据转化为结构化数据。在此基础上进行分类处理与深入分析，能够快速、便捷地挖掘出其中的有效信息。二是对各种关系进行判断与预测。人脑天然地带有非理性偏见，其对关系的判断与预测能力远不及统计模型；而以因果推断为目标的传统统计模型，难以准确还原数据生成过程，其预测效果也比较有限［25］。但算法技术基于大数据和高维数据，可以筛选出预测因子，并建构起非线性和高度交互的预测模型，进而能够高效、精准地判断并预测高度复杂的现象与数据间关系［26］。三是在运作中实现自我学习与优化。人类学习需要经过漫长的习得过程，与此不同，算法技术能够模仿人类的学习行为，并以比人脑快得多的速度获取新知识或新经验，重新组织已有知识结构，提高自身表现能力。而且，当算法技术在实践中的应用面逐渐扩大，积累的数据量不断增多时，它能够根据环境与情况的变化，调整运作方式并提高计算能力，从而在较短时间内实现自我进化与迭代更新。

上述功能使算法技术建立起独特的理解问题框架与解决问题能力，将其嵌入政府行政活动中，行政决策会变得更加理性，行政行为也会变得更加精准。因为，在传统行政活动中，针对特定工作，人们一般会根据先前经验，给出一个或几个具有确定性特征的方案。而且，由于人脑判断容易受思维定式的影响，一旦形成对某一问题的理解和认知后，便不会有太大改变。然而，借助算法技术进行的行政活动是一个由数据到信息、再由信息到知识并最终以行动为顶点的演进过程［27］（p.55）。在初期，算法技术的效果或许并不明显，做出的决策与行动存在偶然性。但随着嵌入程度的逐渐加深，其能够不断调整、修正各种决策与行动方案，从而得出更加接近于“理想类型”的结果，实现改变人类生产、生活实践的目标。

那么，算法技术是如何嵌入政府行政活动中，并应用于政府职责体系构建领域内，为相关工作的完成提供助益的呢？政府职责配置结构需要调整和科学的政府职责体系需要建立这一观点在公共政策和学术讨论中已经成为共识。发展的基本态势是强调“合理确权”，即明确各层级政府应当履行什么职权和承担什么职责，以实现五级政府之间在事权和职责配置上的合理分工。基于此，本文将政府职责体系构建过程划分为三个相互联系的阶段——权责梳理、权责分解与归堆、权责配置，并逐一探讨这三个阶段中算法技术赋能的作用机制（参见图1）。

第一，算法技术赋能权责梳理工作。权责事项的梳理是构建政府职责体系的基础，其主要目的是全面把握权责事项的底数，为分解、归堆和配置工作提供依据。随着政府行政权力的扩张，各层级、各类别政府的权责事项变得更加繁杂，单纯依靠人脑进行数据存储和信息处理的局限性和弊端逐渐暴露出来。以往工作中，相关工作人员只能在体量庞杂的信息与数据中选取有限内容进行分析，通过个体推断总体并描绘全局图景。这样，权责事项梳理不彻底、权力事项与职责事项不对应等问题便会经常出现。算法技术的嵌入能够改进这一状况。在人工智能时代，政府行政活动的全息化态势日益显著，权责事项在运行过程中产生出诸多信息与数据。借助各类智能设备，这些信息与数据被动态地采集著，并通过移动互联网和物联网技术的链接以及分布式并行计算技术的应用［28］，构建起庞大的信息与数据网络。在算法技术的设定下，通过监督学习或非监督学习的方式，机器能够在人脑所不能及的程度上，对海量数据进行集成归并和智能筛选，对各类信息进行特征萃取和规律提炼，从而逐步把握权责事项底数及相关联的有用信息。

第二，算法技术赋能权责分解与归堆工作。权责事项的分解与归堆是政府职责体系构建的关键环节，是使五级政府之间既有分工又有合作的重要前提。在分解工作中，要处理好“环节”与“事权”的关系，把比较完整的事权划分出来、划分下去［29］；在归堆工作中，要适当归类相邻层级政府的同类别事权，做到既能够各负其责，又能够上下衔接［30］。经过多轮实践探索与理论反思，分解、归堆工作的基本原则已经在实务界与学术界形成共识。但是，作为一项操作性极强的工作，如果缺乏具体的实施方法，这些基本原则就无法“落地”。在以往工作中，由于分解与归堆工作只有原则性界说，并无具体化标准，相关工作人员只能按照自己的理解去执行。这就引发了不同地方执行标准不相同、执行结果差距大等现象。而算法技术的引入则可以在解决上述问题的同时，提高这一工作的高效化水平。在算法技术的设定下，机器以一种客观中立、稳妥可靠的方式进行工作，目标、参数与数据是唯一能够影响工作结果的变量［31］。也即，向机器输入分解、归堆的工作目标及程序要求，便可得到无偏的结果。此外，借助算法技术，机器能够更加高效地完成工作。一方面，依靠算法系统的强大计算能力，机器能够用穷举的方式在相当短的时间内完成权衡过程；另一方面，基于多层次神经网络系统，机器能够提供许多人脑无法虑及的建议，找到超出人类认知范围的重要隐性信息［32］。由此，可以将分解、归堆工作落实、落细，为权责事项的合理配置奠定重要基础。

第三，算法技术赋能权责配置工作。以“确权”的方式确认各级政府职责配置，实现政府间事权和职责的科学合理归位，政府职责体系便会“呼之欲出”。合理确权实质上是制度性分权，是对原先分权过程随意性较大的反思与修正。但这并不意味着，权责配置结构是一成不变的，政府职责体系构建可以“毕其功于一役”。事实上，政府职责体系应当具有相当的弹性与灵活性，能够根据法律法规的立改废释以及相关改革对职责配置结构的影响，进行职责层次内和职责层次间的动态调整［33］。算法技术的嵌入能够实现这一要求。在算法技术的设定下，通过点线面网的数字化链接，可以对政府行政活动的未来场景进行多维模拟，建构出与现实环境相匹配的拟态情景。同时，可以通过设定基准函数衡量不同方案的优劣程度，以数字化的表达方式对这些方案进行编码处理并纳入仿生实验虚拟情景，呈现不同方案的效果及缺陷，最后达到方案比较选择和优化调整的目标［34］。此外，借助算法技术，机器能够对职责体系内容进行逐一解析，并链接法律法规与政策文本数据库进行细致比对。一旦出现歧义理解或者语义冲突的情况，便会发出警报来申请人工介入审读，以确保职责体系不会与法律法规或其他政策文件相冲突［35］。

三、算法技术赋能政府职责体系构建的风险与限度

算法技术的嵌入，虽然会提高政府行政活动的技术理性，为政府职责体系构建的相关工作提供诸多助力，但这一技术存在的诸多异化风险，如算法“霸权”、算法“黑箱”、算法“偏见”等，会给政府职责体系构建的各个阶段工作带来不同程度的风险与挑战。应当科学预判技术异化可能衍生的后果，并谨慎体察技术嵌入行政活动并应用于政府职责体系构建领域的限度。

（一）算法“霸权”与权责梳理工作的正当性诘问

权责梳理工作意在把握事项底数，规范行政权力。虽然行政权力的扩张是社会发展的必然结果，但其应当被限制在一个相对合理的范围内。因为，行政权力的扩张不仅表现为权力行使范围的扩张，而且表现为权力行使程度的扩张［36］。若任其无限发展，则会影响权力之间的合理结构以及权力本身的正当运作［37］。在以往的行政体制改革中，行政权力的规范问题始终没有得到有效解决。但在政府职责体系构建背景下，权责事项梳理工作的开展与推进，为规范扩张中的行政权力提供了重要机遇。然而，算法技术在其中的过度嵌入，却使这一工作的正当性遭受诘问。算法技术与行政活动的深度融合，使传统具备单一知识体系的公共管理者找到了精确分析复杂社会现象、快速处理棘手社会问题的“捷径”，他们乐意将手头的工作交由算法来代为处理。随之，附带于各项工作之中的各种行政权力，也被他们“拱手相让”给了算法。而算法凭借强大计算能力与深度学习能力，逐渐成为调配社会资源的新兴力量，进而获得了一种事实上的技术权力——算法权力［38］。

算法权力从不同层面嵌入行政权力的运作过程中，并在技术上逐渐摆脱工具地位，开始在某些领域取代行政权力而成为独立的决策主体。退一步讲，即使算法仍然保持其工具属性，它也能以微妙而有效的方式塑造人类的感受和行为，使他们在潜移默化地“游说”下放弃原本的独立性思考与自主性判断，以致呈现出形式上人类参与决策而实质上算法操纵决策的景象。在这种情景下，算法逻辑取代了法律规则，自动决策代替了依法决策，原有的法律法规面临着被架空的局面。当相应的规制方案与救济途径缺位时，算法权力便能够更加“自如”地借助行政权力体系“野蛮生长”，将原先“限制权力与保障权利”的格局替换为“崇拜权力与压缩权利”的格局，进而造成诸多风险与隐患。这样一来，不但规范行政权力的问题没有得到稳妥解决，而且增加了又一难题——如何限制和约束算法权力。相比而言，后者在认知上和操作上的难度更大，发展的态势也不甚明朗，稍有不慎便会对公共利益造成巨大损害。

（二）算法“黑箱”与权责分解和归堆工作的可信性质疑

权责分解与归堆工作意在分配清楚五级政府之间的事权与职责，改变政府间事权模糊、职责不清的状态。以往，各个层级政府普遍分不清自己应该做什么、不应该做什么，几乎对所有事情都要管理、都要负责。这样，不仅基层负担过重，而且中央压力也极大。这种局面已经无法适应现实需要，亟待改变。权责清单制度的推行，是分解与归堆工作的初步“试水”。但由于缺乏较高水平和较为清晰的关于各个层级政府权责的法律文本指导，因而在制度建设过程中，出现了制度要素不统一、清单内容差异大等问题。算法技术的嵌入，为解决上述问题提供了一致性方案与高效化路径，但也正是由于其过于“智能”，随之带来了难以理解与难以监督的问题——算法“黑箱”问题。

算法“黑箱”本质上是技术“黑箱”，其不可知曉与不可解释程度随着机器学习技术的迭代进步而不断加深。与监督学习技术相对应的是算法“黑箱”的初级形态。在这种形态下，输入端的数据训练程序与输出端的算法目标程序都是已知的，“黑箱”只存在于输入端与输出端之间不能被观察到的“隐层”中［39］。这种算法“黑箱”的不可知程度最低，大部分人都可以了解算法信息。与半监督学习相对应的是算法“黑箱”的中级形态［40］。在这种形态下，输出端的算法目标程序是已知的，而输入端的数据训练程序是未知的，“黑箱”便存在于输入端。这种算法“黑箱”的不可知程度更高一些，只有一部分人可以了解算法信息，而另一部分人是不了解的。与无监督学习相对应的是算法“黑箱”的高级形态［41］。在这种形态下，输入端的数据训练程序与输出端的算法目标程序都是未知的，“黑箱”存在于从输入端到输出端的全过程。这种算法“黑箱”的不可知程度最高，只有机器了解算法信息，而人对此一无所知。

从目前的技术发展阶段和实际应用情况来看，算法“黑箱”以中级形态为主，兼有初级形态和高级形态。中级形态的算法“黑箱”在政府行政活动中的具体表现是，技术公司负责算法设计与算法运行，而政府部门掌控算法目标与算法结果［42］。因此，这一形态“黑箱”的形成，除受到技术本身的高度专业性和极端复杂性影响之外，还受到技术公司“刻意不透明”的影响。技术公司在面临公开数据收集详情会因侵犯用户隐私被索赔、公开算法运行程序会因程序漏洞被指控、公开算法运行结果会因结果错误被诉讼等情境时，往往没有动力公开算法，而是倾向于对其进行隐秘处理。技术原因与社会原因的交叠，使赛维坦与人类社会之间横亘起一道新的“无知之幕”［43］。而这种“认知隔膜”的存在，使人们不仅无法参与算法运作过程，而且无法获得或者即使可以获得也无法理解相关解释信息，进而难以对这一运作过程进行有效监督，由此输出的结果和生成的方案会遭受可信性质疑。

（三）算法“偏见”与权责配置工作的准确性挑战

权责配置工作在政府职能转变的过渡阶段，既需要包容改革对政府权责的调整，也需要维持整个权责体系的相对稳定。这意味着，权责配置工作并非一劳永逸。它一方面需要关注法律法规的立改废释，另一方面需要注意相关改革对权责配置结构的影响，实现权责体系的动态优化。算法技术凭借其在数据收集、存储与分析方面的优势，能够全面评估当前情势，理性做出前瞻决策，进而为政府及时了解改革变化实际提供助益。但是，算法技术作用的发挥是以数据为基础的，数据的收集影响着算法的性能。因为，算法需要基于全量数据来完成自我训练与自我学习，输入数据的数量与质量都会关系到算法优势的实现与否。

然而，在政府行政活动中，由于数据收集的困难，能够提供给算法进行训练的数据在数量与质量方面都存在一些欠缺。数量方面，数据的完整度不高。一方面，政府使用的智能设备多由技术公司提供，这些智能设备获取的数据也多为技术公司拥有，政府调用起来比较困难。另一方面，政府内部数据多为各条线、各部门掌握，“数据烟囱”“数据壁垒”问题仍然存在，政府集中调用各条线、各部门数据的成本较高、难度较大。这些因素导致政府常常难以获得完整、全面的数据来为算法技术提供支撑。质量方面，数据的优质性不足。在收集数据时，需要考虑所收集数据的准确性和通用性。准确性要求数据能够准确反映需要定义的问题，符合忠实测量原则，以确保能够精准预测变量；通用性则要求数据能够代表模型最终应用的实际情况，能够就同类问题进行预测［44］。但就目前能够收集到的数据而言，数据“污染”、数据“失真”、数据“冗杂”、数据价值密度不足等问题普遍存在，其准确性和通用性都难以保证。

当这些在数量与质量上都存在偏差的数据被应用于算法训练时，它们所蕴含的“偏见”便会被算法识别并予以标记，产生带有“偏见”的算法规则集，并在嵌入行政活动时持续强化这种“偏见”，得出带有“偏见”的结果。这样看来，行政活动中既有的数据问题，使相当一部分数据无法进入算法训练数据集，而进入数据集的数据又有相当一部分存在各种各样的质量问题。这种数据收集的不全面与不周严会因算法运作特性而催生出结果的不严谨，使这一工作的准确性面临挑战。

四、总结与讨论

人类社会的每一次重大科技变革都会展现福祸相依的双重面向，算法技术也不例外。不管人们是否愿意、是否承认，算法技术几乎渗透到现实生活的各个领域，已经成为不可回避的事实。这一技术在政府行政活动中的兴起与发展，为诸如政府纵向间关系调整、政府职责体系构建等具体问题在操作层面的工作提供了许多助益。但对这一技术，我们不仅要善加利用，同时还要保持警惕，不能希冀于技术能够纾解所有难题，更不能沉湎于技术万能的赞歌之中。在某种意义上，算法技术自身具有独特的技术逻辑和现实路径，因此，当其深度嵌入政府行政活动中时，会对“以人为本”的公共价值造成前所未有的冲击。

一方面，公共价值的生成来源于人类的直接参与。但在人类主动推动的算法技术应用过程中，技术系统从人类自然感官、自然肢体或自然智能的代理者，向人类中心地位的替代者的方向发展［45］。由此，加速了人类在行政活动中的离场，使公共价值生成的必要条件遭受重大挑战。另一方面，公共价值的生成离不开人类的情感基础。但在阐扬算法技术嵌入行政活动带来的精确性时，人类情感正被视为一种扰乱精确性的因素而被逐渐边缘化［46］。由此，行政活动将因缺乏情感投入而变得冰冷无趣，人类行为也将因“被困在系统中”而同谋求人类福祉的价值目标渐行渐远。因此，在倡导技术应用的同时，要时刻高扬“以人为本”的价值旗帜，始终坚守“以人为本”的价值底线，明确算法技术的辅助地位，并以人的价值的实现与否来审视和判断是否应用算法技术，从而最大限度地避免这一技术对人类的主体替代和对人类的权力易手，消除由此引发的挑战公共价值的隐忧与消解公共价值的隐患。

在重申人类主体性地位、明确技术辅助性原则的基础上，还应当从以下三个具体方面入手规制算法技术的应用，实现算法善治的愿望与目标。

第一，构建算法准入机制、发布算法准入清单，重视思考算法技术介入政府行政活动的范围与边界。将“机器擅长的交给机器，人类擅长的交给人类”，如价值无涉的事项可以交由机器来处理，而涉及价值判断的事项则由人工介入，促进人机交互和人机合作。这样，在机器入场的同时保证人类不离场，避免政府行政活动走向“技术依赖”的泥沼而偏离“技术赋能”的本意。

第二，构建算法解释制度，从应用层面逐步破解算法“黑箱”。由于算法信息与国家秘密、政府机密以及商业秘密具有强相关性，因而我们不能盲目要求全面公开算法信息。而基于应用于政府行政活动中的算法多来自技术公司这一现实，政府在采购算法时，可要求技术公司交付算法模型的生成记录与运行逻辑，从而用其来解释关键政策并帮助展开验证工作［47］，以此降低算法“黑箱”带来的消极影响，提升社会各界对算法技术的认可程度。

第三，持续推进数字政府建设，为集成算法技术与行政活动提供重要平台。技术与制度同频共振是技术发挥作用的重要保障，发挥技术与制度的合力作用，需要构建能够汇集技术与制度双重功用的有效机制。当前正在推进的数字政府建设，为政府掌握数据主导权、推进数据集成与共享提供了重要机遇，进而为克服政府各条线和各部门的自利倾向、坚持一切工作以公共利益为准则提供了多重保障［48］，是实现算法技术向上、向善的重要机制系统，应当持续、深入推进。

需要说明的是，本文论述得以展开的前提和依据建立在算法技术进一步发展、算法技术与公共行政进一步融合的基础上，因而论述中的多数情形尚未在现实生活中充分显现。本文更多是对算法技术嵌入政府行政活动后所引发的一系列变化的一种预判性分析，但这并不妨碍对算法赋能展开想象，并对其限度进行反思，从而有效规避算法技术介入的潜在风险，最大限度发挥这一技术赋能的正面效应。

参考文献：

［1］朱光磊.全面深化改革进程中的中国新治理观［J］.中国社会科学，2017，（4）.

［2］中共中央印发《深化党和国家机构改革方案》［N］.人民日报，2018-03-22.

［3］中共中央关于坚持和完善中國特色社会主义制度推进国家治理体系和治理能力现代化若干重大问题的决定［N］.人民日报，2019-11-06.

［4］中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议［M］.北京：人民出版社，2020.

［5］习近平.高举中国特色社会主义伟大旗帜为全面建设社会主义现代化国家而团结奋斗［N］.人民日报，2022-10-26.

［6］朱光磊，杨智雄.职责序构：中国政府职责体系的一种演进形态［J］.学术界，2020，（5）.

［7］邹宗根.职责旋构：纵向间政府关系的新思考［J］.长白学刊，2013，（5）.

［8］吕同舟.中国政府纵向职责体系研究［M］.天津：天津人民出版社/天津出版传媒集团，2021.

［9］贾开，蒋余浩.人工智能治理的三个基本问题：技术逻辑、风险挑战与公共政策选择［J］.中国行政管理，2017，（10）.

［10］何哲.面向未来的公共管理体系：基于智能网络时代的探析［J］.中国行政管理，2017，（11）.

［11］孙伟平.人工智能与人的“新异化”［J］.中国社会科学，2020，（12）.

［12］岳楚炎.人工智能革命与政府转型［J］.自然辩证法通讯，2019，（1）.

［13］胡洪彬.人工智能时代政府治理模式的变革与创新［J］.学术界，2018，（4）.

［14］Puraite A，Zuzeviciute V，Bereikiene D，et al.Algorithmic Governance in Public Sector：Is Digitization a Key to Effective Management［J］.Independent Journal of Management&Production，2020，（9）.

［15］邝岩，许晓东.算法治理研究述评：演进脉络分析与理论体系构建［J］.情报杂志，2023，（3）.

［16］Tsamados A，Aggarwal N，Cowls J，et al.The Ethics of Algorithms：Key Problems and Solutions［J］.Ai&Society，2022，（1）.

［17］Shapiro A.Predictive Policing for Reform？ Indeterminacy and Intervention in Big Data Policing［J］.Surveillance&Society，2019，（3-4）.

［18］Gorwa R，Binns R，Katzenbach C.Algorithmic Content Moderation：Technical and Political Challenges in the Automation of Platform Governance［J］.Big Data&Society，2020，（1）.

［19］陈鹏.算法的权力：应用与规制［J］.浙江社会科学，2019，（4）.

［20］苏宇.算法规制的谱系［J］.中国法学，2020，（3）.

［21］陈思.算法治理：智能社会技术异化的风险及应对［J］.湖北大学学报（哲学社会科学版），2020，（1）.

［22］汝绪华.算法政治：风险、发生逻辑与治理［J］.厦门大学学报（哲学社会科学版），2018，（6）.

［23］封帅.人工智能时代的国际关系：走向变革且不平等的世界［J］.外交评论（外交学院学报），2018，（1）.

［24］王元卓，贾岩涛，刘大伟，等.基于开放网络知识的信息检索与数据挖掘［J］.计算机研究与发展，2015，（2）.

［25］Grove W，Meehl P.Comparative Efficiency of Informal （Subjective， Impressionistic） and Formal （Mechanical， Algorithmic） Prediction Procedures：The Clinical-Statistical Controversy［J］.Psychology，1996，（2）.

［26］Kleinberg J，Lakkaraju H，Ludwig J，et al.Human Decisions and Machine Predictions［J］.The Quarterly Journal of Economics，2017，（1）.

［27］周靖.科学技术概论（第三版）［M］.南京：南京大学出版社，2020.

［28］赵友华.人工智能时代优化民生政治参与的算法逻辑［J］.宁夏社会科学，2019，（5）.

［29］朱光磊.政府职责体系构建中的六个重要关系［J］.中国机构改革与管理，2013，（6）.

［30］朱光磊，锁利铭，宋林霖，等.构建中国特色社会主义政府职责体系推进政府治理现代化（笔谈）［J］.探索，2021，（1）.

［31］封帅，周亦奇.人工智能时代国家战略行为的模式变迁——走向数据与算法的竞争［J］.国际展望，2018，（4）.

［32］Ayoub K，Payne K.Strategy in the Age of Artificial Intelligence［J］.The Journal of Strategic Studies，2016，（5-6）.

［33］赵志远.政府职责体系构建中的权责清单制度：结构、过程与机制［J］.政治学研究，2021，（5）.

［34］侯浩翔，钟婉娟.人工智能视阈下教育治理的技术功用与困境突破［J］.电化教育研究，2019，（4）.

［35］吴进进，符阳.算法决策：人工智能驱动的公共决策及其风险［J］.开放时代，2021，（5）.

［36］刘素梅.论行政权力的扩张［J］.苏州大学学报，2006，（2）.

［37］邓晔.论行政权的扩张与控制［J］.法学杂志，2008，（2）.

［38］张凌寒.算法权力的兴起、异化及法律规制［J］.法商研究，2019，（4）.

［39］许可.人工智能的算法黑箱与数据正义［N］.社会科学报，2018-03-29.

［40］Diakopoulos N.Algorithmic Accountability：Journalistic Investigation of Computational Power Structures［J］.Digital Journalism，2015，（3）.

［41］张淑玲.破解黑箱：智媒时代的算法权力规制与透明实现机制［J］.中国出版，2018，（7）.

［42］谭九生，范晓韵.算法“黑箱”的成因、风险及其治理［J］.湖南科技大学学报（社会科学版），2020，（6）.

［43］赵友华.人工智能时代优化民生政治参与的算法逻辑［J］.宁夏社会科学，2019，（5）.

［44］刘友华.算法偏见及其规制路径研究［J］.法学杂志，2019，（6）.

［45］李河.从“代理”到“替代”的技术与正在“过时”的人类？［J］.中国社会科学，2020，（10）.

［46］田先紅，张庆贺.城市社区中的情感治理：基础、机制及限度［J］.探索，2019，（6）.

［47］Brauneis R，Goodman E.Algorithmic Transparency for the Smart City［J］.The Yale Journal of Law＆Technology，2018，（1）．

［48］王张华，颜佳华.人工智能时代算法行政的公共性审视——基于“人机关系”的视野［J］.探索，2021，（4）.

［责任编辑：张英秀］