算法技術賦能政府職責體系構建及其限度

黃雅卓

摘 要：“合理確權”是政府職責體系構建的重要原則，但在實踐中“合理確權”的實現存在困難。人工智能時代，算法技術嵌入政府行政活動中，被應用于政府職責體系構建，通過賦能權責梳理、分解與歸堆、配置工作，從操作層面上推動著政府縱向間關系調整與政府職責體系構建。然而，算法“霸權”、算法“黑箱”、算法“偏見”等技術異化風險，會衍生出權責梳理工作的正當性詰問、權責分解和歸堆工作的可信性質疑、權責配置工作的準確性挑戰等后果。因此，這一技術的嵌入是存在限度的，應當綜合考量技術賦能過程，規避可能的風險，最大限度發揮技術賦能的正面效應。

關鍵詞：算法技術；政府職責體系；政府縱向間關系；技術賦能；技術限度

中圖分類號：D630 文獻標識碼：A

文章編號：1008－7168（2023）03－0034－09

一、引言：政府職責體系構建的算法進路

合理調整政府縱向間關系，是中國國家治理現代化過程中需要深度解決的核心問題之一。歷史經驗告訴我們，調整政府縱向間關系，既不能簡單地“放”，也不能籠統地“集”，而應當逐步走向“健全政府職責體系”［1］。2018年，《深化黨和國家機構改革方案》指出，優化和調整職能，“構建起職責明確、依法行政的政府治理體系”［2］。2019年，黨的十九屆四中全會明確提出，“優化政府職責體系”［3］。2020年，黨的十九屆五中全會強調，“建設職責明確、依法行政的政府治理體系”［4］（p.20）。2022年，黨的二十大報告再次強調，“轉變政府職能，優化政府職責體系和組織結構，推進機構、職能、權限、程序、責任法定化，提高行政效率和公信力”［5］。這意味著，調整政府職責配置結構，構建科學的政府職責體系，已經成為調整政府縱向間關系的基本方向與重要目標。

構建政府職責體系，是具有長期性與艱巨性的任務?！奥氊熗瑯嫛笔瞧瘘c，但“職責異構”不是終點。相關研究普遍認為，應當在“職責同構”和“職責異構”之間探索一種可能的模式，構建符合中國實際、具有中國特色的政府職責體系。朱光磊、楊智雄提出，具有“序列”與“次序”內涵的“職責序構”模式，是一種可以探討的演進形態［6］。具體而言，廣義政府職責體系按照序列進行“歸堆”，狹義政府職責體系按照次序進行“分層”，使各層級政府職責逐步“歸位”［6］。鄒宗根從生物學“DNA雙螺旋結構”得到啟發，將“職責旋構”作為未來政府職責體系的一種選擇，形成“DNA雙螺旋式”的職責結構，以“雙主鏈”基本要素維護整體權威，以“堿基對”層級職能適應地方需要［7］。呂同舟認為，“嵌套式異構”是政府職責體系的可能構建模式，即將職責體系分為同構部分和異構部分，沿著中央到地方的層級結構，職責范圍逐步縮小，低層級的職責范圍嵌套于高層級的職責范圍之中［8］（p.239）。事實上，這些理想模式都表達了一個共同思想：構建政府職責體系應當合理確認各層級政府的權力與職責，實現政府間事權和職責的科學歸位。從理論層面講，“合理確權”無疑是構建政府職責體系的重要原則，但在實踐中，合理確權的實現難度非常大。除調整過程中可能受到的強大制度慣性阻礙外，各層級、各類別政府的權力事項和職責事項復雜、繁多，對其進行梳理、分類、歸位，已遠非人腦與人力可以完成。就當前權責清單制度的建設而言，其不僅給相關工作人員帶來了極大的工作負擔，而且從工作的完成度和實際效果來看，也未能達到預期。

然而，算法技術的發展與成熟，為構建政府職責體系在操作層面的相關問題提供了有效的解決路徑。從技術邏輯來看，這一技術是指建立在現代算法基礎上，以歷史數據為支撐而形成的具有感知、推理、學習、決策等思維活動并能夠按照一定目標完成相應行為的計算系統［9］。它可以在短時間內對海量數據進行分類篩選與深度挖掘，并在此基礎上進行模式或關系構建，從而揭示其規律，生產新的知識。算法技術的突破與創新不斷革新著人類社會的既有樣態，使人類第一次擁有無盡的勞動力資源和高效多樣的勞動者，從而推動著人類加速進入一個機器智慧普遍融入人類社會的時代［10］。與此同時，算法技術也開始嵌入政府行政活動中，使這種革新逐漸從社會領域傳遞到行政領域，引發了行政活動的數字化、智能化轉型，并從深層次撼動了傳統行政活動的運行規律與基本范式。相關研究者對此既充滿期待，也保持警惕，普遍認為這是一個“福禍相依”的過程。因為，算法技術具有替代人類的獨特屬性，它使行政活動中最核心要素——人類的存在——發生了改變，逐漸把人從一線的行政實踐場景中移除出去［11］。

一方面，算法技術將大量勞動力從細碎、繁瑣的工作中解脫出來，使原先冗長的科層鏈條被顯著壓縮［12］，為有效控制政府規模提供了現實可能［13］。與此同時，也使政府行政活動從人類的主觀情感中脫離出來，使其呈現出更加高效、更加精確、更加客觀的圖景［14］。但另一方面，人類的離場與機器的入場給傳統行政活動帶來前所未有的沖擊。算法技術固有的技術特性與運轉方式，會導致算法“霸權”、算法“黑箱”、算法“偏見”等問題［15］。若將這一技術與行政活動深度融合，上述問題便會以單一面貌或疊加面貌交替出現，從而給正常的政治和社會秩序造成影響，給社會公平公正和民眾合法權益帶來挑戰［16］。這些現實損害與潛在風險，引發了研究者們對因應策略的探討，這些探討主要聚焦于技術、制度與協作三個方面。在技術方面，要優化算法技術本身［17］，并設計各類監管算法［18］；在制度方面，應建立法律規范體系［19］與行業規范體系［20］；在協作方面，須協調主體間利益分配［21］，并建立多元合作機制［22］。

可見，已有研究是沿著“技術嵌入—技術風險—技術治理”的思路展開與推進的，由此從宏觀層面對算法技術在行政活動中的應用及其限度進行了相對充分的闡釋，為進一步從具體應用領域關注與探討這一問題提供了整體性框架與知識性積淀。政府職責體系構建是適合算法技術發揮作用的具體領域。然而，既有研究尚未注意到這一點。政府職責體系構建具有明確而穩定的目標，這是算法技術發揮作用的關鍵前提。此外，各層級、各類別政府的權責事項眾多，其中蘊含的信息與衍生的數據豐富而且繁雜，這為算法技術發揮作用提供了重要保障。將算法技術應用到政府職責體系構建領域，可以為政府權力事項和職責事項的梳理、分解、歸堆與合理配置提供高效的實現路徑。同時，這一技術嵌入后所引發的政府行政活動運行規律與基本范式的變革，以及由此帶來的各種風險與挑戰也不容忽視。因此，本文在把握算法技術嵌入政府行政活動的基本思路基礎上，嘗試拓展探討技術應用場景的維度，構設算法技術賦能政府職責體系的圖景，預判其中存在的風險與挑戰，提出針對性的應對策略。

二、算法技術賦能政府職責體系構建的智能圖景

算法技術所引領的新一輪科技革命與以往科技革命相比，有著本質區別?！斑^去的技術革新無論形態如何，其性質仍是人類改造世界的工具和手段，而算法技術則能夠通過對數據的分析和學習，理解人類的內在需求，作為創造性的伙伴直接參與到人類改造世界的活動中?！保?3］換言之，算法技術的發展目標不僅是無限延展人類的肢體行動能力，更是模擬人類的意識、思維等大腦功能，甚至是用機器代替人類進行決策與行動。而與人腦和人力相比，算法技術具有三個方面的核心功能。

一是從海量數據中識別和提取信息。以人腦與人力搜集和處理海量非結構化數據，成本極高而又很難保證準確性。但借助算法技術，利用其文本挖掘、知識庫自動構建、圖像視頻識別與生成、自然語言處理等功能［24］，可以將非結構化數據轉化為結構化數據。在此基礎上進行分類處理與深入分析，能夠快速、便捷地挖掘出其中的有效信息。二是對各種關系進行判斷與預測。人腦天然地帶有非理性偏見，其對關系的判斷與預測能力遠不及統計模型；而以因果推斷為目標的傳統統計模型，難以準確還原數據生成過程，其預測效果也比較有限［25］。但算法技術基于大數據和高維數據，可以篩選出預測因子，并建構起非線性和高度交互的預測模型，進而能夠高效、精準地判斷并預測高度復雜的現象與數據間關系［26］。三是在運作中實現自我學習與優化。人類學習需要經過漫長的習得過程，與此不同，算法技術能夠模仿人類的學習行為，并以比人腦快得多的速度獲取新知識或新經驗，重新組織已有知識結構，提高自身表現能力。而且，當算法技術在實踐中的應用面逐漸擴大，積累的數據量不斷增多時，它能夠根據環境與情況的變化，調整運作方式并提高計算能力，從而在較短時間內實現自我進化與迭代更新。

上述功能使算法技術建立起獨特的理解問題框架與解決問題能力，將其嵌入政府行政活動中，行政決策會變得更加理性，行政行為也會變得更加精準。因為，在傳統行政活動中，針對特定工作，人們一般會根據先前經驗，給出一個或幾個具有確定性特征的方案。而且，由于人腦判斷容易受思維定式的影響，一旦形成對某一問題的理解和認知后，便不會有太大改變。然而，借助算法技術進行的行政活動是一個由數據到信息、再由信息到知識并最終以行動為頂點的演進過程［27］（p.55）。在初期，算法技術的效果或許并不明顯，做出的決策與行動存在偶然性。但隨著嵌入程度的逐漸加深，其能夠不斷調整、修正各種決策與行動方案，從而得出更加接近于“理想類型”的結果，實現改變人類生產、生活實踐的目標。

那么，算法技術是如何嵌入政府行政活動中，并應用于政府職責體系構建領域內，為相關工作的完成提供助益的呢？政府職責配置結構需要調整和科學的政府職責體系需要建立這一觀點在公共政策和學術討論中已經成為共識。發展的基本態勢是強調“合理確權”，即明確各層級政府應當履行什么職權和承擔什么職責，以實現五級政府之間在事權和職責配置上的合理分工?；诖?，本文將政府職責體系構建過程劃分為三個相互聯系的階段——權責梳理、權責分解與歸堆、權責配置，并逐一探討這三個階段中算法技術賦能的作用機制（參見圖1）。

第一，算法技術賦能權責梳理工作。權責事項的梳理是構建政府職責體系的基礎，其主要目的是全面把握權責事項的底數，為分解、歸堆和配置工作提供依據。隨著政府行政權力的擴張，各層級、各類別政府的權責事項變得更加繁雜，單純依靠人腦進行數據存儲和信息處理的局限性和弊端逐漸暴露出來。以往工作中，相關工作人員只能在體量龐雜的信息與數據中選取有限內容進行分析，通過個體推斷總體并描繪全局圖景。這樣，權責事項梳理不徹底、權力事項與職責事項不對應等問題便會經常出現。算法技術的嵌入能夠改進這一狀況。在人工智能時代，政府行政活動的全息化態勢日益顯著，權責事項在運行過程中產生出諸多信息與數據。借助各類智能設備，這些信息與數據被動態地采集著，并通過移動互聯網和物聯網技術的鏈接以及分布式并行計算技術的應用［28］，構建起龐大的信息與數據網絡。在算法技術的設定下，通過監督學習或非監督學習的方式，機器能夠在人腦所不能及的程度上，對海量數據進行集成歸并和智能篩選，對各類信息進行特征萃取和規律提煉，從而逐步把握權責事項底數及相關聯的有用信息。

第二，算法技術賦能權責分解與歸堆工作。權責事項的分解與歸堆是政府職責體系構建的關鍵環節，是使五級政府之間既有分工又有合作的重要前提。在分解工作中，要處理好“環節”與“事權”的關系，把比較完整的事權劃分出來、劃分下去［29］；在歸堆工作中，要適當歸類相鄰層級政府的同類別事權，做到既能夠各負其責，又能夠上下銜接［30］。經過多輪實踐探索與理論反思，分解、歸堆工作的基本原則已經在實務界與學術界形成共識。但是，作為一項操作性極強的工作，如果缺乏具體的實施方法，這些基本原則就無法“落地”。在以往工作中，由于分解與歸堆工作只有原則性界說，并無具體化標準，相關工作人員只能按照自己的理解去執行。這就引發了不同地方執行標準不相同、執行結果差距大等現象。而算法技術的引入則可以在解決上述問題的同時，提高這一工作的高效化水平。在算法技術的設定下，機器以一種客觀中立、穩妥可靠的方式進行工作，目標、參數與數據是唯一能夠影響工作結果的變量［31］。也即，向機器輸入分解、歸堆的工作目標及程序要求，便可得到無偏的結果。此外，借助算法技術，機器能夠更加高效地完成工作。一方面，依靠算法系統的強大計算能力，機器能夠用窮舉的方式在相當短的時間內完成權衡過程；另一方面，基于多層次神經網絡系統，機器能夠提供許多人腦無法慮及的建議，找到超出人類認知范圍的重要隱性信息［32］。由此，可以將分解、歸堆工作落實、落細，為權責事項的合理配置奠定重要基礎。

第三，算法技術賦能權責配置工作。以“確權”的方式確認各級政府職責配置，實現政府間事權和職責的科學合理歸位，政府職責體系便會“呼之欲出”。合理確權實質上是制度性分權，是對原先分權過程隨意性較大的反思與修正。但這并不意味著，權責配置結構是一成不變的，政府職責體系構建可以“畢其功于一役”。事實上，政府職責體系應當具有相當的彈性與靈活性，能夠根據法律法規的立改廢釋以及相關改革對職責配置結構的影響，進行職責層次內和職責層次間的動態調整［33］。算法技術的嵌入能夠實現這一要求。在算法技術的設定下，通過點線面網的數字化鏈接，可以對政府行政活動的未來場景進行多維模擬，建構出與現實環境相匹配的擬態情景。同時，可以通過設定基準函數衡量不同方案的優劣程度，以數字化的表達方式對這些方案進行編碼處理并納入仿生實驗虛擬情景，呈現不同方案的效果及缺陷，最后達到方案比較選擇和優化調整的目標［34］。此外，借助算法技術，機器能夠對職責體系內容進行逐一解析，并鏈接法律法規與政策文本數據庫進行細致比對。一旦出現歧義理解或者語義沖突的情況，便會發出警報來申請人工介入審讀，以確保職責體系不會與法律法規或其他政策文件相沖突［35］。

三、算法技術賦能政府職責體系構建的風險與限度

算法技術的嵌入，雖然會提高政府行政活動的技術理性，為政府職責體系構建的相關工作提供諸多助力，但這一技術存在的諸多異化風險，如算法“霸權”、算法“黑箱”、算法“偏見”等，會給政府職責體系構建的各個階段工作帶來不同程度的風險與挑戰。應當科學預判技術異化可能衍生的后果，并謹慎體察技術嵌入行政活動并應用于政府職責體系構建領域的限度。

（一）算法“霸權”與權責梳理工作的正當性詰問

權責梳理工作意在把握事項底數，規范行政權力。雖然行政權力的擴張是社會發展的必然結果，但其應當被限制在一個相對合理的范圍內。因為，行政權力的擴張不僅表現為權力行使范圍的擴張，而且表現為權力行使程度的擴張［36］。若任其無限發展，則會影響權力之間的合理結構以及權力本身的正當運作［37］。在以往的行政體制改革中，行政權力的規范問題始終沒有得到有效解決。但在政府職責體系構建背景下，權責事項梳理工作的開展與推進，為規范擴張中的行政權力提供了重要機遇。然而，算法技術在其中的過度嵌入，卻使這一工作的正當性遭受詰問。算法技術與行政活動的深度融合，使傳統具備單一知識體系的公共管理者找到了精確分析復雜社會現象、快速處理棘手社會問題的“捷徑”，他們樂意將手頭的工作交由算法來代為處理。隨之，附帶于各項工作之中的各種行政權力，也被他們“拱手相讓”給了算法。而算法憑借強大計算能力與深度學習能力，逐漸成為調配社會資源的新興力量，進而獲得了一種事實上的技術權力——算法權力［38］。

算法權力從不同層面嵌入行政權力的運作過程中，并在技術上逐漸擺脫工具地位，開始在某些領域取代行政權力而成為獨立的決策主體。退一步講，即使算法仍然保持其工具屬性，它也能以微妙而有效的方式塑造人類的感受和行為，使他們在潛移默化地“游說”下放棄原本的獨立性思考與自主性判斷，以致呈現出形式上人類參與決策而實質上算法操縱決策的景象。在這種情景下，算法邏輯取代了法律規則，自動決策代替了依法決策，原有的法律法規面臨著被架空的局面。當相應的規制方案與救濟途徑缺位時，算法權力便能夠更加“自如”地借助行政權力體系“野蠻生長”，將原先“限制權力與保障權利”的格局替換為“崇拜權力與壓縮權利”的格局，進而造成諸多風險與隱患。這樣一來，不但規范行政權力的問題沒有得到穩妥解決，而且增加了又一難題——如何限制和約束算法權力。相比而言，后者在認知上和操作上的難度更大，發展的態勢也不甚明朗，稍有不慎便會對公共利益造成巨大損害。

（二）算法“黑箱”與權責分解和歸堆工作的可信性質疑

權責分解與歸堆工作意在分配清楚五級政府之間的事權與職責，改變政府間事權模糊、職責不清的狀態。以往，各個層級政府普遍分不清自己應該做什么、不應該做什么，幾乎對所有事情都要管理、都要負責。這樣，不僅基層負擔過重，而且中央壓力也極大。這種局面已經無法適應現實需要，亟待改變。權責清單制度的推行，是分解與歸堆工作的初步“試水”。但由于缺乏較高水平和較為清晰的關于各個層級政府權責的法律文本指導，因而在制度建設過程中，出現了制度要素不統一、清單內容差異大等問題。算法技術的嵌入，為解決上述問題提供了一致性方案與高效化路徑，但也正是由于其過于“智能”，隨之帶來了難以理解與難以監督的問題——算法“黑箱”問題。

算法“黑箱”本質上是技術“黑箱”，其不可知曉與不可解釋程度隨著機器學習技術的迭代進步而不斷加深。與監督學習技術相對應的是算法“黑箱”的初級形態。在這種形態下，輸入端的數據訓練程序與輸出端的算法目標程序都是已知的，“黑箱”只存在于輸入端與輸出端之間不能被觀察到的“隱層”中［39］。這種算法“黑箱”的不可知程度最低，大部分人都可以了解算法信息。與半監督學習相對應的是算法“黑箱”的中級形態［40］。在這種形態下，輸出端的算法目標程序是已知的，而輸入端的數據訓練程序是未知的，“黑箱”便存在于輸入端。這種算法“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。與無監督學習相對應的是算法“黑箱”的高級形態［41］。在這種形態下，輸入端的數據訓練程序與輸出端的算法目標程序都是未知的，“黑箱”存在于從輸入端到輸出端的全過程。這種算法“黑箱”的不可知程度最高，只有機器了解算法信息，而人對此一無所知。

從目前的技術發展階段和實際應用情況來看，算法“黑箱”以中級形態為主，兼有初級形態和高級形態。中級形態的算法“黑箱”在政府行政活動中的具體表現是，技術公司負責算法設計與算法運行，而政府部門掌控算法目標與算法結果［42］。因此，這一形態“黑箱”的形成，除受到技術本身的高度專業性和極端復雜性影響之外，還受到技術公司“刻意不透明”的影響。技術公司在面臨公開數據收集詳情會因侵犯用戶隱私被索賠、公開算法運行程序會因程序漏洞被指控、公開算法運行結果會因結果錯誤被訴訟等情境時，往往沒有動力公開算法，而是傾向于對其進行隱秘處理。技術原因與社會原因的交疊，使賽維坦與人類社會之間橫亙起一道新的“無知之幕”［43］。而這種“認知隔膜”的存在，使人們不僅無法參與算法運作過程，而且無法獲得或者即使可以獲得也無法理解相關解釋信息，進而難以對這一運作過程進行有效監督，由此輸出的結果和生成的方案會遭受可信性質疑。

（三）算法“偏見”與權責配置工作的準確性挑戰

權責配置工作在政府職能轉變的過渡階段，既需要包容改革對政府權責的調整，也需要維持整個權責體系的相對穩定。這意味著，權責配置工作并非一勞永逸。它一方面需要關注法律法規的立改廢釋，另一方面需要注意相關改革對權責配置結構的影響，實現權責體系的動態優化。算法技術憑借其在數據收集、存儲與分析方面的優勢，能夠全面評估當前情勢，理性做出前瞻決策，進而為政府及時了解改革變化實際提供助益。但是，算法技術作用的發揮是以數據為基礎的，數據的收集影響著算法的性能。因為，算法需要基于全量數據來完成自我訓練與自我學習，輸入數據的數量與質量都會關系到算法優勢的實現與否。

然而，在政府行政活動中，由于數據收集的困難，能夠提供給算法進行訓練的數據在數量與質量方面都存在一些欠缺。數量方面，數據的完整度不高。一方面，政府使用的智能設備多由技術公司提供，這些智能設備獲取的數據也多為技術公司擁有，政府調用起來比較困難。另一方面，政府內部數據多為各條線、各部門掌握，“數據煙囪”“數據壁壘”問題仍然存在，政府集中調用各條線、各部門數據的成本較高、難度較大。這些因素導致政府常常難以獲得完整、全面的數據來為算法技術提供支撐。質量方面，數據的優質性不足。在收集數據時，需要考慮所收集數據的準確性和通用性。準確性要求數據能夠準確反映需要定義的問題，符合忠實測量原則，以確保能夠精準預測變量；通用性則要求數據能夠代表模型最終應用的實際情況，能夠就同類問題進行預測［44］。但就目前能夠收集到的數據而言，數據“污染”、數據“失真”、數據“冗雜”、數據價值密度不足等問題普遍存在，其準確性和通用性都難以保證。

當這些在數量與質量上都存在偏差的數據被應用于算法訓練時，它們所蘊含的“偏見”便會被算法識別并予以標記，產生帶有“偏見”的算法規則集，并在嵌入行政活動時持續強化這種“偏見”，得出帶有“偏見”的結果。這樣看來，行政活動中既有的數據問題，使相當一部分數據無法進入算法訓練數據集，而進入數據集的數據又有相當一部分存在各種各樣的質量問題。這種數據收集的不全面與不周嚴會因算法運作特性而催生出結果的不嚴謹，使這一工作的準確性面臨挑戰。

四、總結與討論

人類社會的每一次重大科技變革都會展現福禍相依的雙重面向，算法技術也不例外。不管人們是否愿意、是否承認，算法技術幾乎滲透到現實生活的各個領域，已經成為不可回避的事實。這一技術在政府行政活動中的興起與發展，為諸如政府縱向間關系調整、政府職責體系構建等具體問題在操作層面的工作提供了許多助益。但對這一技術，我們不僅要善加利用，同時還要保持警惕，不能希冀于技術能夠紓解所有難題，更不能沉湎于技術萬能的贊歌之中。在某種意義上，算法技術自身具有獨特的技術邏輯和現實路徑，因此，當其深度嵌入政府行政活動中時，會對“以人為本”的公共價值造成前所未有的沖擊。

一方面，公共價值的生成來源于人類的直接參與。但在人類主動推動的算法技術應用過程中，技術系統從人類自然感官、自然肢體或自然智能的代理者，向人類中心地位的替代者的方向發展［45］。由此，加速了人類在行政活動中的離場，使公共價值生成的必要條件遭受重大挑戰。另一方面，公共價值的生成離不開人類的情感基礎。但在闡揚算法技術嵌入行政活動帶來的精確性時，人類情感正被視為一種擾亂精確性的因素而被逐漸邊緣化［46］。由此，行政活動將因缺乏情感投入而變得冰冷無趣，人類行為也將因“被困在系統中”而同謀求人類福祉的價值目標漸行漸遠。因此，在倡導技術應用的同時，要時刻高揚“以人為本”的價值旗幟，始終堅守“以人為本”的價值底線，明確算法技術的輔助地位，并以人的價值的實現與否來審視和判斷是否應用算法技術，從而最大限度地避免這一技術對人類的主體替代和對人類的權力易手，消除由此引發的挑戰公共價值的隱憂與消解公共價值的隱患。

在重申人類主體性地位、明確技術輔助性原則的基礎上，還應當從以下三個具體方面入手規制算法技術的應用，實現算法善治的愿望與目標。

第一，構建算法準入機制、發布算法準入清單，重視思考算法技術介入政府行政活動的范圍與邊界。將“機器擅長的交給機器，人類擅長的交給人類”，如價值無涉的事項可以交由機器來處理，而涉及價值判斷的事項則由人工介入，促進人機交互和人機合作。這樣，在機器入場的同時保證人類不離場，避免政府行政活動走向“技術依賴”的泥沼而偏離“技術賦能”的本意。

第二，構建算法解釋制度，從應用層面逐步破解算法“黑箱”。由于算法信息與國家秘密、政府機密以及商業秘密具有強相關性，因而我們不能盲目要求全面公開算法信息。而基于應用于政府行政活動中的算法多來自技術公司這一現實，政府在采購算法時，可要求技術公司交付算法模型的生成記錄與運行邏輯，從而用其來解釋關鍵政策并幫助展開驗證工作［47］，以此降低算法“黑箱”帶來的消極影響，提升社會各界對算法技術的認可程度。

第三，持續推進數字政府建設，為集成算法技術與行政活動提供重要平臺。技術與制度同頻共振是技術發揮作用的重要保障，發揮技術與制度的合力作用，需要構建能夠匯集技術與制度雙重功用的有效機制。當前正在推進的數字政府建設，為政府掌握數據主導權、推進數據集成與共享提供了重要機遇，進而為克服政府各條線和各部門的自利傾向、堅持一切工作以公共利益為準則提供了多重保障［48］，是實現算法技術向上、向善的重要機制系統，應當持續、深入推進。

需要說明的是，本文論述得以展開的前提和依據建立在算法技術進一步發展、算法技術與公共行政進一步融合的基礎上，因而論述中的多數情形尚未在現實生活中充分顯現。本文更多是對算法技術嵌入政府行政活動后所引發的一系列變化的一種預判性分析，但這并不妨礙對算法賦能展開想象，并對其限度進行反思，從而有效規避算法技術介入的潛在風險，最大限度發揮這一技術賦能的正面效應。

參考文獻：

［1］朱光磊.全面深化改革進程中的中國新治理觀［J］.中國社會科學，2017，（4）.

［2］中共中央印發《深化黨和國家機構改革方案》［N］.人民日報，2018-03-22.

［3］中共中央關于堅持和完善中國特色社會主義制度推進國家治理體系和治理能力現代化若干重大問題的決定［N］.人民日報，2019-11-06.

［4］中共中央關于制定國民經濟和社會發展第十四個五年規劃和二〇三五年遠景目標的建議［M］.北京：人民出版社，2020.

［5］習近平.高舉中國特色社會主義偉大旗幟為全面建設社會主義現代化國家而團結奮斗［N］.人民日報，2022-10-26.

［6］朱光磊，楊智雄.職責序構：中國政府職責體系的一種演進形態［J］.學術界，2020，（5）.

［7］鄒宗根.職責旋構：縱向間政府關系的新思考［J］.長白學刊，2013，（5）.

［8］呂同舟.中國政府縱向職責體系研究［M］.天津：天津人民出版社/天津出版傳媒集團，2021.

［9］賈開，蔣余浩.人工智能治理的三個基本問題：技術邏輯、風險挑戰與公共政策選擇［J］.中國行政管理，2017，（10）.

［10］何哲.面向未來的公共管理體系：基于智能網絡時代的探析［J］.中國行政管理，2017，（11）.

［11］孫偉平.人工智能與人的“新異化”［J］.中國社會科學，2020，（12）.

［12］岳楚炎.人工智能革命與政府轉型［J］.自然辯證法通訊，2019，（1）.

［13］胡洪彬.人工智能時代政府治理模式的變革與創新［J］.學術界，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］鄺巖，許曉東.算法治理研究述評：演進脈絡分析與理論體系構建［J］.情報雜志，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］陳鵬.算法的權力：應用與規制［J］.浙江社會科學，2019，（4）.

［20］蘇宇.算法規制的譜系［J］.中國法學，2020，（3）.

［21］陳思.算法治理：智能社會技術異化的風險及應對［J］.湖北大學學報（哲學社會科學版），2020，（1）.

［22］汝緒華.算法政治：風險、發生邏輯與治理［J］.廈門大學學報（哲學社會科學版），2018，（6）.

［23］封帥.人工智能時代的國際關系：走向變革且不平等的世界［J］.外交評論（外交學院學報），2018，（1）.

［24］王元卓，賈巖濤，劉大偉，等.基于開放網絡知識的信息檢索與數據挖掘［J］.計算機研究與發展，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.科學技術概論（第三版）［M］.南京：南京大學出版社，2020.

［28］趙友華.人工智能時代優化民生政治參與的算法邏輯［J］.寧夏社會科學，2019，（5）.

［29］朱光磊.政府職責體系構建中的六個重要關系［J］.中國機構改革與管理，2013，（6）.

［30］朱光磊，鎖利銘，宋林霖，等.構建中國特色社會主義政府職責體系推進政府治理現代化（筆談）［J］.探索，2021，（1）.

［31］封帥，周亦奇.人工智能時代國家戰略行為的模式變遷——走向數據與算法的競爭［J］.國際展望，2018，（4）.

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

［33］趙志遠.政府職責體系構建中的權責清單制度：結構、過程與機制［J］.政治學研究，2021，（5）.

［34］侯浩翔，鐘婉娟.人工智能視閾下教育治理的技術功用與困境突破［J］.電化教育研究，2019，（4）.

［35］吳進進，符陽.算法決策：人工智能驅動的公共決策及其風險［J］.開放時代，2021，（5）.

［36］劉素梅.論行政權力的擴張［J］.蘇州大學學報，2006，（2）.

［37］鄧曄.論行政權的擴張與控制［J］.法學雜志，2008，（2）.

［38］張凌寒.算法權力的興起、異化及法律規制［J］.法商研究，2019，（4）.

［39］許可.人工智能的算法黑箱與數據正義［N］.社會科學報，2018-03-29.

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

［41］張淑玲.破解黑箱：智媒時代的算法權力規制與透明實現機制［J］.中國出版，2018，（7）.

［42］譚九生，范曉韻.算法“黑箱”的成因、風險及其治理［J］.湖南科技大學學報（社會科學版），2020，（6）.

［43］趙友華.人工智能時代優化民生政治參與的算法邏輯［J］.寧夏社會科學，2019，（5）.

［44］劉友華.算法偏見及其規制路徑研究［J］.法學雜志，2019，（6）.

［45］李河.從“代理”到“替代”的技術與正在“過時”的人類？［J］.中國社會科學，2020，（10）.

［46］田先紅，張慶賀.城市社區中的情感治理：基礎、機制及限度［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］王張華，顏佳華.人工智能時代算法行政的公共性審視——基于“人機關系”的視野［J］.探索，2021，（4）.

［責任編輯：張英秀］