數智化時代的決策范式變革

■ 夏子葉

中國科學院大學公共政策與管理學院 北京 100049

0 引言

數字技術加速重構了經濟社會發展方式，催生了數據成為新生產要素，革新了傳統生產方式，引領人類社會邁向數智化時代。以大數據、人工智能、物聯網、5G、邊緣計算、時間敏感網絡等為代表的智能技術，正以前所未有的速度和顛覆力驅動著決策活動向智能化轉型升級。我國高度重視智能決策，國家自科基金委就曾將“決策智能”作為優先發展領域寫入“十四五”規劃。同時，我國智能決策市場也增長迅速，IDC 中國2022 年報告顯示，2021 年中國智能決策解決方案市場規模為8.9億美元，較上年增長66.4%，未來5 年其復合增長率將達到54%；Gartner 預測到2024 年，60%的政府人工智能與數據分析投資將直接影響實時決策和結果。邁入數智化時代，決策范式將有何變化？現有研究對該問題的探討聚焦于以下內容：第一，探討數字技術如何成為公共決策活動的技術基礎。如大數據技術能夠為決策提供實時連續的數據技術支持，全面分析事物間的相關關系[1][2]，結合人工智能技術解讀外部數據，并從數據中自動感知、推理、學習，實現對未來趨勢的預測，為循證決策提供支持[3]；區塊鏈技術的去中心性、可追溯性與不可篡改性有利于保障決策的科學性與民主性[4]。第二，探討智能決策的潛在風險與防范措施。智能決策系統的風險包括AI 模型不可解釋、不可問責的內生風險，如算法歧視、算法偏見與決策倫理等風險[5]；數據不全面與不安而導致的大數據內生風險，如數據篡改、數據偽造、對抗樣本與數據隱私等風險；人機交互中的信任風險等[6]。第三，探討環境、決策者與決策系統的互動過程。智能決策系統會影響決策數據分析活動、決策者的價值觀與注意力[7]，決策者也在法律制度、倫理規范與文化融合等方面為機器決策設定應用范圍，二者互相影響實現決策活動的人機協同[8][9]。但現有研究缺乏對決策范式變革的系統梳理與數智化時代決策活動發展趨勢展望，這是當下研究需探討的關鍵議題?；诖?，本研究系統化梳理了決策范式發展歷程，明晰了數智化時代的智能決策系統支持要素、闡明了智能決策的內涵與特征，并總結了數智化時代決策范式變革的趨勢及應對策略。

1 決策系統發展歷程

基于對決策系統特征的分析，本研究將決策系統發展歷程劃分為3個階段，參見圖1。

圖1 決策系統的發展歷程與階段

第一階段：傳統決策階段（～1960s）。該階段的特征為依靠人腦決策，以經驗決策與統計決策為主。決策活動始于人類誕生。在傳統決策階段，由于缺乏科學的決策理論與方法，決策活動往往以決策者自身所掌握的知識、智慧與經驗為依據展開。盡管有專家、謀士與智囊團在決策活動中擔任參謀角色，其本質還是以自然人的經驗為決策準則。自1946 年世界上第一臺計算機誕生后，信息技術快速發展，并催生了決策科學學派的誕生，該學派的開創性研究者Simon就曾闡述過管理依靠信息和決策這一概念[10]。20 世紀50 年代，在該理論指導下，電子計算機開始應用于決策之中，如美國自1950年起便開始運用計算機進行人口普查、總統選票統計、工資計算等簡單的統計決策活動。在實踐中逐步形成了電子數據處理（Electronic Data Processing, EDP）與事務處理系統（Transaction Processing Systems, TPS）等技術，此時的計算機在決策活動中充當的角色是數據記錄、數據分類匯總、簡單計算與報表編制，其設計之初的目標是實現辦公自動化，但尚且缺乏系統性的設計規劃。

第二階段：機器輔助決策階段（1960s～2022）。該階段特征為機器開始參與決策活動，并逐漸發揮決策增強化（Augmentation）與決策支持的作用，并不能形成決策替代。缺乏系統性與集成性的EDP 技術難以高效協調工作，在20 世紀60 年代，管理信息系統（Management Information Systems, MIS）、專家系統（Expert System, ES）與辦公自動化系統（Office Automation System, OAS）應運而生。MIS 把人與計算機納入統一系統，通過對信息的搜集、存儲、加工與使用，將管理信息由孤立狀態轉化為有組織狀態[11]；在此基礎上，OAS 將個人計算機與辦公軟件相結合，實現了對結構化數據的統計處理與紙質文檔的電子化；ES是建立在人工智能的基礎上的計算機程序，它通過基于知識的推理，實現“像專家一樣思考”以解決單一領域的特定問題[12]。20世紀70年代，決策支持系統（Decision Support Systems, DSS）被提出，Keen 與Morton 在《決策支持系統：組織視角（Decision Support Systems: An Organizational Perspective）》中將其刻畫為結合了個體的智力資源與計算機能力的人機交互支持系統[13]，它由人機接口、數據庫、模型庫、知識庫與方法庫這5 個基本部件組成，更適用于解決半結構化與部分非結構化的問題。而后20年，DSS的理論研究與商業應用飛速發展，衍生出一批如群體決策支持系統（Group Decision Supporting System, GDSS）、分布式決策支持系統（Distributed Decision Support System, DDSS）、決策支持中心(Data Support Center, DSC)、戰略決策支持系統等（Strategic Decision Support System, SDSS）在內的決策支持系統新業態，特別是，當DSS 與ES 相結合并引入人工智能(Artificial Intelligence, AI)技術后所形成的智能決策支持系統（Intelligent Decision Support System, IDSS），不僅具有知識獲取與推理技能，而且能夠跟蹤與模擬決策專家的思維過程、構建相應的決策支持環境[14]。20 世紀90 年代，決策系統理論大量涌現，圖靈獎得主Edward Feigenbaum 提出了“人—機器協同系統”，錢學森提出“開放的復雜巨系統”。同時，數據倉庫（Data Warehouse, DW）與聯機分析處理（On-Line Analysis Processing, OLAP）、數據挖掘（Data Mining）等新概念的出現，可以實現將數據庫數據進行清洗、按決策主題重組、將多維信息轉換為輔助決策信息。21 世紀，互聯網、多媒體、網格計算與知識管理等技術疊加，知識共享型與資源共享型的“協同共享型”決策支持系統出現。2008 年維克托·邁爾·舍恩伯格與肯尼斯·庫克耶在《大數據時代》一書中正式提出“大數據”概念[1]，而后大數據迅速流行，并在物聯網、云計算、邊緣計算、5G 等技術的加持下對海量數據進行處理，獲取實時與前瞻性的決策支持，形成了大數據驅動型的決策支持系統。

第三階段：智能決策階段（2022～）。該階段特征為決策系統可以根據決策場景生成決策方案，初步具備一定的決策自動化（Automation）與決策替代（Substitute Decision-Making）功能，但與完全的決策替代還有相當距離。2022 年由OpenAI 發布的對話式大語言模型ChatGPT 問世，引發了生成式人工智能（Artificial Intelligence Generated Content, AIGC）飛速發展，相應地，人工智能應用于決策系統中日益普及。不同于過去決策支持系統僅能基于已有數據形成決策方案，AIGC 加持下的智能決策系統清掃了過去專家系統只能在限定領域、單一任務中的決策障礙，在自然語言處理里建立了一個與領域無關的通用理論[15]，它既可以從數據中學習，并產生具有創造性、現實性的、全新的輸出又可以促成決策者與智能決策系統對話，以強化決策的科學性與完善性[16]。智能決策在一定程度上實現了決策自動化與決策替代，成為了數智化時代的最新決策范式。

2 數智化時代的智能決策系統支持要素

“數智化”強調數據價值智慧化的共享與利用[17]，數智化時代并非僅靠數字技術在原有決策方式上簡單疊加就能實現決策范式變革，更為關鍵的是“數智賦能”，這背后需要一系要素支持，主要包括以下維度：一類是智能決策系統自身的支撐構件，這主要包含大數據、以大模型為代表的決策算法與算力基礎設施；另一類是決策者與智能決策系統間的人機交互水平。

（1）大數據

數據是決策的基礎，經驗決策與小數據決策難以適應數智化時代復雜的決策環境。大數據資源因其具有速度快、容量大、種類多、價值高等特征與描述、規定、預測等功能可以為智能決策系統提供豐富的數據來源。數智化時代，依靠廣泛部署的傳感器、監控探頭等智能化設備進全天候采集，將多元主體活動數據化記錄[18]，行動即為數據。在網格成為了社會治理基本單元的情境下，甚至樣本即為總體[1]。將智能設備采集的多源異構數據端口接入大數據平臺，不僅可以即時發現并解決問題，還可以從多種來源渠道校對數據質量。此時，具備全樣本、實時性、客觀性的特征大數據可供智能決策系統。

（2）以大模型為代表的決策算法

決策算法是由編程語言實現的自主運算工具，是智能決策系統的大腦與核心規則。在深度學習、神經網絡等技術影響下，算法能夠快速學習，適應外界多變的環境，并做出智慧化回應。特別是，擁有數十億甚至數千億參數與復雜計算結構的大模型（Large Language Model, LLM），通過海量大數據訓練學習后，不僅可以通過將文本數據、圖像數據、音頻數據等多種結構數據轉化為具備計算性與推理性的知識而展現出“轉化能力”，而且可以多個自然語言處理任務展現出超強的“泛化能力”，甚至能發現新的特征與模式展現出“涌現能力”。

（3）算力基礎設施

算力作為集合信息計算力、網絡運載力、數據存儲力于一體的新型生產力，算力基礎設施是其向智能決策系統提供服務的載體。它可以通過如下4個方面服務智能決策系統：第一，支持對多種結構的海量大數據信息的計算處理；第二，算力基礎設施可以利用高效的計算方法，快速分析數據，加速智能決策系統的計算與響應速度；第三，算力基礎設施能夠儲存大量歷史與實時數據，智能決策系統能夠根據歷史數據預測未來趨勢，提高決策的科學性與準確性，為決策者提供有價值的參考；第四，算力基礎設施具備分布式存儲與計算的能力，可以處理大批個性化數據，從而為客戶提供定制化解決方案。

（4）人機交互

數字技術的發展加速了智能決策的應用，但決策在明確治理目標、提供行動方案、塑造多元化公共價值等方面的訴求與目的并未發生根本性改變。只是原先采集信息、傳遞信息、做出決策等由人工完成的活動，正由智能決策所部分替代[19]，傳統決策模式中由決策者自然人承擔的決策角色正逐漸賦予智能決策系統[20]。盡管在決策速率、無倦怠感、克服個體主義與情緒化傾向、無偏處理零散數據、完成多項并行任務等方面智能決策系統都具有人類難以比擬的優勢，但在界定問題、抽象思維、探索、感知、創作、歸納推理、長期儲存信息、主動性與道德性等方面依然難以超越人類[21]。采用人機協同訓練模式的智能決策系統，可以實現二者間的優勢，這要求決策者“善用”“會用”智能決策系統。

3 數智技術驅動的范式變革

Thomas Kuhn 在《科學革命的結構（Structure of Scientific Revolutions）》一書中將范式（paradigm）視為理論體系與基本模式[22]，決策范式的變革其本質就是決策模式與決策原理的轉換更替。智能決策范式脫胎于機器輔助決策范式，但二者間存在顯著差異。機器輔助決策是應用人類已有的描述性知識、過程性知識與推理性知識等知識儲備與決策經驗，通過邏輯推演為復雜決策問題求解提供思路。而智能決策則強調機器自主生成決策方案，它是一種通過實時大數據感知與計算，基于決策經驗、業務數據建立決策模型，以實現對未來發生可能發生的場景進行情景模擬與趨勢預測的自動化和智能化分析的巨型人工智能系統。智能決策系統由大數據采集系統、大數據處理系統、模型算法系統和智能決策支持系統等子系統構成，其重點在于通過智能化算法對決策信息間復雜相關關系進行深度理解，幫助決策者在高度不確定性的環境中動態地優化決策，甚至做出自動化決策，更精準、高效地達成預期決策目標。它具備如下特征。

（1）在給定條件下自動化決策

不同于傳統決策須遵循有限理性原則、機器輔助決策僅能為決策者提供數據參考，智能決策依據算法，對全樣本數據進行即時分析處理，并自動生成可供參考的決策方案。算法是智能決策的基礎語言，也是其生命力所在?；谝巹t的推理是智能決策最基礎的技術，其所遵從的規則是決策算法。特別是經過大數據不斷訓練，算法能夠自主學習并不斷迭代，適應復雜的決策環境。一方面，智能決策系統遵循完全理性原則生成決策方案，可就決策問題自動生成全部解決方案，保證決策方案的全面性與準確性。智能決策系統依據決策算法，可以對海量大數據進行分布式計算，生成全部可能結果，并按決策原則對全部結果進行重要性排序，為決策者提供最優解決方案。另一方面，智能決策可以針對不同的場景與情境設計個性化的決策方案，在生成式人工智能技術影響下，智能決策系統可以根據決策者需求與決策對象的行為特征，提供個性化的決策方案，保證決策結果的有效性與針對性。

（2）全流程的決策響應

傳統決策中的數據需經過層層上報收集處理，經過“把門人”層層過濾，決策者收到的信息會有時滯性與偏誤。且受制于數據可獲得性與樣本量的限制，傳統決策多依靠小樣本數據或憑借決策者自身經驗決策，決策通常是以樣本推斷總體、以過去指導現在。智能決策最大的優勢在于用大數據驅動決策。由于大數據具有3大基本功能，大數據驅動的智能決策可以做到全流程的決策響應：首先，大數據具備描述功能，智能決策系統通過對歷史數據進行統計分析，捕捉規律，為后續決策提供解決相應建議；其次，大數據具備規定功能，將即時數據與歷史數據進行比對，實現數據流全天候實時分析，這決定了智能決策系統所做決策可以最大限度減低滯后性，對突發應急事件做到及時響應。第三是預測功能，通過深度挖掘數據間潛在相關關系，智能決策系統能夠對未來發展趨勢進行預測并提供針對性解決方案。

（3）人機協同決策

數智化時代決策環境復雜多變，僅提供信息參考的決策支持系統顯然難以滿足決策需求，決策者需要更為高效智能的工具來完成決策。數字技術的進步使得智能決策系統可以面向決策目標開展分析與推理，以更加主動的方式參與到決策之中，貢獻決策方案。但當前智能決策系統尚且處于弱人工智能階段，不具備獨立完成決策的能力。從功能角度看，盡管大模型的數據處理能力遠超人類，并可以就不同情境收集數據，并創造性提出多種解決方案，但存在于智能決策系統中的算法并不具備情感價值與倫理道德判斷能力，隱匿于其中的算法黑箱、算法歧視等問題依然難以克服。從決策責任主體看，決策者做決策的權力多由職位賦予自然人，智能決策系統僅能提供決策方案而無法對決策負責。因此，決策者需要與智能決策系統人機協同、互為補充，決策者在該模式下僅需要提出問題，并評判調整智能決策系統的決策結果。

4 變革趨勢與應對策略

決策是信息處理與行為選擇活動，數字技術的發展也必然會驅動著決策范式變革。就變革歷程來看，數字化時代的智能決策發展將呈現出如下幾點趨勢：第一，大數據驅動的智能決策將逐步取代經驗決策。智能決策通過對大數據實時分析，及時發現問題和預測趨勢，挖掘隱藏的信息和規律，為決策提供更加精準的建議和支持，降低決策風險，從根本上改變經驗決策缺乏客觀性、決策效率低下、易導致決策失誤的弊端。第二，場景化與定制化決策情境將日益增長。隨著數字技術及基礎設施的發展，智能決策系統可以更高效地收集、分析和處理數據，挖掘出決策對象的的需求和偏好，為場景化和定制化決策提供更好的技術支持和數據支撐，提供更加精準的決策方案，從而提高決策的效率和質量。第三，決策系統平臺化，決策參與者日漸開放與多元。大數據成為智能決策的重要依據和支撐，平臺化的智能決策系統能夠更好地整合內外部數據資源，整合不同領域、不同部門和不同角色的決策參與者，實現數據驅動決策，提高決策的科學性和準確性。第四，決策者與智庫專家角色將面臨角色轉換。數智化時代，智能決策系統將部分替代決策者與智庫專家，依據算法與大數據為決策活動提供方案。但這并不意味著決策者與智庫專家會失業，而是要轉換原有角色，決策者需要對智能決策的結果進行把關與調整，智庫專家需總結決策經驗并將其轉化為智能決策算法。

為適應決策變革趨勢，實現決策范式的代際轉換，可以從如下幾個方面構建應對策略：

（1）將發展智能決策及其背后數字支持技術提升至國家或地區發展戰略。第一，制定國家智能決策技術發展戰略，明確發展目標和重點領域；第二，加強對智能決策技術發展的引導和支持，設立專項資金、推動示范項目、加強政策宣傳等，推動智能決策技術在公共服務、城市管理等領域的應用。第三，企業是智能決策技術的重要應用者和推動者，政府可以通過給予應用智能決策技術的企業稅收優惠等支持政策、組織專業機構或專家為企業提供咨詢服務等措施，鼓勵企業參與和應用智能決策技術。

（2）加快構建智能決策理論體系。第一，應積極探索數智化時代智能決策范式，加快智能決策科學與其他學科的交叉融合；第二，構建智能決策及其背后人工智能、大數據、云計算等數字技術的科技創新舉國體制，以重大項目為牽引，組織科研機構、高水平大學、科技領軍企業等創新主體協同攻關。

（3）完善智能決策配套管理體制與基礎設施。第一，構建集成大數據收集、清洗、處理、分析、輸出與存儲功能于一體的智能決策大數據支持平臺，建立與業務單元相匹配的決策機制；第二，推動數據開放共享，打通不同管理部門間的數據壁壘，完善數據安全領域法律法規；第三，布局智能決策系統相關數字基礎設施建設，提升算法性能與算力性能；第四，加強智能決策場景的開發與培育，構建政府、企業、社會機構等主體的合作機制，加強智能決策場景的應用與迭代。

（4）加強智能決策系統相關人才培養。第一，轉換決策者的決策觀念，積極引導決策者適應由經驗決策向大數據驅動智能決策的轉型，培養決策者使用智能決策系統的能力，決策者并非要成為懂技術的專家，但要成為“會用”“善用”智能決策系統的決策者。第二，由于智能決策系統背后涉及的技術領域較多、壁壘較高，因此需培育一批智能決策技術人才，負責智能決策系統給的開發與完善。