政府引领，智能公共服务升级

人工智能在公共服务领域的应用涉及社会方方面面，不仅需要系统规划，还需要雄厚的资源支持，以及有效的指引。企业、专业机构、社会型组织只能从各自所在的领域进行试点尝试，政府应该是引领者和有力的支撑者。

1.智慧社会是人类的终极理想

数据可以记录行为痕迹和意识流，再通过合理的计算，试图将无意识的潜在思想表现出来，让人类智慧得以更大化地呈现和应用，并让意识流发挥价值，借助辅助设备，用自我意识为本人提供个性化服务。智慧社会与其说是建立一种生态让物理空间自主运营，让机器自主为人类服务以最大化提升资源效能，不如说是让人类智慧最大化地为人类服务。

智慧社会的特征包括：

1）社会关系去阶层化和去中心化，个人智慧水平成为身份的标识。

2）通过人与人之间的交互建立社会准则和规范。

3）关系网络替代市场成为价值交换的渠道。

4）自我意识是服务的标准和出发点。

5）意识流、信息/数据流成为重要的价值流。

智慧社会看似是资源最公平分配和高效运营的载体，实际上它的实现难度超出想象，仅是基础数据建设的难度就非常高。真正意义上的大数据，只有数据实现共享才可能打破数据孤岛，发挥数据整合效应。但是，一旦数据不具备资产属性，就不会再有企业或机构花费巨资去获取和持续性维护数据。另外，感知智能到认知智能这个门槛的跨越尚没有时间表。只能说理想很美好，道路仍曲折。

智慧社会是一个理想化的目标，即使实现后，能否达到人类的预期还有待验证。现阶段，对于政府来说，人工智能在公共服务领域最直接的应用价值还是政务管理升级，向预见型政务管理模式转型。

2.建设预见型政务管理模式

2015年10月，美国中央情报局（CIA）成立了“数字创新”部门，是预见型政务管理模式的先行标杆。包括大量设备、传感器及海量数据等支持，数据库已经从内部使用拓展到结合外部开源数据应用，目标是采用先进算法和针对复杂系统的分析网络处理大数据，以更好预测全球潜在风险事件，从非法资金流向到极端组织成员动态，都能透过数据窥探到蛛丝马迹。他们最近对外声称在部分案例中，该部门已经将对未来社会不稳定因素的预测提前了3到5天。这是现阶段人工智能在公共服务应用中最想要实现的结果之一。

预见型政务模式是在信息化政务模式的基础上，实现对社会整体发展包括对社会不稳定因素的预测和辅助决策，也即在政务管理中实现过程管控、科学预测和潜在危险因素预警（见图3-5）。(www.xing528.com)

图3-5 预见型政务模式概念模型

（1）智能资源统筹规划

智能资源统筹规划根据远、中、近期发展目标，实现资源多对多的精准对接，将公共资源和社会资源更高效地利用，打破统一调拨逐级分配的模式，有效减少过程损耗和降低中间过程人为改变的可能性。不过，实现难度非常高，一方面是基础数据登记和核对过程复杂、数据维护成本高，另一方面可能导致行政管理层级架构彻底变化，中间的调适过程也会比较漫长。这更适于某类特定弱势群体，比如留守儿童的登记与跟踪，让每个弱小的个体都能得到基本的保障。

（2）智能管控

根据双向信息流，基于预设数据架构和智能算法，通过信息系统可实现过程管控。8.12天津港爆炸事件暴露了信息利用不充分，即过程管控不足的问题。在信息化、智能化实现之前，过程管控基本无法实现，只能靠人为凭经验在关键环节予以干涉和控制，很容易遗漏潜在风险。让机器替代人去管控，虽然刻板，但不易发生遗漏。目前国内已有数据基础的机构，如海关等已尝试利用云服务和深度学习算法等实现过程管控。

（3）智能民意预测

建立一套有效的机制，每当新政策出台，提前预判民意态度。并在新政出来后设定的周期节点，抓取民意评论数据，了解态度变化。该应用可通过抽样或全面数据分析的方式进行，相对比较容易实现。

（4）智能风险监测与预警

智能风险监测与预警包括风险隐患的监测防护、集中突发公共事件预警、应急信息资源整合共享、统一应急指挥调度和公共安全整体管理等。借助机器视觉系统、深度学习算法等手段予以实现。目前人工智能应用是政务管理中最主要的领域之一，比如机器视觉结合公安系统的“黑名单设置”，可以实时找到并提示可能影响公共安全的人物出现，实现对社会不稳定因素的提前干预。又比如使用遥感技术+LBS提示人群突发事件的精准地点、人员聚集状况及周边条件。

（5）智能评估与修正

智能评估与修正是基于政策实施后和以上四点的执行情况进行多维度评估与辅助修正建议，附属于服务手段，应用情况和条件须结合具体目标要求，且受数据基础量限制。比如2016年国庆期间，多地同时提出商品房限购政策，便可通过对购房人员自然属性、资产情况、购房行为、房屋属性（分布区域、小区属性、房屋面积、成交价格等）、促销情况等进行分析，评估政策在当地及全国的影响力。

不管是在政务管理层面，还是人工智能+各领域的应用，都需要数据量的积累、核心算法的突破和计算资源的支撑，都需要政府引领实现“智变”。打破数据孤岛，实现数据资源共享，高级科学家的培养等都需要自上而下的力量才可能实现。目前，国内的人工智能突破更多在应用层面，最根本的核心算法的突破仍需全力追赶，只有全面的同步才是真正的同步。