提到人工智能，不少人会联想到算法、大数据、高科技、未来感等“高大上”的词汇。基于人工智能的智慧治理，更是引发了许多人对其“超能力”的无限遐想。

一般认为，智慧治理是基于海量数据和智能算法程序，通过发现风险、研判形势、识别需求，从而高效处置应对公共问题的一种治理模式。近年来，智慧治理在疫情防控中就有不少亮眼表现。比如，一些地方引入智能机器狗、无人机喊话器等作为“特殊志愿者”。它们或帮助配送应急物资，或帮助防疫宣传和疏导，有效降低了人员接触频次。

有观点声称，基于人工智能、大数据的城市治理实践，在预测和识别问题上的平均准确率可以达到90%。同时，基于智慧治理的应用场景，可以让人们的衣食住行“更有品质、更为便捷、更加幸福”。

比如，城市“智慧大脑”可以把红绿灯和马路摄像头联系在一起，让红绿灯更灵敏地结合道路拥堵状况作出变化调整，从而缩短车辆通行时间。

又如，基于“政策计算器”和智能匹配推送算法，企业输入自己的名称便可以获取一揽子资质匹配的政策优惠信息，从而降低信息搜寻成本、进一步优化营商环境。

有技术乐观主义者“摇旗呐喊”，也难免会有技术反思主义者“泼冷水”。有人打了一个这样的比方：一辆汽车，不能说把发动机换成电机、加入了一些智能服务，就可以打着“自动驾驶”的概念对外叫卖；一家厂商，不能因为安装一个网关，把几件电器连接起来，就声称“智慧家庭”，云云。

在国外，已经出现了对人工智能尤其是算法应用的担忧情绪。

有报道说，荷兰政府利用一款智能算法程序对“嫌疑数据”进行分析，以此来判别公众在申请社会福利时的欺骗风险。然而，由于始终没有公布这款程序的代码信息，也未曾深入调查那些被算法指控为具有高欺骗风险的行为事实，越来越多的人表示不满、提出了控诉，最终被法院判定禁止使用这一算法程序。

在美国，针对黑人群体的人脸识别误判案件也广受诟病。尤其在警务预测领域，因识别偏差导致的错误逮捕、审讯，给非洲裔美国人的正常生活带来了极大困扰。

美国皮尤研究中心的一项调查显示，超过半数的美国人难以接受在真实世界中基于算法程序来作出公共决策。一个重要的理由是，基于历史大数据的群体画像，很容易忽略个体差异及人的动态变化。

可见，智慧治理是有多重面向的。效率或许只是“硬币的一面”，虽然“抓人眼球”，却显然不是全部，“硬币的另一面”值得更多讨论与思考。

比如，提升算法的透明可及性。

透明可及性不仅要求算法代码可以公开获取，还需要这些代码可以被充分理解。透明可及性越高，人们对算法本身及其决策者就会持有更高的信任度。同时，相较于简单公开代码，代码逻辑是否易于理解对于提高公众信任度可能更加重要。

又如，警惕编写者、决策者的主观偏见诱发歧视。

虽然支持者声称，智能技术会基于中立逻辑计算得出最优的理性决策结果。然而，倘若基于输入端的海量数据样本本身就存在偏见，那么基于数据建模的算法决策也就很难保证所谓的客观、准确。加之运算过程通常具有一定的“黑箱”特征，人们无法完全掌握其机理，这为追溯计算结果的逻辑路径带来了困难。

兼听则明，偏信则暗。在新鲜事物面前，“保持一份冷静”可能更为可贵。

应该承认，现实生活中的智慧治理，相对夸大技术的能力，而或多或少忽视了人的参与。智慧治理，归根结底要落在公众的接受度、满意度上。“最大的智是众智，最强的力是合力。”只有政府、企业、产品与个体之间达成共识，构建起“朋友圈”生态，才能真正成就彼此。

实际上，并非所有的技术和应用都是生活所需的。在政务服务中，比起冷冰冰的机器、看不见的算法，我们很多时候可能更愿意与实实在在的、有同理心和责任心的人打交道。

考虑到人口老龄化，如何在物理和心理两个维度上帮助长者跨越“数字鸿沟”，尤其是在政府办事、社区生活、居家养老等场景下共享便利与成效，理应成为一个重要的智慧治理发力点。

同时，还有必要回应透明性、公平性、自主性和可追溯性等一系列隐忧。哪些智慧应用场景可以优先试点？相关建设是否会造成资金浪费？诸如此类的不确定性，也应当通过严谨的社会实验、广泛的科学论证予以及时说明。

再强大的智能都离不开人，再先进的平台也需要城市各个单元的联通与协作。只有一体化协同理念落到实处，才能真正迈向智慧管理、智慧应用、智慧参与。

技术之外，何为真正的“智慧力量”仍然有待破题……

（作者：复旦大学全球公共政策研究院、公私合作治理研究中心 范梓腾）

栏目主编：龚丹韵 文字编辑：夏斌 题图来源：图虫 图片编辑：朱瓅

来源：作者：范梓腾