超智慧社会的智能平台建构：智能管理的技术基础

丁魁礼

（复旦大学公共管理博士后流动站，上海 200433；广州大学公共管理学院，广东广州 510006；）

1 从科学管理到超智慧社会的管理

超智慧社会形态，是人类社会发展的高级阶段，是从狩猎社会、农业社会、工业社会、信息社会发展之后的新型社会形态，形象化比喻为社会5.0。日本首先提出超智慧社会形态具有其自身的独特背景，除了应对老龄化之外，还有提振经济增长的意图，丁曼［1］认为超智慧社会形态的提出是日本发展型国家的延续，是日本抵御长期萧条的努力。川上申昭［2］认为社会5.0 与工业4.0、第四次工业革命等其他计划相比较，社会5.0 的关注意图不同，更加关注社会的转型。

超智慧社会形态的提出蕴含了丰富的管理思想变革。日本德岛大学教授任福继［3］认为超智慧社会形态的核心内涵之一就是精准并有效地进行社会服务——将必要的物品，向必要的人，在必要的时候进行必要的提供。超智慧社会形态，不仅仅意味着数据量的膨胀、信息技术的高端化，不仅仅关注企业端的智能管理和政府端的智慧化，更加关注社会端的福利改进,更加关注智能成果的惠民性、可及性和智慧性。

超智慧社会形态的提出，是科学管理和行为主义这两种理路在人工智能时代的融合。为了梳理清晰信息社会到超智慧社会的演变，有必要回顾管理思想史。就实践中的工作类型而言，经历了流水线工作到知识型工作，再到机器智能工作的演变。对应的管理思想主要沿着两条理路发展和演化，一是从泰勒制开启的科学管理路径，无论是管理信息系统、ERP 还是近期的智慧化管理其本质上还是科学管理的范畴；二是行为主义的路径，主要研究人性之下的人类个体和群组的行为特征，包括有限理性前提下的行为模式、非理性的行为趋向以及综合性的行为观察和经验总结。当然，这两种思潮理路也不是完全泾渭分明，赫伯特·西蒙的《管理行为》尝试将两者结合在一起。在大数据和人工智能技术时代背景下，这两者的融合具有了更多的可能性。首先，在技术程序的帮助下，海量的行为数据和轨迹（包括消费行为数据、医疗数据、行车数据等）被记录和存储下来了；其次，借助于人类理性和逻辑构建的数据挖掘、机器学习和概率运算等智能工具，提取和概括了各种行为的数量规律、相关性和可能的趋向。

公共服务智慧供给的关键在于智能平台的构建。Keidanren［4］认为超智慧社会旨在构建多系统融合的智慧系统，在产业基础技术突破的同时，实现社会服务的智慧供给。一些国家政府也在积极转型，英国提出数字政府即平台，政府建立一系列跨部门的技术平台；美国依托数字化转型，推出开放政府计划，实施自动化从而简化服务流程，在工业应用领域，GE公司早在2012年提出了工业互联网的概念，包括了制造、能源、健康护理、公共部门和交通五大领域，其运作的核心是其通用软件平台“Prefix”。

数据驱动智能管理和治理现代化的技术基础是技术理性构建的智能平台，这不仅是智慧决策的基础，也是智慧监管的基础之源。因此，本文从数据的自然属性和社会属性、算法的决策特征、技术平台的共用性和互通互联等方面展开分析，探究智能平台运行的技术深层逻辑基础，防止其误用和滥用对决策质量和消费者福利带来的损失。

2 超智慧社会智能平台的数据属性与决策环境

数据和信息始终是管理的基础，在大数据背景下，更是如此。事件与数据的先后关系，社会化的数据属性，以及大数据的系统特征都影响着超智慧社会技术平台的决策环境和决策基础。

数据的自然属性影响着智能平台的决策环境。数据是人类观察的结果，或者是人类描述的现象和事实，或者是事件的数量描述。首先，没有人类的意义赋予，是不会出现“数据”这个话语表达的，这意味着数据形式上的客观性蕴含着内在的人类自身无法消解的主观性，人类的观察能力、描述能力甚至耐心等心理特征都会影响数据的收集以及数据集合的大小和质量。其次，数据是发生在观察之后的，数据是发生在事件之后的。使用数据技术进行智慧管理和监管的决策过程中必须注意这一根本属性，例如地铁交通线路优化的决策。地铁交通的日常运输量数据是在地铁线路规划并开通（事件）之后才能观察和记录下来的，即事件在前，数据在后，地铁线路规划这一事件决定了事件之后数据的范畴、质量和数量特征。进而言之，人类的理性在此前已经决定了数据的集合和属性了，在人工智能和超智慧的自动决策过程中必须时刻注意这一点，否则会颠倒决策的逻辑关系，影响决策质量（见图1）。

图1 数据的属性：产生/来源与事件的先后关系

数据的社会化属性决定了不能盲目信任智能平台的自动决策。数据在本质是社会化的，无法脱离人的思维孤立地存在。数据的产生由人类观察所得，数据技术是由人类开发，其中的数据分类和数据清洗都是由人来操作和完成的，因此，难以避免地出现人类的价值标准和主观偏见影响到数据的收集方向和选择范围。

社会化的数据还体现在数据的分化方面。学术界曾经深入研究过信息分化问题，在区域差异和群体差异的背景下各自的信息素养和信息获取质量出现了较大的分化和分层。同样的，区域的不平衡、社会的分层、经济的分化也会影响到数据的分化，即针对不同地区和不同群体的数据收集，其质量、数量、方向和层次均有较大差异，这种条件下继续使用超智慧的自动决策技术会加剧区域和群体的社会精准服务的不平衡性，难以实现必要的时间和地点向必要的人群提供有效的公共服务和社会服务。因此，在工业化、城市化和信息化叠加的中国时空背景下，运用超智慧的自动决策技术要谨慎选择决策事件和决策所施加的客体。

超智慧社会的智能平台是由数据构成、数据驱动的数据仓库。本质上，智能平台的数据符合信息社会的规则，具有网络效应，即高固定成本、低可变成本和低边际成本甚至零边际成本的特性，也即具有正反馈的马太效应［5］。因此，数据量越大，智能平台的客户粘性就越大，然后进一步增加新增用户带来的数据量，进一步增加用户数量，进入了布莱恩·阿瑟提出的正反馈循环。同时，智能平台的基础生产要素是数据，是无形的精神态产品属性，可以无限次调用、永久保存和即时查询。刘平［6］提出了超智慧社会所必须的数据仓库和智能平台，是一个整合多层次和多行业数据库的智能平台系统（见图2），可以为未来智能平台构建提供借鉴［7］。

图2 社会5.0 实现的基础系统和数据库

3 超智慧社会智能平台的数据规模与决策环境

未来智慧化管理所处的环境具有明显的客观世界的属性。波普［8］在1972 年出版的《客观知识》一书中提出了3 个世界的划分，包括物理世界、精神世界（又称为主观精神世界）以及客观世界（人类精神和思维抽象产物构成的世界）。波普［8］的客观世界，由人类意识构建出来的客观存在着的世界，例如建筑物、艺术品、音乐、著作和研究报告等。这些人工创造物是由创造而出，并且深刻影响着人的思想和认知，进而影响到人的行为取向、范式或规律。

智慧化管理的决策环境可以概括为默顿系统，是以默顿法则为基础的兼具大数据和小规则（small laws）特征的决策环境［9］。默顿法则是自我实现的定律，分析的结果（认知的成果）会影响到接受认知的行为主体，例如股市，系统研究的预测走势会影响到参与人的决策，从而对市场造成大幅度的波动。与之对应的是牛顿系统，是以牛顿法则为基础的兼具小数据和大规则（big laws）特征的决策环境（参见图3）。牛顿系统中的系统行为特征是直接可控的，默顿系统中的系统行为仅仅是直接可以影响的，并非直接可控的。因此，在超智慧社会运行过程中，政策制定者和实施者必须深刻理解这一默顿系统的决策环境。

图3 牛顿系统VS.默顿系统

4 超智慧社会智能平台的算法特征

超智慧社会智能平台的基础协议是由人类理性构建的技术性程序。技术程序在本质上是智能平台制定出来的、已经形成共识的技术规则，属于制度范畴，技术程序的使用者在操作上必须按照技术程序的操作规程实现自己的目标。因此，按照技术程序的步骤实现智慧化的社会服务，能够回避人为的拖延、非理性的情绪作用以及一定程度上的设租和寻租。同时，严格按照技术程序存储下来的海量数据，与面对面交易和实体交易不同，这些技术程序规定下的交易数据均为行为轨迹的“留痕”数据，为实现智慧管理创造了极其有利的条件。然而，技术程序的构建是基于人的理性和意志，有可能出现未意料的后果和风险，所以必须深入理解智能平台决策基础的算法特征。

算法隐含的假设影响着自动决策的实施。超智慧的自动决策技术所依赖的是由人所构建的算法或统计公式，这些算法均是以一定的假设条件为前提的，任何自动决策技术都不可能考虑所有的有关因素或者未知的因素，这样会出现两种可能：要素的遗漏导致决策无法优化；未知因素极有可能出现所谓的“黑天鹅”现象，以前在模型和算法中没有考虑到的因素成为了主导因素之后出现了灾难性后果。O' Neil［10］指出了复杂的计量模型可以使用大量的数据“说谎”。

智能平台的算法有可能会影响消费者福利，甚至出现监管无处下手的困境。在透明的市场环境下，人工智能驱动的算法将我们带上一条反竞争的路径，同时，我们甚至无法察觉任何不正当竞争和垄断行为的痕迹;一些貌似竞争的场景无非是“数字化的手”造就的，这双算法操纵的手运用复杂的计算规则推算出了特定市场中特定产品的具体价格，躲在它背后的则是那些渴望实现利润最大化的企业［11］。

5 超智慧社会智能平台的互通互联

超智慧社会智能管理的基石是构建作为多主体共用品的智能平台，这种智能平台是个体、企业和政府共同需要的公共品。公共品是根据public goods 翻译而来，但是这个翻译不确切，翻译为“共用品”更能表达出其内涵［12］。智能平台必须满足共用的属性，即使是私人公司开发的技术平台并拥有平台的所有权，但是不能影响共用的属性，否则，智慧管理和治理现代化的基石就被侵蚀了。学术界和决策界困扰的信息孤岛现象就是没有厘清这种共用的属性，每个部门各自掌握着由部门构建的数据仓库，但是互不共享，政府机构之间也难以共用，遑论民众和企业，那么精准供给社会公共服务就无法实现。

超智能社会的智能平台必须实现互动互联的内在要求。在纵向上联结着历史数据，在横向上联结着客户端、企业端、政府端和社会端等多维端口，同时还联结着网络世界和现实世界（参见图4）。互联互通是社会更充分发展的平台，互联网连通性基础设施企业正在扩张为数字帝国，谷歌以网络浏览器起家，现在已经成为全球数据公用设施［13］。亚马逊以网络书店起步，现在已经成为全品类的、数字驱动的、用户数超过2 亿多的智能平台。阿里巴巴在整合了客户端、企业端的数据之后，联结了信用数据，开发了小额贷款等金融业务，实现了全供应链的商业生态系统的构建。这些超级智能平台已经具有超智慧社会智能平台的雏形和基本面貌，但是由于是资本属性主导，所以社会端的属性并不彰显，其与社会端属性的张力和矛盾有待在监管过程中消解，所以，就当下发展阶段而言，政府端、企业端和社会端的互动互联是智能平台构建的重中之重。

图4 多端互通互联的智能平台

6 超智慧社会智能平台的实践雏形

超智慧社会中大量的社会公共事务有待政府端、企业端和社会端的合作，由于政府自身的计算能力和编制数量限制等制约因素的影响，政府必须与大数据和人工智能企业深度合作。

自杀干预技术平台的实践雏形。对于社会中自杀群体的关注，可以借助于人工智能的数据抓取和机器学习，搜寻到自杀者在自杀之前写出的与自杀情绪有关联的关键词，建立心理学意义的关键词知识库，将这些关键词匹配到网络空间的文本之中，自动筛选出有潜在自杀倾向的个体，然后联合政府机构和社会机构进行社会干预，当然这些工作必须在严格的数据和信息保密协议之下进行。Crisis Text Line 公司的探索可谓这一类型的雏形，其基本原理是利用自然语言文本技术检索出线索，然后进行电话干预［14］（见图5）。

图5 自杀干预技术平台的实践雏形

金融大数据监控平台的实践雏形。腾讯灵鲲金融大数据监控平台是一个运行良好的实践样本。互联网金融兴起之后也出现了大量金融欺诈、网络传销的不法行为。然而政府机关由于科学家编制缺失、计算能力不足等原因导致监管能力不足，亟需和企业合作。人工智能有潜力帮助监管机构识别潜在的违规行为，并帮助监管机构更好地预测监管变化的影响［15］。腾讯灵鲲的智慧监控平台是基于人工智能的平台识别、基于数据挖掘的多维度信息关联、基于知识图谱的平台风险指数计算和基于涉众人数增长异常规模预警，与深圳市金融办合作，借助于深圳市的金融数据，及早发现和识别金融异常行为。通过与深圳市金融办合作，借助于深圳市的金融数据，提早发现和识别金融异常行为，累计监测出非法集资金融风险平台1.1 万家；通过与国家工商总局的合作，现在能够有效识别和显示整个互联网的传销态势，已经向工商部门预警了高危传销平台20多家，灵鲲平台每天预警的欺诈事件达数百万次，涉及资金规模超过10 亿元［16］。灵鲲平台具有开放的延展性，在个体客户端通过微信小程序实现消费者金融安全知识教育，学习防范金融诈骗的技能，同时还开放了查询端口，能够实时查询金融机构的安全性。

警务合作技术平台的实践雏形。在警务智慧监管的实践雏形中出现了警方与大学和公司合作的案例。洛杉矶警察局首先与大学合作，借鉴了由圣克拉拉大学的助理教授George Mohler 开发的数学模型，该模型开始是用来对余震发生的模式进行识别，从而能够预测新的余震。犯罪数据也符合类似的模式，当某地出现了犯罪案件之后，案件发生地附近发生案件的概率比较高。洛杉矶警察局把过去80 年内的130 万个犯罪纪录输入了模型。然后洛杉矶警察局与加州大学以及PredPol 公司开展深度合作，改善了软件和算法，现在可以通过软件来预测犯罪高发地区。合作过程中也出现了人机协调和信任的问题，起始阶段警察并不相信软件，经过验证之后才慢慢认可了机器学习的理念，借助于不停地增加新数据，优化预测结果［17］。IBM 公司的沃森计算系统，已经变身成为了警察的超级大数据助手，亚利桑那州警察局正在与之合作，该警察局局长罗伯托-维拉森诺表示认知计算机能够处理更多的信息，方便日后回顾、融合和整合。

7 结论

在计算能力的瓶颈已经突破的背景下，在拥抱超智慧社会未来趋势的同时，社会各界须高度注意其智能平台构建的技术性基础，深刻体认智能平台的决策环境，不能仅仅为了享受超智慧社会的便捷，而忽略掉智能平台中数据属性和算法假设的隐患。决策中不能忽略信息分化给不同人群带来的附加影响，所有决策全部依赖智能平台的后果将给低信息能力人群带来灾难。在未来政策设计中既要排除人为的社会排斥效应，也要防止造成消费者福利损失的算法假设，形成多元共治的治理格局。