摘 要：政务算法之于繁多的政府事务而言，有助于形成标准的解题方案与策略机制。但是，人工智能等技术与工具的二重性以及技术使用者的理性经济人动机，再加上无法公开透明的“算法黑箱”，会不可避免造成数据偏向、数据缺陷。因此，需要坚持公共利益最大化原则，利用区块链技术增强算法透明度，推动政务公开与信息安全相统一，在政务算法方案形成中增加机器伦理学评价过程，并在条件成熟时制定政务算法通则或相关法律，最大程度上避免算法过滤、算法偏见、算法歧视和算法操控等现象的发生。
关键词：政务算法 公共价值 算法歧视
【中图分类号】D63 【文献标识码】A
什么是政务算法？
所谓政务算法（Government affairs Algorithm，简称GovAlgo）是指政府事务中解题方案的准确而完整的描述，是一系列解决问题的清晰指令，政务算法代表着用系统的方法描述解决问题的策略机制。
广义“政务（Government affairs）”概念，可以涵盖政府主导或参与开展的所有事务和社会活动。政府政务大体上可以分为协同（G2G：政府对政府）、治理（G2S：政府对社会）、服务（G2C：政府对公众；G2B：政府对企业）和决策（G2S：政府对社会）四个部分。政府是最大最主要的数据产生、营运和驱动主体。从数据类型来看，政务数据分为五类：仅政府有权力采集的数据（如资源类、税收类、财政类等）、仅政府才有可能汇总或获取的数据（如投资总额、地区生产总产值等）、由政府发起产生的数据（如政务热线、交通流量、流行性病理学统计等）、政府监管职责所拥有的数据（如人口普查、金融监管、食品药品管理等）、由政府提供服务所产生的消费和档案数据（如社保用户、水电气用量、公共安全等）。
政务算法的产生有以下三个必要条件。一是海量信息和大量数据。政务大数据，通过大数据技术将政务相关的数据整合起来应用在政府业务领域，在赋能政府机构、提升政务效能的同时，为算法的提出奠定数据基础；二是情境重现与条件反复。政务活动，无论是协同、治理，还是服务、决策，具有明显的周期性和重复性。而过程的相对稳健性是算法产生的客观基础。三是问题情境与解决方案。政务算法是用系统的方法描述解决问题的策略机制。没有明确的问题定义，就没有算法存在的必要性；算法构建的目的是形成可以解决系列问题的一套方案。
政务算法具有五个特征：一是有穷性（Finiteness）。政务算法必须在执行有限个步骤之后终止并产生明确结果；二是确定性（Definiteness）。政务算法的每一步个骤必须有确切的定义；三是输入项（Input）。一个算法有0个或多个输入，以刻画运算对象的初始情况；四是输出项（Output）。一个算法有一个或多个输出，以反映对输入数据加工后的结果，没有输出的算法是毫无意义的；五是可行性（Effectiveness）。算法中执行的任何计算步骤都是可以被分解为基本的可执行的操作步，即每个计算步都可以在有限时间内完成。
通过建立政务算法的结构模型，可以进一步说明政务算法的过程机理：
问题定义是对算法所要解决问题的清晰描述，往往是资源约束条件下对特定冲突和矛盾的一种刻画。在这一过程中，需要界定问题属于协同、治理，还是服务、决策，说明问题的属性和特征。进一步地，还可以测度问题的难易程度。
方案形成是算法的关键。一般有四个步骤，一是做法经验化，二是经验模式化，三是模式算法化，四是算法软件化。其中，模式算法化是核心，包括对显性知识的编码化和隐性知识的显性化。
算法输入是使用一种方法和方法体系解决特定问题的过程。一种完善的算法体系，不仅包括一系列解决问题的清晰指令和策略机制，还可以借助“知识库”，形成更好解决问题的综合框架和辅助手段。
而所谓结果输出，则是指在完成一组解决问题的清晰指令之后，要有数据加工后的结果，继而把算法语言转换成政务语言，帮助政务系统完成对实际问题的解决过程。结果输出是否可以达到原来的设计预期，可以通过“反馈”进行评估。还可以根据反馈结果进一步修改和完善解题方案。
政务算法的价值与问题
通过政务算法可以显著提高政务活动中产生的政务大数据的原始信息的价值。借助政务信息资源库，通过关联分析、聚类分析、分类、预测、时序模式和偏差分析等数据挖掘技术以及信息组合、数学建模、相关性分析等数据计算，加入政务算法程序，在 “协同流程、协同成效”，“治理体系、治理收益”，“服务提供、服务优化”和“政务研判、政务预测”等八大政务业务主题领域，实现工具化、方案化解决问题的策略。其中，在工具和操作层面实现数据驱动和政府治理现代化的高效融合，是技术使用支撑政务质量提升的一次革命。当前，我国在数据领域具有较大优势，政府改革也有强大的内在动力，中国有望成为世界上最早实现政务算法的国家。但在此之前，亟待解决的价值层面的问题是，如何提高体现公共价值的政务算法的效能？其中，算法过滤、算法偏见、算法歧视和算法操控等现象屡屡发生，主要可以归因为以下两点：
首先是客观上算法的不透明性。人类负责提供数据、模型和架构，算法负责给出答案。这种人机合作方式给我们带来极大便利，但由于算法的运作不可监察、不可解释，将导致人类无法真正理解算法，更不能有效地控制算法，从而也就无法预见和解决算法可能带来的问题。也就是说，算法运作宛若“黑箱”。
其次是主观上算法的设计者、使用者、受影响群体各自存在一定的偏好性。信息不对称和技术使用者的理性经济人属性会增加产生算法偏见和算法歧视的概率。当这种“偏见”和“歧视”出现在政务算法领域，就会对政务工作的公共价值取向产生直接影响。因此，政府工作必须努力实现公共利益最大化，尽量减少不同社会群体之间的事实上的不公平。这也说明，对于算法偏见和算法歧视的治理，应成为治理体系和治理能力现代化推进过程中重点关注的问题。具体来说，需要做好以下几个方面的工作：
第一，坚持公共利益最大化导向。在问题定义方面，要优先推送事关公众普遍利益和关切的问题。把算法问题与政策问题有机结合，通过政务活动有效缓解社会冲突和矛盾，显著提升人民群众在发展过程中的获得感、幸福感和安全感。
第二，政务公开与信息安全相统一。从政府的公共性出发，按政务活动公开为原则、不公开为特例的方式，能公开的必须公开，包括算法的基本原则、结构和过程等。在这一过程中，可以利用区块链技术，记录算法的过程和痕迹，增强算法的透明度。从安全保护而言，政务互联网和政务专网适用于信息安全等级保护（总共分一到五级，其中五级为最高）；政务内网则适用涉密信息安全分级保护（总共分为秘密、机密和绝密三级，其中绝密级为最高）。
第三，政务算法方案的形成应增加机器伦理学评价过程。在做法经验化、经验模式化、模式算法化、算法软件化过程中，特别是模式通过编码上升为算法的重要节点上，可以纳入机器伦理学的评价过程。必要时，要设立专门的伦理委员会，通过专业人士的集体决策行为，保证人工智能辅助政务算法最大程度符合社会公共价值，以保护在技术能力、学习能力等方面存在差异的弱势群体的利益。
第四、条件成熟时需要制定政务算法通则或相关法律。政务算法的推出，不是权宜之计，要有长远制度性安排。主要包括政务算法的基本原则，算法设计与发布者的权利、义务、责任，算法“黑箱”的技术规避，算法歧视的认定与处罚等内容。以法律调适的方式，促进政务算法的健康发展。
【本文作者为西南交通大学公共管理与政法学院教授】
参考文献
[1]刘芮、谭必勇：《数据驱动智慧服务：澳大利亚政府数据治理体系及其对我国的启示》，《电子政务》，2019年第10期。
[2]邵娜：《地方政府治理能力的现代化: 从治理能力到全景治理能力》，《山西师大学报( 社会科学版)》，2019第6期。
[3]张玥：《政务数据资源管理对行政组织效能的影响》，《中国管理信息化》，2019年第13期。
[4]周建原、芦珂：《大数据时代基于云计算的电子政务平台分析》，《智库时代》，2019年第36期。
[5]刘建义：《大数据驱动政府监管方式创新的向度》，《行政论坛》，2019年第5期。
[6]沈费伟、诸靖文：《大数据时代的智慧政府治理：优势价值、治理限度与优化路径》，《电子政务》，2019年第10期。
[7]蔡玉卿：《大数据驱动式社会监督：内涵、机制与路径》，《河南社会科学》，2019年第8期。
[8]陈有伟、康磊：《基于Trie 树的关键词匹配算法在电子政务领域的应用》，《智能计算机与应用》，2019年第5期。
[9]陈光、伍红建、杨一帆：《电子政务: 政府治理能力现代化的新途径》，《电子政务》，2014年第8期。
[10]韩娜娜：《中国省级政府网上政务服务能力的生成逻辑及模式-—基于31 省数据的模糊集定性比较分析》，《公共行政评论》，2019年第4期。
[11]徐俊、王宇轩：《大数据背景下的政务信息化架构治理实践》，《电子技术与软件工程》，2019年第19期。
责编：罗 婷 ／ 王茂磊
声明：本文为《国家治理》周刊原创内容，任何单位或个人转载请回复国家治理周刊微信号获得授权，转载时务必标明来源及作者，否则追究法律责任。