智能时代技术治理的价值悖论及其消解

摘要：技术发展与政府治理本质上是共生与进步的双向互动关系。

智能技术的发展为提升政府治理水平提供了全新工具。

运用人工智能，政府治理实现了对安全、民主、自主、责任以及公正等价值跃进，但也造成了价值悖论。

人工智能技术的安全性、政府治理结构的兼容性以及对技术进步返魅的互动耦合关系，为解读价值悖论生成提供了分析框架。

面对智能技术治理带来的价值悖论，必须转变观念，消解悖论，以推动智能治理走向善治。

关键词：智能技术；人工智能；技术治理；价值悖论
当前，人工智能的技术变革正掀起一股智能旋风，推动人类社会迈向智能时代。

智能时代是农业与工业社会的升级，也是信息网络时代的高阶产物，是以人工智能为技术终端，以数据网络为基础资源，以智能创造为生产方式，以智能服务为劳动方式，从网络连接到智能融合的时代。

智能时代的技术族群以其强大功能催生新一轮政府治理变革，推动政府治理从静态推演走向动态追踪、从经验支配走向数据驱动、从局部治理走向整体性治理。

技术治理已成为全球公共治理领域的重要趋势，其核心概念在于强调运用现代科学理论和技术工具进行公共治理，以提高政府治理效率。

智能时代的技术治理主要是指依托人工智能技术，以大数据为平台，运用智能算法和算力进行公共治理的活动，简而言之，即为“数据+算法+算力”所定义的全新治理范式。

国外技术治理思想最早可追溯至19世纪下半叶，学者主张将科学技术运用于社会变革。

随后在20世纪的美国达到顶峰，形成了具有鲜明特点的技治主义理论。

然而，由于理论研究的匮乏，以及对技术过度控制造成人的异化担忧，西方学界开始反思技术治理，认为技术治理与官僚政治的结合[1]，不但带来人的思想等危机[2]，也会带来更大的治理困境[3]。

随着技术与治理的深入融合，国内学界对技术治理及其反思的研究日益增多。

一方面，逐步分析技术治理内涵，认为其主要有科学管理和专家政治两大原则[4]，存在着作为治理对象的技术治理、作为治理手段的技术治理、作为治理机制的技术治理和作为治理理
念的技术治理四种形态[5]，并遵循着技术治理本身的运行机制和实践逻辑[6]。

另一方面，没有忽视对技术治理的反思。

指出技术治理存在具体运用场景及其限度[7]，潜藏着系统的社会风险和政治风险[8]。

也有学者结合智能技术运用于公共治理领域产生的智能反治理，反思了智能治理[9]。

总体而言，国内外学者对此研究主要体现为：一是对技术治理内涵的界定，二是实际运行中反思技术治理存在的风险。

然而，对智能时代技术治理的价值悖论则鲜有研究，尤其是缺乏基于公共行政视角对价值悖论的具化分析。

应该看到，任何技术均有双面性，智能技术在提高政府治理效能的同时，因自身的不确定性以及政府治理结构的难兼容性，在治理实践中也存在着价值悖论问题。

这些问题的存在一定程度上影响了公众对智能技术嵌入政府治理的价值认知，削弱了政府治理的正当性基础。

因此，如何消解智能时代技术治理的负向价值，发挥其正向价值，对建设人民满意的服务型政府具有重大意义。

一、技术勃兴与行政吸纳：智能技术嵌入政府治理的逻辑人类创造技术的目的在于将人自身从繁重的体力劳动中解放出来，获得更多的“自由”，在自由的时间里享受美好生活。

作为权威性分配公共价值的政府，其使命是提供公共服务以满足社会需求，实现其政治合法性。

在此过程中，政府需要吸纳不断进化的技术，将技术运用内化为政策完善与能力提升的核心要素，并推动技术不断发展。

可见，技术发展与政府治理本质上是共生与进步的双向互动关系。

（一）技术进步负载政治偏好从早期机械化、电气化，再到信息化，技术变革与创新作为核心力量，全面嵌入治理体系与政治权力中，产生强大推动力。

智能技术的勃兴，成为人类进入智能时代的决定性力量，技术进步负载政治偏好，有其自身逻辑。

从技术价值负载来看，技术是由人类创造并使用的产物，是一种特有社会文化现象。

人类社会生活中的经济发展、权利格局、主体利益、政治伦理等因素，在一定程度上，都对技术选择与进步具有干预和影响。

因而，技术不是中性的，是文化和政治的工具[10]，其本身负载着特定社会价值。

换言之，技术的价值负载本质上是技术与社会的互动整合。

技术既然是一种合乎目的的工具，负载着特定社
会价值取向，也就决定了其必然存在着满足政治需要，为政治目的服务的属性，这也构成了技术进步负载政治偏好的缘由。

从技术的本质来看，其发展遵循着自循环的进化律，以自身生长、嵌入以及扩展为目标追求。

在布莱恩•阿瑟看来，技术与制度相似，都有着较为明显的路径依赖性。

因此，技术要维持自身发展，必须遵循着一定的进化律，借助先前技术实现自我创造[11]。

这一积累过程带来技术的不断进步和转移，最终引致技术的全面扩展。

然而，技术进化的程度如何，在很大程度上由政治把控。

因此，技术要顺利实现进化就不得不负载政治，利用政治力量实现自身发展。

可见，技术负载政治的偏好是其本质体现。

智能技术凭借其强大的数据分析与处理能力，与原有政治权力相结合，形成新的技术权力，形塑了新的治理权力结构。

当其价值得到彰显时，政府将主动为智能技术发展扫清障碍，动用更多资源帮助其发展，以更好地推动政府治理发展。

此时，技术便转换为政府治理技术，实现了自我进化，并有可能引发下一轮智能技术的革新。

（二）政府治理对智能技术的需要技术作为客观存在，其自身并不能主动参与政府治理，需通过政府将其吸纳进入治理体系。

而政府不遗余力地吸纳新兴技术，实现技术与治理的深度融合，是新时代政府治理的现实需要。

智能技术驱动政府治理变革。

随着经济社会的快速发展，数据爆炸与信息处理能力、政府公共服务能力与公共需求之间张力日渐凸显。

而全能政府模式导致的机构臃肿、效率低下，使得政府承载着更为繁重的治理压力，如何有效解决这一些问题，政府需重构治理模式。

政治主体为提升其治理能力，愿意采用一切手段与方式，实现自身管理与发展的转型，获得“合理的行政管理机构”的新身份[12]。

智能技术蕴藏的强大理性价值，有助于优化政府治理结构、革新政府治理理念、助力高效公共服务、推动精准化管理，使政府治理更敏锐与精细，契合了政府治理变革现实需求。

因此，智能技术嵌入政府治理的本质，是政府运用数据挖掘、存储和可视化技术，简化社会治理复杂性，驱动政府治理转型的过程。

智能技术强化政府治理合法性。

回应社会公共诉求是政府本质所在，正如恩格斯所言：“政治统治到处都是以执行某种
社会职能为基础，而且政治统治只有在它执行了它的这种社会职能时才能持续下去。

”[13]而政府如何有效、快速、精准回应社会需求以维系这种社会职能呢？在当前大数据时代，政府回应离不开智能技术的支持。

一方面，智能技术拓宽了政府活动范围。

政府借助其强大算法和算力，准确预测民众诉求，及时采取措施回应民众，提高人民生活水平；另一方面，智能技术优化了政府治理流程。

运用智能技术，政府能快速回应民众诉求，缩短治理时间，极大改善民众服务体验，提高公众满意度。

智能技术与政治目标的紧密联结，以一种全新激进方式，促进国家与技术相互服务[14]。

二、智能时代技术治理的价值悖论形态所谓悖论，是指同一命题或理论中存在的对立理论。

而价值悖论指作为同一事物的价值在实际判断中出现的两面性。

政府运用人工智能技术在满足了人的需要，实现政府治理的价值同时，也存在着安全、民主、自主、责任、公正等价值异化问题。

（一）安全悖论：秩序维护与隐私侵犯一般而言，安全是一种权利获得或维护过程中不受侵犯的状态。

在公共管理领域，安全是指安定、和谐的秩序维护。

深刻社会变革将人类日益引入“风险社会”，而人处于这种充满不确定性的社会，需要稳定有序的社会秩序以满足美好生活需要，提升对未来生活的信心。

因此，安全成为人的基本生活价值诉求。

维护公共安全秩序是政府治理的核心内容。

近年来，大数据技术的深度发展，深刻变革着信息处理方式，而以大数据为基础的人工智能技术，则大大增强了政府社会治理的计算能力。

利用人工智能技术，政府社会治理能实现精准分析、精准服务、精准监管，更高效、智能地管理社会公共事务。

如当前被政府广泛使用的“重点人群身份识别系统”，能在关键区域、重点时段、重要人群中利用人脸识别技术，通过获取海量个人身份信息，实现对海量数据高效地识别，打击违法犯罪行为，为政府精准、有效治理提供了解决方法。

这既维护了国家经济社会发展稳定，也为社会公众提供了自我发展的良好秩序。

然而，提高社会智能治理能力就意味着需深度挖掘数据，尽可能获得更多个人信息，而这一过程将不可避免带来隐私保护与数据挖掘的冲突，使得个人数据无所遁形，随之而来的
便是个人信息的隐私性逐渐消散，公共性日益“溢出”[15]。

在公共场合，政府为维护社会秩序而运用“重点人群身份识别系统”获取个人数据，然而由于算法安全漏洞、敏感信息采集违规、数据使用违规、数据存储不安全、AI监管制度不健全等原因，这些数据面临着被严重泄露的风险，反而使社会公众的人身财产安全受到威胁，个人权益遭到侵犯，降低了公众获得感、幸福感以及对政府的信任感。

（二）民主悖论：公众参与与社会极化在学理层面，民主可被理解为一种制度安排和政治体制；在实践层面，民主又可被理解为一种公众参与公共决策的过程。

发展社会主义民主，这既尊重和保护了人民参与社会管理的政治权利，又能以此激发人的潜能，保证人的社会与经济权利，推动人的全面发展。

快速发展的智能技术，极大拓宽了民主广度、深度，逐渐成为公民参与的新民主载体，但也加速解构了政府与公民的传统关系。

相较于传统选举参与和协商参与各自存在的不足[16]，智能时代公民可利用移动客户端，获取政府信息公开数据，并通过数据分析与处理，使得参与方式更便捷、议题更深入、过程更互动，满足自身参与的积极性。

如政府利用人工智能技术，能随时关注和记录社会公众在官方网页上的浏览记录、停留时间等，再利用智能算法形成用户画像，推送个性化信息。

而公众可通过评论此类信息参与政府公共事务，将碎片化数据集成整合至政府决策中，并基于智能算法形成有效激励方式，实现公民参与的互动性和有效性，同时也克服了政府治理中的民意隐匿弊端。

智能技术并非推动政府治理的万能钥匙。

作为专业性较强的技术，智能技术却始终掌握在少数人手中，其对技术的强硬掌控，极易引发社会极化。

其一，从表层来看，人工智能技术的广泛使用，刺激了公众对公共事务的积极参与，扩大了民众参与面，但这种参与具有非均衡性。

《中国互联网发展报告2019》显示，截至2019年6月，中国网民规模为8.54亿人[17]，仍有5亿多民众无法获得数据权利，且因知识积累、生活经验等差别，部分重要资源掌握在具有较高知识水平的群体手中。

其二，技术精英以及优势企业对智能技术的垄断，使得政府愈发依赖技术精英和核心企业。

凭借其强大话语权，技术精英和优势企业
能弱化和分化公民参与，甚至能形成左右政府决策的技术权力，造成少数派专政。

罗伯特•达尔就曾指出，企业拥有的强大所有权和控制力，将使得人们在掌握技术和信息等方面存在不平等，影响着公民参与的能力与平等性[18]。

因此精英对技术知识的垄断，让看似平等的智能技术平台，形成一种开放性假象，变相提高了社会参与门槛，反而造成技术隔区，在强调民主参与时却又面临着偏离数字民主价值的风险。

（三）自主悖论：决策优化与技术依赖高质量决策是衡量政府治理能力高低的主要指标之一，也是政府自主性的深度体现。

相较于传统政府依靠经验与直觉的决策模式，智能时代政府决策实现了从经验向数字化、从被动向自主性决策模式转变，提高了决策的科学性、自主性。

首先，人工智能技术依靠强大的数据存储能力，能快速有效收集信息，为政府决策提供完整、精准数据支持。

其次，智能技术的超强算法，为政府决策提供了数据分析能力。

“人工智能的发展为优化处理海量政府数据提供了可能，通过机器学习和精准算法，人工智能排除了人为因素下的生理局限，可以实现对数据更为科学的分析与整合，进而提出前瞻性的决策方案”[19]。

如政府可借助智能技术，准确记录公众浏览政府官网、政务App上的次数以及关注点，并通过分析整合，即可知道公众关注热点，为决策提供全息数据支持。

再次，智能技术的强大算力，为政府决策提供了专家支持系统。

通过对历史和当前众多方案的精细化比较，突破了传统亲力亲为的决策模式，为决策提供自主化支持。

然而，智能技术在优化政府治理时，却又使得公务人员过于依赖技术，降低其自主性。

其一，技术具有两面性，合理运用技术能提高治理能力和水平，但过度依赖能反噬政府治理价值和制度基础[20]。

如各级政府不断升级人脸识别技术，试图用智能监控替代公共安全制度，既忽视了安全制度更新，也缺乏对民众的人文关怀，滑入冷冰冰技术窠臼。

其二，政府通过不断增设专门机构吸纳技术嵌入，在短期内虽能有效提高政府行为效率与体制效能，但长远来看，层层增设的机构易造成组织僵化，反而制约了公务人员行政自主性。

其三，技术依赖造成技术监控，影响行政人格的自主性。

对技术的盲目依赖，造成
众多行政人员逐渐迷失在数据和算法中，凡事均向技术寻求“帮助”，陷入只有依赖技术方能治理的怪圈。

倘若智能技术突然中止，行政人员将缺失安全感，甚至手足无措。

（四）责任悖论：清晰治理与责任迷离在行政学领域，责任是指行政机关或工作人员因身份或职位而被赋予的职责。

公共责任是政府治理的重要价值取向，也是实现人民美好生活的重要途径。

责任的实现将为人的美好生活创造良好的社会、自我、生态以及人际环境。

因此，推进国家治理能力与治理体系现代化，责任是关键因素。

党的十九届四中全会提出了“坚持和完善中国特色社会主义行政体制，构建职责明确、依法行政的政府治理体系”目标。

在大数据时代，如何实现公共行政责任的清晰运作值得思考，而智能技术发展为此提供了重要契机。

乔纳森•考佩尔围绕互联网时代的问责体制设计，从透明化、可追责性等维度加以阐述[21]。

一是政府治理过程的透明化。

相较于传统政府治理，依靠智能技术，政府行政过程能被清晰记录，为数据追踪提供了原始材料。

如目前我国多个城市已推行的全流程执法监管模式，从面部识别登录执法全流程智能管理平台，再到执法过程中产生的语音和文字，均被清晰记录，实现了政府执法的透明化[22]。

二是政府治理行为的可追责性。

在大数据时代，政府行为面临着难以通过传统问责机制有效控制的风险[23]。

因此，政府通过构建信息共享平台，对社会公众公开政府决策与执行政务数据，便于社会公众依据政务数据纠正错误决策以及提出修改意见，实现对政府行为的可追责性。

例如，南京市运用“客之音”智能政务服务热线，提供“智能回访”和“智能推荐知识点”，集中解决社会热点问题。

智能技术在实现政府治理的责任价值时，也面临着责任迷离风险。

其一，责任主体漂移。

在人工智能时代，传统机械式过失责任伦理规则，应对技术模糊性带来的责任划分时显得力不从心。

倘若在政府治理中运用人工智能技术，造成数据泄露、人员伤亡，如何确定责任主体？是设计者的责任，还是使用者的责任？再如利用智能技术辅助政府决策，但决策是多重合力作用下的结果，难以归责于某一明确主体，技术甚至造成更为技术化的寻租。

其二，责任形式不明确。

智能技术裹挟下的政府
治理，无法避免出现安全风险。

如作为新生事物，智能技术运用中发生的数据泄露而造成公民隐私被侵犯，缺乏明确的法律界定责任形式，是应划分为民事责任还是行政责任，亦或是刑事责任？可见，智能治理在实现政府责任同时，却又可能造成责任的迷离。

（五）公正悖论：公正增量与公正减损从公共行政学发展历程来看，维护社会公平正义是公共行政的主要价值观。

公共管理之维的公正就是保障公众利益、确保机会平等、满足公众需求，这也是人的全面发展所需：只有在公平正义的基础上，幸福生活实现才有保障，人才能得到全面发展。

因而，无论时代如何变迁，公正始终是人类社会发展的永恒价值追求。

2019年，我国公布了《新一代人工智能治理原则——发展负责任的人工智能》，明确将促进社会公平公正作为核心原则之一。

从现实情况来看，人工智能技术嵌入政府治理有助于公正增量。

一方面，通过智能技术维护利益相关者权益。

2019年初，全国首个智慧法院系统“上海刑事案件智能辅助办案系统”正式使用。

在庭审现场，运用智能辅助办案系统，实现了语音识别区、智能抓取区、庭审示证区的即时联动，为庭审全过程提供智能服务[24]。

这一系统的使用，克服了以往办案过程中推诿责任、判断随意等弊端，也避免了冤假错案的发生，维护了相关利益者合法权益。

另一方面，使用智能技术有效打击违法犯罪行为，维护社会公正。

有学者通过分析相关数据指出，得益于人工智能技术，德国联邦劳工署欺诈性福利索赔的情况减少了20%，而爱尔兰税务和海关管理局通过机器学习以及大数据预测，能更好地监测可能存在逃税和违规的纳税人[25]。

然而，智能技术嵌入政府治理同样可能造成对公正的损益。

一是算法偏见。

算法偏见根源于人工智能的技术黑箱。

披着科学外衣的智能算法，存在着算法程序、算法过程的不透明、不公开缺陷，其造成的后果与社会公正原则背道而驰。

国外有组织通过研究发现，在利用人工智能对犯人的再犯罪风险进行预测时，相对于白人，黑人更容易被错误认为属于高犯罪风险，且二者的概率差距是两倍[26]。

再如英国达勒姆警察局在开发“危害风险评估系统”( HART)时，将邮政编码作为其建构风险预测的因子，造成对穷人、富人的区别对待，
“涉嫌”歧视穷人[27]。

二是阶层分化。

在大数据和人工智能快速发展的今天，数据与智能技术是重要资源，为获得这一能影响决策者的重要资源，技术资本和权力追逐者将试图挤占弱势群体空间，在信息“富有者”与“贫困者”之间构筑一道鸿沟[28]，这加速了社会阶层分化，并造成新的社会不公正。

三、智能时代技术治理价值悖论何以生成从智能技术嵌入政府治理过程来看，技术与治理的结合存在张力，其造成的价值悖论是人类理性与技术理性、人类决策与机器判断、计算逻辑与制度逻辑的交互结果[29]。

在技术嵌入政府治理过程中，人工智能技术的安全性、政府治理结构的兼容性以及对技术进步的返魅，为解读价值悖论生成提供了分析框架。

（一）源发性原因：人工智能技术的不确定性随着技术的快速发展，人类对技术本质以及悖论进行了反思。

海德格尔将技术本质视为一种解蔽方式，而解蔽过程蕴藏着风险。

马克思指出“在我们这个时代，每一种事物好像都包含有自己的反面”[30]，智能技术同样如此。

人工智能作为当前最为复杂性与颠覆性的技术，其自身存在的不确定性，是其嵌入政府治理中产生价值悖论的本质原因。

一是智能算法漏洞。

算法是人工智能技术的核心驱动因素，在实际使用中，算法的开发与运行主要依靠开发者价值观驱动。

因此，开发者有可能将其自身所持有的价值偏见植入算法中，甚至存在非法篡改算法参数风险。

加之如果输入的数据也带有某种价值倾向性，那么算法将可能持续放大偏见。

另外，算法自身存在着以涌现性和自主性为特征的技术“黑箱”，特别是算法背后隐藏的决策逻辑，使人难以理解、评估，容易导致理性原则失败，脱离人类监管。

如果这些偏见、歧视以及黑箱等不确定性因素没有排除，待其嵌入政府治理时将带来歧视、偏见等风险。

二是数据安全风险。

数据是人工智能技术的基础元素。

政府使用智能技术来维护秩序、分析数据、预测行为，就必须用海量数据作为支撑。

因此，在数据采集中可能会过度采集，超出用户授权，甚至违规采集敏感信息。

而在数据使用中，众多匿名数据被重复识别与违规标注，数据的不确定性极易误导智能机器，进而做出错误判断，价值损益随之而来。

（二）促发性原因：政府治理结构的不完善性政府。