杨冰之：人工智能与政府大数据治理

来源：超达科技 发布时间：2018-11-29浏览：1958次

杨冰之：人工智能与政府大数据治理

　　11月28-29日，由中国社会科学院信息化研究中心和北京国脉互联信息顾问有限公司联合举办的“2018智慧中国年会”在北京隆重召开，以 “数据赋能 智慧中国”为主题，共有来自全国部委、省、市、区县电子政务、智慧城市、大数据主管领导、行业专家、企业代表、主流媒体千余人参会。

　　本文系国脉董事长杨冰之先生于12月28日下午在“2018智慧中国年会”分论坛三--“人工智能赋能智慧政府研讨会”上的演讲，内容通过现场速记整理，未经本人审核。

【国脉董事长杨冰之】

　　今天，我跟大家讲讲人工智能和政务大数据治理，国家最高层对人工智能高度重视，我想就这个话题谈一谈个人浅见。

　　一、数据、政府、治理关系的认知

　 　首先要理解数据、政府和治理三者之间的关系。关于数据我提到一个观点，那就是数据利用能力，它是人类社会进步的崭新标志，是人类发展的新变量，对整个社 会产生巨大的不确定性。数据是看不见、摸不着的，这种看起没有价值的东西现在反而成为我们的新动能。数据给我们带来了很多想象的空间，所以这个时代的不确 定性是必然的。

　　第二个是政府，政府是社会管理者、规则制定者、利益平衡者，那么数据和政府是什么关系？数据给政府带来了新生命、新空间、新动能，优化与改造传统政府的资源配置能力。

　　再者就是治理，治理是新制度文明，它需要多主体参与、需要共建共享共治，它与数据精神是完全一致的，治理也成为政府行为的主题与竞争力源泉，治理的方式、手段越来越依靠数据。

　　数据、政府、治理三者之间的关系，就是它们关联越多越广越深越动态，数字政府就越容易成功。换而言之，我们要把数字政府建成，就需要从数据、政府、治理三个维度上下更多功夫。

　　二、AI 来了？

　　AI 来了吗？AI是什么？我把它分为五个方面，首先AI是种服务，因为应用人工智能，我们的服务才会更加精准；再者AI是种基础设施，是一种更智慧的计算力，真正的人工智能是人机结合，才能形成更高的智慧。AI给我们带来很多价值关联，AI要有爱。

　 　技术进步带来了很多担忧，但人文价值的关怀可以把牢我们人类进步的缰绳。我们不要把AI当成神话，也不要惧怕，不要无知者无畏，人类在未来是不是可以掌 控AI，还是人类会被AI操纵，以我们有限想象力不需要过度地恐惧，这里可以通过围棋世界的历史来反映，叫做AlphaGo。现在围棋九段最主要的训练方 式就是通过人工智能。所以我们要以AI为师，它可以提升人类能力，促进人类进步。

　　三、大数据与AI能力的提升

　　大数据与AI能力的提升，数据质量是前提、算法是核心、应用是关键。首先是要做好数据建模工作，建模是对规则的探索和建设，是对数据关系的深度挖掘。第二个就是要重视物联网，感知是智能之父、数据是智能之母，高效高质便捷的获取数据能力需要依靠物联网。

　 　AI能力提升三要素，这里提到三个观点：一是人工智能难以从根本上解决数据质量问题，所以语料库要好；二是基本功要做好，对数据的分级分层分类的能力和 多维标注能力；三是关联能力和关联规则，就是对事物深度认识和规律探索，这里牵涉到神经网络和深度学习，例如滴滴，它在用的时候就是对时间、空间、供应主 体、用户、汽车和司机进行多维度的数据关联和应用，提供一个最优的数据，所以先要有好数据，才能有有价值的人工智能。

　　四、AI：智慧政府主力军

　 　AI将会成为智慧政府的主力军，从数字政府到智慧政府将是发展趋势，我们需要决策思维、需要服务智能。我们政府智慧还不够，我们要变成智慧政府，该如何 提高？首先要从人工智能到人机智能，做到价值和意义的深度理解；第二要做到人脑与大脑无缝融合，做到生物大脑与电子大脑有机协作；第三是算法与规则的制 定，要对数字政府进行塑造，改变旧规则与流程，创造新规则与服务。对政府而言，最重要的是决策智慧，我们要用人工价值判断与规则进行设计，运用数据处理、 预测、模拟和仿真。未来的智慧从哪里来？在新的环境下我们要进行深度思考。

　　五、政务大数据建设：持续推进的大会战

　　用大会战来描述2018年政府的数据建设一点都不为过，几乎各个地方都在做政务大数据，都在做归集、编目、处理，应该是多部门联合作战，全部门多角色参与，还有大量的官员、机构参与。

　 　我们在浙江、江门、云南、江苏、北京等大城市参与大规模的政务数据梳理，多个任务和工程并行战斗也反映政府决心之大、动员之广、涉及面之多，这些都是前 所未有的，所以我们说这是一次大的会战，但是我们要看到我们的数据从源头和质量上还存在很多问题，一个是数据的碎片化，一个是数据逻辑质量和规律之间杂乱 无章，我们要变成一体化、动态化、流程化。

　　现在看来各地已经高度重视大数据，在做信息汇聚、编目管理、试点应用，但在数据汇聚过程中也 有很多问题：标准化程度低、质量不高、数据流动性差、权责不清楚、缺口太大 。这些原因是因为我们的基础工作存在明显的缺失，数据的可用性不强、数据的开放度不高、易用性不够。我们归集了大批数据，但怎么去用好变成一个大的难题。 所以数据问题是电子政务的根本问题，一切围绕数据而开展，但是数据的问题是切实存在的。

　　六、政府数据治理：有了数据怎么办？

　 　有了数据后怎么办？我们通过汇聚、梳理、编目、标准化、权责、清洗、入库变成一个个应用主题，然后建模等一系列动作，但是，我们要看到难点，如果做不到 数据最小颗粒度，数据就会大打折扣；还有数据标准化程度低，交换成本就高；如果数据多维关联差，数据应用层就弱；如果不能做到动态管理和维护，就没效益。 所以这四大难题在数据资源梳理中都非常重要。

　　那么到底什么是数据治理，我认为应该分为三个维度，一是角色与权责，二是流程与规则，三是质量与效果。这三组词都反映在数据方面需要我们加大努力去做。

　　七、政府数据治理：谁来有效治理？

　 　有了数据，谁来治理呢？三个方面的问题使数据治理面临挑战，一是3个“主动”与3个“不”（主动要与不愿给、主动给与不敢接、主动接与不会用）；二是我 们现在在做的政务服务一体化、一网通办、最多跑一次等，其本质就是数据在跑，对数据质量要求很高，需要真实、有效、及时的数据支撑，特别是秒办和自动化审 批，对数据要求的质量更高，这也是一个大问题，数据如果做不到分层、分级、分类，就很难去做精确，数据质量就很难保障；三是数据权利不明确、风险点不清 晰、激励不到位，数据的采集权、管理权、使用权、分享权、收益权等等。

　　当前数据主管机构的权利与责任不匹配、有心无力、给的资源不够多 不够强，思路可能有了、有的还不明确，方法有些还不够，尤其是作为设计部门、改革部门和管理部门三合一的身份。数据部门在政府序列位势普遍偏低，如果跟教 育、科技等部门并行的话，数据部门可能排在最后，有的地方相对矮半级，那么数据部门协调整个部门的资源就面临很大困难；第二作为技术支撑和服务窗口部门， 难以真正解决作为改革设计者和执行者的角色；第三，出路是要“河长制”、“一把手”，按照数据的生产流程像河水一样从头到尾把它管起来，而且要其他参与者 的责任。

　　八、数据治理难点：权益问题

　　关于数据治理权益问题，目前普遍存在着本地 产生的数据却无法在本地使用的困境。一个地市的数据往往被国垂、省垂系统收去，想要用时很难获取，在权力共识方面我在这里提出了三条：一是本人、本组织、 本地方所产生的数据原则上拥有分享权，采集机构不得以任何理由予以拒绝，除法律明确禁止除外；二是在某个地方产生的数据，本地应该有数据获得权--数据生 产者享有知情权和使用权；三是本地政府需要有本地数据归集权。

　　九、数据治理难点：合作路径

　　数据只有合作、全享才能形成共鸣，如何实现治理协同创新和服务协同创新？这里我提出了6C+9C，6C即跨层级、跨领域、跨系统、跨地域、跨部门和跨业务；9C即共建、共创、共赢、互联、互通、共信、对话、变化、孵化。

　　正如经济学所讲到的合作博弈，有些部门常常抱怨其他部门不主动提供数据或数据质量不高，我们要围绕共同目标进行协作，浙江省“最多跑一次”能够做成功的原因就是在数据方面做到了合作共赢。

　　十、三通与五跨的掣肘与解决思路

　 　数据要做到三通五跨，即网络通、数据通、业务通，实现技术融合、业务融合、数据融合，就要跨层级、跨业务、跨地域、跨部门、跨系统等、这地方的“跨”和 “通”关键是数据的流通成本，有些地方因为各种各样的原因，包括技术问题、业务问题、管理问题、制度问题等造成数据流通成本过高，需要我们在数据的流程规 范、内部一致性、最小颗粒度和数据责任体系方面达成一致，使数据有一个非常好的生产环境和流通环境，关键是要在数据流通成本上下苦功夫。

　　十一、数字政府参与者：角色、作用与方式

　　数字政府的参与者角色与作用我想讲几个方面。在数字政府建设中主要的角色有三类：一是政府机构，包括整体与部门、上级与下级；二是建设参与者，包括服务建设运维者、规划与咨询者、系统提供者、数据维护者等；三是应用与收益者，包括公众、政府和企业。

　 　我们的制度环境，在能力、体系、协同、优化方面要继续加强，要有合作模式、有合作意识、有合作能力，不是某一个主体，要多方合作，形成可控、可预期、可 扩展与持续发展。这里我们提到“政府即平台”，我们要善于抽象出非具体业务相关的内容，凡公共部门能做的，业务部门不能做，合力构建一体化支持能力，不断 提高集成度。

　　十二、数字政府的价值点与发力点

　　数字政府的价值点在于用数据管理、 决策和服务，集成与放大人与人、人与机、机与机的智慧，形成更高的政治智慧。数字政府在哪些方面发力？我们提了4点：一是行政审批和服务方面，通过机器助 人、机器换人、自动化审批与服务体系的建设；二是执法监督方面，通过人与机联合执法，规范执法，全流程动态执法监管；三是政府决策方面，模拟仿真，沙盘推 演；四是预警研判方面，做好预案、动态基层治理，做到数据赋能，全民参与城市管理，实现管理的精细化。

　　十三、关于政府数据治理思考清单若干要点

　 　关于政府数据治理思考问题清单，主要有3个方面：一是从数据视野看大系统、大数据、大平台的重构与演进，到底是什么样的路径？二是数据治理与业务优化的 关系是什么？三是政府数据分类问题，要考虑外部数据与数据外部性。另外我们也要考虑数据关系与政务知识图谱、数据基因与数据的生命周期、政务数据体系与政 务体系的耦合与改造、数据流程成本、动力与价值怎么实现的问题等等，这些话题既是我们的话题，也是在实践中需要加以解决探讨的问题。

　　十四、国脉在行动

　　国脉在行动，我们在数据服务方面，有国脉大数据、国策大数据专门做政策大数据的政策关联分析；有GDS政府大数据体系整体解决方案，围绕整个政府大数据体设计可行的解决方案；有咨询，包括政府大数据中心规划、标准制定；有软件，包括数据基因系统产品等。

　 　数据治理仍在路上！物理世界正在与数据世界深度融合，数据规则正在深度影响到传统规则，因为数据并不是按照传统业务体系来运营的，而是要求重组过去的业 务逻辑。数据治理将深度影响到国家治理、社会治理等方方面面。我们的数据治理大幕正在开启，在这个过程中唯能者上，勇者胜，智者赢！我希望在座各位能够成 为数据治理的能者、勇者和智者，在中国数据治理发展史书写精彩故事！