胡象明 陳一帆

摘 ?要：現(xiàn)階段的人工智能浪潮主要是基于大數(shù)據(jù)的深度學(xué)習(xí)算法繁榮的表現(xiàn)。人工智能作用于公共管理實踐的過程，大致需經(jīng)歷三個流程：智能基礎(chǔ)設(shè)施建設(shè)→智能算法設(shè)計→智能應(yīng)用落地，相應(yīng)地形成三個作用層次：基礎(chǔ)設(shè)施層→算法層→應(yīng)用層。文章分析了三個層次各自對應(yīng)的數(shù)據(jù)安全風(fēng)險，技術(shù)精度、算法偏見和算法監(jiān)管風(fēng)險，以及公共部門的智能化轉(zhuǎn)型風(fēng)險，并探討了風(fēng)險從底層向表層傳導(dǎo)的一般邏輯，為剖析人工智能在公共管理中應(yīng)用的風(fēng)險提供了一個整體性視角。

關(guān)鍵詞：數(shù)據(jù)安全風(fēng)險;技術(shù)精度風(fēng)險;算法偏見風(fēng)險;算法監(jiān)管風(fēng)險;智能化轉(zhuǎn)型風(fēng)險

中圖分類號：TP18;D631.43 ? ? 文獻(xiàn)標(biāo)識碼：A

Risk analysis of the application of artificial intelligence in public management

Hu Xiangming ?Chen Yifan

（School of Public Administration in Bei Hang Uinversity，Beijing，100191）

Abstract：The current wave of artificial intelligence is mainly based on the prosperity of deep learning algorithms based on big data. The process of artificial intelligence acting on public management practice generally needs to go through three processes： intelligent infrastructure construction; intelligent algorithm design; intelligent application landing， correspondingly forming three function layers： infrastructure layer; algorithm layer; application layer. This paper analyzes the data security risk， technical precision， bias and supervision risk of algorithm， and intelligent transformation risk of public sector corresponding to each of the three layers， while investigating the general logic of risk conducted from the bottom to the surface. Those findings serve to provide a holistic perspective for analyzing the risk of the application of artificial intelligence in public administration.

Keywords：data security risk; technical accuracy risk; algorithmic bias risk; algorithmic supervision risk; intelligent transformation risk

人工智能等新技術(shù)正以前所未有的速度和規(guī)模影響著公共管理實踐[1]。然而，顛覆性技術(shù)的價值與其所隱含的風(fēng)險常常相伴相生?！翱屏指窭锲胬Ь场北砻鳎藗冊趧?chuàng)造一項新技術(shù)并將其付諸應(yīng)用時，通常并不具備針對該技術(shù)的風(fēng)險控制能力[2]。在人工智能技術(shù)應(yīng)用于公共管理實踐的初期，管理者可能更重視新技術(shù)的紅利，往往疏于預(yù)估它所引發(fā)的諸多風(fēng)險。相反，等到人工智能技術(shù)與公共管理實踐深度融合，其所隱含的風(fēng)險逐漸顯現(xiàn)并引起管理者的警覺時，它很可能已經(jīng)根植到國家治理體系當(dāng)中、成為整個治理架構(gòu)的重要組成部分，此時再做修補(bǔ)，往往要付出較大的社會經(jīng)濟(jì)成本。

鑒于此，在人工智能技術(shù)初步應(yīng)用于公共管理實踐的當(dāng)下，對其可能產(chǎn)生的風(fēng)險進(jìn)行全方位研判，具有較強(qiáng)的緊迫性和實際價值。以下從兩個方面入手，剖析人工智能在公共管理中應(yīng)用的風(fēng)險：一是厘清人工智能的內(nèi)涵，深挖其作用于公共管理實踐的過程和機(jī)制，分析不同階段可能存在的風(fēng)險;二是從公共管理領(lǐng)域中已經(jīng)爆發(fā)的、由人工智能引起的風(fēng)險事件入手，總結(jié)其風(fēng)險生成的一般邏輯，進(jìn)而對前一步的風(fēng)險分析進(jìn)行印證。

一般認(rèn)為，人工智能是用于模擬、延伸和擴(kuò)展人類智能的技術(shù)統(tǒng)稱。然而，對于“智能”很難有明確的界定，造成人工智能概念的泛化，同一個術(shù)語可以從未來愿景和當(dāng)下實情等不同維度來理解。目前的主流觀點認(rèn)為，在可預(yù)見的未來，暫時不會出現(xiàn)兼具情緒感知、自發(fā)想象和自主目的的“通用型人工智能”（Artificial General Intelligence）[3]。而且，人類理智在推動人工智能發(fā)展的同時，也在不斷優(yōu)化自身的適應(yīng)力和擴(kuò)展力，所以從一種技術(shù)進(jìn)步、人類靜止的角度提出“強(qiáng)人工智能全面超越人類”，并分析由此而來的人機(jī)倫理風(fēng)險和人類生存風(fēng)險等，可能面臨“條件不成立，結(jié)論可任意”[4]的邏輯挑戰(zhàn)。

因此，筆者擬立足于當(dāng)下人工智能的實際內(nèi)涵，結(jié)合具體實例分析其在公共管理應(yīng)用中的潛在風(fēng)險?，F(xiàn)階段的人工智能浪潮主要是基于大數(shù)據(jù)的深度學(xué)習(xí)算法繁榮的表現(xiàn)[5]，深度學(xué)習(xí)算法通過對海量數(shù)據(jù)的模式識別和規(guī)律挖掘，能夠在部分目標(biāo)行為上表現(xiàn)出接近于人的特征。這種行為主義的智能事實上屬于弱人工智能，它在部分專域（domain-specific）表現(xiàn)出的能力超過人類，但尚未形成獨立思維和自主情感，仍需作為人類的輔助而聽命于人。

根據(jù)技術(shù)方向的差別，可將人工智能在公共管理領(lǐng)域應(yīng)用的具體場景分為三類：一是利用基于計算機(jī)視覺和自然語言處理等技術(shù)的計算機(jī)程序，代替公共管理者完成人員篩查、業(yè)務(wù)咨詢辦理，以及其他流程明確的工作，它們執(zhí)行每項任務(wù)的邊際成本會隨著時間的流逝而趨零，進(jìn)而大大降低行政成本，提高行政效率，例如，政務(wù)呼叫中心、政務(wù)服務(wù)熱線中的聊天機(jī)器人;二是大數(shù)據(jù)挖掘技術(shù)，通過從復(fù)雜多維的公共大數(shù)據(jù)中，發(fā)現(xiàn)難以察覺的規(guī)律和模式，輔助提升公共決策質(zhì)量，并實現(xiàn)公共服務(wù)的定制化供給;三是智能規(guī)劃決策系統(tǒng)，通過模擬公共決策生效的場景和預(yù)測可能的結(jié)果，幫助公共管理者選擇最優(yōu)化決策方案，規(guī)避風(fēng)險。

從人工智能作用于公共管理實踐的過程和機(jī)制來看，上述三類應(yīng)用實現(xiàn)都需經(jīng)歷以下流程：智能基礎(chǔ)設(shè)施建設(shè)→智能算法設(shè)計→智能應(yīng)用落地，相應(yīng)地形成三個作用層次：基礎(chǔ)設(shè)施層→算法層→應(yīng)用層 。公共管理者直接接觸的，通常是最為顯見的應(yīng)用層，包括智能硬件設(shè)備和智能軟件等。然而，從風(fēng)險生成的路徑來看，基礎(chǔ)設(shè)施層和算法層因其處于底層，更容易引發(fā)風(fēng)險的傳導(dǎo)效應(yīng)：如果底層出現(xiàn)問題，以此為支撐的表層應(yīng)用幾乎必然出現(xiàn)異常，甚至崩潰。因此，在公共管理的應(yīng)用過程中，人工智能所產(chǎn)生的風(fēng)險是從底層的基礎(chǔ)設(shè)施和算法、向表層應(yīng)用逐級傳導(dǎo)，風(fēng)險分析需沿著這條傳導(dǎo)路徑，結(jié)合已經(jīng)爆發(fā)的風(fēng)險事件，層層深入，逐個剖析。

一、 基礎(chǔ)設(shè)施層：數(shù)據(jù)安全風(fēng)險

在公共管理應(yīng)用中，人工智能所依賴的基礎(chǔ)設(shè)施，是指公共大數(shù)據(jù)和存儲、調(diào)度、運(yùn)算公共大數(shù)據(jù)的計算平臺。公共大數(shù)據(jù)是人工智能技術(shù)生效的基石，越是大規(guī)模、高質(zhì)量、多模態(tài)的公共大數(shù)據(jù)，越能客觀反映公共事務(wù)之間的復(fù)雜關(guān)系，進(jìn)而越能訓(xùn)練出高精度的智能算法結(jié)果，提供更為精準(zhǔn)可靠的政策建議。為此，公共管理行為及其附帶的諸多重要信息都被預(yù)先轉(zhuǎn)化為在線量化數(shù)據(jù)，這個過程也被稱為“數(shù)據(jù)化”（datafication）。例如，搭建智慧政務(wù)平臺，將以往需要面對面辦理的政務(wù)服務(wù)轉(zhuǎn)移到在線網(wǎng)站或手機(jī)應(yīng)用上，公共服務(wù)行為被數(shù)據(jù)化為電子軌跡;設(shè)立人臉識別閘機(jī)，需要提前對公職人員的面部圖像進(jìn)行采集，公職人員的個人信息被轉(zhuǎn)換成二進(jìn)制數(shù)據(jù);在新冠肺炎疫情的特殊形勢下，公共部門推行在線辦公、在線會議、在線咨詢等，都加速了公共管理實踐從決策端到服務(wù)端的數(shù)據(jù)化進(jìn)程。

然而，這種新的數(shù)據(jù)形式也考驗著數(shù)據(jù)安防工作，平臺安全漏洞可能被網(wǎng)絡(luò)黑客或數(shù)字欺詐團(tuán)伙利用，造成公共大數(shù)據(jù)泄漏或被不明第三方劫持和篡改，爆發(fā)數(shù)據(jù)安全風(fēng)險。這部分源于人工智能技術(shù)本身也為黑客所掌握，令安防工作難度大增;但更需引起重視的是，數(shù)據(jù)安防的木桶效應(yīng)，即遭受攻擊的往往是公共大數(shù)據(jù)平臺的薄弱環(huán)節(jié)（如因缺乏足夠預(yù)算而未做防護(hù)的個別端口），進(jìn)而導(dǎo)致整個政務(wù)平臺面臨泄漏、停滯、失控的安全風(fēng)險。雖然這些不是人工智能在公共管理應(yīng)用過程中所獨有的，但公共領(lǐng)域的特殊性及公共大數(shù)據(jù)的敏感性，使得數(shù)據(jù)安全風(fēng)險容易升級為公共安全風(fēng)險，造成難以估量的損失。

2019年5月，美國馬里蘭州巴爾的摩市（Baltimore）的政務(wù)平臺在一年內(nèi)第二次遭遇黑客攻擊，黑客將平臺本身劫持為“人質(zhì)”，要求市政府以比特幣等無法溯源的加密貨幣方式繳納贖金，否則以此為支撐的智慧城市系統(tǒng)、警務(wù)系統(tǒng)、辦公系統(tǒng)等均無法登錄。聯(lián)邦調(diào)查局前執(zhí)行官認(rèn)為，正是巴爾的摩市政府過度依賴人工智能技術(shù)，而缺乏相應(yīng)的風(fēng)險安防意識，給了黑客可乘之機(jī)[6]。類似的數(shù)據(jù)安全事件近年頻頻上演，2017年美國圣路易斯公共圖書館的數(shù)據(jù)平臺被黑客劫持，2018年亞特蘭大遭遇黑客攻擊，全球最繁忙的空中交通樞紐的網(wǎng)絡(luò)被控制，重建工作歷時數(shù)月。作為人工智能應(yīng)用于公共管理實踐的探索者，截至2019年4月，美國已爆發(fā)了169起由黑客勒索軟件造成的公共數(shù)據(jù)安全事件，受影響的州或地方政府普遍缺乏足夠的安防預(yù)算、安防人才以及應(yīng)急準(zhǔn)備[7]。此外，公共大數(shù)據(jù)平臺本身的抗災(zāi)能力普遍欠佳，火災(zāi)、洪水、雷擊、臺風(fēng)等自然災(zāi)害和其他突發(fā)事件（如電氣設(shè)備短路）都可能造成平臺損毀，進(jìn)而引發(fā)數(shù)據(jù)丟失的安全風(fēng)險。綜上，在推進(jìn)人工智能與公共管理實踐融合的同時，必須高度重視數(shù)據(jù)安全風(fēng)險，加強(qiáng)前瞻防控和實時預(yù)警，確保公共大數(shù)據(jù)及其計算平臺作為智能基礎(chǔ)設(shè)施的安全穩(wěn)固。

二、 算法層

算法是人工智能應(yīng)用于公共管理實踐的引擎。算法層涵蓋了人工智能算法、實現(xiàn)算法的技術(shù)方向，以及每個技術(shù)方向下的子技術(shù)。當(dāng)前，在公共管理的研究及實踐中，深度學(xué)習(xí)是最受重視的人工智能算法[8]。然而，以深度學(xué)習(xí)為核心的人工智能算法并非完美，其本身也處在發(fā)展當(dāng)中。目前在公共領(lǐng)域的實踐中，人工智能算法已經(jīng)暴露出至少三個方面的風(fēng)險：

一是技術(shù)精度風(fēng)險。精準(zhǔn)治理，是經(jīng)常被提及的人工智能算法在公共管理領(lǐng)域應(yīng)用的優(yōu)勢。然而，2017年，在一場百萬人次的狂歡節(jié)活動中，英國倫敦大都會警察局運(yùn)用一款人臉識別篩查潛在的通緝犯，該應(yīng)用通過比對狂歡節(jié)參與者的面部數(shù)據(jù)與警察局存檔的通緝犯面部數(shù)據(jù)，共識別出35名面部數(shù)據(jù)匹配成功的人士，其中30人為肉眼可見的匹配錯誤，剩下5人經(jīng)警察核實，發(fā)現(xiàn)僅有1人匹配成功[9]。這種嚴(yán)重的精度偏差，固然反映了算法本身有待進(jìn)一步完善，但也與公共部門長期運(yùn)用項目制來推進(jìn)智能應(yīng)用落地有關(guān)。技術(shù)的研發(fā)往往是依托于實驗室良好可控的條件，但轉(zhuǎn)化為應(yīng)用成果則需要面對更為復(fù)雜甚至不可控的實際環(huán)境，智能應(yīng)用的技術(shù)穩(wěn)定性尚待驗證;但在公共管理者推進(jìn)智能應(yīng)用的過程中，由于其與應(yīng)用供應(yīng)商間的技術(shù)鴻溝，很難全面地評估相關(guān)技術(shù)穩(wěn)定性，為實際效用欠佳埋下了伏筆。此外，公共部門普遍缺乏技術(shù)創(chuàng)新傳統(tǒng)，較難給予工程師和數(shù)據(jù)科學(xué)家高薪酬，智能應(yīng)用供應(yīng)商對實際效果的夸大，以及部分公職人員與應(yīng)用供應(yīng)商之間的腐敗合謀等，都可能引發(fā)人工智能應(yīng)用的技術(shù)精度風(fēng)險。

二是算法偏見風(fēng)險。公平、正義是重要的公共價值，是公共管理行為的基石。然而，人工智能算法卻可能受到多重因素影響，提供帶有偏見的政策建議，進(jìn)而損害公共管理行為的公正性：其一，作為算法輸入的公共大數(shù)據(jù)可能帶有偏見。公共部門以往的行政方式、文檔材料、決策邏輯中可能帶有某種不易察覺的偏見，當(dāng)這些信息被量化輸入到智能算法中時，算法會對數(shù)據(jù)的分布模式進(jìn)行挖掘，“學(xué)習(xí)”其中的偏見傾向，并在回應(yīng)新需求時，輸出帶有這種偏見的結(jié)果。微軟聊天機(jī)器人Tay上線一天后就被緊急下線，因為它在與人類交流的過程中，迅速“學(xué)習(xí)”到人們話語中的偏見并復(fù)現(xiàn)出來，表現(xiàn)為極端種族主義者[10];其二，作為算法設(shè)計者的數(shù)據(jù)科學(xué)家或工程師可能未經(jīng)偏見審查。在提出人工智能算法的初期，數(shù)據(jù)科學(xué)家未對其偏見性進(jìn)行考察，沒有設(shè)計抵御偏見的算法機(jī)制，導(dǎo)致偏見“從一開始就注定無法得到充分解決”[11]。在運(yùn)用算法實現(xiàn)實際需求的過程中，工程師需將目標(biāo)任務(wù)轉(zhuǎn)化成機(jī)器能夠識別的代碼、參數(shù)和標(biāo)簽，其轉(zhuǎn)化過程帶有較強(qiáng)的主觀性，從而對輸出結(jié)果產(chǎn)生影響;其三，作為算法出資者的利益集團(tuán)可能引導(dǎo)算法實現(xiàn)自身的偏好。算法的本質(zhì)是一種技術(shù)工具，資本操縱和政治內(nèi)嵌作為其背后的重要操控力量，能夠利用大眾對算法中立性的信任，修剪社會事實以實現(xiàn)自身的偏好[12]。

三是算法監(jiān)管風(fēng)險。迄今為止，人工智能算法的發(fā)展及其在公共管理領(lǐng)域的應(yīng)用，幾乎都是在監(jiān)管真空中進(jìn)行的[13]。英國上議院的公開文書指出：“目前沒有法律，沒有監(jiān)督，也沒有政策來規(guī)范警察該怎么使用人臉識別等智能算法?！盵14]盡管近年來部分地區(qū)開始就隱私合規(guī)、無人駕駛等形成立法，但實際監(jiān)管執(zhí)行仍頗為困難，產(chǎn)品許可、研發(fā)監(jiān)督和侵權(quán)責(zé)任等傳統(tǒng)監(jiān)管方法不適用于智能算法監(jiān)管。因為人工智能技術(shù)的研發(fā)過程可能涉及技術(shù)專利，外部人員介入并逐行審查代碼的成本十分高昂，很難在智能算法尚未出現(xiàn)重大問題時，對其進(jìn)行嚴(yán)格審查以提前發(fā)現(xiàn)潛在危害。同時，智能算法的不可解釋性也令自查變得難以推進(jìn)：在實際使用過程中，智能算法的運(yùn)算過程和推理機(jī)制是一個密封的“黑盒”（black box）。公共管理者和監(jiān)管方都只能輸入數(shù)據(jù)，然后經(jīng)由算法自主訓(xùn)練，最后獲得輸出結(jié)果，卻無法摸清其訓(xùn)練、推理或預(yù)測的內(nèi)在邏輯。算法黑盒的不可解釋性，違背了公共管理對透明度的要求，進(jìn)而降低了算法結(jié)果的可靠性和可信度。

總體上，技術(shù)精度風(fēng)險、算法偏見風(fēng)險和算法監(jiān)管風(fēng)險都可能誤導(dǎo)公共管理者做出錯誤的決策。而公共部門不同于私營企業(yè)，公共決策失誤會進(jìn)一步引發(fā)公共信任風(fēng)險，從而限制公共管理者未來深化人工智能應(yīng)用的能力。

三、 應(yīng)用層

應(yīng)用層是指建立在基礎(chǔ)設(shè)施層和算法層之上的、實現(xiàn)公共管理具體需求的智能應(yīng)用和解決方案。應(yīng)用層的風(fēng)險有兩種生成路徑：

一是由基礎(chǔ)設(shè)施層和算法層的底層風(fēng)險逐級傳導(dǎo)而生成。以隱私泄漏風(fēng)險為例，隱私泄漏可能源于基礎(chǔ)設(shè)施層的隱私大數(shù)據(jù)遭受黑客攻擊或數(shù)字欺詐，也可能源于算法層中算法受利益集團(tuán)操縱，通過“捆綁霸王條款”截獲隱私，而監(jiān)管方又未建立起成熟的流程對其進(jìn)行規(guī)制。

二是外部環(huán)境對智能應(yīng)用的滲透產(chǎn)生了適應(yīng)性風(fēng)險，主要表現(xiàn)為公共部門的智能化轉(zhuǎn)型風(fēng)險。公共管理者所在的公共部門對人工智能應(yīng)用的適應(yīng)能力相對落后于私營部門。相較于私營部門可以快速通過優(yōu)勝劣汰和結(jié)構(gòu)調(diào)整來完成智能化轉(zhuǎn)型，公共部門所面臨的智能化轉(zhuǎn)型風(fēng)險要復(fù)雜得多：首先，組織領(lǐng)導(dǎo)者若缺乏對人工智能底層風(fēng)險的充分認(rèn)知，對智能應(yīng)用過于樂觀，可能推動一些本無必要的人工智能項目上馬，在未做技術(shù)評估的情況下，將人工智能用在其并不擅長的領(lǐng)域，造成公共資源浪費;然后，智能化的行政方式會對以往的工作模式構(gòu)成挑戰(zhàn)，而組織成員可能缺乏足夠的信息、資源以及技術(shù)能力來適應(yīng)這種變化。隨著人工智能應(yīng)用在公共部門鋪開，組織成員的技術(shù)適應(yīng)力如果未及時升級，可能不僅會阻礙公共管理實踐從技術(shù)進(jìn)步中受益，而且還會出現(xiàn)結(jié)構(gòu)性冗員;最后，對于那些自身崗位被智能技術(shù)替代的組織成員，他們將面臨崗位內(nèi)容調(diào)整和自由裁量權(quán)流失的風(fēng)險。據(jù)估計，人工智能在公共部門的應(yīng)用，將在五到七年內(nèi)替代30%的人類勞動力工時[15]，例如，部分的行政咨詢工作可被政務(wù)聊天機(jī)器人替代，而原本承擔(dān)咨詢工作的人員將被調(diào)整到其他工作崗位。此外，公共部門可能受自身層級、人員構(gòu)成、對外部創(chuàng)新的接受度、上級領(lǐng)導(dǎo)的支持度等影響，而表現(xiàn)出不同水平的智能化轉(zhuǎn)型風(fēng)險。智能化轉(zhuǎn)型風(fēng)險最終將影響到組織內(nèi)部關(guān)系、組織成員的認(rèn)同度和凝聚力，因而，應(yīng)在推行人工智能技術(shù)前，對公共部門的準(zhǔn)備度（readiness）進(jìn)行全方位調(diào)研。

參考文獻(xiàn)：

[1]Agarwal P K. Public administration challenges in the world of AI and Bots[J]. Public Administration Review，2018，78（6）： 917-921.

[2]Collingridge D. The social control of technology[M]. London： Frances Pinter. 1980： 11.

[3]韓水法.人工智能時代的人文主義[J].中國社會科學(xué)，2019（6）：25-44+204-205.

[4]王飛躍.新IT與新軸心時代：未來的起源和目標(biāo)[J].探索與爭鳴，2017（10）：23-27.

[5]騰訊研究院，中國信息通信研究院互聯(lián)網(wǎng)法律研究中心，騰訊AI Lab等.人工智能：國家人工智能戰(zhàn)略行動抓手[M].北京：中國人民大學(xué)出版社，2017：7.

[6]Farmer L. The Baltimore Cyberattack Highlights Hackers' New Tactics [EB/OL]. （2019-05-30） [2020-05-10]. https：//www.governing.com/topics/public-justice-safety/gov-cyber-attack-security-ransomware-baltimore-bitcoin.html.

[7]Liska A. Early Findings： Review of State and Local Government Ransomware Attacks [R/OL]. （2019-05-10） [2020-05-10]. https：//go.recordedfuture.com/hubfs/reports/cta-2019-0510.pdf.

[8]de Sousa W G，de Melo E R P，de Souza Bermejo P H，et al. How and where is artificial intelligence in the public sector going？ A literature review and research agenda[J]. Government Information Quarterly，2019，36（4）：1-14.

[9]Margetts H，Dorobantu C. Rethink government with AI[J]. Nature，2019，568 （7751）： 163-165.

[10]莫宏偉.強(qiáng)人工智能與弱人工智能的倫理問題思考[J].科學(xué)與社會，2018，8（1）：14-24.

[11]德勤管理戰(zhàn)略研究中心.人工智能與風(fēng)險管理報告[R/OL].[2020-05-10].

https：//www2.deloitte.com/content/dam/Deloitte/cn/Documents/risk/deloitte-cn-ra-ai-and-risk-management-zh-190329.pdf

[12]郭小平，秦藝軒.解構(gòu)智能傳播的數(shù)據(jù)神話：算法偏見的成因與風(fēng)險治理路徑[J].現(xiàn)代傳播（中國傳媒大學(xué)學(xué)報），2019，41（9）：19-24.

[13]Scherer M U. Regulating artificial intelligence systems： Risks，challenges，competencies，and strategies[J]. Harvard Journal of Law & Technology，2016，29 （2）： 353-400.

[14]UK Parliament. Security and Policing： Facial Recognition Technology [EB/OL]. （2018-3-1） [2020-05-10]. https：//hansard.parliament.uk/Lords/2018-03-01/debates/0AD45D64-63CB-458F-B9B1-A41B2887C051/SecurityAndPolicingFacialRecognitionTechnology.

[15]Deloitte Center for Government Insights. How much time and money can AI save government？ [R/OL]. [2020-05-10].

https：//www2.deloitte.com/content/dam/insights/us/articles/3834_How-much-time-and-money-can-AI-save-government/DUP_How-much-time-and-money-can-AI-save-government.pdf.

作者簡介：胡象明，男，北京航空航天大學(xué)公共管理學(xué)院二級教授，博士研究生導(dǎo)師，研究方向：社會風(fēng)險評估、政策科學(xué)研究;陳一帆，女，1992年生，北京航空航天大學(xué)公共管理學(xué)院博士研究生，研究方向：社會風(fēng)險評估研究。