王锋

内容提要 因为受信息的模糊性、价值的不确定性及人的复杂性等因素的影响，人工智能被广泛应用前的公共行政一直面临科学性不强的尴尬，使得公共行政一直存在身份危机。人工智能所带来的全样本数据收集、对人的数据画像、价值取向的数据化及公共事务的大数据分析有效克服了以前公共行政所面临的缺陷，有效提升了公共行政的科学性。但公共行政自身的特点决定了这种科学性始终是有限度的，即使是智能化的公共行政也达不到如自然科学那样的纯粹行政科学。

关键词 人工智能 公共行政 科学化 限度

[中图分类号]D035 [文献标识码]A [文章编号]0447—662X（2021）01—0027—07

因為科学性不强，公共行政一直面临着人们的质疑，这使得公共行政不得不从其他学科中寻找学科认同。人工智能在行政管理中的广泛应用，使公共行政获得了一定的科学性。原来制约公共行政科学化的因素像模糊性、价值及人的不确定性等在人工智能环境下都得到了某种程度的解决，使公共行政的科学化前景得到前所未有的提升。人工智能能否彻底实现公共行政的科学化，从而使公共行政摆脱一直以来面临的尴尬处境，是本文讨论的核心问题。

一、科学性欠缺：公共行政面临的尴尬

从诞生之日起，公共行政就处于持续的身份危机中。这种身份危机来自对作为一门学科的自我认同。公共行政属于政治还是管理？是人文科学还是社会科学？虽然从事行政管理研究的学者们有一种寻求学科独立身份的冲动，虽然公共行政与政治保持一种亲缘关系，但公共行政又有意识地与管理学保持一定距离。这种独立意向使得公共行政在人文与社会科学之间徘徊，不断寻求自己的学科身份。“从历史上看，公共行政学的政治科学根基倾向于把它向社会科学拉近。然而，通过强调由诠释和文学方法获取知识的好处，将公共行政领域导向人文学科的压力与日俱增。”达布利克的说法还需要考虑公共行政面临自然科学的压力，即由于自然科学的量化要求，公共行政不得不向自然科学看齐。罗森布鲁姆采取折中的办法来调和公共行政的身份危机，试图在政治、管理和法律之间为公共行政寻找一种身份认同，但这并没有从根本上解决问题。公共行政不断从其他学科领域寻找自己的学科认同反映了一个事实，即公共行政自身的科学性不强。

什么是公共行政的科学化？从科学的本义来看，科学包含三层意蕴，既指作为知识体系的科学，又指作为学科体系的科学，同时还意味着作为意识形态的科学。作为意识形态的科学是科学精神的极端化，是把学科体系意义上的科学精神加以神化，从根本上来看，还是受实证主义的影响。但无论是作为意识形态的科学，还是作为学科体系的科学，抑或是作为知识体系的科学，其根本在于对科学精神的坚守。即在对知识体系的追求过程中，寻求其规律性。而现代意义的科学，深深打上了实证主义的烙印，即普遍认为只有能够通过实验加以证实的，才是科学的，社会科学由此走上了所谓的“科学化”道路。

公共行政也是如此。作为从政治学中独立出来的一门科学，公共行政在寻求自身独立性的时候，把实证主义看作判断科学化的主要标准，也就是说，能不能通过经验或实验进行证实成为判断公共行政科学化与否的主要标准。我们在这里讨论的不是公共行政作为一门学科在整体上如何建构起系统化的知识体系，而主要是从行政管理过程主要面对的问题来思考。如果从管理过程来思考，那么，行政决策就是行政管理的具体展开，这样，行政管理就转换为作为决策的行政管理在不同场景下如何才能进行有效决策。就此而言，由于行政管理的主要对象是人，而一旦涉及到人就必然涉及到价值。对行政管理来说，无论是人还是价值，在管理过程中就意味着如何获得确定性。这也就是说，如果按照科学标准要求公共行政，那么，这也就意味着人与价值甚至行政管理本身要通过实证主义获得经验上的可验证性。这样，无论是人还是价值，就行政管理所期望的科学性而言，就呈现为如何获得充足的信息，只有在充分信息的基础上，才能获得确定性，才能达成公共行政所期望的科学性。因而，信息的完整性、人及价值就成为我们思考行政管理是否能够科学化以及在何种程度上达到科学化的主要议题。

在西蒙与达尔的论争中，针对西蒙的实证主义，达尔指出公共行政必须解决三个问题，即价值、行政管理中的人以及社会文化环境，才能创立行政科学。就我们的论题而言，公共行政一直面临价值的纠缠，公共行政必须回答价值问题。在达尔看来，公共行政无法摆脱价值的纠缠，行政管理学者的任务就是如何把价值问题从学理上进行清晰的阐明。这也就是说，如果公共行政能很好地解决价值问题，其作为一门科学的地位就不会受到持续质疑。但是，价值能否如自然科学那样可以量化？西蒙认为价值无法量化。他认为，“公共机构所要实现的价值，一般无法具体表达出来。”由于价值无法量化，也就意味着价值无法对行政管理实践产生影响。既然价值无法量化，西蒙就在事实上把价值排除在行政管理之外。作为决策的行政管理就意味着在不同方案之间进行抉择。这首先取决于通过量化的手段表示出各备选方案的“资产负债表”，然后选择那些收益最大化的方案。这样，行政管理就建立在科学的基础上，这种科学完全是按照自然科学的标准确立起来的。通过这样的努力，西蒙终于建立起他心目中的行政科学。

从西蒙所确立的公共行政的科学标准出发，科学化的行政管理就是理性化的行政管理。而要做到完全理性，就意味着要对各种方案的可能结果进行分析，甚至在某种程度上要对各种可能结果的相关信息做到事无巨细。对公共行政来说，这种完全理性在事实上不可能实现。行政管理者要采取行动，做出完全正确的决策，从理论上来说，当然是能够收集到与行动相关的所有信息，即能够达到完全理性。但事实上由于主客观条件的限制，行政管理无法掌握到所有信息，行政管理者的决策是在不充分信息下做出的。这种信息的不充分使公共行政始终面临着不确定性的困扰。

在传统行政管理方式中，公共行政一直面临着不确定性的困扰。从管理的角度来看，这种不确定性首先来自管理对象信息的不对称。当然，我们有很多方法来尽可能收集管理对象的详细信息，比如通过问卷调查、访谈等方式来弥补这种不确定性，这样管理者能够尽可能掌握完整的信息，进而能够在此基础上勾画出其完整图景。但问题在于，样本调查无法覆盖所有群体，而且，随着调查样本的增加产生的后果是大大增加管理成本。传统行政管理方式的不确定性还在于保存信息非常困难。传统行政管理方式通过纸质档案来保存信息。但是，我们知道，这种保存方式具有局限性，不仅保存数量有限，而且在保存过程中很容易丢失信息。由于行政管理是从当下去影响未来，且当我们从当下去思考的时候，不能不涉及过去，而对历史的呈现总是在档案中获得的，但传统的纸质档案所保存的只是不完整的信息。尽管我们可以从统计学的意义上使调查样本能够反映出事物的整体景象并发现其中的规律，但是，由于这两个因素的限制，不确定性是传统行政管理一直不得不面对的现实。这也就意味着传统行政管理模式的科学性因为这一前设性条件而受到影响。

这意味着西蒙所设想的理性只能是一种有限理性。西蒙曾说过，“即使在这些条件下，实现真实行为的理性也是不可思议的。”由于知识的限制、信息的不完整性以及社会本身的开放性，行政管理始终面临完全信息与有限信息之问的矛盾。尽管从社会治理的角度来看，行政管理者掌握的信息越完整，他所采取的行动才越精确。但由于上述原因，我们看到，完全理性是不可能实现的。所以，行政管理并不等到掌握所有信息才开始采取行动。西蒙讲，经济人追求最优，而管理人追求的却是满意。“管理人只考虑少数几个最攸关也最关键的情境要素，其实在这方面，所有人都是这样。‘管理者在做出抉择之前，不需要考察所有可能的行動方案，也不需要预先确定所有的备选方案确实就是这样。”因而，从科学所要求的可量化来看，这种有限理性使得行政管理的科学化始终受到限制。

其实，对行政管理来说，无论是模糊性还是精确性，无论是完全理性还是有限理性，根本问题在于公共行政必须回答人的问题。作为管理的公共行政虽然也要研究财务、人力资源等问题，也回避不了对管理流程及管理工艺的回答，但行政管理不同于其他学科就在于它必须回答公共领域中人的行为问题。达尔认为，“公共行政的大多数问题是围绕着人来考虑的，因此，公共行政研究本质上是对处在具体环境中表现出某种行为，以及预计或预测会表现出某种行为的人的研究。”公共行政区别于其他学科的核心就在于它关心的是由政府机构中完成服务的人的行为。无论是作为管理的行政，还是作为决策的行政，都把公共行政看作是一个技术性问题，要么专注于对管理流程的改进与完善，要么以效用最大化为终极标准，而在事实上醉心于管理方法与工具，从而把人排除在管理之外，即使有人的话，这种人也是工具意义上的人，只不过是整个管理流程中的一个部件或工具而已。而在整个管理系统中对人的各种规训也实际上不过是服从于这种理性的需要。

把人从公共行政中排除出去异常简单，但排除人并不等于公共行政中就没有了人，也不等于就实现了行政管理的科学化。“如果要有一门公共行政科学，我们必须理解公共行政领域中的人的行为。”“未来的公共行政科学受到特别关心的原因在于广阔的服务领域是由政府管理的;在我们深入研究这一广阔领域中多种多样的动机和行为并使得它们能够被预测之前，是不会有一门公共行政科学的。”但是，行政科学不同于其他社会科学的地方在于，它在很大程度上必须回答“应该做什么”的问题。正因为如此，沃尔多明确说过，“和任何‘社会科学一样，行政学研究主要关注的是，人的特征在于思考和评价，……思考意味着创造力和自由意志。评价意味着道德和对与错的观念。”正因为如此，与自然科学相比，沃尔多宁愿相信行政科学不是真正的科学，它也达不到真正的科学。其原因在于，如果回到真实世界中，我们会看到，无论是行政管理者还是作为管理对象的人，都是现实的人，他们有着各种动机与愿望，而人的行为与动机之问并不是完全对应的，正是人的行为的复杂性与不确定性，使得我们量化并科学预测人的行为变得异常困难。所以在达尔看来，行政科学的发展，本身意味着人的科学在公共服务领域中的发展。仅仅依靠不断的重申和自我辩护，并不意味着公共行政就已经成为科学。这也就是说，公共行政必须在公共领域服务化的背景下来考察人的行为，只有如此，才意味着行政科学的真正建立。

由于没有清晰的学科定位，公共行政一直没有自己明确的学科边界，这使得它经常冒犯别人的领地，与其他学科相窜扰。这就使得公共行政研究经常陷入对时尚的追逐中。“公共行政学的基调或技术基调，常常因追逐时尚而自降身份。对作为技艺的技术的强调更是火上加油，使时尚追逐变本加厉，朝秦暮楚，无有定所。最近的‘全面质量管理和‘重塑政府的时尚就是例子。公共行政实践的历史就充满了这类潮流和时尚，既在大范围内，又在每天的地方管理中。”由于没有自己明确的身份定位，没有自己明确的学科边界，这使得公共行政不得不大量使用其他学科的研究方法。而不断使用其他学科的研究方法，又进一步加剧了公共行政自身的身份危机。

对行政管理来说，有效管理的基础是管理对象的清晰化，而这又来源于对管理对象信息的掌握程度。但是，在传统行政管理模式下，社会治理也好，行政管理也好，它们都面临一个共同的难题，即模糊化的障碍。虽然传统行政管理模式下也发展出了一些统计方法来试图使管理对象清晰化，但是无论是调查统计还是抽样等都要投入大量的人力与物力，成本高，效率低，因而并不能有效提高社会的清晰性，使行政管理在总体上呈现出模糊化的状态，这也使行政管理本身的科学化不能不受到影响。

二、科学性增强：人工智能提升公共行政的科学化

如前所述，在传统治理模式下，行政管理科学化所面临的主要障碍是社会本身的模糊化。而对行政管理来说，实现有效管理的前提是社会本身的清晰性，这种清晰性来源于管理必须共享的信息与数据。在农业社会，人们对数据的记录及传播主要依靠的是口耳相传，局限于较小的地域共同体内。后来虽然有了文字档案等数据记录方式，部分解决了数据共享及传播的问题，但是以档案方式记录下来的数据不能保持数据共享的同步性，而且无论其传播距离还是共享范围仍然面临着地域空间的限制。也就是说即使数据可以记录下来，但无论是共享的范围还是传播的距离都受到很大的空间限制。与农业社会相比，随着技术的发展，工业社会的数据记录及传播有了很大的进步，特别是报纸、广播、电视等传统媒体的发展，为数据记录及传播带来了前所未有的变化。数据记录的数量和内容大大丰富，数据传播的时效性和空间拓展都得到了很大提高。但是，无论是农业社会还是工业社会，在数据收集方面都存在不足，无法收集到完整的数据，使得管理对象呈现出模糊化的总体图景。数据传播始终受到地域空间的限制，因而也制约了行政管理的科学性。

无论是社会治理还是政府管理，其前提是对管理对象信息的收集。由于技术以及空间距离等原因的限制，传统社会的行政管理无法也不可能收集到管理对象的所有信息。在这种情况下，人们只能退而求其次，收集少量的数据来解决信息匮乏的窘境。这也就产生了社会科学研究中非常重要的方法——样本分析法。统计学的原理告诉我们，样本分析的精确性并不随着样本数量的增加而增加，相反，它与采样的随机性之间存在密切的正相关关系。这就是说，在受到技术限制的情况下，为了尽可能获取数据并保证数据的精确性，样本分析必须具备两个条件：其一，样本必须随机获得，而且随机性越强，越能保证所获数据的精确性;其二，不能带有偏见。一旦采样过程存在偏见，分析结果就相去甚远。无论是问卷调查，还是访谈，都是一种抽样调查，都存在采样分析的固有缺陷。在数据处理能力受限的时代，这是人们为了确保数据精确性所做的不得已的选择。在大数据技术以及人工智能技术应用日益广泛的时候，我们完全可以放弃样本分析，选择全样本收集数据。这取决于我们有足够强的大数据处理和存储能力，取决于我们能够使用低廉的数据收集和分析技术。在过去，这些问题中的任何一个都需要付出很高的代价。现在，由于大数据处理技术以及人工智能的普及，这些问题已经不成为制约性条件。全样本收集取代抽样调查，有效解决了社会科学研究的固有缺陷，即数据来源的不充分，也为有效管理奠定基础。

公共行政必须关注人的问题，必须回答在行政管理中服务的人的行为问题，即寻找行政管理中人的行为规律。问题在于长期以来对人的行为的规律性恰恰是很难掌握的，这其中的一个主要原因在于人不仅充满着各种动机与欲望，而且人的行为与动机在很大程度上会呈现出不一致性，更重要的问题在于，一方面，对人的行为记录比较欠缺，另一方面，即使能够记录，也是粗线条的，由于无法记录细节，这就为人们否认甚至逃避某些行为提供了可能，也为我们探索人的行为规律增加了难度。

未来信息社会将建立在网络互联、智能设备普及以及整个社会智能化程度日益提高的基础上，这意味着智能机器对人的了解比人对人自身的了解更准确，甚至在某种程度上机器比人更了解人本身。正如尼葛洛庞帝所指出的，“当传媒掌握了我的地址、婚姻状况、年龄、收入、驾驶的汽车品牌、购物习惯、饮酒嗜好和纳税状况时，它也就掌握了‘我”。换句话说，随着社会中类似监控摄像头、记录仪等越来越多的智能化设备的普及，它们时刻不停地记录着社会中所发生的一切，包括个人的一举一动，甚至把触角伸向私人生活中更私密的角落。有人认为，以这种方式所记录的信息是碎片化的。从现象层面来看，这些信息是孤立的、碎片化的，但如果把这些碎片化信息整合起来，进行挖掘、处理，就能得到一个人的完整生活轨迹，这就是人工智能领域所说的数据画像。在这个意义上，数字化生存就成为我们的第二肉身。“机器已经能够事无巨细地记录我们的日常生活甚至身体发肤的情况，让我们开始相信人类可以像机器设备一样优化升级。智能手环和智能手机的应用程序内置了计步器和皮肤电反应测试器，不仅能进行定位，还能监测每一次呼吸心跳，甚至还可以显示我们脑波的模式。”“人们几乎每做一件事都会被数据记录，事事有迹可循，一切数据皆存储于云端，无论经过多久也不会消失，任何蛛丝马迹通过数据都可以得到分析和整合。”这意味着通过数据来记录的社会是一个越来越清晰的社会，一个越来越透明的社会。在這种情况下，我们通过所记录的数据就可以非常方便地来分析人的行为规律，包括行政管理过程中人的规律。而当我们通过这种方式获得数据、掌握规律，那么对公共行政中人的科学化是值得期待的。

在传统治理模式下，由于缺乏相应的技术手段，价值显得难以捉摸，进而使得人们对探索价值的规律性变得望而却步。人工智能技术的普及，使这种情况得到根本改变，人们在一定程度上可以寻找价值的内在规律。“网络社会在带给人类极大便利的同时，也会悄无声息地知晓和记录每个人的一言一行和一举一动，导致大量个人信息主动或被动地留存在计算机和网络之中。利用这些信息可以对某个人进行完整的‘数据画像，对其生理、生活、经济和社会等方面的特征进行分析、描述和预测”。众多人的数据积累，就成为海量的数据，就是数据的海洋，就可以利用大数据技术分析其中的价值取向。

不仅如此，对行政管理来说，在传统治理模式下，由于更多依赖人工采集数据，其向社会提供公共服务的领域像公共交通、公共卫生等领域同样存在数据不足。“在传统的社会治理过程中，这一功能是由纯人工方式来完成的;在智慧治理过程中，采用智能感知与人工采集相结合的方式完成这一任务。纯人工方式完成数据采集与处理任务有两大缺点：工作量浩大且频度低、效率低、不规范;难以全面覆盖社会治理的各个层面和角落，不能满足多元治理的要求。采用智能感知与人工采集相结合的方式不但可以全面解决这两个方面的问题，即实现信息获取的多元化和社情感知的泛在化，随时随地感知社会运行状况，充分了解社情民意，还可以对多源信息进行智能化采集与处理，按照现场实际情况调整采集频度”。并且可以通过平台实时对数据进行分析，从而可以动态掌握公共交通、公共卫生等方面的真实情况，把握其发展趋势，采取切实行动，从而提高行政管理的有效性。

总之，无论是从人的行为、价值还是从行政管理所能获得的数据量来看，人工智能无疑可以大大促进其科学化，即行政科学所要求的可量化的数据及数据量，从而为寻找行政管理的科学性和规律性奠定比以往更为坚实的经验基础，大大提升了公共行政的科学化。

三、纯科学想象：公共行政科学化的限度

西蒙在回应达尔的诘难时曾指出自己所追求的是纯粹的行政科学，而达尔所向往的是应用的行政科学。那么，公共行政是否能达到西蒙所追求的纯粹的行政科学？或者说，行政科学是否可能？人工智能技术的普及与广泛应用，带给我们的全样本收集数据，对人的行为无时不在的记录，让我们看到了公共行政科学化的前景。但这是否意味着公共行政像自然科学那样，可以实现纯粹的科学化？我们的答案是否定的。即使人工智能渗透到行政管理的各个环节，其所带来的行政管理科学化始终是有限的，这既有人工智能在公共行政应用场景问题，也有行政管理自身的问题。

沃尔多曾说过，“但若说行政学研究的主题典型地或主要地具有和‘真正的科学一样的性质，那么，这或许就不是真的。”与自然科学相比，行政科学更为关注应当如何的问题。更为主要的是，行政管理主要涉及到人，而人有道德善恶，能够自由意志并且具有反思能力。在沃尔多看来，由于人的因素，“一些行政事务是可以自然科学的方式来处理的。它们大多数都是这样来处理的，也应该这样来处理。”但是，不可否认的是，行政管理中充斥着价值问题，而价值问题通常不能以科学或者量化的方式来处理。“如果在人类事务领域中获得了机械的因果关系，那么就不需要任何人告诉政府要做什么;政府的任务将是预定的、确定的和不可变更的。只是因为人类事务领域存在着自由意志，才有必要或有可能‘说政府应该做什么或应该何时做出回应”。人工智能能否使道德价值等因素量化、可测量化，固然有部分研究者正进行这方面的尝试，但问题在于，人之所以有道德、价值，根本在于人能够进行自由选择。如果公共行政中的一切都变成了一种机械式的因果关系，这固然获得了人们所期望的科学化，但这是否就是人们所期望的公共行政？

人们之所以对人工智能抱有希望，尤其是其带给社会科学的科学化前景，主要原因在于人工智能应用后所产生的海量数据，这种海量数据成为大数据分析的前提。而且在一般意义上，人工智能由于技术上的优势，正在不知不觉地收集着各方面的数据。以前“政府想要采集一个人的人脸或者其他生物特征，大部分情况下都需要获得对方的同意和配合，更为重要的是，这些数据的提取是一次性的、离散的，但如今已经大为不同，政府可以大规模地、持续地在公共场合获得一个人的照片，而且不需要经过当事人的同意，甚至在当事人不知情的情况下就能获得数据。”但是，我们非常清楚，人工智能要在全样本意义上实现公共行政的科学化，还有一个非常重要的限制性条件，即这些数据必须是真实的。在这个问题上，人工智能有时就显得差强人意。面对欺骗性数据、图片，人工智能在识别方面变得低能，这就影响了人工智能采集数据的真实性。比如，深度神经网络在识别无意义图像过程中常常把它们识别为具体的、有意义的图像。而“问题并不在于神经网络错误识别目标本身，而是它错误识别图像的方式十分怪异，明显不符合人类的直觉。这些神经网络以人类从未有过的犯错方式，将无意义静态或抽象的形状错误识别为物品。这使得我们难以准确预测神经网络可能发生故障的具体情况。”有人推测，这可能源于深度神经网络本身的原因。“虽然深度神经网络在宏观层面是高度非线性的，但它们实际上却使用了线性方法来解析微观层面的数据。”正是由于这一原因，我们看到，即使人工智能可以广泛应用于行政管理过程中，即使这种技术的广泛应用可以带来前所未有的全社会全样本数据的收集及处理，但在数据的真实性保证方面还无法做到不出问题。