政府数据治理是事关政府管理创新和政府治理现代化建设的重要问题。随着人工智能的发展，运用人工智能加强政府数据治理是当前备受学术界关注的一项重要课题。人工智能在政府领域的深度应用，对传统的政府数据治理方式、数据资产管理、数据质量管控、数据开放共享以及数据安全与隐私保护等提出了新挑战。同时，在人工智能技术的赋能下，政府数据治理呈现出一些新的特征，主要包括数据内容更加丰富、数据处理更加快捷、数据管理更加高效、数据决策更加科学、数据服务更加精准等。基于此，应重点从加强顶层设计、推进依法治数、打破数据壁垒、强化风险防控以及注重技术创新等方面来推进人工智能背景下政府数据治理工作的开展。
随着大数据、云计算、移动互联网等新一代信息技术的飞速发展，全球数据总量呈现爆发式增长，不断积累的数据已经成为国家治理现代化建设的基础性战略资源，是经济转型和社会发展的新引擎。现阶段，我国80%的政府经济社会数据掌握在政府部门手中，如何盘活这些数据资源以释放数据价值是当前政府治理中的一个热点议题。通过数据治理进行政府治理变革与效能提升，已然成为推进国家治理体系与治理能力现代化建设的重要路径。2015年8月31日，国务院发布《促进大数据发展行动纲要》，指出“要加快大数据部署，深化大数据应用”。2017年12月8日，习近平总书记在中共中央政治局第二次集体学习时强调:“要实施国家大数据战略，推进数据资源整合和开放共享，加快建设数字中国，用大数据提升国家治理现代化水平。”可见，政府数据治理是当前事关政府管理创新和政府治理现代化建设的重要问题，是政府治理的一项重要内容，为解决政府治理痼疾、提升政府治理能力提供了新范式。
但迄今为止，国内很少有学者对基于人工智能技术的政府数据治理进行专门研究。本文旨在分析人工智能发展对政府数据治理提出的新挑战，阐述人工智能背景下政府数据治理呈现出的新特征，并提出人工智能背景下政府数据治理的新路径，以期为政府部门开展数据治理工作提供决策咨询参考和可操作性的实践指南，进一步丰富和发展政府治理的理论体系，为该领域的相关研究开辟新的理论视角。
一、人工智能发展对政府数据治理提出的新挑战
人工智能具有超强的数据分析与处理能力，运用人工智能进行政府数据治理已成为社会共识。当前，人工智能在政府领域的深度应用，对传统的政府数据治理方式、数据资产管理、数据质量管控、数据开放共享以及数据安全与隐私保护等提出了新挑战，人工智能背景下的政府数据治理任重道远。
(一) 技术嵌入给传统政府数据治理方式带来冲击
人工智能技术的嵌入给传统的政府数据治理方式带来挑战，未来的政府数据治理将更加注重精准治理、整体治理、线上线下融合治理以及多元治理。主要表现在:一是由模糊治理转向精准治理。人工智能技术嵌入政府数据治理，给传统的数据收集、存储、传输、分析与处理方式带来了冲击。利用人工智能技术，可以对海量政府数据进行实时抓取，能够科学分析数据之间的相关关系，挖掘潜在的用户需求和深层次的复杂问题，为政府管理决策提供精准的数据支持，客观上推进政府数据治理从模糊治理走向精准治理。二是由碎片化治理转向整体性治理。人工智能技术具有很强的数据归集与融合能力，传统的碎片化治理方式难以满足人工智能背景下政府数据治理的需求，亟待推进整体性治理，实现政府数据的“三融五跨”和业务协同，提升政府管理效能。譬如，杭州城市大脑利用先进的传感器和算法模型，促进了全量多源异构数据归集和融通，形成了城市运行的全局感知和智能分析，实现了政府数据整体化治理。三是由线下治理转向“线上+线下”融合治理。人工智能嵌入政府数据治理，不仅使数据治理的边界从传统线下治理延伸至网络空间治理，还促使数据治理呈现出组织结构扁平化、业务系统化、数据融合化等特征，客观上要求政府数据治理由线下治理向“线上+线下”融合治理转变，真正实现“最多跑一次”“让数据多跑路、群众少跑腿”。四是由一元主导转向多元共治。人工智能的嵌入改变了传统以政府或公共机构作为主导数据治理唯一主体的治理方式，亟需构建“多元共治、多方合作、跨界互动”的数据治理新格局，广泛吸纳社会组织、企事业单位、公众等多元主体共同参与政府数据治理，促进“政企”“政社”“政媒”之间的良性互动。
(二) 技术赋能要求进一步强化政府数据资产管理
人工智能赋能政府数据治理要求从宏观上做好政府数据资产管理，盘点数据资产、明确数据权属关系，以更好地促进政府数据的开发利用以及价值的实现，为政府管理提供及时、全面、准确的信息。具体包括:一是亟需顶层设计，要求数据资产管理“一盘棋”。我国政府数据资产管理尚处于起步阶段且面临诸多挑战，譬如，大部分政府部门的数据基础薄弱、数据质量参差不齐、数据“烟囱”林立等。人工智能技术赋能对政府数据治理的顶层设计提出了更高要求，需要从宏观上进行政府数据资产管理顶层设计，加强组织建设，做好总体规划，确保政府数据资产管理“一盘棋”。二是摸清数据“家底”，要求数据“看得懂”。人工智能赋能政府数据治理要求进一步做好数据资产清查，摸清“数据家底”，从数据总量、数据类型、数据质量、数据更新情况等多个方面盘点政府各个部门的数据资源现状，挖掘数据价值，助力我国数字政府建设。2017年，贵州省在全国率先出台《政府数据资产管理登记办法》，促进全省政府数据资产清查工作，为“数字贵州”建设提供“看得懂”的数据。三是对数据进行确权，要求数据“来去明”。人工智能赋能政府数据治理要求进一步加强数据确权，明确数据的权属关系和责任边界，准确划定数据所有权、采集权、管理权、使用权、收益权以及获取权等，保障数据有序流动、合法交易以及安全使用。近年来，虽然我国在数据治理领域出台了一些法律法规，如《网络安全法(2016年)》《数据安全法(草案)(2020年)》等，但是对政府数据确权的相关规定较为缺乏。四是做好数据分级分类，要求数据“管得住”。通过数据资产分级分类，对不同级别和类型的数据采取不同的管理策略，是人工智能时代政府数据资产管理的内在需求，是确保数据“管得住”的必然举措。2019年，深圳市坪山区实施了政务数据分级分类制度，形成了全区数据分级分类目录，促进政务数据资产管理，助力实现政务服务“一网通办”。
(三) 技术应用对政府数据质量管控提出更高要求
华为总裁任正非说: “高质量的数据是人工智能发展的前提和基础。”人工智能技术的应用要求加强对数据质量进行层层管控，避免脏数据、死数据、不完整数据等问题。主要包括:一是对质量标准建设提出严要求。数据质量标准建设是数据质量管控的前提，是决定政府数据质量优劣的关键因素。人工智能发展对政府数据质量标准提出严格要求，亟待制定全国统一的政府数据质量标准，同时还要细化其具体条款，对数据的真实性、一致性、准确性、完整性、关联性、可读性等做出详细规定。二是对质量风险防范提出高要求。深度学习训练算法对所输入的数据质量要求极高，一旦输入的数据存在风险，则可能导致输出的结果产生误差。因此，要利用机器学习、自然语言处理等技术对政府业务系统运行的各类数据开展动态、实时的风险监控，通过特征提取和关联比对，及时发现数据不准确、不一致、不完整等异常，提早进行风险防范。三是对质量管控机制提出新需求。人工智能发展要求通过完善政府数据质量管控机制，实现对政府数据进行全程、全域、全要素监控与跟踪，并对质量管控不力和责任落实不到位的政府部门或政府工作人员进行行政问责。同时，要建立科学的数据质量评估体制，对政府数据进行质量动态评估，确保政府数据真实可靠。四是对高质量的训练数据提出新诉求。人工智能的应用对高质量的训练数据提出新诉求，数据质量越高，政府通过人工智能技术所获取的信息可靠度越高，政府决策偏差越小。现阶段，高质量的训练数据仍然较为缺乏，在全国32个省(自治区、直辖市)中56%的地区存在信息内容不完整问题，38%的地区存在多渠道信息内容不一致等问题，已经成为政府管理创新的主要瓶颈。
………………
人工智能背景下政府数据治理新挑战、新特征与新路径 PDF 完整版下载（文字可复制）：
https://www.aliyundrive.com/s/KPvDZVnpAL8 提取码: pp91