在司法領域，設想有一個“人工智能法官助理”，我們可以像給阿爾法狗“喂棋譜”那樣把浩如煙海的法律文本（包括所有的立法解釋、司法解釋等）“喂”給它學習，把連篇累牘的案例材料“喂”給它了解，它對法律和案例的融會貫通、完全掌握一定能超過任何單個的人類法官。

有了大數據基礎之上的人工智能，有了國家法治領域的“阿爾法狗”，就可以用人工智能和人之間的制約、制衡來保證決策正確和及時糾錯，同時還不明顯減低效率。當然，這種制約、制衡機制必須法律化、強制化。

看到這個題目，很自然聯想到的就是“利用大數據破獲犯罪”之類，這是現在對大數據應用的較為普遍的思路，即把大數據視為一種“工具”，一種“手段”。我認為，從社會治理的角度，大數據更是一種“機制”，既是一種應用機制，更是一種推動、倒逼機制：就大數據的本性而言，它對所有人都是平等的，它天生地趨向自由，只有在它的基礎上，絢爛的現代民主治理之花才能更為合理、更為必然、更不受約束地綻放，人類在自然科學領域的發明和成果，才能從根本上推動人類自身的相互關系和治理結構的變革和優化。

社會數據化，數據社會化

之所以如此，首先是由人類自身的“數據化”。對于社會成員，從工作內容到每日行程，從單位內部的往來到“朋友圈”的互動，從鴻篇巨制中的惶惶高論到推特臉譜上的片言只語，從你背過的單詞到你走過的步數，每個人的工作、生活、社交、教育、運動等各方面的行為都在越來越頻繁、普遍、精確地數據化。對于社會管理者，他們的管理、控制行為基于數據，也被數據所記錄：電子政務系統記錄著政府的每個流程、每項決策、每個文件及其所有的原始記錄。

單從“依賴”的程度、不考慮“毒害”的因素，可以說數據化是信息時代的鴉片：在社會成員和社會管理者從數據化得到越來越多便利的同時，他們自覺不自覺地把自己的思想、行為、言論甚至感情表達更加深入更加全面地數據化，樂在其中，勢不可擋。

這種數據化的趨勢，一定伴隨著數據的多源化。如果說在信息時代的初期，與社會成員相關的主要數據還都由政府保有、管理，發展到今天，企業、私營機構、社會組織等掌握的數據，已經和政府的規模不相上下。所以，電量、運輸量、貸款量可以和政府公布的GDP互相印證，電商交易量可以和社會零售業總額交叉檢驗，自媒體則成了主流媒體不可缺少的補充。這種趨勢將隨著“小政府、大社會”的進程而日趨明顯。

數據來源越來越多樣化，也就越來越意味著數據的公開化。在政府為單一數據來源時，美國歷史上圍繞著《信息自由法案》、《電子信息自由法案》爭訴紛紜。今天，世界各國政府都宣稱“信息公開是常態，不公開是例外”，而且正紛紛從“信息公開”走向“數據開放”。而企業、社會組織、自媒體等的數據更活躍、更原生、更傾向于公開。數據來源的多樣性也倒逼著數據公開：如果某一數據源不開放數據，而這一數據又是社會公眾所需要的，其他來源的數據將會逐步替代這一數據源。不公開，就會被替代或淘汰，信息產業史上不乏這類例子。

尋求最大共識，避免“多數錯誤”

數據的多元化、公開化、自由化、必然導致數據的平等化、數據分析結果的客觀化。首先，大數據分析工具的分析，萃取基本不受人為因素影響，能夠客觀、全面地挖掘出數據的本質。其次，即使工具本身出了問題，即使人為地對工具施加了不當影響（如調整權重等），也會有另外的工具，從另外的數據源進行分析、比對，如統計局的GDP可以由售電量等數據來比對。這樣，就保證了數據分析結果、判斷結論的真實性，就能真正提煉出全社會的最大公約數、最大共識。

從平等化的數據、真實化的結果，就有可能實現基于大數據的社會治理，即以大數據為基礎、規范、標準的治理。大數據，就是社會成員已經做完的事情，因此，以大數據為基礎的治理，就是最原生的人民主體、群眾路線、實踐標準。

例如某國的交通規則規定是：某一高速公路的限速是60英里，如果你開上該公路時發現其他的汽車的時速都是80英里，你就應該按照80英里，而不應該拘泥于限速。這實際上是“以大數據為標準”治理交通的雛形：因為大數據展示絕大多數汽車的時速都是80英里，這表明大家一致認為在這段高速公路當時的車流密度、氣象條件下80英里是安全可行的時速，交通管理就應該按照這一大多數人的意志。當然，公路的速度標志應該優化，改為可變的“建議時速”。

又例如，自動翻譯軟件原來的思路是窮究語義，力圖得出“最準確的翻譯”，但多年以來一直無法完美實現。近年來，改為以大數據為基礎，即：大多數人怎么翻譯，翻譯軟件也怎么翻譯。你“喂給”翻譯軟件的實例越多，翻譯軟件的結果就越被大多數人認同。這就是“翻譯領域”的群眾路線。

當然，大數據也要防止“多數人的暴政”、糾正“多數人的錯誤”。比如，怎樣防止在公路上大家越開越快？怎樣糾正大部分人都容易犯下的翻譯錯誤？解決問題的思路還是大數據，即應該基于大數據來積累、制定、完善檢驗、判定的標準。例如，根據對這一路段多年的交通事故統計數據，得出在任何氣候條件、任何交通流量下都不能超越的時速，加以嚴格的提示和限制。比如，基于多年的教學、翻譯數據，列出一些明顯的翻譯錯誤，即使大多數人都犯了這一錯誤，也不能認為這種翻譯準確；也可以大大提高語言學專門人員翻譯結果的權重，使之抗衡“菜鳥級”翻譯的錯誤，等等。

人工智能與數據治理

實際上，基于大數據的社會治理，絕非上述那樣簡單，而必須不斷運用人工智能技術的最新成果，包括神乎其神的“深度學習”。基于大數據的人工智能已經并且正在很多領域（典型的如圍棋、駕駛等等）證明：人工智能可以超過單個的人類成員。阿爾法狗已經戰勝了雄踞世界圍棋前列的李世石，谷歌的自動駕駛汽車已經創造了任何人類駕駛員都無法企及的安全駕駛記錄。那么，在社會治理領域，是否有可能出現類似“阿爾法狗”這樣的“虛擬選手”呢？答案是肯定的。

比如在司法領域。設想有一個“人工智能法官助理”，我們可以像給阿爾法狗“喂棋譜”那樣把浩如煙海的法律文本（包括所有的立法解釋、司法解釋等）“喂”給它學習，把連篇累牘的案例材料“喂”給它了解，它對法律的融會貫通、完整掌握一定能超過任何單個的人類法官，甚至還可能發現法律本身存在的不一致、發現判例之間的矛盾。這樣，無論在大陸法系還是英美法系，只要把某一案件的案情詳盡、精確（這是人工智能法官助理對案情描述精確性、準確度的倒逼）地向它描述，它就能給出判決建議及其依據。法官可以不采納它的建議，但必須提出不采納的理由。人工智能法官助理的建議及其依據、法官采納與否的決定及其依據，都以適當的形式公布并存檔，同時也成為人工智能法官助理深度學習的新內容。

比如在國家決策領域。設想有一個“人工智能決策助理”，我們同樣可以像給阿爾法狗“喂棋譜”那樣把執政黨的黨綱、黨章、各種理論、與決策相關的憲法法律法規、執政黨處理歷史案例的經驗和教訓等“喂”給它學習，把從多源的社會數據抽取、分析得到的“社情民意”、“最大共識”讓它了解，它對執政黨理論體系的掌握、對憲法法律體系的了解、對黨情民意的把脈應該是最完整、最準確、最內在一致的，而且，一定不會收到學歷、專業、經歷、好惡、注意力等的影響，是一個“不斷學習、時刻更新、無一遺漏、永不疲倦、高度穩定”的決策助理。當某一需要決策的事項發生時，只要把該事項的情況想盡、精確（這同樣是人工智能對策事項描述精確性、準確度的倒逼）地向它描述，它就能給出決策建議及其依據，并且評估該建議可能產生的各方面的后果。執政黨可以不采納它的建議，但是同樣應該提出不采納的理由。人工智能決策助理的建議及其依據、之好著呢廣場采納與否的決定及其依據，都以適當的形式公布并存檔，同時也成為人工智能決策助理深度學習新的內容。

這種國家治理領域的“阿爾法狗”，為解決國家治理結構的“制衡”悖論提供了技術上的可能。這種悖論就是：為了讓權力不做傻事，需要設計制約機制，用人與人的制約，即所謂“政治人物之間互相依靠又互相制約”來保證決策正確及必要的糾錯，但這樣就會導致決策效率低下、影響社會經濟發展和人民生活，為了提高效率、加快發展、“集中力量干大事”，就需要排除七嘴八舌的干擾、統一決策、高度集權，但對于集權于一身的領導人的素質要求極高，而且很難設計和實現糾錯機制。有了大數據基礎之上的人工智能，有了國家治理領域的“阿爾法狗”，就可以用人工智能和人之間的制約、制衡來保證決策正確和及時糾錯，同時還不明顯降低效率。當然，這種制約、制衡機制必須法律化、強制化、你不能今天高興了，就問一下“人工智能決策助理”，明天就不理它；你也不能把電腦的電源拔掉，讓“阿爾法狗”無法工作。在這個意義上，社會領域的大數據，是從機制上對執政者的制約。

這種制約，不僅僅是對執政者的，也是對全體社會成員的。因為每個社會成員的所有行為都數據化了，而在大數據基礎上形成的判定標準是一致的，每個人都受其約束、規范，而且是無所不在、無處不在的制約（想想因為成為“表叔”而下臺、因為暴露“開房記錄”被處分的官員！），這種制約，比道德、法律的制約更為普適。在信息時代的一定階段，與“依法治國”、“以德治國”并列的，還會有“數據治國”。如果我們把它看成套在每個人頭上的“緊箍咒”，那么，這就是人類進步歷史上的又一次“異化”。

借用一句外來語：“除了上帝，誰都需要數據”。對于社會成員，誰都在數據的規范和約束下，否則就會受到數據的懲罰；對于社會管理者，誰都必須遵循大數據所揭示的民意、趨勢，否則，也自然會被以大數據為代表的公平、正義所拋棄。（作者為九三學社中央委員，遠光軟件股份有限公司董事長 原載于2017年2月9日《南方周末》）