编者按：当前全球正加速向数字时代转型，数字技术全面融入各国经济、政治、文化、社会、生态文明建设，给人类生产生活带来广泛而深刻的影响。日前，在南开大学与韩国崔钟贤学术院共同举办的“天津论坛2023：新数字时代的中国与世界”国际研讨会上，来自多个国家和国内诸多机构的专家学者就数字时代的智慧治理、制度创新、金融支持、绿色低碳发展、人工智能和科技创新、东北亚地区的安全与共同发展等前沿问题展开讨论，现将《新数字时代的中国与世界国际研讨会平行分论坛之一：数字时代的智慧治理》专家观点整理摘编，以飨读者。

　　一、数据驱动的数字政府治理

澳大利亚斯威本科技大学数字创新研究院院长项阳从整体上给出了软件和人工智能安全性分析再到对应策略设计方案。首先强调了安全性在现代数字化系统中的关键性，接着探讨了如何提高软件安全性以及解决退化性Bug的重要性，并介绍了一些方法。此外，他提到了当前研究面临的主要挑战来自于测试环境的挑战、数据方面的挑战，以及网络攻击的系统性挑战并分享了针对AI系统的安全性问题研究，包括虚假视频和机器学习相关的攻击。最后强调了数据和算法的重要性，并鼓励充分利用这些资源来构建更安全的软件系统。

海南大学副校长杨天若分别从智慧城市大致背景及人机物智能动机、面临的主要挑战、关键技术以及应用示范等方面介绍了人机物智能的相关内容。首先提出了将人机物系统设计变成自动化芯片设计的想法。其次强调了需要更好地将不同数据类型融合在一起，并在根数据分析时进行综合分析。接着提出包括系统设计方法和多模态数据分析以及动态自适应优化等多项关键技术。最后，报告了多项典型人机物智能示范场景，并给出当前人机物智能的发展前景。

南开大学网络空间安全学院教授张健强调了筑牢可信可控数字安全的主要措施和途径，可借鉴国外先进经验，构思人工智能风险管理架构，从模型的检测评估、验证、确认进行反复处理，加强模型安全。此外，张教授还强调了各国在人工智能、数据安全和隐私保护方面的努力，以确保AI技术的安全和可信度。还提到了监管、评估的重要性，以应对快速发展的人工智能领域的挑战。这些举措旨在实现AI技术的可持续发展，同时保护个人信息和社会的安全。

日本滋贺大学周晓康从个性化推荐、异常检测、目标检测和数据增强几个方面来开展报告。首先介绍了大数据的特性，总结了大数据的特征使得个人大数据的处理和分析需要面对实时性、异构性等方面的挑战，同时也为数据科学家和分析师提供了机会来开发新的方法和技术。随后，列举了个人推荐应用来说明如何使用神经网络和机器学习方法来进行个性化推荐，并应用于医疗领域，为病人推荐医生或替代医生的选择。最后，周教授还列举了基于数字孪生的智能制造场景以及数据增强等场景来阐述大数据深度分析关键技术和发展前景。

华南理工大学访问教授Mehri Madarshahi探讨了如何平衡公共安全风险与人工智能，和新兴技术前沿快速发展带来的创新利益。Madarshahi教授指出，先进的人工智能模型有望为人类带来巨大的利益，但与此同时，也有可能拥有足以对公共安全构成严重威胁的能力。为增强人工智能模型及其相关技术的安全性，包括中国在内的许多国家已经为数字经济制定了专门行动计划，并制定人工智能法案，目的是控制甚至禁止高风险的人工智能系统。另一方面，相关行业的自主自律也是很重要的第一步，但是需要标准化的流程，比如说注册和报告的要求，同时，还需要有合规的机制，来对于前沿的AI模型进行监管。

二、数字孪生与智慧城市治理

美国佛罗里达大学城市与区域规划系彭仲仁介绍了AI在城市规划中由低到高参与程度的分类：首先是辅助型，通过北卡罗莱纳州飓风以及某谣言的舆情及传播例子，说明了AI能够帮助规划师以文本阅读的方法把信息抓取出来，在协助规划当中的重要作用；其次是增强型，这一方面主要是预测规划可能的结果，重点在于通过仿真，将参与的社会主体及其交互关系所产生的各种可能性做较为清晰的预测；然后是自动型，用实例证明了人工智能生成交通规划是可能的，其结果与规划师传统设计相似度极高，并有更高的效率；最后是自主型，与上一阶段的“自动型”相比，这一阶段更像无人驾驶车，没有固定轨道，还需要实时应对各种场景，因此难度更高，这也需要规划与计算机的综合性人才做进一步的深入探索。

中国计算机学会学士苏金树从三个方面依次展开：第一是提出了两大问题，如何抓住颠覆性技术机遇？如何营造颠覆性企业的出现？在目前情况下，研究数字产业化和怎么去发展数字产业化亟需思考。第二，苏教授强调了在发展AI里算力的关键地位以及国内所面临的极大挑战，他强调了格局与需求的维度，并对设计机制与一系列技术积累进行了详细介绍；第三，在此基础上，苏教授总结了几个解决路径，包括优化模型、提高网络速度，然后发展领域定制网络，通过设计新的网络、半定制网络、新的传输型、优化网络通信容量，未来可以选择合适的路线进行深入发展。

浙江大学公共管理学院教授张蔚文总结社会科学研究面临数据难找、数据难看、数据难算等一系列问题，因此与企业合作是较好地将其数据产品在科学领域更有效转化的可行路径，同时，在严格保障数据安全的前提下，还能更好地结合外部数据及其算力、平台，减少传统调查研究获取数据的误差。张教授通过多个课题的经验和结论表明，不但同样的数据在此模式下能对多个场景、案例、研究主题中多次利用，还能有更多特殊的数据利于研究进行，保证结论的有效性。另外，张教授用“抢救现代文物”说明了数据保存的重要性，并肯定了交叉性人才在学科发展中的作用，期望更好推进社会科学在大数据背景下的研究。

美国德州农工大学Harold L. Adams讲席教授叶信岳提出，社会科学背景或城市规划背景的研究人员虽然没有产生核心技术，但数字孪生的核心在于“人”，不管技术如何对真实世界虚拟化，但最终还是要依赖于人的参与，包括人类系统价值体系设计、管理等。进一步地，叶教授介绍了他所主持的国家科学基金项目以及一系列实例，将数字孪生想象成一个巨大的系统，把气候、社会、物理系统结合在一起，做出一个像人跟机器的智能合体，更好地将对市民参与、当地支持体系、专家体系相结合。但他也提到，数据驱动的智慧城市建设出发点是好的，但有时候可能反而扩大了数字鸿沟，因此责任相关问题也亟需重视。最后，叶教授强调了数字孪生与人群动态在城市细微环境之间的关系。

天津市城市规划设计研究总院有限公司十一院负责人李刚梳理了中国关于数字孪生、数据底座政策的基础上，他从挖需求、建体系、定标准、建数据、控质检、可更新等六个维度切入：首先综合城市各个方面的人才从多个主体中挖掘需求，然后构建包含时空、空间、管理、动态数据的完整体系，接着确定数据标准、更新渠道来源，保证数据可知可控可取可用，采集各类数据，以一套严格的质检与更新软件进行后续的维护和运营。最后，李院长提出，公共服务数据及数据运营是下一步探索的工作重点，将数据底座变为生产力工具。

天津市工业和信息化研究院产业促进所李如财认为人工智能的发展迅速有两个核心关键要素，第一个要素是连接，第二个要素是计算。本次分享着眼于“连接”方面，以5G为代表新一代信息技术与行业的应用，为行业应用提供了连接和传输的能力。李所长首先梳理了政策层面，强调新兴技术的发展需要技术层面与行业层面共同推动落地，人才必须紧密结合。随后，李所长从四个维度做了整体的汇报：第一个维度是网络建设基础；第二个维度是现场提升改造，结合不同行业特点推进；第三个层面是创新的应用场景，形成以用促建的格局；第四个维度是网络安全作为保障，否则难以实现新的突破。

三、数据赋能风险治理

黑龙江大学信息管理学院马海群提出了一个关键问题，即人工智能（AI）的未来发展需要紧密融合场景和重视AI伦理监管。无论是数据风险、算法风险还是人工智能的风险，都需要早期干预，而不是等待问题爆发。马老师详细讨论了算法风险的类型和特征。他提醒人们不要低估技术的快速发展，特别是要警惕技术可能对人类生存带来的威胁。他强调了技术的复杂性风险性，尤其是在不同技术之间的交互，这使得治理变得更加复杂。最后，马老师讨论了如何治理算法的风险，提出从制度、技术和可解释性三方面加强对人工智能算法的规制。

电子科技大学公共管理学院张会平首先回顾了推动公共数据赋能运营商的背景。国家年底发布的“数据20条”中明确了通过构建数据制度来激活数据要素潜力、促进经济发展、提高国家竞争力的目标。他指出数据基础制度的四个方面，包括数据所有权、流通交易、收益分配和数据要素治理。在此逻辑中特别强调了公共数据应发挥的作用更大。接着，张老师探讨了公共数据的流通和交易机制并总结了数据运营的基本逻辑。最后，张老师强调了收益分配的重要性。这涉及到政府、运营主体、数据提供单位的利益考量。

华中科技大学公共管理学院陈涛从数字政府到底对于亲清政商关系有哪些影响，如何通过人工智能技术应用到亲清政企服务过程，如何从价值共创来研究数字政府角度下亲清政商关系构建等角度展开。他提出数字政府影响亲清政商关系的影响机制模型，探究基于企业全生命周期智能化政务服务模式，介绍了政企服务和全过程数字化监管应用案例，以及从流程再造、数据共享和价值共创三个维度构建政商关系治理体系。这其中涉及两个关键问题，一个是数据共享。政府可以通过数据治理服务平台加上数据协同装备，来实现跨部门数据协同。另一个是关键问题基于企业全生命周期智能化政务服务。目前政府各个部门为企业提供的服务都是碎片化的，并没有以企业为中心，从企业全生命周期进行政务服务相关设计。未来应弥补这些不足。

南开大学商学院王芳提出开放政府数据（Open Government Data，OGD）有望促进数字经济、提高政府透明度、支持公众参与、促进教育和社会发展并提高公民的满意度和信任度。尽管越来越多的政府网站旨在促进开放数据的复用并挖掘其潜力，但OGD复用水平并未达到预期。由于缺乏对数据使用效果的反馈，如用户满意度和复用意愿，政府部门不愿投入更多资源来提高数据的复用性。基于此，王芳教授提出了一个涉及用户、数据和政府的研究模型：用户相关因素包括用户信息需求和用户数字能力，数据相关因素包括开放政府数据价值和开放政府数据质量，政府相关因素主要为政府准备情况。

美国马萨诸塞大学公共政策学院院长Jane Fountain从著名制度经济学家理查德·尼尔森针对协同治理面临的复杂问题提出：“既然我们可以把人送上月球，为什么不能解决贫民窟问题？”引入，从登月到贫民窟治理，再到人工智能治理，政府面临着机械复杂性、社会复杂性和计算复杂性三方面问题。随着智能技术和复杂算法的应用，不平等现象、制度化偏见以及人工智能伦理等问题日益严重。在数字政府和公共管理中，人工智能技术同样也存在算法系统性偏误问题：（1）面部识别技术；（2）预测性警务；（3）公共管理中的自动化决策；（4）脆弱家庭。