吴进进

文献与实践的双向阅读

作者 | 吴进进

作者单位 | 深圳大学政府管理学院

原文 |

拙文《算法科层制的兴起及其形态》有幸在《社会学研究》2023年第6期刊出，这得益于诸多师友的帮助。在田野调查过程中，很多学界、政府部门、智库机构的朋友无私地给予帮助。在论文写作和在会议汇报时，诸多学者、老师也提供了建设性的批评和意见。我们要衷心感谢《社会学研究》编辑部的认可与帮助，由此我们能够分享自己的最新研究成果。诚挚感谢两位匿名外审专家，他们分别两次提出了富有洞察力的详细中肯的修改意见。我们衷心感谢《社会学研究》严格的高度专业化的评审制度和过程，拙作经过两次评审和修改，三次重大修改，最终定稿与文章的初稿截然不同，天壤之别，论文的质量大大提升。我们感谢责任编辑老师对本文一字一句的斟酌和把关。

随着人工智能、大数据等技术逐渐深入到政府服务流程再造和公共决策辅助领域，社会科学研究从传统的小数据统计开始向大数据分析转向，越来越多的研究开始使用机器学习方法丰富自己的兵器库。这一变革对学者来说有两种机遇与挑战：一是做一个算法技术的参与者，使用机器学习等算法技术开展社会科学研究，从大数据中发掘社会科学新知识、新趋势。第二是做个公共治理的审思者，观察算法介入政府治理和公共决策中所产生的影响，基于政治学、社会学与公共管理等学科的知识分析算法赋能治理的优势，反思算法可能带来的风险和挑战。我们这篇文章正是基于第二种立场，观察一个政府治理的新现象，即算法科层制的兴起及其形态。

对算法科层制的研究是一个从文献到实践，再从实践到文献的循环往复、双向阅读的过程。我们对算法科层制的研究萌发于阅读算法与科层制关系的文献，如Vogl等（2020）在Public Administration Review率先提出了科层制算法化概念，重点区分了算法科层制与传统科层制在各个维度上的区别。但是这些文献没有分析算法对科层体制的塑造受到哪些技术之外因素的影响，这些因素使得算法科层制呈现哪些变化，亦即算法与科层组织的互动问题。另外，这些文献大多关注西方国家政府部门的算法应用，没有基于不同国家背景的比较研究，因而就不能显示出算法科层制形态与模式的国别与文化差异。中国拥有二千多年的科层制传统，同时近年来各级政府部门又积极拥抱算法技术，算法科层制的形成及其表现形态又该如何呢？了解这些文献的缺陷之后，我们开始留心观察中国“算法革命”中的实践案例。

我们对公共部门算法决策实践的关注始于西方国家的案例。我们一开始从“大数据文摘”公众号中了解到美国弗林特市自来水铅污染事件中的预测算法应用，在好奇心驱使下，我们深入挖掘这个案例的来龙去脉，以期了解一个旨在造福居民、预测铅污染并拆除旧管道的算法应用，怎么就演变为一起公众集体反对预测算法的负面事件？在这起事件中，居民质疑算法的主要理由是：为什么更换我邻居家的水管，而不管我们家的？万一算法预测失误了怎么办？在居民抗议声中，本来可以利用算法很快就能识别问题水管，结果却不得不改为传统低效的办法，即一家一户检测更换。但这样做居民更放心，政治上也更加安全。这也让我们对算法应用潜在的偏差风险有了初步认识，但更重要的是感到惋惜，即一个好的技术应用却被组织环境所累而不得不夭折。我们也第一次认识到公民参与对技术过程的塑造，以及技术增进行政效率的成败受制于技术之外的组织与制度因素。

此外，随着对西方国家案例阅读的增多，我们接触到的算法应用场景和功能大多是预测型算法，如纽约市的火警预测、芝加哥的餐馆食品安全预测等。这些算法应用几乎都是在行政任务量巨大而行政资源又极为紧缺的环境下旨在提高服务效率的产物。在算法功能的文献中，预测算法和自动化通常并驾齐驱，但是西方国家政府对自动化算法的应用却较少被提及。相比之下，我们在国内发现了大量自动化算法的案例，算法多被用于以信息比对为基础的审核功能，比如企业注册登记的自动化审批、医保部门对医院诊疗账单的自动化审核等。与此同时，地方政府对预测算法的应用相对谨慎得多。这种中西方国家算法应用功能差异的原因值得深究，背后可能是文化、体制和环境因素的影响。近年来，政府部门对预测算法的态度变得更加积极，常常抱着试试看的态度在不同领域有限度地使用预测算法，这类不断出现的案例为本文研究提供了基础。

当我们接触到越来越多的案例时，就会发现这些案例代表了一个一个的部门化创新行为，具有明显的点状分布的特征。我们原本以为这只是西方国家的特例，但是发现我国地方政府部门也似乎正在做类似的事，如采购各类数字化系统、开发各种智慧平台。特别是在推进“数字治理”和“智慧城市”建设的背景下，部门争先恐后地树立自己的数字化标杆，寻求在数字锦标赛中获得一席之地。不过，部门化的数字治理也可能走向数字治理初衷的反面。数字治理理念提出的初衷是克服部门化、碎片化、信息不联通、流程运转不畅等科层制弊端，助力整体性政府的实现。现实中，部门化的数字治理似乎加剧了数据分割、系统壁垒问题，可能引发数字官僚主义。但是，我们发现算法应用似乎可以缓解官僚主义问题，因为算法在技术上需要更广泛来源的数据、更开放的平台、更多的反馈，从而可能推动组织变革。

杭州的“城市大脑”和上海的“一网统管”是政府数字治理的两大典型形态，我们本能地感觉到这一模式不同于分权化的部门算法应用，而是呈现集中化或跨部门的应用体制。源于一个偶然的机会，我们了解到南方某城市的城市指挥中心案例，这立马引起了我们的兴趣，这一指挥中心发挥什么样的职责，它与盛名已久的“城市大脑”、“一网统管”有何相似或区别？带着这样的疑问，我们在疫情下首次前往异地探访该市的指挥中心，从而开启了我们后续的跟踪研究，这才有了本文中代表跨部门算法科层制的案例。

基于国内外的几个案例和对算法科层制理论的阅读和思考，我们写完了文章的初稿。但是这样的初稿完全是一个平铺直叙的简单描述，文章只是在理论上列举了算法科层制与传统官僚制在信息供给、组织结构、服务供给等方面的区别，然后通过国内外几个案例呈现这种差异。这篇稿子只提出一个看似创新性的“算法科层制”概念，仿佛是完成了一半的文章，只是描述现实，而没有探究一般性特征，更缺乏对算法科层制形成机制的深入分析。果然，在随后的学术会议中，文章收到的反响平平，直到2021年在北京师范大学（珠海）举办的中国公共管理学术年会中获得了数字政府研究领域资深学者的建设性意见，我们才有了豁然开朗、拨云见日的感觉。随后，我们将文章的分析框架推倒重来，深入思考在明显可见的技术因素之外还有什么因素塑造了算法科层制的具体形态。

于是，我们重新整合之前阅读过的文献，反思田野调查的案例，并重新打造文章的理论框架。基于此，脑海里之前出现的政府部门算法应用的场景、功能、制度安排等要素逐渐清晰并相互关联起来，出现了两个算法应用维度：一个是算法功能，属于算法内在的技术属性；另一个是算法的应用体制，也就是部门化和跨部门化的应用，这一属性不是由算法决定的，而是由使用算法的组织有意为之的，尽管我们还不清楚政府何时会放任部门自主使用算法，何时会启动跨部门算法。

遵循上面两个维度，我们很自然地建立了四种算法科层制的形态。虽然第二稿相比第一稿有了一定的进步，但是审稿过程中外审专家提出了更高的要求。专家一针见血地指出了文章突出的不足，认为文章对算法科层制形成机制问题的探讨仍然模糊，即尚未讨论清楚算法的功能和应用体制如何引发了不同形态的算法科层，中间机制是什么？这迫使我们再次使用信息与知识流通、组织形态、服务模式等机制进行解释。之后，外审专家再次提出让我们增加权力控制与激励这一视角。此外，外审专家让我们认真报告几个案例中的算法模型是什么，模型原理是什么。这也几乎直击了我们的软肋。尽管我们想作为旁观者观察算法如何影响治理，而不需要理解算法本身是如何运作的，正如我们可以理解汽车如何提高我们的速度，不必知晓汽车如何制造一样，但是算法治理的研究实际上已经给传统研究提出了新的技能要求，即不仅要会本专业知识，而且要完整地理解所观察的技术。如果研究算法治理，就最好懂得算法技术。为了弥补上述不足，我们不仅开启资料补充和田野调查的过程，而且从零开始学习人工智能、机器学习算法等内容。具体而言，我们学习了机器学习算法的具体内容，翻阅了《统计学习》等机器学习教材、学习了B站关于机器学习和深度学习的视频课程，同时报名参与了计算社会科学培训班的学习。

文章发表后，受到了很多学界同仁的关注，部分学者提出了宝贵的意见和建议。一些学者认为算法科层制的概念本身值得商榷，人工智能算法和科层组织的结合是否必然构成一种新的科层形态应当得到详细讨论。对此，我们需要解释的是，短期内，算法并不必然带来传统科层制的重大变革，由于科层制的强大生命力，算法对科层制的影响是缓慢、逐渐产生的，但这种影响不可忽视。算法不同于传统的信息技术，对科层制的影响更为深远。算法可能克服科层制的一些弊端，对科层制内部的信息处理、激励机制、组织结构以及服务供给产生或深或浅、或大或小的影响。当然，算法也可能被科层制所利用，被用于强化科层制的固有特征，甚至由此出现所谓“算法牢笼”的现象。我们在一些案例和实践中也观察到了这种潜在的变革趋势，并在理论上进行了总结。本文提出的算法科层制这一概念更多代表的是算法对科层制的塑造、改造或者修正，而非完全替代。正如文中所说的，四种算法科层形态是对正在发生的变革的归类整理和描述，属于韦伯所说的“理想类型”。此外，还有一些学着对算法的自动化功能与预测分析功能的区别提出了疑问。关于这一点，我们在本文也有论述。文中论述的自动化功能主要涉及基于既有规则和专家知识的编程程序驱动的、符号主义的算法，而预测分析则主要涉及数据驱动的黑箱算法，这类算法善于自我学习，同时解释性也较低。两者之间有着明显的差别。自动化算法对科层制运作更多起到的是润滑效应，如提高审批效率，解放大量的人工劳动。正如评论者所言，自动化算法对传统科层制有完善效应，这种完善在一定程度上也是对传统科层制的修正和调整。预测性算法对科层制的冲击效应是较强的，正如文中所论述的，它可能导致一种跨部门的算法治理机构产生，以协调科层部门之间因过度分工产生的隔阂问题。当前，我们很难说一些部门化的预测算法应用对整个科层体系产生影响。不过，本文是从预测性算法重塑本部门运行体制的角度来谈算法的影响，而无意于夸大这一影响。

总之，本文的写作是一个在文献、理论、现实、案例之间循环往复，不断阅读和对话的过程，还是一个不太成熟的尝试，文章的部分观点也尚待进一步详证。算法科层制是一个崭新的话题，期待未来更多的学者共同参与到这一研究领域之中。以上文字仅仅是我们的一些粗浅见解，请同行前辈多多指正。再次感谢《社会学研究》编辑部给予的发表机会，我们会坚守公共部门算法应用研究这一阵地，不断耕耘，不忘初心。