人工智能应用下的特大城市风险治理：契合、技术变革与...

奥鹏网院作业

人工智能应用下的特大城市风险治理：契合、技术变革与路径
□张龙辉，肖 克

（东北师范大学 政法学院，吉林 长春130117）

[摘 要] 中国特大城市已经进入风险化社会，“城市风险化”趋势增强，其风险往往是全方位、系统性风险，具有传播速度快、影响范围广、破坏性强等特征。受空间结构、人口因素、社会生产生活以及政治经济等因素的影响，特大城市风险治理存在风险预警、次生风险危机、公共管理和风险协同治理等风险治理困境，需要强化特大城市风险治理。而人工智能的应用推动了特大城市风险治理过程中的权力运行的技术化、治理结构的网络化、治理过程的协同化和治理结果的精准化等技术变革，并为特大城市风险治理提供了一个技术路径。通过建构技术权威、推动智能化治理和建构网络化协同联动机制等技术路径，能够有效完善风险预警机制、提升政府急时行政能力、推动风险协同治理，从而提升特大城市风险治理效能。

[关键词] 人工智能；特大城市；风险治理；技术变革；技术路径

党的十九届四中全会指出要加强和创新社会治理，保持社会稳定，强调要“健全公共安全体制机制”“优化国家应急管理能力体系建设”，提升社会治安防控的智能化水平，“提高预测预警预防各类风险能力，增强社会治安防控的整体性、协同性、精准性”，从而有效应对社会风险，完善社会风险治理体系，提升社会风险治理能力。随着城市化的不断发展，城市逐渐成为国家治理的重点，城市稳定成为维护国家稳定的关键，特大城市①根据国务院2014年10月发布的《国务院关于调整城市规模划分标准的通知》的规定，城区常住人口在500万以上1000万以下的城市为特大城市，城区常住人口在1000万以上的城市为超大城市。由于特大城市和超大城市存在很多共性，为便于研究，有些学者在研究过程中将特大城市和超大城市统称为特大城市。为方便研究，在这里也将特大城市和超大城市统称为特大城市（参见:刘兆鑫《特大城市功能疏解的政策工具及其选择》，载《中国行政管理》，2017年第5期；张锋《特大型城市风险治理智能化研究》，载《城市发展研究》，2019年第9期）。作为城市发展的高级阶段，与中小城市相比具有人口数量多、密度大，且流动性强；社会阶层结构、利益结构复杂多变；与其他类型城市相比脆弱性更明显，城市抗风险能力较弱；社会更为多元，利益冲突和社会矛盾多发；居民生活体系、企业生产体系和城市社会体系高度重合，其互适性面临较大张力等特点。这些特征使特大城市风险具有较强的扩散性，易产生各种次生风险，而特大城市的发展规模和经济水平又使其往往在特定区域，甚至全国范围内具有较大的影响力，因此，一旦出现较大的社会风险，如公共卫生事件、地震等自然灾害、公共安全事件，就会产生区域性甚至全国性的影响，从而使其面临较大的风险治理压力。2019 年末新冠肺炎疫情的暴发和蔓延，给全国的生产、生活和公共管理造成极大影响，并在疫情的基础上形成了风险联动效应，产生了诸如社会舆论、生活物资短缺、经济发展速度减缓等次生风险，从而使武汉等特大城市的风险治理体系和治理能力面临考验。因此，面对重大城市风险，如何有效防控城市风险，如何完善风险治理体系、提升风险治理能力，成为许多特大城市亟须考虑的一个现实问题。随着人工智能时代的来临，人工智能在社会诸多领域得到广泛应用，人工智能的应用推动了特大城市风险治理的技术变革，为特大城市的风险治理提供了一个技术路径。

一、特大城市风险治理文献梳理及问题的提出
社会现代性由工业现代性向城市现代性的转换催生了“城市型风险”，随着中国由传统“乡土中国”向现代“城市中国”的转换，“城市风险化”成为中国城镇化进程中的共识性话题[1](p44)。而特大城市作为城市发展的高级形态，其发展形态代表着一国的发展水平和未来城市社会的发展趋势，随着“城市风险化”趋势的增强，中国特大城市也进入了风险社会[2](p52)，地震、传染病、工业生产安全事故和政治冲突、社会矛盾、基因技术、网络安全事故等风险在特大城市交汇、融合、叠加，成为影响特大城市正常运行的潜在威胁，因此，风险治理成为特大城市社会治理的重要议题。

目前，学界对特大城市风险治理的研究主要有以下几方面：

一是对特大城市风险生成机理和运作逻辑的研究。该类研究认为特大城市已经成为风险的中心，城市风险在保留传统风险的基础上，出现了跨界传播、连续性再生产现象，并形成了新的风险放大机制，因此，主张通过技术理性、政治理性和社会理性的结合推动特大城市的风险治理[3](p18)。虽然中国对特大城市进行了结构性调整，但这难以规避世界风险社会格局，中国特大城市仍然与全球风险社会同步生产和再生产各种现代风险，而在国家发展中占据重要地位的信息、人员、资金等因素流动性的增强，又使特大城市风险相互交织、重叠，从而使特大城市风险具有复杂性和不确定性。因此，需要对特大城市风险进行针对性研究，充分动员社会多元力量，建构多层次、复合型的风险治理结构[4](p10)。此外，还有学者关注特大城市环境风险、科技风险等“看得见”的风险之外的社会心态风险，认为社会心态风险的生成是过程性社会排斥与静态性空间属性互动的结果，而特大城市社会成员内心积累的不良心态会对城市良性运行造成损失，这种损失或影响是不确定的，主张通过包容性发展和情感恢复的手段进行有针对性的治理[5]。

二是对特大城市公共安全风险的研究。此类研究侧重于对特大城市安全风险防范措施和治理绩效的探索，认为我国城市化发展过程中出现的诸多问题都集中表现在安全风险问题之上[6](p48)，而脆弱性（vulnerability）是导致安全风险形成的重要原因，是决定风险灾害性质和强度的基本要素[7](p6)。此类研究还指出特大城市的安全风险以人为灾害和综合灾害为主，受特大城市人口密度和人口流动性的影响，较易发生公共卫生事件和公共安全事件，而风险一旦发生就会形成较强的扩散性，并易引发次生灾害和衍生灾害，因此依托现代信息技术平台强化“数字城市”“智慧城市”建设，构建特大城市安全治理的网格化管理格局[8](p76)，通过提升社会组织间的协同与合作水平、增强不同利益主体间的信任、强化公众参与等方式提升风险治理能力[9](p358)，成为特大城市安全风险治理的重要路径。面对日益增多的城市风险，还有学者从风险治理绩效的角度出发，认为风险治理绩效是对多元治理主体合作参与风险治理行为、过程和结果的反映，主张对特大城市安全风险绩效的生产来源和生产过程进行分析，以提升风险治理绩效[10](p119)。此外，还有学者立足于大数据思维和技术的发展提出了数据驱动的城市公共安全风险治理框架，主张建构智慧型风险治理模式[11](p80)。

三是对特大城市风险认知、风险识别和风险治理指标的研究。此类研究认为当前特大城市风险呈现多元化、复杂化和不确定性等特征，除传统的自然风险外，还存在新的人为风险，如技术风险、制度性风险，因此特大型城市风险治理的关键在于提高风险认知水平[12](p25)，以有效识别影响特大城市社会稳定的社会风险，推动特大城市风险治理的指标建构，探索特大城市风险治理的量化评估和治理架构。基于此，有学者主张借助大数据技术对影响特大城市社会稳定的风险数据进行整合，以有效预测风险的生成和发展趋势，提升政府等风险治理主体进行风险治理的科学性和实效性[13](p95)，从而减少风险发生概率，提升风险预警效率，促使特大城市由脆弱性城市向韧性城市的转化[14](p19)，增强特大城市的风险治理能力。

四是对特大城市风险治理的具体路径进行探索。如张锋主张借助人工智能、大数据、云计算等新兴技术手段推进特大城市社会风险的智能化治理，以“建构特大型城市风险治理智能化的机制体系”[15](p17)，从而实现特大城市风险的精细化、数据化和全面化治理。李颖从资源整合的视角探讨城市风险治理问题，提出了以资源整合促进系统性治理的城市风险治理路径[16](p127)。Ahas等认为通过手机社会定位方式（Social Positioning Method）能够有效监测城市人群的移动轨迹、人员数量以及人群集聚情况[17](p547)，从而掌控城市重大事件和人群聚集情况，有效预测、评判社会风险发生的可能性，提升风险治理能力。此外，还有学者从城市设计与规划[18](p870)、风险治理过程中利益相关者角色建构和功能发挥[19](p932-933)、环境暴露风险导致的环境正义实现[20](p92)以及社会资本培育[21](p27)等角度对特大城市风险治理进行研究。

由以上研究可以看出，当前学界对特大城市风险治理的研究具有一定的基础，在对特大城市风险治理进行理论探讨的同时，注重具体治理路径的分析，同时也有部分学者依托现代化信息技术，从大数据、智能化治理的角度提出了应对特大城市风险的技术路径，并注重不同类型技术在风险治理中的整合和利用，试图探索技术嵌入下的特大城市风险治理路径。但这些研究侧重于大数据、物联网等技术在特大城市智能安防、应急救援、智慧公安、智能交通等系统运行中的作用发挥，而较少从人工智能应用的角度对特大城市风险治理进行整体性研究。加之人工智能的发展超越了传统的信息技术，大数据、区块链、物联网等都可在人工智能的技术支撑下运行，而基于算法和数据的人工智能凭借特定的计算逻辑和算法规则对社会的政治、经济等诸多领域产生变革性的影响，从而使人类社会进入人工智能时代，进而为特大城市的风险治理带来了新的研究视角。那么，与其他类型的城市相比，特大城市及其风险治理具有哪些特殊性？遭遇了什么样的治理困境？人工智能与特大城市风险治理的契合之处是什么？人工智能应用为特大城市风险治理带来了哪些技术变革？又提供了哪些技术路径？文章即是在一定数据和案例分析的基础上对以上问题进行理论探讨。

二、特大城市风险治理困境分析
与中小城市及普通乡镇相比，特大城市具有独特的特点，这些特点主要表现在以下几个方面：

第一，人口数量多，人口密度和流动性大，外来人口多。受城市空间结构和政治经济因素的影响，在特大城市城区，尤其是城市功能较为完善和集中的中心城区集聚了大量的人口，从而使特大城市人口密度普遍较大，而居住功能区、工作功能区和娱乐消费功能区的分离导致了较为活跃的人口流动性。同时，受就业机会、收入水平、公共服务质量和水平、公共资源数量和质量等因素的影响，特大城市对中小城市及乡村地区的劳动者产生了强大的吸引力，大量人口前往特大城市谋生、接受教育等，从而产生了大量的外来人口。

第二，庞大的城市资源消耗。为维护城市正常运转，满足城市居民生活消费和城市生产的需要，特大城市每天都会消耗数量庞大的食品、蔬菜、能源等，从而使特大城市面临较大的能源供给和生活必需品供应压力，且容易发生资源供应危机。

第三，特大城市往往是科技研究、生产和消费的中心，一些大型的技术研发中心、生化研究中心和大型能源供给基地（如核电站、火力发电站、石油储备库）大多围绕特大城市而分布，以获得特大城市的经济资助、消费市场和区位优势。这些在推动特大城市新兴科技迅速发展和快速市场化的同时，也给特大城市带来了新的风险，如核风险、生化泄露风险以及能源爆炸风险，从而使特大城市风险呈现多元化。加之科技的发展促进了自媒体、网络等的使用和普及，从而使风险信息传播和社会舆论形成速度较快，容易形成风险放大机制，产生次生风险。

第四，居民生活体系、企业生产体系和城市社会体系高度重合，各城市功能的互适性面临较大张力。城市的形成和发展最初受工业生产的影响，在工业生产中心的基础上逐渐形成人员集聚和城市功能扩展，具备了居住、教育、消费、娱乐、科技研发等城市功能，从而成为兼具生产、生活和居住功能的社会空间。在这一空间内，居民的生活、生产和社会活动高度融合，任何一个城市功能出现问题都会对城市运行及居民个体产生影响。

表1 ：部分特大城市相关指标统计

pagenumber_ebook=63,pagenumber_book=63
注：*数据来源：余珂、黄慧明、朱江、杨光辉《特大城市公共卫生风险识别及规划应对》，载《规划师》2020年第5期；武汉市民政局
资料来源：《北京统计年鉴2019》，《2019年上海统计年鉴》，《广州统计年鉴2019》，《2018年武汉统计年鉴》，《西安统计年鉴—2019》

第五，社会阶层多元，利益结构复杂，其中一个重要表现就是代表不同阶层和利益主体的社会组织机构数量的增多。这一特点导致特大城市利益的分化和社会的割裂，增加了城市利益整合的难度，使城市社会矛盾和利益冲突的爆发点增多（见表1）。加之特大城市空间内部的“条块”特征较为明显，城市内部科层制行政等级较多，政治碎化现象较为严重，信息的流动易受行政壁垒、行业壁垒和部门边界的限制，从而影响城市风险信息的汇集和风险预警的发出，最终使特大城市在进行风险治理过程中因受制度性、政治性、经济性和社会性等因素的影响而遭遇一定的治理困境。

特大城市的人口特征使城市风险，尤其是恶性传染病等重大公共卫生风险的传播速度加快，一些突发性的风险，如地震、生化泄露、爆炸，一旦发生可在短时间内对更多的居民产生影响。城市居民，尤其是特大城市外来务工人员的生产生活和社会活动与城市运行状况息息相关，一旦发生重大城市风险，就会影响居民的居住、生活和工作，导致居民收入锐减或断绝，正常的消费和娱乐需求无法得到满足，严重的甚至会影响居民的基本生活。而特大城市风险在对居民产生影响的同时，还会影响到城市工业企业的生产活动，导致社会生产效率降低甚至停产，企业利润减少，一些中小型企业甚至由于难以应对持久性、系统性和全方位的城市风险而破产。此外，受国家计划生育政策的影响，特大城市的独生子女家庭比例远远高于乡镇地区，如果在城市风险中出现人员伤亡，就会导致失独家庭的出现。特大城市的上述特征使其与中小城市和乡镇地区相比具有更大的脆弱性和较低的抗风险能力，难以承担更大的风险后果。

因此，受人口因素、科技因素、制度性因素、城市功能重叠交汇以及城市脆弱性等因素的影响，特大城市一旦发生风险，容易在短时间形成风险放大机制，在放大原生风险影响和危害的同时向其他领域扩散，从而产生次生风险危机，严重的还会形成风险联动效应，最终形成系统性、全方位的城市风险危机，给城市正常运转造成重大影响。系统性、全方位的城市风险会影响社会秩序的稳定和城市居民的生产生活活动，造成城市秩序动荡，引发城市秩序失序和居民生存危机，从而会导致社会中出现偷盗、抢劫等次生风险。同时系统性、全方位的城市风险的形成还会导致交通运输、资源调配、能源供给危机，在短时间内使特大城市遭遇资源供给短缺困境，这对于需要庞大资源以维持正常运转的特大城市而言无疑会产生更多的次生风险，造成更大的破坏。而资源的短缺和风险的突发性又使政府及其他治理主体难以调动足够的资源应对城市风险，从而使特大城市风险治理主体遭遇公共管理困境，最终影响风险治理效果。

在中国，受制度设计的影响，中国的“城镇体系与行政体系具有同构性和一致性，城市等级越高，城市规模越大，其政治和行政地位越高”[22](p158)，而特大城市作为中国城市的顶级存在，其行政级别普遍较高（副省级及以上），从而使特大城市空间内具有较为密集的政府行政单元和庞大的科层制体系，过多的行政单元和科层等级在一定程度上会影响风险预警效率。由科层制治理体系和行政体系内部“条块化”和“部门化”导致的行政壁垒、部门边界等还会削弱风险信息的流动性和真实性，影响治理资源的配置效率，导致协同治理困境，影响风险协同治理体系的建构和风险协同治理能力的发挥。整体而言，特大城市的特征使其风险治理面临抗风险能力弱、风险预警困境、次生风险危机、公共管理困境和风险协同治理困境等难题（见表2）。

三、人工智能：有效应对特大城市风险治理困境的技术手段
面对特大城市风险生成的不确定性、风险应对的脆弱性、风险类型的多元化，如何提升特大城市的抗风险能力，增强特大城市风险治理效果，成为特大城市风险治理的重要议题。基于算法和数据的人工智能，凭借既定的计算逻辑和算法规则，对外部环境生成的数据流、信息流和时间流进行搜集、分析和运算，在此基础上建构外部环境的数据特征，实现外部环境信息的数字化和外部环境感知的精准化，形成整体性的数据信息。因此，借助人工智能技术，我们可以对特大城市风险及其发展趋势进行科学预测，从而提升风险预警能力，防范次生风险的生成。同时，人工智能通过建构外部环境的数字化特征将外部环境纳入一个数字化的秩序之中，并通过算法运行和数据分析，自主生成符合自身计算逻辑和外部数字特征的决策，以此影响外部环境的权力结构、运行规则和发展方向，从而使其具有了权力属性。随着人工智能的发展和普及，人工智能算法在更多领域得到应用，甚至成为某些领域的主导力量，人工智能逐渐作为一种权力形态嵌入社会运行之中，而人工智能算法与公共权力和商业平台的结合使算法突破了技术领域范畴，开始向社会公共领域扩张，算法真正具备了权力的属性，并具有了一定的“公共性”[23](p58-59)，最终建构了具有公共性特征的算法权力。算法权力突破了社会公共权力建构的资本范式，使公共权力建构向新兴的技术范式延伸，权力的运行逻辑突破了资本逻辑的限制，开始呈现资本逻辑和数理逻辑互动的特点，从而实现社会公共权力资本特征与技术特征的结合，推动社会权力结构的网络化。因此，借助人工智能，强化社会公众与算法权力的关联，能够减少信息传播的层级，提高信息传播的效率和精准度，增强特大城市风险预警的即时性、准确性和科学性。

表2 ：特大城市风险案例分析

pagenumber_ebook=65,pagenumber_book=65
资料来源：根据相关城市政府官网及网络信息整理

同时，人工智能决策的生成基于自身的数理逻辑和外部环境数据特征，而技术是没有阶级、阶层、区域和政治属性的，基于技术而建构的数理逻辑和计算数据能够打破行政壁垒、部门边界和行业壁垒的限制，推动治理主体结构的扁平化，增强信息的流动性，实现不同行政单元、社会行业、治理主体和治理空间的算法勾连，从而有利于协同治理体系和协同治理能力的提升。因此，人工智能的应用能够有效削弱因政治碎化和数据信息壁垒导致的风险协同治理困境。此外，人工智能的应用和智能政府的建构在增强治理信息流动性和治理主体关联性的同时，也使治理主体能够及时掌握不同空间、不同时间的治理信息，了解不同区域的治理资源供给状况，从而提升治理的精准化和科学化，这为解决特大城市风险治理过程中遇到的协同治理困境和公共管理困境提供了有效的技术手段。

就实践层面而言，当前，中国特大城市相继运用大数据技术、人工智能技术对城市空间内的风险信息进行监控，以加强对潜在风险的监控和预测，提升风险预警的效率和精准度。如上海市通过手机定位等手段加强对市内不同区域人流量和人流走向的监测，预判可能发生的大规模人员集聚情况，及时向公众发出预警信息；杭州、青岛等地建设智能安防系统和智能交通系统，通过实时信息的传输和反馈，强化公众与政府相关职能部门的联系，提前预测交通拥堵风险和治安防控危机，从而有效提升了社会治安防控能力，化解社会潜在风险。可以说，无论是理论层面还是实践层面，人工智能成为特大城市风险治理体系中不可或缺的组成部分，为特大城市风险治理提供一个有效的技术手段。因此，探讨人工智能的应用引发的技术变革、寻求人工智能的应用为应对风险治理困境提供的技术路径，成为特大城市风险治理研究中一个值得讨论和解决的问题。

四、人工智能在特大城市风险治理中的应用引发的技术变革
传统治理存在治理结构的僵化性、治理方法的滞后性和治理范围的狭隘性等缺陷[24](p42)，不利于特大城市风险治理体系的建构和风险治理能力的提升，也难以有效应对特大城市风险治理困境。而基于算法和数据的人工智能，凭借特定的计算逻辑、算法伦理和数据筛选规则，建构了算法权力，实现了公共权力技术特征与资本特征的结合，打破风险治理数据和信息的行政壁垒，促进多元社会力量的协同与合作。可以说，与特大城市传统的风险治理手段相比，人工智能在特大城市风险治理中的应用，推动了特大城市风险治理的技术变革，强化了特大城市风险治理的技术特征。

（一）建构算法权力，推动权力运行技术化
传统权力是一种资本权力，它具有权力结构的科层制和权力关系的复杂化等特征，资本控制逻辑是其运行的本质逻辑，权力关系在本质上是一种资本占有关系，谁占有的资本多，谁就在资本权力关系中占据主导地位，谁就拥有更多的话语权。传统权力的这些特征使公共权力在进行风险治理过程中，存在科层化行政体系动员迟缓以及权力关系协调不通畅等问题，风险信息的获取、治理资源的调配和治理决策的生成涉及多个层级权力主体，风险信息在传递过程中会出现人为的“流失”，导致决策者难以获得准确、全面的风险信息，治理资源也会因行政壁垒、部门边界的影响而难以得到有效配置，并且治理决策在经过多级权力主体解读后会出现损耗，从而不利于风险治理效率的提升。而特大城市风险的突发性、多元性、不确定性和特大城市的脆弱性，需要公共权力在面对风险时及时做出决策，并调动足够的资源应对风险带来的危害，传统权力显然难以满足这些要求。传统权力的科层制特征还会导致风险预警失灵，从而错失风险治理的最佳时机。

人工智能凭借特定计算逻辑和算法规则建构了算法权力，算法权力作为一种技术权力，其本质逻辑是数理逻辑，算法权力通过对传统资本权力的嵌入实现公共权力技术特征和资本特征的结合，从而能够像公共权力那样具有公共性和政治权威，进而具有了对城市风险进行治理的能力。在数理逻辑主导下，人工智能的基本决策逻辑是符合逻辑即是正义，是正义就必须得到执行。人工智能的这一特点使其运行只服从于代码和逻辑，而不是外在的权力和权威，一旦其计算逻辑和算法规则确定，就会按照既定的规则自动执行下去。可以说，算法权力的建构在一定程度上改变了权力的资本控制逻辑，使特大城市传统权力结构由科层制向神经元状的网络化转向，弱化科层制等级对风险信息流动性的限制，实现权力结构的扁平化，从而减少风险信息的传递层级。同时，算法权力的建构使权力运行逻辑由传统的资本控制逻辑向数理逻辑转向，使权力关系由传统的资本占有关系向算法权力行使下的技术特征与资本特征相结合的关系转化，从而推动了权力运行的技术化，能够及时、有效地对突发、多元和不确定的城市风险做出反应。

（二）建构数字化秩序，推动治理结构网络化
特大城市风险的传统治理主体集中于政党、政府、社会组织、社会公益组织以及城市居民个体等，这些治理主体基于对资本的占有和权力的运用而存在，在遵循特定价值规则和行为规范的基础上建构治理结构，进而参与风险治理过程。但由此建构的治理结构具有浓厚的科层制特征，在行政官僚体系、部门边界和组织层级结构的影响下，是一个“条块化”和金字塔型的治理结构，信息流动、资源调配和决策生成遵循权力等级优先原则而非风险信息优先原则。这一治理结构具有一定的僵化性，难以适应具有高度灵活性的社会运行现状和高速流动的治理信息特性，而人工智能的发展和应用“呼唤的是政府治理过程的扁平化与网络化，并在此基础上实现各主体之间的协同配合与互动互通”[25](p81)，从而能够有效解决传统科层制治理结构的弊端。

在特大城市风险治理过程中，人工智能凭借特定计算逻辑、算法伦理和数据筛选规则将城市风险信息数字化，塑造特大城市风险的数据特征，进而建构特大城市的数字化秩序。整体而言，人工智能既是一种技术治理主体，也可作为一种技术治理手段。作为一种技术治理主体，它的形成基于算法权力的建构，其运行逻辑不同于大数据技术和区块链技术，大数据技术和区块链技术只是诸多治理工具中的一种，它们不具有自主的思考、数据分析和算法控制能力，其作用发挥赖于人们对相关技术的应用。而立基于算法和数据的人工智能，尤其是超级人工智能，凭借对特定计算逻辑和算法规则的运用，能够进行自主的数据分析和算法控制，通过赋予人工智能一定的道德伦理规范或通过人工智能的自主学习能力形成一定的算法伦理，人工智能甚至可以自主地做出价值判断和生成治理决策，从这个意义上而言，人工智能不再是一种治理工具，而是一个具有自主学习、价值判断和风险控制能力的风险治理主体。因此，人工智能可以有效地嵌入政党、政府及社会组织建构的治理结构之中，并使不同风险治理主体实现了算法勾连，建构了网络化的组织结构，打破了不同行政单元、社会行业间的“条块化”组织体系，促进不同层级、不同属性治理主体间的直接沟通，从而推动治理结构的扁平化和网络化。

（三）打破信息壁垒，实现风险治理精准化
信息是国家治理的基础，是信息时代国家开展治理行为的前提和目标[26](p25)，政府治理过程基于获取的信息而开展，信息时代的特大城市风险治理亦是如此。特大城市风险治理在很多时候体现为对信息的反馈和治理，对信息的获取能力以及所掌握信息的准确性和全面性直接影响对风险发展趋势的判断。在前人工智能时代，受行政壁垒、部门边界和行业壁垒等因素的影响，信息流动性受到较大的限制，难以在第一时间获得全方位、系统性的治理信息，加之囿于技术手段的限制，对获取到的信息的分析、运用水平有限，从而限制治理效能的提升。

而通过建构完善的人工智能体系，能够将社会中的技术、资源、空间、信息有效地连接起来，形成一个突破传统行政单元、部门边界和行业属性的统一的治理信息网络。这一网络基于既定的运行逻辑实现对数据流、时间流和信息流的控制，凭借强大的数据分析能力能够在较短时间内获取外部环境的海量信息，这些信息经过算法处理，既可以建构外部环境整体的数据特征，也可以建构外部环境具体个体的数据特征，从而提升治理的科学性、精准性和时效性。因此，人工智能在特大城市风险治理中的应用，能够有效打破行政壁垒、部门边界限制和行业壁垒等因素对信息流动的限制，智能化、精准化地搜集、整合城市风险信息，结合大数据技术和算法运算预测潜在风险，预判风险的生成及走向，提升风险治理决策的科学性和合理性。同时，信息流动壁垒的破除还能够增强政府等治理主体对特大城市基层社会和治理体系末端的数据感知，建构特大城市整体性和个性化的数据特征，结合特定算法的运用实现资源调配、信息搜集和决策生成的精准化，从而有效避免因信息偏差导致的风险治理能力发挥不足的问题。而通过对信息的全面掌握，结合人工智能的算法优势，能够获取公众在风险舆论传播中的价值偏好和主要关切，从而有针对性地进行舆论引导，有效避免社会舆情等次生风险的发生。

（四）强化算法关联，促进风险治理协同化
特大城市风险，尤其是重大的公共卫生风险、地震等自然灾害风险和公共安全风险往往是全方位、整体性的风险，其影响关涉特大城市的居民生活、企业生产、社会运转和政治运行等诸多领域，这预示着对特大城市风险的治理不是局部性的或者某一社会主体的责任，而是全方位的，需要整个社会共同参与。而作为公共权力的合法拥有者和使用者，政府掌控着整个社会资源的调配权力，也因此理应成为特大城市风险治理的主导者，这就要求政府在特大城市风险治理中正确认识自身与诸多社会主体的关系，建构囊括政府、市场和社会的协同治理体系，增强社会动员能力，通过公共权力的行使和公共性的发挥，有效整合各种治理资源，推动社会力量间的协同与合作，提升风险协同治理能力，以提供应对风险的必要公共秩序和公共服务，“避免政府自身成为公共安全风险的源发性要素”[27](p154)。但传统的协同治理立足于地域空间和行业勾连，是资本和权力嵌入社会程度的外在表现，协同治理体系建构和协同治理能力发挥往往受到行政壁垒、行业壁垒和数据壁垒的限制，难以实现真正的全方位、系统性协同治理。

而在人工智能的运行逻辑中，算法和数据只有“0”和“1”排列组合的区别，没有地域的限制和社会力量政治性质或隶属关系的区别，如果人工智能的算法足够完善，一个人工智能系统可以完成整个人类社会的信息共享、数据处理和物资调配工作。此外，从代码的层面而言，人工智能的算法遵循“逻辑+控制”的结构，即在代码运行层面，人工智能算法是一种符合运行逻辑前提即予以控制、运行的一种行动的时间流[28](p20)，因此，人工智能的算法执行只受数据流和时间流影响。所以，通过建构一个覆盖特大城市所有治理空间的人工智能系统，实现对特大城市风险的实时监控和算法分析，将社会多元力量纳入人工智能的算法体系之中，可以有效削弱多元社会主体间的资本控制和权力运行逻辑，打破风险协同治理过程中的行政壁垒、行业壁垒和数据壁垒，实现治理主体间的技术勾连，推动基于技术嵌入的协同治理体系建构，促进不同治理主体间的信息共享、行为互动和组织关联，提升协同治理能力。

表3 ：人工智能在特大城市风险治理中的应用案例

pagenumber_ebook=68,pagenumber_book=68
资料来源：《上海市智慧城市发展水平评估报告—2018》，《杭州城市数据大脑规划》，《深圳市新型智慧城市建设总体方案》，德勤研究《超级人工智能2.0：人工智能引领新风向》

五、人工智能的应用为应对特大城市风险治理困境提供的技术路径
受特定的生产生活空间特征、人口因素和社会阶层、利益结构等因素的影响，特大城市风险，尤其是重大公共卫生风险、地震等自然灾害风险、公共安全风险往往具有影响范围广、扩散速度快、破坏性强等特点，从而会形成一系列的风险治理困境，最终导致特大城市全方位、系统性的危机。而立基于算法和数据的人工智能凭借特定的计算逻辑、算法规则推动了特大城市风险治理的技术变革，为特大城市风险治理提供了一个技术路径。

（一）建构技术权威，完善风险预警体系
传统城市风险预警呈现“政府→社会（公众）” 的单向度模式，政府根据下级行政机构和社会反馈的风险信息，预判风险的生成与影响程度，借助政府掌握的媒体、网络等向社会公众发送风险预警信息。在此过程中，政府成为主要的风险预警主体，而由社会基层、下级行政机构反馈的风险信息成为政府进行风险决策的主要依据。但在当今中国，城市社会发展中最大、最强的逻辑仍然是权力逻辑或者政治逻辑，对稳定及超稳定的极端偏好成为中国城市社会发展的特质之一[29](p89-90)，稳定成为政府绩效考核的重要指标之一，因此，出于政绩因素的考量，隐瞒社会风险信息，有意识地弱化城市风险造成的社会影响，成为一些地方政府应对城市风险的措施之一。因此，传统的风险预警模式难以保证对特大城市风险预测的准确性和科学性，也难以及时向社会公众传递风险信息，从而会导致公众对风险的误判，延误风险应对时机，这次新冠肺炎疫情中国家传染病网络直报系统的失灵亦因此而值得反思。

人工智能建构的算法权力是一种技术权力，是人工智能凭借既定的计算逻辑和算法规则对外部环境生成的时间流、数据流和信息流进行分析、建构的结果。它的建构使公共权力结构由传统的科层制逐渐变为神经元网络状结构，并使公共权力逐渐向社会扩散，从而导致公共权力的去中心化，科技人员及科技企业通过掌握算法和技术而得以分享公共权力，参与风险治理。人工智能的应用使社会及公众既可以作为风险信息的供给者，也可以作为风险信息的消费者，从而能够参与到城市风险预警体系之中，直接获取城市风险信息。因此，人工智能借助算法权力可以建构城市风险治理中的技术权威，作为特大城市风险治理中除却政治权威、专家权威之外的第三种权威，这一技术权威能够强化特大城市决策层对城市末端的技术嵌入，弱化科层制行政体系和部门化组织机构的不利影响，直接获知整个特大城市的风险信息，从而有效避免风险信息在逐级传递过程中的流失问题，增强决策层对城市风险信息的感知，提升风险预警和风险决策的科学性、及时性和准确性，防止因科层制权力运行逻辑导致风险预警中的政治权威失灵。同时，人工智能建构的技术权威在向专家和政府传递风险信息的同时还能够直接向公众发出风险预警，从而拓宽公众的风险信息获取渠道，使之对身边的风险有一个清醒的认知，避免诸如专家权威被弱化、国家传染病网络直报系统失灵情况的发生，增强风险治理过程中政治权威、专家权威和技术权威的动态关联和决策互动，从而完善特大城市风险预警体系。

pagenumber_ebook=69,pagenumber_book=69
图1 ：人工智能应用下的特大城市风险预警逻辑示意图
来源：作者自制

（二）推动智能化治理，提升急时行政能力
特大城市风险，尤其是重大公共卫生事件、公共安全事件以及重大自然灾害，往往使城市面临系统性、持续性和全方位的危机，如果再发生风险联动效应，原生风险与次生风险叠加，就会给城市的物资供给和秩序维护带来极大的挑战，使城市在短时间内遭遇秩序维护困境、公共服务供给困境和居民基本生活保障困境等问题，严重的甚至会导致整个城市的公共管理系统瘫痪，使城市运转处于“无政府状态”。如武汉市在新冠肺炎疫情防控过程中就遭遇了持续性、全方位和系统性的风险治理危机，整个城市的公共资源、行政体系、社会运转都处于极限状态，并引发了一系列的次生风险危机，医院救治能力达到极限、医护人员不足、医护用品短缺、居民基本生活难以保障，甚至整个城市都处于停摆状态。政府作为特大城市风险治理中的主导力量，也因遭遇行政能力与行政资源匮乏进入了“急时行政”状态，因此需要增强政府的急时行政能力，提升政府在极限条件下的社会动员和资源调动能力，以有效解决风险治理中的资源匮乏状况。

而人工智能时代的最大特点是社会运行和治理的智能化、精准化，通过对人工智能、大数据等信息化手段的运用，能够打破城市风险治理中数据、信息和技术的行政壁垒，增强政府行政权力与社会权力间的动态互动和关联，厘清政府与社会的权力范围和责任边界，从而防止因政府与社会关联性不足以及权力、责任边界不清等问题而导致“城市政府的综合治理能力日益受到断裂的权威和重叠的管辖权破坏”[30](p130)。因此，通过借助人工智能建设智能政府，推动特大城市风险的智能化治理，能够有效实现政府权力结构的扁平化、风险治理信息的精准化以及政治过程的及时化，还能够借助智能系统加强不同政府间、政府与社会主体间、不同社会主体间的动态关联和风险治理互动，强化政府与社会的协同与合作，使政府能够掌握更多的风险信息、调动更多的社会资源，从而达到提升政府急时行政能力、有效应对重大社会风险的目的。

（三）建构网络化协同联动机制，促进风险协同治理
特大城市重大风险往往是全方位、系统性的，会在短时间内对特大城市的资源供给、公共服务、政府行政能力和社会秩序产生巨大冲击，而特大城市作为一个综合性的生产生活空间，其内部的居民生活体系、企业生产体系和城市社会体系高度重合，居民的生活空间、企业生产空间和社会运行空间重叠、交汇。因此，特大城市风险的影响也经常性地涉及居民生活、企业生产和社会运行等诸多领域，形成原生风险的扩散效应，由产生风险的领域向其他领域蔓延，最终导致风险联动效应。从这个角度而言，特大城市风险一般是多个领域内多元利益主体的共同风险，特大城市的风险治理也应该是多领域共同治理，是基于协同和合作的多元治理主体的协同治理，这就需要建构和完善风险协同治理体系，提升风险协同治理能力。

人工智能技术通过对算法的应用和数据的分析形成了强大的算法控制能力，这种算法控制能力是基于算法权力的建构和数理逻辑的运用，它遵循“逻辑+控制”的结构，只要人工智能接收到的数据流、时间流和信息流符合人工智能的算法逻辑，就会立即执行，并基于人工智能算法伦理做出价值判断和治理决策。因此，人工智能的算法控制能够打破风险治理主体间的行政壁垒、数据壁垒和行业壁垒，实现不同治理主体间的算法勾连，推动治理结构的网络化，使原本受特大城市行政边界碎片化和治理权威分割性影响的协同治理体系建构困境得到有效缓解，推动风险治理过程中多元主体间的动态联动效应，促进多元治理主体在特大城市风险治理中的协同与合作，完善特大城市的风险协同治理体系。

同时，人工智能的应用还能够克服因特大城市内部空间行政边界碎片化和治理权威分割性带来的信息偏差和体系困境，增强信息在城市空间内的流动速度，提升风险治理主体的信息搜集能力和信息分析能力，从而为特大城市风险治理提供信息支撑，增强各治理主体的治理能力。借助人工智能技术，建构一个覆盖特大城市整个城市空间的、统一的人工智能体系，打造“城市大脑”和智能城市，能够第一时间将各种风险信息汇集到决策部门，防止因科层制行政体系导致的风险信息流失，使决策机构能够获得全方位、及时、准确性的风险信息，从而为风险治理决策的制定提供有效的参考，促进风险治理的精准化。此外，借助人工智能还可以进行最大限度地社会动员和资源调配，防止因风险联动效应引发的资源匮乏和风险治理能力发挥不足等问题，提升风险协同治理能力。

此外，人工智能还可以借助算法优势和数据分析能力嵌入城市居民的日常生活，基于城市居民的网络浏览记录、日常行为轨迹、生活消费习惯、社会交往特点和个人行为偏好建构居民个体的风险数据特征，分析可能遇到的潜在风险或其行为习惯在面对突发风险时可能导致的后果，有针对性地推送风险防范知识和活动区域可能存在的潜在风险，预判可能前往的区域，并提前发送风险预警，从而增强城市居民对风险的感知力，提升其风险应对能力，增强特大城市及其居民应对风险的张力。

六、结论
特大城市风险，尤其是重大公共卫生风险、地震等自然灾害风险和公共安全风险等，往往会形成全方位、系统性的城市治理危机，如果对特大城市原生风险治理不力还会导致风险向其他领域蔓延，产生次生风险，并形成风险联动效应，从而对特大城市的资源供给、公共服务、秩序维护和政府行政能力产生巨大的冲击。特大城市的脆弱性和风险的不确定性、风险类型的多元化使特大城市风险治理成为城市治理的重中之重，需要我们寻求特大城市风险治理的有效路径。而人工智能能够有效契合特大城市风险治理的现实困境，推动了特大城市风险治理中的技术变革，并为之提供了一个技术治理路径。但人工智能作为立基于算法和数据的技术手段，在为特大城市风险治理带来技术变革的同时，也引发了一定的价值隐忧，如算法伦理入侵、数据价值歧视、权利实现困境和权力结构悖论，需要我们在运用人工智能的时候予以规避，而由于人工智能误判引发的群体恐慌、秩序动荡和社会损失的责任认定问题，也是需要我们予以解决的问题。同时，当前人工智能在特大城市风险治理中的应用主要侧重于对风险治理技术手段应用的探索，而缺乏公共管理能力提升方面的研究，尤其是当特大城市风险在短时间内造成城市资源大量短缺、政府行政能力急剧不足时，如何借助人工智能有效应对公共管理困境，实现有限资源的最优化配置，成为人工智能应用下特大城市风险治理值得深思的问题。

参考文献：

[1]陈进华.中国城市风险化:空间与治理[J].中国社会科学，2017（8）.

[2]陈宇琳，葛天任，等. 我国特大城市进入风险社会了么?——基于北京、东京、首尔市民风险感知的比较研究[J].城市发展研究，2016，23（10）.

[3]肖瑛. 特大型城市风险的生成机理与运作逻辑[J].探索与争鸣，2015（3）.

[4]李友梅. 我国特大城市基层社会治理创新分析[J].中共中央党校学报，2016，20（2）.

[5]张广利，赵云亭.特大城市社会心态风险:特征、机制与治理[J].长白学刊，2018（5）.

[6]薛晓源，刘国良.全球风险世界:现在与未来——德国著名社会学家、风险社会理论创始人乌尔里希·贝克教授访谈录[J]. 马克思主义与现实，2005（1）.

[7]Cutter S.L.The vulnerability of science and the science of vulnerability[J].Annals of the Association of American Geographers，2003，93（1）.

[8]郭叶波. 特大城市安全风险防范问题研究[J].中州学刊，2014（6）.

[9]Bazyar A，Ebrahim Teimoury.A decision-process model of relational risk and governance and their impact on performance[J].International Journal of Advanced Manufacturing Technology，2013，69（1-4）.

[10]曹惠民，林华东. 城市公共安全风险治理绩效:理论建构与提升策略[J]. 城市发展研究，2019，26（12）.

[11]曹策俊，李从东，王玉，等. 大数据时代城市公共安全风险治理模式研究[J]. 城市发展研究，2017，24（11）.

[12]王俊秀.特大型城市风险治理的关键:提高风险认知水平[J].探索与争鸣，2015（3）.

[13]李琼.特大城市社会稳定风险识别与治理——基于上海市Z“城中村”动迁事件的调查分析[J].同济大学学报（社会科学版），2018，29（6）.

[14]周利敏. 韧性城市:风险治理及指标建构——兼论国际案例[J]. 北京行政学院学报，2016（2）.

[15]张锋.特大型城市风险治理智能化研究[J].城市发展研究，2019，26（9）.

[16]李颖.基于资源整合的城市风险治理研究[J].理论与改革，2016（5）.

[17]Ahas Rein，Mark Ular.Location based services——new challenges for planning and public administration?[J].Futures，2005，37（6）.

[18]Friel Sharon，Akerman Marco，et al.Addressing the Social and Environmental Determinants of Urban Health Equity:Evidence for Action and a Research Agenda[J].Journal of Urban Health，2011，88（5）.

[19]Keith Carlisle，Rebecca L Gruby.Polycentric Systems of Governance:A Theoretical Model for the Commons[J].Policy Studies Journal，2019，47（4）.

[20]孙秀林，施润华. 社区差异与环境正义——基于上海市社区调查的研究[J].国家行政学院学报，2016（6）.

[21]赵延东.培育应对特大型城市风险挑战的社会资本[J].探索与争鸣，2015（3）.

[22]项继权，刘开创. 中国特大城市过度极化的根源及其治理[J].理论与改革，2018（6）.

[23]孙清白.人工智能算法的“公共性”应用风险及其二元规制[J].行政法学研究，2020（4）.

[24]贾开，蒋余浩. 人工智能治理的三个基本问题:技术逻辑、风险挑战与公共政策选择[J].中国行政管理，2017（10）.

[25]胡洪彬.人工智能时代政府治理模式的变革与创新[J].学术界，2018（4）.

[26]韩志明.在模糊与清晰之间——国家治理的信息逻辑[J].中国行政管理，2017（3）.

[27]曹惠民.治理现代化视角下的城市公共安全风险治理研究[J]. 湖北大学学报（哲学社会科学版），2020，47（1）.

[28]Lucas D.Introna.Algorithms， Governance and Governmentality:On Governing Academic Writing[J].Science Technology and Human Values，2016，41（1）．

[29]沈湘平.中国城市社会发展的逻辑紧张及其影响[J].探索与争鸣，2017（12）.

[30]衡霞，陈果. 特大城市集成治理创新研究[J].吉林大学社会科学学报，2018，58（3）.

[DOI编号] 10.14180/j.cnki.1004-0544.2020.09.007

[中图分类号] C912.81

[文献标识码] A

[文章编号] 1004-0544（2020）09-0060-13

基金项目：吉林省社会科学基金项目（青少年研究专项）“重大应急事件中青年群体的动员与响应机制研究”（2020Q2）。

作者简介：张龙辉（1987—），男，河南开封人，东北师范大学政法学院博士生；肖克（1978—），男，吉林吉林人，东北师范大学政法学院副教授、博士生导师。

责任编辑 申 华