■ 夏子葉

中國科學(xué)院大學(xué)公共政策與管理學(xué)院 北京 100049

0 引言

數(shù)字技術(shù)加速重構(gòu)了經(jīng)濟(jì)社會發(fā)展方式，催生了數(shù)據(jù)成為新生產(chǎn)要素，革新了傳統(tǒng)生產(chǎn)方式，引領(lǐng)人類社會邁向數(shù)智化時代。以大數(shù)據(jù)、人工智能、物聯(lián)網(wǎng)、5G、邊緣計算、時間敏感網(wǎng)絡(luò)等為代表的智能技術(shù)，正以前所未有的速度和顛覆力驅(qū)動著決策活動向智能化轉(zhuǎn)型升級。我國高度重視智能決策，國家自科基金委就曾將“決策智能”作為優(yōu)先發(fā)展領(lǐng)域?qū)懭搿笆奈濉币?guī)劃。同時，我國智能決策市場也增長迅速，IDC 中國2022 年報告顯示，2021 年中國智能決策解決方案市場規(guī)模為8.9億美元，較上年增長66.4%，未來5 年其復(fù)合增長率將達(dá)到54%；Gartner 預(yù)測到2024 年，60%的政府人工智能與數(shù)據(jù)分析投資將直接影響實時決策和結(jié)果。邁入數(shù)智化時代，決策范式將有何變化？現(xiàn)有研究對該問題的探討聚焦于以下內(nèi)容：第一，探討數(shù)字技術(shù)如何成為公共決策活動的技術(shù)基礎(chǔ)。如大數(shù)據(jù)技術(shù)能夠為決策提供實時連續(xù)的數(shù)據(jù)技術(shù)支持，全面分析事物間的相關(guān)關(guān)系[1][2]，結(jié)合人工智能技術(shù)解讀外部數(shù)據(jù)，并從數(shù)據(jù)中自動感知、推理、學(xué)習(xí)，實現(xiàn)對未來趨勢的預(yù)測，為循證決策提供支持[3]；區(qū)塊鏈技術(shù)的去中心性、可追溯性與不可篡改性有利于保障決策的科學(xué)性與民主性[4]。第二，探討智能決策的潛在風(fēng)險與防范措施。智能決策系統(tǒng)的風(fēng)險包括AI 模型不可解釋、不可問責(zé)的內(nèi)生風(fēng)險，如算法歧視、算法偏見與決策倫理等風(fēng)險[5]；數(shù)據(jù)不全面與不安而導(dǎo)致的大數(shù)據(jù)內(nèi)生風(fēng)險，如數(shù)據(jù)篡改、數(shù)據(jù)偽造、對抗樣本與數(shù)據(jù)隱私等風(fēng)險；人機(jī)交互中的信任風(fēng)險等[6]。第三，探討環(huán)境、決策者與決策系統(tǒng)的互動過程。智能決策系統(tǒng)會影響決策數(shù)據(jù)分析活動、決策者的價值觀與注意力[7]，決策者也在法律制度、倫理規(guī)范與文化融合等方面為機(jī)器決策設(shè)定應(yīng)用范圍，二者互相影響實現(xiàn)決策活動的人機(jī)協(xié)同[8][9]。但現(xiàn)有研究缺乏對決策范式變革的系統(tǒng)梳理與數(shù)智化時代決策活動發(fā)展趨勢展望，這是當(dāng)下研究需探討的關(guān)鍵議題?；诖耍狙芯肯到y(tǒng)化梳理了決策范式發(fā)展歷程，明晰了數(shù)智化時代的智能決策系統(tǒng)支持要素、闡明了智能決策的內(nèi)涵與特征，并總結(jié)了數(shù)智化時代決策范式變革的趨勢及應(yīng)對策略。

1 決策系統(tǒng)發(fā)展歷程

基于對決策系統(tǒng)特征的分析，本研究將決策系統(tǒng)發(fā)展歷程劃分為3個階段，參見圖1。

圖1 決策系統(tǒng)的發(fā)展歷程與階段

第一階段：傳統(tǒng)決策階段（～1960s）。該階段的特征為依靠人腦決策，以經(jīng)驗決策與統(tǒng)計決策為主。決策活動始于人類誕生。在傳統(tǒng)決策階段，由于缺乏科學(xué)的決策理論與方法，決策活動往往以決策者自身所掌握的知識、智慧與經(jīng)驗為依據(jù)展開。盡管有專家、謀士與智囊團(tuán)在決策活動中擔(dān)任參謀角色，其本質(zhì)還是以自然人的經(jīng)驗為決策準(zhǔn)則。自1946 年世界上第一臺計算機(jī)誕生后，信息技術(shù)快速發(fā)展，并催生了決策科學(xué)學(xué)派的誕生，該學(xué)派的開創(chuàng)性研究者Simon就曾闡述過管理依靠信息和決策這一概念[10]。20 世紀(jì)50 年代，在該理論指導(dǎo)下，電子計算機(jī)開始應(yīng)用于決策之中，如美國自1950年起便開始運(yùn)用計算機(jī)進(jìn)行人口普查、總統(tǒng)選票統(tǒng)計、工資計算等簡單的統(tǒng)計決策活動。在實踐中逐步形成了電子數(shù)據(jù)處理（Electronic Data Processing, EDP）與事務(wù)處理系統(tǒng)（Transaction Processing Systems, TPS）等技術(shù)，此時的計算機(jī)在決策活動中充當(dāng)?shù)慕巧菙?shù)據(jù)記錄、數(shù)據(jù)分類匯總、簡單計算與報表編制，其設(shè)計之初的目標(biāo)是實現(xiàn)辦公自動化，但尚且缺乏系統(tǒng)性的設(shè)計規(guī)劃。

第二階段：機(jī)器輔助決策階段（1960s～2022）。該階段特征為機(jī)器開始參與決策活動，并逐漸發(fā)揮決策增強(qiáng)化（Augmentation）與決策支持的作用，并不能形成決策替代。缺乏系統(tǒng)性與集成性的EDP 技術(shù)難以高效協(xié)調(diào)工作，在20 世紀(jì)60 年代，管理信息系統(tǒng)（Management Information Systems, MIS）、專家系統(tǒng)（Expert System, ES）與辦公自動化系統(tǒng)（Office Automation System, OAS）應(yīng)運(yùn)而生。MIS 把人與計算機(jī)納入統(tǒng)一系統(tǒng)，通過對信息的搜集、存儲、加工與使用，將管理信息由孤立狀態(tài)轉(zhuǎn)化為有組織狀態(tài)[11]；在此基礎(chǔ)上，OAS 將個人計算機(jī)與辦公軟件相結(jié)合，實現(xiàn)了對結(jié)構(gòu)化數(shù)據(jù)的統(tǒng)計處理與紙質(zhì)文檔的電子化；ES是建立在人工智能的基礎(chǔ)上的計算機(jī)程序，它通過基于知識的推理，實現(xiàn)“像專家一樣思考”以解決單一領(lǐng)域的特定問題[12]。20世紀(jì)70年代，決策支持系統(tǒng)（Decision Support Systems, DSS）被提出，Keen 與Morton 在《決策支持系統(tǒng)：組織視角（Decision Support Systems: An Organizational Perspective）》中將其刻畫為結(jié)合了個體的智力資源與計算機(jī)能力的人機(jī)交互支持系統(tǒng)[13]，它由人機(jī)接口、數(shù)據(jù)庫、模型庫、知識庫與方法庫這5 個基本部件組成，更適用于解決半結(jié)構(gòu)化與部分非結(jié)構(gòu)化的問題。而后20年，DSS的理論研究與商業(yè)應(yīng)用飛速發(fā)展，衍生出一批如群體決策支持系統(tǒng)（Group Decision Supporting System, GDSS）、分布式?jīng)Q策支持系統(tǒng)（Distributed Decision Support System, DDSS）、決策支持中心(Data Support Center, DSC)、戰(zhàn)略決策支持系統(tǒng)等（Strategic Decision Support System, SDSS）在內(nèi)的決策支持系統(tǒng)新業(yè)態(tài)，特別是，當(dāng)DSS 與ES 相結(jié)合并引入人工智能(Artificial Intelligence, AI)技術(shù)后所形成的智能決策支持系統(tǒng)（Intelligent Decision Support System, IDSS），不僅具有知識獲取與推理技能，而且能夠跟蹤與模擬決策專家的思維過程、構(gòu)建相應(yīng)的決策支持環(huán)境[14]。20 世紀(jì)90 年代，決策系統(tǒng)理論大量涌現(xiàn)，圖靈獎得主Edward Feigenbaum 提出了“人—機(jī)器協(xié)同系統(tǒng)”，錢學(xué)森提出“開放的復(fù)雜巨系統(tǒng)”。同時，數(shù)據(jù)倉庫（Data Warehouse, DW）與聯(lián)機(jī)分析處理（On-Line Analysis Processing, OLAP）、數(shù)據(jù)挖掘（Data Mining）等新概念的出現(xiàn)，可以實現(xiàn)將數(shù)據(jù)庫數(shù)據(jù)進(jìn)行清洗、按決策主題重組、將多維信息轉(zhuǎn)換為輔助決策信息。21 世紀(jì)，互聯(lián)網(wǎng)、多媒體、網(wǎng)格計算與知識管理等技術(shù)疊加，知識共享型與資源共享型的“協(xié)同共享型”決策支持系統(tǒng)出現(xiàn)。2008 年維克托·邁爾·舍恩伯格與肯尼斯·庫克耶在《大數(shù)據(jù)時代》一書中正式提出“大數(shù)據(jù)”概念[1]，而后大數(shù)據(jù)迅速流行，并在物聯(lián)網(wǎng)、云計算、邊緣計算、5G 等技術(shù)的加持下對海量數(shù)據(jù)進(jìn)行處理，獲取實時與前瞻性的決策支持，形成了大數(shù)據(jù)驅(qū)動型的決策支持系統(tǒng)。

第三階段：智能決策階段（2022～）。該階段特征為決策系統(tǒng)可以根據(jù)決策場景生成決策方案，初步具備一定的決策自動化（Automation）與決策替代（Substitute Decision-Making）功能，但與完全的決策替代還有相當(dāng)距離。2022 年由OpenAI 發(fā)布的對話式大語言模型ChatGPT 問世，引發(fā)了生成式人工智能（Artificial Intelligence Generated Content, AIGC）飛速發(fā)展，相應(yīng)地，人工智能應(yīng)用于決策系統(tǒng)中日益普及。不同于過去決策支持系統(tǒng)僅能基于已有數(shù)據(jù)形成決策方案，AIGC 加持下的智能決策系統(tǒng)清掃了過去專家系統(tǒng)只能在限定領(lǐng)域、單一任務(wù)中的決策障礙，在自然語言處理里建立了一個與領(lǐng)域無關(guān)的通用理論[15]，它既可以從數(shù)據(jù)中學(xué)習(xí)，并產(chǎn)生具有創(chuàng)造性、現(xiàn)實性的、全新的輸出又可以促成決策者與智能決策系統(tǒng)對話，以強(qiáng)化決策的科學(xué)性與完善性[16]。智能決策在一定程度上實現(xiàn)了決策自動化與決策替代，成為了數(shù)智化時代的最新決策范式。

2 數(shù)智化時代的智能決策系統(tǒng)支持要素

“數(shù)智化”強(qiáng)調(diào)數(shù)據(jù)價值智慧化的共享與利用[17]，數(shù)智化時代并非僅靠數(shù)字技術(shù)在原有決策方式上簡單疊加就能實現(xiàn)決策范式變革，更為關(guān)鍵的是“數(shù)智賦能”，這背后需要一系要素支持，主要包括以下維度：一類是智能決策系統(tǒng)自身的支撐構(gòu)件，這主要包含大數(shù)據(jù)、以大模型為代表的決策算法與算力基礎(chǔ)設(shè)施；另一類是決策者與智能決策系統(tǒng)間的人機(jī)交互水平。

（1）大數(shù)據(jù)

數(shù)據(jù)是決策的基礎(chǔ)，經(jīng)驗決策與小數(shù)據(jù)決策難以適應(yīng)數(shù)智化時代復(fù)雜的決策環(huán)境。大數(shù)據(jù)資源因其具有速度快、容量大、種類多、價值高等特征與描述、規(guī)定、預(yù)測等功能可以為智能決策系統(tǒng)提供豐富的數(shù)據(jù)來源。數(shù)智化時代，依靠廣泛部署的傳感器、監(jiān)控探頭等智能化設(shè)備進(jìn)全天候采集，將多元主體活動數(shù)據(jù)化記錄[18]，行動即為數(shù)據(jù)。在網(wǎng)格成為了社會治理基本單元的情境下，甚至樣本即為總體[1]。將智能設(shè)備采集的多源異構(gòu)數(shù)據(jù)端口接入大數(shù)據(jù)平臺，不僅可以即時發(fā)現(xiàn)并解決問題，還可以從多種來源渠道校對數(shù)據(jù)質(zhì)量。此時，具備全樣本、實時性、客觀性的特征大數(shù)據(jù)可供智能決策系統(tǒng)。

（2）以大模型為代表的決策算法

決策算法是由編程語言實現(xiàn)的自主運(yùn)算工具，是智能決策系統(tǒng)的大腦與核心規(guī)則。在深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等技術(shù)影響下，算法能夠快速學(xué)習(xí)，適應(yīng)外界多變的環(huán)境，并做出智慧化回應(yīng)。特別是，擁有數(shù)十億甚至數(shù)千億參數(shù)與復(fù)雜計算結(jié)構(gòu)的大模型（Large Language Model, LLM），通過海量大數(shù)據(jù)訓(xùn)練學(xué)習(xí)后，不僅可以通過將文本數(shù)據(jù)、圖像數(shù)據(jù)、音頻數(shù)據(jù)等多種結(jié)構(gòu)數(shù)據(jù)轉(zhuǎn)化為具備計算性與推理性的知識而展現(xiàn)出“轉(zhuǎn)化能力”，而且可以多個自然語言處理任務(wù)展現(xiàn)出超強(qiáng)的“泛化能力”，甚至能發(fā)現(xiàn)新的特征與模式展現(xiàn)出“涌現(xiàn)能力”。

（3）算力基礎(chǔ)設(shè)施

算力作為集合信息計算力、網(wǎng)絡(luò)運(yùn)載力、數(shù)據(jù)存儲力于一體的新型生產(chǎn)力，算力基礎(chǔ)設(shè)施是其向智能決策系統(tǒng)提供服務(wù)的載體。它可以通過如下4個方面服務(wù)智能決策系統(tǒng)：第一，支持對多種結(jié)構(gòu)的海量大數(shù)據(jù)信息的計算處理；第二，算力基礎(chǔ)設(shè)施可以利用高效的計算方法，快速分析數(shù)據(jù)，加速智能決策系統(tǒng)的計算與響應(yīng)速度；第三，算力基礎(chǔ)設(shè)施能夠儲存大量歷史與實時數(shù)據(jù)，智能決策系統(tǒng)能夠根據(jù)歷史數(shù)據(jù)預(yù)測未來趨勢，提高決策的科學(xué)性與準(zhǔn)確性，為決策者提供有價值的參考；第四，算力基礎(chǔ)設(shè)施具備分布式存儲與計算的能力，可以處理大批個性化數(shù)據(jù)，從而為客戶提供定制化解決方案。

（4）人機(jī)交互

數(shù)字技術(shù)的發(fā)展加速了智能決策的應(yīng)用，但決策在明確治理目標(biāo)、提供行動方案、塑造多元化公共價值等方面的訴求與目的并未發(fā)生根本性改變。只是原先采集信息、傳遞信息、做出決策等由人工完成的活動，正由智能決策所部分替代[19]，傳統(tǒng)決策模式中由決策者自然人承擔(dān)的決策角色正逐漸賦予智能決策系統(tǒng)[20]。盡管在決策速率、無倦怠感、克服個體主義與情緒化傾向、無偏處理零散數(shù)據(jù)、完成多項并行任務(wù)等方面智能決策系統(tǒng)都具有人類難以比擬的優(yōu)勢，但在界定問題、抽象思維、探索、感知、創(chuàng)作、歸納推理、長期儲存信息、主動性與道德性等方面依然難以超越人類[21]。采用人機(jī)協(xié)同訓(xùn)練模式的智能決策系統(tǒng)，可以實現(xiàn)二者間的優(yōu)勢，這要求決策者“善用”“會用”智能決策系統(tǒng)。

3 數(shù)智技術(shù)驅(qū)動的范式變革

Thomas Kuhn 在《科學(xué)革命的結(jié)構(gòu)（Structure of Scientific Revolutions）》一書中將范式（paradigm）視為理論體系與基本模式[22]，決策范式的變革其本質(zhì)就是決策模式與決策原理的轉(zhuǎn)換更替。智能決策范式脫胎于機(jī)器輔助決策范式，但二者間存在顯著差異。機(jī)器輔助決策是應(yīng)用人類已有的描述性知識、過程性知識與推理性知識等知識儲備與決策經(jīng)驗，通過邏輯推演為復(fù)雜決策問題求解提供思路。而智能決策則強(qiáng)調(diào)機(jī)器自主生成決策方案，它是一種通過實時大數(shù)據(jù)感知與計算，基于決策經(jīng)驗、業(yè)務(wù)數(shù)據(jù)建立決策模型，以實現(xiàn)對未來發(fā)生可能發(fā)生的場景進(jìn)行情景模擬與趨勢預(yù)測的自動化和智能化分析的巨型人工智能系統(tǒng)。智能決策系統(tǒng)由大數(shù)據(jù)采集系統(tǒng)、大數(shù)據(jù)處理系統(tǒng)、模型算法系統(tǒng)和智能決策支持系統(tǒng)等子系統(tǒng)構(gòu)成，其重點(diǎn)在于通過智能化算法對決策信息間復(fù)雜相關(guān)關(guān)系進(jìn)行深度理解，幫助決策者在高度不確定性的環(huán)境中動態(tài)地優(yōu)化決策，甚至做出自動化決策，更精準(zhǔn)、高效地達(dá)成預(yù)期決策目標(biāo)。它具備如下特征。

（1）在給定條件下自動化決策

不同于傳統(tǒng)決策須遵循有限理性原則、機(jī)器輔助決策僅能為決策者提供數(shù)據(jù)參考，智能決策依據(jù)算法，對全樣本數(shù)據(jù)進(jìn)行即時分析處理，并自動生成可供參考的決策方案。算法是智能決策的基礎(chǔ)語言，也是其生命力所在?；谝?guī)則的推理是智能決策最基礎(chǔ)的技術(shù)，其所遵從的規(guī)則是決策算法。特別是經(jīng)過大數(shù)據(jù)不斷訓(xùn)練，算法能夠自主學(xué)習(xí)并不斷迭代，適應(yīng)復(fù)雜的決策環(huán)境。一方面，智能決策系統(tǒng)遵循完全理性原則生成決策方案，可就決策問題自動生成全部解決方案，保證決策方案的全面性與準(zhǔn)確性。智能決策系統(tǒng)依據(jù)決策算法，可以對海量大數(shù)據(jù)進(jìn)行分布式計算，生成全部可能結(jié)果，并按決策原則對全部結(jié)果進(jìn)行重要性排序，為決策者提供最優(yōu)解決方案。另一方面，智能決策可以針對不同的場景與情境設(shè)計個性化的決策方案，在生成式人工智能技術(shù)影響下，智能決策系統(tǒng)可以根據(jù)決策者需求與決策對象的行為特征，提供個性化的決策方案，保證決策結(jié)果的有效性與針對性。

（2）全流程的決策響應(yīng)

傳統(tǒng)決策中的數(shù)據(jù)需經(jīng)過層層上報收集處理，經(jīng)過“把門人”層層過濾，決策者收到的信息會有時滯性與偏誤。且受制于數(shù)據(jù)可獲得性與樣本量的限制，傳統(tǒng)決策多依靠小樣本數(shù)據(jù)或憑借決策者自身經(jīng)驗決策，決策通常是以樣本推斷總體、以過去指導(dǎo)現(xiàn)在。智能決策最大的優(yōu)勢在于用大數(shù)據(jù)驅(qū)動決策。由于大數(shù)據(jù)具有3大基本功能，大數(shù)據(jù)驅(qū)動的智能決策可以做到全流程的決策響應(yīng)：首先，大數(shù)據(jù)具備描述功能，智能決策系統(tǒng)通過對歷史數(shù)據(jù)進(jìn)行統(tǒng)計分析，捕捉規(guī)律，為后續(xù)決策提供解決相應(yīng)建議；其次，大數(shù)據(jù)具備規(guī)定功能，將即時數(shù)據(jù)與歷史數(shù)據(jù)進(jìn)行比對，實現(xiàn)數(shù)據(jù)流全天候?qū)崟r分析，這決定了智能決策系統(tǒng)所做決策可以最大限度減低滯后性，對突發(fā)應(yīng)急事件做到及時響應(yīng)。第三是預(yù)測功能，通過深度挖掘數(shù)據(jù)間潛在相關(guān)關(guān)系，智能決策系統(tǒng)能夠?qū)ξ磥戆l(fā)展趨勢進(jìn)行預(yù)測并提供針對性解決方案。

（3）人機(jī)協(xié)同決策

數(shù)智化時代決策環(huán)境復(fù)雜多變，僅提供信息參考的決策支持系統(tǒng)顯然難以滿足決策需求，決策者需要更為高效智能的工具來完成決策。數(shù)字技術(shù)的進(jìn)步使得智能決策系統(tǒng)可以面向決策目標(biāo)開展分析與推理，以更加主動的方式參與到?jīng)Q策之中，貢獻(xiàn)決策方案。但當(dāng)前智能決策系統(tǒng)尚且處于弱人工智能階段，不具備獨(dú)立完成決策的能力。從功能角度看，盡管大模型的數(shù)據(jù)處理能力遠(yuǎn)超人類，并可以就不同情境收集數(shù)據(jù)，并創(chuàng)造性提出多種解決方案，但存在于智能決策系統(tǒng)中的算法并不具備情感價值與倫理道德判斷能力，隱匿于其中的算法黑箱、算法歧視等問題依然難以克服。從決策責(zé)任主體看，決策者做決策的權(quán)力多由職位賦予自然人，智能決策系統(tǒng)僅能提供決策方案而無法對決策負(fù)責(zé)。因此，決策者需要與智能決策系統(tǒng)人機(jī)協(xié)同、互為補(bǔ)充，決策者在該模式下僅需要提出問題，并評判調(diào)整智能決策系統(tǒng)的決策結(jié)果。

4 變革趨勢與應(yīng)對策略

決策是信息處理與行為選擇活動，數(shù)字技術(shù)的發(fā)展也必然會驅(qū)動著決策范式變革。就變革歷程來看，數(shù)字化時代的智能決策發(fā)展將呈現(xiàn)出如下幾點(diǎn)趨勢：第一，大數(shù)據(jù)驅(qū)動的智能決策將逐步取代經(jīng)驗決策。智能決策通過對大數(shù)據(jù)實時分析，及時發(fā)現(xiàn)問題和預(yù)測趨勢，挖掘隱藏的信息和規(guī)律，為決策提供更加精準(zhǔn)的建議和支持，降低決策風(fēng)險，從根本上改變經(jīng)驗決策缺乏客觀性、決策效率低下、易導(dǎo)致決策失誤的弊端。第二，場景化與定制化決策情境將日益增長。隨著數(shù)字技術(shù)及基礎(chǔ)設(shè)施的發(fā)展，智能決策系統(tǒng)可以更高效地收集、分析和處理數(shù)據(jù)，挖掘出決策對象的的需求和偏好，為場景化和定制化決策提供更好的技術(shù)支持和數(shù)據(jù)支撐，提供更加精準(zhǔn)的決策方案，從而提高決策的效率和質(zhì)量。第三，決策系統(tǒng)平臺化，決策參與者日漸開放與多元。大數(shù)據(jù)成為智能決策的重要依據(jù)和支撐，平臺化的智能決策系統(tǒng)能夠更好地整合內(nèi)外部數(shù)據(jù)資源，整合不同領(lǐng)域、不同部門和不同角色的決策參與者，實現(xiàn)數(shù)據(jù)驅(qū)動決策，提高決策的科學(xué)性和準(zhǔn)確性。第四，決策者與智庫專家角色將面臨角色轉(zhuǎn)換。數(shù)智化時代，智能決策系統(tǒng)將部分替代決策者與智庫專家，依據(jù)算法與大數(shù)據(jù)為決策活動提供方案。但這并不意味著決策者與智庫專家會失業(yè)，而是要轉(zhuǎn)換原有角色，決策者需要對智能決策的結(jié)果進(jìn)行把關(guān)與調(diào)整，智庫專家需總結(jié)決策經(jīng)驗并將其轉(zhuǎn)化為智能決策算法。

為適應(yīng)決策變革趨勢，實現(xiàn)決策范式的代際轉(zhuǎn)換，可以從如下幾個方面構(gòu)建應(yīng)對策略：

（1）將發(fā)展智能決策及其背后數(shù)字支持技術(shù)提升至國家或地區(qū)發(fā)展戰(zhàn)略。第一，制定國家智能決策技術(shù)發(fā)展戰(zhàn)略，明確發(fā)展目標(biāo)和重點(diǎn)領(lǐng)域；第二，加強(qiáng)對智能決策技術(shù)發(fā)展的引導(dǎo)和支持，設(shè)立專項資金、推動示范項目、加強(qiáng)政策宣傳等，推動智能決策技術(shù)在公共服務(wù)、城市管理等領(lǐng)域的應(yīng)用。第三，企業(yè)是智能決策技術(shù)的重要應(yīng)用者和推動者，政府可以通過給予應(yīng)用智能決策技術(shù)的企業(yè)稅收優(yōu)惠等支持政策、組織專業(yè)機(jī)構(gòu)或?qū)＜覟槠髽I(yè)提供咨詢服務(wù)等措施，鼓勵企業(yè)參與和應(yīng)用智能決策技術(shù)。

（2）加快構(gòu)建智能決策理論體系。第一，應(yīng)積極探索數(shù)智化時代智能決策范式，加快智能決策科學(xué)與其他學(xué)科的交叉融合；第二，構(gòu)建智能決策及其背后人工智能、大數(shù)據(jù)、云計算等數(shù)字技術(shù)的科技創(chuàng)新舉國體制，以重大項目為牽引，組織科研機(jī)構(gòu)、高水平大學(xué)、科技領(lǐng)軍企業(yè)等創(chuàng)新主體協(xié)同攻關(guān)。

（3）完善智能決策配套管理體制與基礎(chǔ)設(shè)施。第一，構(gòu)建集成大數(shù)據(jù)收集、清洗、處理、分析、輸出與存儲功能于一體的智能決策大數(shù)據(jù)支持平臺，建立與業(yè)務(wù)單元相匹配的決策機(jī)制；第二，推動數(shù)據(jù)開放共享，打通不同管理部門間的數(shù)據(jù)壁壘，完善數(shù)據(jù)安全領(lǐng)域法律法規(guī)；第三，布局智能決策系統(tǒng)相關(guān)數(shù)字基礎(chǔ)設(shè)施建設(shè)，提升算法性能與算力性能；第四，加強(qiáng)智能決策場景的開發(fā)與培育，構(gòu)建政府、企業(yè)、社會機(jī)構(gòu)等主體的合作機(jī)制，加強(qiáng)智能決策場景的應(yīng)用與迭代。

（4）加強(qiáng)智能決策系統(tǒng)相關(guān)人才培養(yǎng)。第一，轉(zhuǎn)換決策者的決策觀念，積極引導(dǎo)決策者適應(yīng)由經(jīng)驗決策向大數(shù)據(jù)驅(qū)動智能決策的轉(zhuǎn)型，培養(yǎng)決策者使用智能決策系統(tǒng)的能力，決策者并非要成為懂技術(shù)的專家，但要成為“會用”“善用”智能決策系統(tǒng)的決策者。第二，由于智能決策系統(tǒng)背后涉及的技術(shù)領(lǐng)域較多、壁壘較高，因此需培育一批智能決策技術(shù)人才，負(fù)責(zé)智能決策系統(tǒng)給的開發(fā)與完善。