幾十年來，人工智能（AI）研究人員一直試圖讓計算機執(zhí)行一系列曾被認為是為人類保留的任務。近年來，這項技術(shù)已經(jīng)從科幻小說成為現(xiàn)實：人工智能程序可以玩游戲、識別面孔和語音，能學習并做出明智的決定。也許就如人工智能的驚人發(fā)展一樣，其背后的認知技術(shù)已經(jīng)對許多人的生活和工作產(chǎn)生了實實在在的影響。以人工智能為基礎(chǔ)的科技包括：機器學習能力、計算機視覺、語音識別、自然語言處理、和機器人技術(shù)；它們很強大，可以升級，并且以冪的速度在提高。開發(fā)人員正在從無人駕駛汽車到集群無人機，從“智能”機器人到精確的語音翻譯等一切事物上運用人工智能解決方案。

公共部門正在尋求和發(fā)現(xiàn)應用來改善服務；事實上，認知技術(shù)最終可能會徹底改變政府運作的方方面面。例如，美國國土安全部公民和移民服務局創(chuàng)造了一個能夠?qū)θ祟愓Z言作出準確反應的虛擬助手EMMA。EMMA僅僅使用其智慧就能給出相關(guān)問題的答案，目前每月幾乎有五十萬個問題。虛擬助手從它自己的經(jīng)驗中學習，回答的問題越多越聰明。用戶反饋告訴EMMA哪些答案有幫助，在一個叫做“監(jiān)督式學習”的過程中，它磨煉了掌握數(shù)據(jù)的能力。雖然EMMA是一個相對簡單的應用程序，但開發(fā)人員在考慮更大的問題：如今的認知技術(shù)可以同時追蹤近2000架飛機的航線、速度和目的地，從而使他們能夠安全飛行。

隨著時間的推移，人工智能將在公共部門產(chǎn)生巨大變化，將改變政府員工如何完成工作的方式。這可能會淘汰一些工作，導致無數(shù)人再設(shè)計并創(chuàng)造出全新的職業(yè)。我們的分析表明，在短期內(nèi)政府不太可能大量裁員。但是，認知技術(shù)將會改變許多工作的性質(zhì)——無論做什么，還是工作人員如何去做，許多工作人員都可以騰出四分之一的時間，集中精力從事其他活動。

如今，典型的政府工作人員在“一籃子”的任務中分配他的工作。通過將工作分解為單個活動,并分析每個活動對自動化的影響程度，我們可以預測能騰出或者取消的勞動時間。我們分析發(fā)現(xiàn)，通過自動化計算機執(zhí)行的常規(guī)任務，每年可以節(jié)省數(shù)百萬個工作時間（共約43億次）。在低端范圍，我們估計，自動化可以每年節(jié)省9,670萬個小時，能節(jié)省33億美元;在高端范圍，每年可節(jié)省的時間增加到12億小時，每年可能節(jié)省411億美元（見圖1）。想要深入了解我們的數(shù)據(jù)分析可以在這里找到。

 來源：Deloitte University Press 

認知技術(shù)已經(jīng)對政府工作產(chǎn)生了深遠的影響，對未來也帶來了更大的影響?；谌斯ぶ悄艿膽每赡軠p少積壓，降低成本，克服資源限制，幫助工人從平淡無奇的任務中解放，提高預測的準確性，將智能投入到成千上萬的流程和系統(tǒng)中，并處理人類靠自己無法輕易做到的許多其他任務，如預測欺詐交易。過面部識別識別犯罪嫌疑人，并實時篩選數(shù)百萬個文檔以獲得相關(guān)性最大的內(nèi)容。

通過業(yè)務改進來同時提高速度，提升質(zhì)量和降低成本，這是很不尋常的，但是認知技術(shù)提供了一種撩撥人心的可能性。

人工智能向政府提供了關(guān)于如何完成工作的新選擇，一些工作完全自動化，一些由人工和機器共同完成，還有一些由人工員執(zhí)行，但由機器來加強。在這項研究中，我們?yōu)檎I(lǐng)導人提供了尋求理解這一新興景觀的路線圖。我們將描述關(guān)鍵的認知技術(shù)，為政府展示其潛力，概述一些有前景的選擇，并說明政府領(lǐng)導人如何確定近期最佳機會。

如果你在政府機構(gòu)或聯(lián)邦政府、州政府或當?shù)卣ㄙM了大量時間，你可能會聽到一些常見的抱怨：

·“我們沒有足夠的人手”

·“在這方面我們必須瀏覽很多判例法”

·“文書工作正在破壞我們的生產(chǎn)力”

·“我們不知道，因為我們無法追蹤這樣的事件和事故”

這些正是認知技術(shù)可以解決的問題。

我們描述的技術(shù)可以分為三大類：機器人和認知自動化，認知洞察力和認知參與。

機器人技術(shù)和認知自動化：將人類勞動轉(zhuǎn)化為附加值高的工作

機器人和認知自動化允許機器復制人類的行為和判斷（參見插圖），讓人們從手工作業(yè)中解放出來，以便完成需要人類獨有的能力才能完成的工作。例如，我們可以通過自動手寫識別技術(shù)實現(xiàn)自動錄入數(shù)據(jù)，用規(guī)劃優(yōu)化算法處理日程安排，并使用語音識別、自然語言處理和問答技術(shù)來向客戶提供服務。這些功能可能會解決政府的三個常見難題：資源限制，文書工作負擔和積壓的工作。

雖然不是認知技術(shù)本身，但機器人自動化（RPA）對政府來說是近期很好的機會。機器人自動化涉及通常稱為“機器人”的軟件，可以自動執(zhí)行你通常自行執(zhí)行的各種任務，模擬完成各種數(shù)字任務所需的步驟—— 如填寫表單或采購訂單，從一個電子表格中剪切和粘貼信息到另一個子表格,準確/快速地訪問多個數(shù)據(jù)庫。在沒有重新設(shè)計基本過程的情況下，機器人實現(xiàn)顯著的生產(chǎn)力增長是相對容易的。機器人自動化最適合重復的、可預測的、耗時的過程，如發(fā)票處理和理賠等（見圖2）。

來源：Deloitte University Press

1、打破自然資源限制

認知自動化可以以前看起來不切實際的規(guī)模、速度和體積執(zhí)行任務。這不僅允許資源再分配，還可以優(yōu)化勞動力：將資源和任務匹配。例如，在法律案件的搜索階段，電子文檔通過搜索功能找到了95%的相關(guān)文件，相比之下，在它們所耗費的一小部分時間內(nèi)人類平均只找到了50%。這項技術(shù)使律師能夠篩選出大得多的文件轉(zhuǎn)儲。同樣，在醫(yī)學上，讓機器人做手術(shù)旨在讓醫(yī)生進行更多的手術(shù)。

佐治亞州政府透明度和競選財務委員會每月處理約4萬頁競選資金披露，其中許多是手寫的。在評估其他替代方案后，該委員會選擇了一種將手寫識別軟件與人工審核相結(jié)合的解決方案以跟上工作量，同時確保質(zhì)量。

從臉譜網(wǎng)的帖子到傳感器讀數(shù)，21世紀的人類只會為人類提供太多數(shù)據(jù)，讓人們在沒有幫助的情況下理解。這也正是人工智能的用武之地。例如，美國國家航空航天局的Sensorweb是一個低分辨率、高覆蓋率的傳感器網(wǎng)絡(luò) （覆蓋空間，陸地和空中），可以通過高分辨率儀器觸發(fā)近距離的觀測。它提供了一種解決高分辨率成像資源限制的方法，允許用戶精確定位和記錄火山和其他冰凍圈事件（暴風雪，湖泊凍結(jié)等）的即時圖像。它還可以使用諸如谷歌地球這樣的開源工具來創(chuàng)建重要數(shù)據(jù)的可視化。該項目的目標是生成智能和可互操作的傳感器環(huán)境，像網(wǎng)站一樣可以輕松訪問。

自動化還可以緩解許多政府面臨的一些人員問題 - 最顯著的是招聘年輕、技術(shù)精湛的工人來替代老化的嬰兒潮一代的勞動力。

2、削減文書工作負擔

在2017年，正如1917年，政府雇員花費大量的時間在文書工作上。最近對州和地方官員進行的調(diào)查顯示，由于文書工作負擔過重，53％的工作人員一周在35至40小時內(nèi)完成工作有難度。

科羅拉多州最近的兒童福利縣工作量（ Child Welfare County ）研究強調(diào)了這個問題?？屏_拉多的公共事業(yè)部2014年花了四周對54個縣的1300名兒童福利工作者進行了研究，記錄了他們在不同活動上花費的時間。該部門發(fā)現(xiàn)個案工作者在文件和行政管理方面花費了37.5％的時間，而與兒童及其家屬的實際接觸的時間只有9％。

在聯(lián)邦層面上，我們的研究表明，僅文件編制和記錄信息，每年的工作時間就消耗了五十億，單薪水這一項就要花160多億美元。購和處理信息消耗了2.8億個小時，每年額外花費聯(lián)邦政府150億美元。

自動化可以讓一線員工大大減少他們在管理任務上花費的時間，使他們有更多的時間進行以任務為中心的工作。

3、減少積壓

積壓和長久的等待時間讓公民和政府雇員都感到沮喪。自2009以來，醫(yī)療保險上訴判決的平均等待時間從三個月上升至兩年。社會保障局預計在2016財政年度結(jié)束前將會有一百萬多個未判決案件，預計大約第三的總勞動力，近22000名雇員，將在2022年退休，使得這個問題更加嚴重。

在美國專利商標局，2015年10月專利申請積壓量達558091件。專利延誤可能會嚴重阻礙企業(yè)，尤其是初創(chuàng)企業(yè); 一項機構(gòu)研究得出結(jié)論，每年延遲審核最終獲得批準的第一個專利申請會將五年內(nèi)的公司的就業(yè)和銷售增長分別減少21％和28％。

認知技術(shù)可以篩選大量數(shù)據(jù)積壓并采取適當行動，把困難的問題留給專家。機器人自動化與人的互動少，反過來可以通過大規(guī)模執(zhí)行完整的端到端的業(yè)務流程減少積壓（見圖3）。

 來源：Deloitte University Press

復雜的模式，如保險市場活動，恐怖威脅級別，或熟悉的例子如棒球人才這些很難發(fā)現(xiàn)。認知應用，如使用神經(jīng)網(wǎng)絡(luò)的異常檢測系統(tǒng)，可以深入了解上下文并識別數(shù)據(jù)中的相關(guān)模式。在某些情況下，根據(jù)其設(shè)計，某些應用程序可以向決策者解釋為什么某種模式是至關(guān)重要的; 有些甚至可以自己決定下一步做什么（見圖4）。

1、實時追蹤

嵌入傳感器和攝像頭的智能技術(shù)使機構(gòu)能夠?qū)崟r跟蹤和報告重要信息。接到路燈的相機可以跟蹤交通和行人活動，并決定何時讓每個燈變暗或變亮。連接到“智能停車場”應用程序中的路燈內(nèi)置傳感器可以告知公民可用的停車位，甚至在停車位滿時提醒他們。

人工智能技術(shù)的實時跟蹤和報告還可以實現(xiàn)疾病監(jiān)測，體現(xiàn)其潛在的救生能力 。美國疾病控制和預防中心利用人工智能工具對脊髓灰質(zhì)炎病毒追蹤和報告過程進行了精簡，將病毒類型分類，并將疾病報告分成相關(guān)的集群。

 來源：Deloitte University Press

機器學習和自然語言處理可以發(fā)現(xiàn)問題的類型并對問題做出有效反應; 它們可以發(fā)現(xiàn)公共衛(wèi)生危機中最脆弱的群體，或追溯食源性疾病的起源。（以下插圖說明了這種預測能力是如何工作的，以及如何幫助提高資源配置。）

按照這些方法，美國陸軍醫(yī)療部正在開發(fā)可穿戴式生理監(jiān)護儀，使用機器學習算法來衡量傷口潛在的嚴重程度，協(xié)助醫(yī)師確定治療或疏散的優(yōu)先次序。

同時，能源部新的自學天氣和可再生能源預測技術(shù)SMT，在太陽能預測中比以前的技術(shù)準確了30％。  

提高其預測精度，系統(tǒng)使用機器學習，信息來自多個傳感器網(wǎng)絡(luò)、從天空照相機衍生的云運動物理學和衛(wèi)星觀測。

2、利用人工智能打擊食物中毒

南內(nèi)華達州衛(wèi)生區(qū)（SNHD）負責克拉克縣的公共衛(wèi)生事務。2014年，SNHD對近16,000個場所隨機檢查，進行了35,855次食品檢驗。為了提高其有效性，衛(wèi)生部已轉(zhuǎn)向人工智能應用程序（見圖5）。

該部門使用從推特得來的數(shù)據(jù)：應用程序采用地理標記和自然語言處理來識別推特用戶的食物中毒，并標記他們?nèi)ミ^的餐館，生成調(diào)查餐館列表。

在拉斯維加斯進行的一項實驗中，該市一半的食品檢測是隨機分配的，另一半使用了APP。三個月內(nèi)，該系統(tǒng)每天平均自動掃描約3600名用戶的約16000條推特。 這些推特中有一千條可以與特定的餐館相連，每天大約有12條提到食物中毒。這用來創(chuàng)建一個高優(yōu)先級的檢查列表。

SNHD通過人引導機器學習和自動化語言模型分析推文。該機構(gòu)聘請工作人員掃描推文樣本，然后將8000條推文放入模型中，以檢測哪些是可能對公共衛(wèi)生產(chǎn)生危害的場所。這些基于機器學習的適應性檢查顯著優(yōu)于隨機檢查：自適應檢查發(fā)現(xiàn)了更多顯著的缺點，平均檢查9次和6次，結(jié)果顯示在檢查中15% 有引用，而隨機抽取的只有9%有引用。如果每一次檢查都是適應性的，那么每年會導致食物中毒事件減少9000，住院人數(shù)減少557人。

 來源：Deloitte University Press

美國陸軍投入了數(shù)億美元用于招聘演習，從大學生旅游團到購物中心的攤位。顯然，選擇是否加入服務業(yè)是一個改變?nèi)松臎Q定。然而，軍隊的職業(yè)選擇并不簡單：新兵必須考慮未來的專業(yè)、承諾期限和福待遇。

為了幫助潛在的新兵了解他們的選擇，陸軍網(wǎng)站的訪問者會接觸到SGT STAR，這是一個使用人工智能來回答問題的互動虛擬助理，它檢查用戶資質(zhì)，并將其轉(zhuǎn)交給人才招聘。 軍發(fā)現(xiàn)，SGT STAR的招聘人數(shù)為55人，準確率達到94％以上，現(xiàn)場訪客的參與時間從4.0增加到10.4分鐘。截至2016年，虛擬助理已回答1600多萬用戶問題。

GT STAR使用機器學習識別數(shù)據(jù)模式，幫助它區(qū)分有用的答案與無用的答案。它回答的問題越多，學到的就越多，得到的結(jié)果也越好，   

諸如SGT STAR等聊天機器人也可以部署在內(nèi)部，使人力資源、IT和采購流程自動化。北卡羅來納州的創(chuàng)新中心（iCenter）正在測試聊天機器人，以幫助內(nèi)部IT網(wǎng)絡(luò)支持服務人員，讓他們有時間去做更重要的任務。發(fā)現(xiàn)其IT網(wǎng)絡(luò)支持服務人員收到的80％到90％的標簽都是用于密碼重置，這些這聊天機器人可以執(zhí)行。機器人也可用于改善其他內(nèi)部應用程序的服務; 共享服務提供了一個非常吸引人的案例。

參與式應用程序提供了各種福利（見圖6）    

 來源：Deloitte University Press

為了充分利用這三類認知能力，以更綜合的方式思考它們至關(guān)重要。  例如，如果使用認知自動化和參與來減輕工作人員基于規(guī)則，常規(guī)，重復和相對簡單的任務，那么人類就有更多的時間專注于更復雜、附加值更高的任務。 幫助人們更有效、高效地執(zhí)行這些困難的任務，這就是認知洞察力發(fā)揮作用的地方。因此，從組織的角度來看，經(jīng)?？紤]活動和決策的邏輯流程，如何在此流程的早期引入認知技術(shù)會影響之后執(zhí)行的工作，以及新的認知技術(shù)通過自動化如何增加釋放更多的勞動時間，這些是很有意義的。

友情提示：

關(guān)注國脈研究院官方微信：ethinktank，回復：AIGOV；獲取《人工智能強化政府治理：利用認知技術(shù)重新設(shè)計公共服務》報告中文完整版。