4.2 数字社会风险治理的数智化逻辑
当前，我们已经进入了以数字化、网络化和智能化为显著特点的发展新时期，以 5G、物联网、大数据、人工智能和区块链为代表的数智化技术，正在引领并构筑新的社会治理体系。党的十九届四中全会强调必须加强和创新社会治理，强调科技支撑以完善社会治理体系，提高预测预警预防各类风险能力是社会治理的重要内容。在数智化使能的全新社会治理体系中，其主体构建、组织方式和运作机制呈现新特点，通过新兴技术逐步实现对社会运行的精确感知、公共资源的高效配置、社会风险的及时预警和突发事件的快速处置。数智化时代下的治理理念已发生变革，从经验治理向数据治理、从
被动响应型治理向主动预见性治理转变，风险治理的科学化、精细化和智能化水平将得以大幅提升。
4.2.1 大数据驱动风险治理逻辑变革
（1）风险治理原则与模式转变
社会治理原则植根于平衡社会秩序与活力。纯粹的自上而下的治理方式将导致活力不足，而盲目的自下而上的治理方式将导致秩序缺失，因此通过智能算法，以及大规模、全要素社会模拟，在双向迭代中寻找最优次序与活力的动态平衡点，最大化收益，最小化风险。
新一代大数据、智能技术与各层面（国家、社会、社区和组织等层面）治理体系的深度融合，通过提供全景视图和实时分析，提供主动地、有针对性地识别和分析各类社会风险问题，提升各层面治理体系的系统性和统筹性，进而使得社会风险治理从以往以应急主导性的末端治理，向以智能预警与预判为主导的源头治理模式转变。尤其面向重大决策的风险治理模式是源头治本、预防为主、科学决策、权责统一，兼顾公平与效率。
（2）治理方法从社会化向全面数智化转型
陈国青等学者指出围绕信息技术研究的方法论范式可以分为模型驱动与数据驱动两大类，在模型驱动范式下，研究者基于观察抽象和理论推演建立概念模型和关联假设，再借助解析手段对模型进行求解和优化；或利用相关实证数据对假设进行检验；数据驱动范式则借助于统计分析、数据挖掘和机器学习等手段，从数据入手，直接发现特定变量关系模式，形成问题解决方案，进而凝练规律和理论。相关研究形成从自动化、集成化和数据化再到数智化的跃迁。
同理，治理方法从社会化向全面数智化转型，从经验治理转向精准治理。在数智化过程中，社会像素向更细粒度发展并极大提升了数字成像，大数据技术通过对海量数据的快速收集与挖掘、分析与共享，为社会风险治理的科学决策和准确预判提供了有力手段；风险识别不仅基于历史数据和经验，风险识别与预警机制由静态向动态实时转变，面向舆情监测、公共服务、公共卫生和应急事件响应等风险治理逐步精准化、精细化。
进一步，数智化社会风险治理体系通过平台构建愈加可靠和有效，社会风险治理的关键信息和渠道移至数字化风险治理平台，对风险识别与应对的流程进行变革与优化，对特定边界内外的风险治理进行数字化重塑，实现网络化风险协同管控与治理——防御主动化、运营智能化、操作实战化、修护韧性化。
4.2.2 数智化赋能风险治理体系
数智化时代的风险治理应基于数据基础设施，将人工智能、空间计算和复杂科学方法融会贯通，实现适应新时代的风险识别、预警与应对方法，构建由“数”到“智”的风险治理体系。这套体系由数据智能、空间智能和社会智能三个层面组成，相互交错，螺旋上升，以应对从社区至国家不同层次的风险。
（1）基于大规模数据智能的风险治理
随着数字社会程度的推进，对数据的使用也提出了更高的要求。数据智能旨在对大规模数据进行获取、处理和分析，挖掘数据蕴含的信息或知识，使数据拥有智能。因此，基于大规模数据智能的社会风险治理要建立在大规模数据的融合与管理，以及动态数据的实时分析基础上。大数据技术通过对海量数据的快速收集与挖掘、分
析与共享，成为支撑全息社会治理与风险管控的有力手段。
通过社会智能感知的数据具有两方面的重要特征，一方面，数据具有跨媒体、跨领域和多源异构的特点，对数据与知识的智能发现与分析融合带来了挑战；另一方面，数据收集的深度、广度和粒度不断增大，其蕴含的数据价值不断累积，如此海量的数据对社会计算的研究创造了丰富的社会条件，有利于数字社会与复杂系统的模拟与仿真，以发掘人类社会的活动规律与问题，实现基于稳态社会的风险治理。
数智化时代背景下，个人和社会数据源源不断产生，对这些数据进行实时交互分析，数据智能融合提供可粒度缩放、可跨界关联、可全局融合视图的全景式数据融合机制，有助于社会异常现象的发现与应对。例如，新冠疫情背景下社会新问题的发现与应对，以及社会关系的动态演化，这就要求构建面向动态变化的风险治理体系。而随着社会关系与对象的动态演化，增加了数据分析融合过程中的实体和关系的判别难度，以及数据的分析难度，因此从“大”数据中发现“小”概率的社会风险事件仍然具有很大挑战性，人类智慧与经验依然要发挥其作用。数智社会的风险治理需要“人在环中”，当新的社会异常产生后，应能对它进行及时且合理的验证，以便该社会风险能得到有效的应对与处理。
（2）基于多尺度空间智能的风险治理
空间计算综合了复杂性和复杂系统、信息论和数据科学、数据建模与仿真，以及信息可视化、赛博空间、本体论、语义计算等技术，以支撑社会计算急需解决的问题。空间计算是通过不断深化空间计算理论，通过智能化方法来形成一套社会风险治理体系，典型
场景包括防灾应急和传染病防御等。基于空间智能的社会风险治理体系，其优势在于空间计算在数据获取及数据处理方面，为社会风险识别与分析提供了重要的数据源。
数智化时代下，空间数据呈现多源异构形态，灯光、POI 和手机信令等各类地理空间数据已被用于刻画社会情境，可生成宏观、中观和微观等多尺度的关键变量，尤其在收集、处理和分析面向大尺度的社会科学问题时具有显著优势。多源空间数据和空间计算方法（例如空间相关性、空间可视化和地理编码等）为理解社会发展和社会风险另辟蹊径，有助于发现社会潜在风险的时空分布及其演变，从而解决社会风险治理体系的复杂自适应性问题，赋能面向空间计算的社会风险治理。同时，多尺度伸缩的空间智能依赖于可信赖智能计算技术，例如计算安全性、隐私保护、算法可解释性和公平性等。
（3）基于复杂系统的社会智能与风险治理
在数智化过程中，社会像素向更细粒度发展并极大地提升了数字成像，大数据技术通过对海量数据的快速收集与挖掘、分析与共享，为面向社会智能体系中的科学决策和准确预判提供了有力手段。数智化促进了人工社会的形成，人工社会是数字社会的仿真模型，由无数称作为“主体 agent”计算单元构成。物理社会与人工社会之间不断交织，构成了巨大的、更为复杂的社会物理系统。因此，数智化下的社会风险治理应具有复杂的适应性，面向不同主体和群体挖掘其演化规律，并提供与主体适配的智能解决方案。
复杂系统由大量个体构成，由于个体之间的相互作用，复杂系统不是个体性质的简单之和，而呈现关联、合作和涌现等集体行为，
具有非线性和动态性、非均衡、非周期性和开放性等一系列特征。复杂性科学是运用非还原论方法研究复杂系统，从而产生复杂性的机理及其演化规律的科学，其兴起和发展代表了一次重要的科学思维变革，并充分体现了学科交叉融合的特点，涵盖了非线性科学、混沌理论、分形学、模糊学、信息论、控制论、自组织理论、系统论和耗散结构论等不同分支学科的内容。复杂科学常见建模方法，包括基于主体的建模、元胞自动机、蚁群系统、进化算法、神经网络、机器人学、分析学、图形学和群体智能等。
随着数据科学和人工智能技术的快速发展，复杂性科学与人工智能相得益彰，可以将已有的建模方法与人工智能相融合，通过数字孪生建立高维仿真系统，在增强社会风险数据处理能力的同时，提升社会风险模型的拟合程度，以此形成具有高水平的社会风险事件预测、预判能力，以及风险识别能力的社会智能。在社会、经济、管理领域的数字风险系统演化、高阶复杂网络建模与分析、数字社会下人机交互风险等，也恰恰是社会计算与社会智能面向复杂社会系统的目标。例如，结合图表示与深度学习算法，对数智化下的大规模社会风险体系进行网络化建模与学习，智能识别数智社会中的规律和潜在风险，并赋予及时有效的干预策略。
4.2.3 数字社会风险治理方法与机制创新
（1）面向动态复杂网络的风险治理方法创新
数智化时代的风险治理体系从社会化转向全面数智化转型，从经验治理转向精准治理。在数智化过程中，社会像素向更细粒度发展并极大提升了数字成像，大数据技术通过对海量数据的快速收集与挖掘、分析与共享，为社会风险治理的科学决策和准确预判提供
了有力手段，风险识别不仅基于历史数据和经验，风险识别与预警机制由静态向动态实时转变，面向舆情监测、公共服务、公共卫生和应急事件响应等风险治理逐步精准化、精细化。
在大数据环境下领域情境、决策主体、理念假设和方法流程等决策要素都在发生变化，在领域情境方面，支持风险治理与决策的信息多源异构；在决策主体方面，人机交互与协同成为趋势；在理念假设方面，通过假设来概括不可测现象的情形受到冲击；在流程方法方面，传统的是从近线性的、分阶段的决策过程向复杂交错互动的非线性模式转变。
在复杂系统相关研究中，风险分析不再仅局限于对风险源相对独立地加以辨识、评估和控制，复杂系统内风险源及其关联关系交织形成风险网络，复杂系统风险分析相关研究采用基于图论、复杂网络理论、贝叶斯网络和神经网络等多种方法。进一步探索高阶网络的表示学习方法，结合图表示与深度学习算法，对数智化下的大规模复杂社会系统进行网络化建模与学习，智能挖掘数智社会中的风险并赋予有效的干预策略。同时，社会风险治理过程须嵌入有效的因果推断。智能风险识别、朔源、预测乃系统工程，须厘清复杂网络系统中各要素的因果关系，灵活运用关联分析法、干预法和反事实法进行科学的因果推断。
（2）基于区块链的风险治理机制创新
数智化时代下数据要素流通和数据资产确权是风险治理的关键。区块链技术具有去中心化、分散性、透明性和不可篡改等特征。在 数据层面，区块链架构改变了传统资产流动中的“中心化”模式， 赋能数据资产构成、确权与流通。在特定领域（例如金融和税务等），
区块链赋能其风险管理。基于供应链金融运营的全周期，区块链技术得以从数据的获取与甄别、交易流程的优化、风险管控与行为监管等层面进行广范围的赋能。进一步，通过区块链的标准化行业准则，完善信息和网络安全的监管制度，构建危机入侵监测、灾害恢复等管理制度，在风险发生的第一时间启动应急措施，将风险尽量降到最低。
在社会治理层面，有效利用区块链将使社会治理实现可程序化 的算法治理，将区块链应用于风险治理中的数据安全风险（如数据 质量和数据隐私安全等）、算法安全风险（如算法垄断和算法歧视等）、社会安全和文化风险（如信任变革、离群文化风险、开放文化风险 和匿名文化风险等）。此外，构建区块链治理联盟是风险治理的新方 式，基于联盟自治的区块链跨链机制是以链治链，通过构建多方共 治的区块链联盟管理跨链网络，以解决区块链之间的数据共享、价 值流通与业务协同问题，以此加强风险防范与管理。
4.2.4 小结
新一代数智技术应与各层面（国家、社会、社区和组织等层面）治理体系的深度融合，通过提供全景视图和实时分析，以及主动地、有针对性地识别和分析各类社会风险问题，提升各层面治理体系的系统性和统筹性，进而使得数字社会风险治理从以往以应急主导性的末端治理，向以智能预警与预判为主导的源头治理模式转变。通过大数据平台与人工智能技术，构建起一套能够自动实现数据挖掘、收集、分析、预测和预警的新型治理机制，并在数智化基础构建面向新型人工智能系统的智能仿真云、面向问题的复杂系统智能仿真语言、面向边缘计算的智能仿真计算机系统、跨媒体智能可视化技
术等。数智化下的风险治理体系具有高时效、高适应性，上下双向结合，进而强化数字社会风险治理决策的前瞻性和科学性。