孙紫轩｜智能算法在监察领域应用的可能与限度

孙紫轩

上海市闵行区监察委干部

要目

一、智能算法在监察领域应用的现状与趋势二、智能算法在监察领域的应用方向三、智能算法在监察领域需要解决的问题以及应用路径结语

监察治理体系和治理能力的现代化，是习近平法治思想中的重要组成部分。智能算法的发展，为完善纪检监察制度、破解监督难题，提供了重大历史机遇和强大科技支撑。监察机关要重点针对治理工具进行现代化改革，在法治轨道上推进监察工作高质量发展。运用智能算法可以促进监察工作管理方式转型，推动监察方式由样本式转为全息式，由结果导向转为过程导向，提高办案质效。为进一步推进智能算法在监察领域的深度应用，需要应对数据偏差、常识谬误、算法黑箱等方面的问题，尊重技术发展的客观规律，优化智能算法的应用路径。

进入21世纪以来，人类社会的发展呈现出加速变革的态势，大数据、区块链、人工智能等现代科技的融合发展和广泛运用改变着国家治理体系，改变着法律体系及其运行方式，改变着政府的决策程序和实施机制，人民群众的生产、生活、生存、学习、行为等方式都在适应现代化社会的变革，人类社会正在塑造全新的以智能化、信息化为标志的现代化社会。现代科技不断为社会赋能，为国家治理体系和治理能力现代化奠定坚实基础，是实现国家治理现代化的必由之路。2019年1月，习近平总书记在第十九届中央纪委第三次全体会议上的重要讲话指出，要进一步深化国家监察体制改革，健全内控机制。推动科技与监察体制改革的深度融合已经成为实现国家治理体系现代化建设的重要领域和迫切要求。以算法应用为代表的现代科技可以促进纪检监察部门协同互动、创新机制、顺畅交流、资源配置，建立科学高效的组织实施体系，促进信息化时代治理腐败方式的变革，提高反腐能力，这是推进纪检监察治理体系和治理能力现代化的基础性、系统性、长期性任务。

一、智能算法在监察领域应用的现状与趋势

以习近平同志为核心的党中央连续多年在前沿科技领域布局，例如政治局集体学习的主题分别有实施国家大数据战略、人工智能发展现状和趋势、区块链技术发展现状和趋势、量子科技研究和应用前景等。中央纪委国家监委高度重视监察工作的科学化、信息化与智能化，印发了《中央纪委国家监委信息化工作规划（2018-2022年）》，对今后五年纪检监察信息化工作的总体目标和主要任务作出部署。党的第十九届中央纪律检查委员会第二次全体会议指出，要充分运用互联网技术和信息化手段，建设覆盖纪检监察系统的检举举报平台；各级纪检监察机关要着力把信息化与深化纪检监察体制改革、深化“三转”工作有机结合起来，积极探索运用互联网、大数据和信息化手段，推动纪检监察业务与现代信息技术深入融合。

各级监察机关纷纷积极响应，立足于“智能+”时代，不断探索智能技术应用于监察业务工作的举措。通过在监察领域引入智能算法，将监察对象与监察区域全景式联结，并对监察信息进行收集、清洗、挖掘与分析，以期在监察信息化平台上对多种行政行为开展实时监测、风险预警、绩效统计与评估，实现全覆盖、全程同步的监察。“科技+监察”也逐步成为提高监察工作科学化和精准化水平的新型手段。

从实践层面考察，各地监察机关已经开展探索智慧算法在监察领域的深度应用。2005年深圳市正式运行的电子监察系统，由电子监察平台、视频监督系统和行政审批网站三部分组成。其中，电子监察平台是核心部分，由诸多子系统集合而成，构建于政府内网上，其数据和运行与互联网并不相通。深圳的行政审批电子监察系统作为算法应用的初步尝试，已具备了实时监察、纠错预警等功能，为其他地区建立智能监察系统提供了前期探索和有价值的参考。2008年后，青岛市纪委监察局启动“信息网络技术在重要行政权力阳光运行及纪检监察业务工作中的应用研究项目”，为智慧监察不断铺路。自国家监察委成立后，各地运用科技促进监察机关工作开展的脚步越来越快。从2017年2月开始，贵州省纪委借助信息化手段创新监督方式，开展纪律监督“数据铁笼”试点工程建设，依托大数据技术，在民生资金、“三公”经费、执纪执法审查等重点领域、关键环节建立4个监督系统，实现资金流转、权力运行的全程记录、追溯和预警。2018年天津市纪委监委把信息化建设作为提高工作效能，加快观念更新和管理创新的助推器，开始运行党风政风监督信息系统，用自动生成的统计数据，不仅提高工作效率和精准性，还兼具分析对比功能。呼和浩特纪委监委探索“区块链+智慧监察”，充分发挥区块链技术在日常监督、执纪问责、审查调查工作中的优势，初步实现“智慧监督、数据反腐”的大数据新技术应用。湖北恩施探索“智慧监察”，利用大数据精准监督，运用技术助力调查取证。2018年，山东烟台市纪委监委以“一个平台（协同办公平台）、两个中心（数据中心和统一资源中心）、N个业务系统”为总体构架，高标准建设纪检监察综合业务一体化智能平台，用信息技术支撑、保障和服务主业主责，基本实现全员应用、全程留痕、全业务覆盖。

不仅各地纪检监察机关进行智慧监察的探索，法律服务市场也开始推出纪检监察智能化产品。例如纪检监察知识应用平台，以海量法律大数据为基础，以数据深度整合应用的独特优势为依托，以解决纪检监察办公办案实际需求为导向，专门打造以知识服务、信息检索和办案辅助为核心的综合应用平台，推进大数据、人工智能等先进技术在纪检监察领域的数字化、网络化、智能化应用，助力国家监察权的行使。

总体而言，各地探索的智慧纪检建设以“系统集成、协同高效”为理念，运用人工智能算法实现大数据筛查问题线索、执纪作业电子化，不再单纯依靠信访举报等传统模式，而是运用科技手段，整合数据库资源，把人与人、人与事、事与事的异常行为异常情况找到，提示廉政风险点，精准定位监督，促进监察机关掌握政治生态全貌，构建全方位监督体系。

二、智能算法在监察领域的应用方向

作为计算机处理数据活动的具体步骤，算法一般被用于计算机计算、数据处理、逻辑推理等方面，不需要人为干预即可根据获取的一个或多个预设变量，自动推算可能的结果。政法领域的司法体制改革已经全面推行智能算法应用，以上海“206系统”为代表的实践效果证明，全面推进依法治国、全面深化改革，实现国家治理体系、治理能力现代化，必须要有科技作为支撑。法治只有与科技结合，才能更好地发展进步，才能成为真正的科学，才能更好地彰显公平正义的本质。十九届中央纪委四次会议中明确把监督和反腐败工作纳入国家制度和治理体系并作出顶层设计。国家监察体制的改革，监察职能的重组对监察委工作提出了更高的要求和创新。但监察委当前工作管理的手段主要是依赖传统方式，“粗放型”管理导致业务效率不高、部门之间联系不紧密，从而造成了人力、物力的浪费。要实现纪检监察工作高质量的发展，除了要调整纪检监察工作人员的思维方式，还要运用智能算法等现代科技支持反腐败工作。

借助智能算法提升办案质效

科技是推进改革，破解难题，实现国家治理体系和治理能力现代化的利器。人工智能等现代科技的应用，可以促进法律、党纪等规范的形式理性研究，实现办案过程的全流程质量监管，引导并限制纪检监察人员的自由裁量。国家为了限制自由裁量权，采取行政化签发等方式试图进行控制，但因缺乏对具体案情的掌握，对自由裁量权的监督往往流于形式。人工智能等现代科技可以弥补人类的锚定效应、有限意志力等理性瑕疵，并促进缺省规则规范化、决策语境典型化。现代科技与办案人员的深度耦合，有利于整体提升办案人员的认知判断能力，可以提示和辅助纪检监察人员对事实的认定，并将纪法规则和原则的适用尽可能典型化、规范化。算法程序的形式主义色彩，使得纪检监察人员必须在限定的框架下推动办案进程，事实上形成了技术的指引、限制和监督效果。

2020年，全国纪检监察机关运用“四种形态”共处理195.4万人次，其中涉嫌职务犯罪、移送检察机关1.7万人次。监察事业的工作强度增大，需要处理的事项也大幅度增加，亟待提升办案效率。纪检监察机关可以借鉴政法单位信息化、智能化建设的经验，如公安机关智能辅助审讯系统、检察机关的全国检察业务统一应用系统、法院的刑事案件智能辅助办案系统、司法局的智慧司法大数据平台等建设经验，在监察领域推进智能算法的深度应用。同时，监察委通过借助算法技术，与政法系统和其他行政执法部门实现实时、同步数据交换和共享，建设数字化审查调查工作平台，促进信息获取网络化、工作方式科技化，使情报获取更加快速、利用更加高效。利用大数据的结构分析，有效缓解沟通成本高、查案效率低等难题，大幅度提高监察工作办案的效率和管理能力。

促进监察工作管理方式转型

智能算法可以辅助构建办案质量控制机制，将传统的质量监控机制吸收、融合，智能算法可以将案例、基准等诸多手段集合于一身，提升类案办案的科学性。同时，智能算法技术有利于管理者掌握纪检监察人员的工作状态，便于考核和监督。例如通过开发“偏离预警”等实时动态的办案质量控制机制，填补质量监控体制缺漏。人工智能的应用还可以对现存先例、标准、规范进行大数据式的检验，频繁遭到人工校正的法律党纪适用、从未得到援引的规范条文，都将成为纪检监察相关立法修法关注的重点。在对相关办案信息进行收集、提炼之后，可以形成新的标准或规则，进而对规范解释甚至立法工作产生有益影响。

监察机关和纪委合署办公，意味着纪检监察机关在审理案件时需要区分违纪、违法、犯罪等不同情形而作出不同的处置决定，这就要求监察工作要更加精细化。为了保证案件能够得到公平的处理，就要尽量做到面对类案时采取相同的处理方法。通过算法技术对监察数据的深度挖掘，可以将监察委的已有案件数据进行采集，形成案件大数据，通过对大量同类案件数据的分析，梳理出影响案件质量的要素，建立起案件与对应法律法规、党纪规范的关系网络，进行类案研判分析，解决适法不统一的问题，为监察委办案决策提供支持。同时，通过算法实现数据共享，可以进行法律研究服务决策。采用算法进行大数据分析，是把监察业务、办公队伍等各方面工作的数据全部打通进行融合综合分析，找出有价值的关联点，用客观的数据反映业务态势全貌，为科学管理决策提供支持，借助智能算法对监察数据的挖掘作用，可以发现一些监察工作中发现不了却又客观存在的事物关联，作为规范制定、决策参考的重要依据。

提升监察公开和服务群众的水平

智能算法可以提升监察事务的处理效率、提升面向群众的服务水平，对纪检监察常规事务性工作形成替代，解放人力，优化人民群众的监督体验。通过标准化、自动化的监督服务，引导群众收集和提供线索更加全面、规范材料文书用语。智能算法可以辅助形成对监察结果的预期范围，通过数字化、清单式、统一规范的标准，强化与公检法司等政法单位和政府部门的有机联系，建立案件及线索的快速交流机制，将纪检监察业务范围外的事项快速分流至公检法司等其他单位，将公检法司等其他单位办案涉及的纪检监察事项快速接入，降低单位间、部门间的交流成本，让纪检监察人员的精力专注于案件实质的办理。

监察公开是对监察委工作的一个必然要求，这不仅有利于人民群众参与到反腐工作中来，也有利于发挥监察委的综合职能。伴随着新媒体平台的崛起，新媒体平台也成了“大数据”收集和发布的有效途径。新媒体公开平台是为满足人们获取数据信息而产生的，是一种新型的电子监察公开形式，可以有效、便捷地服务公众。在目前海量数据爆炸的时代，有效利用监察“大数据”在创新社会管理、化解社会矛盾、倾听民众呼声、解决实际问题方面的功能。可以借助算法技术，进一步深化新媒体平台的运用力度，与人民群众进行互动，指导社会公众通过正常途径反映问题和解决问题。例如，通过自动收集、调取群众的历史来访记录，进行数据挖掘，预测、分析出群众所需的服务。

智能算法的深度应用，为推进纪检监察制度改革、破解监督难题，提供了重大历史机遇和强大科技支撑。在智能社会的时代背景下，我们面临新风险、新挑战，应当把现代科技伟力和纪检监察人员的创造力更好地结合起来，形成科技理性、法治理性、人类理性的融合效应，最大限度地克服纪检监察人员认识局限性和主观随意性的弊端，确保监察权依法独立行使，减少执法执纪的任意性，持续完善纪检监察体制机制，强化国家监察职权的规范行使。

三、智能算法在监察领域需要解决的问题以及应用路径

智能算法的限制与应对方案

法律、纪律的泉源来自历史演进中的文化真实。在纪检监察治理中，要尊重来自广袤国土之上、漫长历史之中的文化源流，保障人民利益并矫正社会中存在的不正义，要切实履行好监察职责，构建决策科学、执行坚决、监督有力的权力运行体系。智能算法通过模拟监察官思维的全过程，穷尽所有事实细节，遍历所有可能的执纪方案，从而在每个环节实现人机协作办案，把控办案质量。然而，智能算法也存在自身的局限性，如何克服这些局限性，决定了技术应用的边界。

1.建立监察数据管理机制，应对“数据偏差”问题

机器学习伴随着“大数据”的发展模式，然而根据数据行业的“Garbage in，Garbage out”定律，如果数据不经清洗后使用，不仅无法达到程序预设目的，还会产生副作用，有问题的输入内容将会导致有问题的输出结果，产生“数据偏差”（data bias）问题。智能算法以数据为基础，如果数据出现问题，结果也将发生偏离。这个问题普遍存在于各个行业的人工智能领域，很典型的例子就是算法歧视问题。正因如此，人工智能界开始逐步重视因果关系，提倡“小数据”的新范式，试图构建具有认知智能的新型人工智能技术。但遗憾的是，目前国内主流的人工智能技术仍然是“算法黑箱式”机器学习，强调“大数据”的模式，数据的质量直接决定机器学习的结果，而“大数据”模式又很容易面临数据质量和数据偏见的难题。

监察工作既是一项法治工作，也涉及多维复杂的政治活动，具有动态性、协作性等特性。智能算法的应用需要充分理解监察活动的内在逻辑和外在表现，根据不同活动场景进行差异化、层次化的模型建构。例如，智能算法可以将监察行为拆分为时间、空间、语义、语境等方面的要素，通过数据标注、属性测量、符号分析、环境分析等运作方式进行虚拟还原，构建监察知识库。根据使用场景的实际需求，进行多层次建模，根据人类专家经验，模拟人类专家的推理过程。第一，对形成监察知识库的数据，尤其是在基础性的标注工作中，应当重视数据质量的管理，避免因源头数据问题导致知识库存在潜在谬误；第二，当后台数据不断积累，应当强化业务指引，对监察知识库进行有效的管理，建立统一的数据标准，及时淘汰已经被废止、被替换的规范依据和案例依据，以及相应的数据，并根据法律和政策调整进行数据更新；第三，重视业务反馈，建立问题反馈和咨询系统，跟进业务需求，不断进行数据优化。

2.构建监察知识图谱，应对“常识谬误”问题

机器学习依赖于大量原始数据的训练从而构建能够经受测试的假设模型，基本逻辑是发现数据的相关性。但机器学习无法在运行之前就事先确定“复杂程度”（参数的维度、多项式的选择），并且目前尚无法真正理解语义，也缺乏人类大脑的生物化学过程，因缺乏人类常识而导致很多谬误。典型例证之一就是欠拟合（underfitting）和过拟合（overfitting）问题，会出现尚未掌握样本的一般性质（欠拟合），以及将样本自身特点当作潜在样本的一般性质（过拟合）。简单概括而言，就是在复杂程度（X）和准确率（Y）的正态分布曲线上，不够复杂和过于复杂都会导致准确率的下降。欠拟合相对容易克服，例如在神经网络学习中进行轮数提升、决策树学习中进行分支扩展。但过拟合较为复杂，无法彻底避免，是机器学习的关键障碍。社会上普遍存在对人工智能的认知误区之一，就是认为人工智能应用效果不好是“机器还没学够”，只要用得够多、样本够大就可以不断提升效果，但实际情况却因过拟合问题而适得其反。

造成如此困境的根本原因是机器学习遵循的是相关性逻辑，而不是因果性逻辑，虽然数据是复杂多样的，但算法是相对僵化的。如果要解决上述因参数环境变化导致的“鲁棒性（robustness）”问题，必须融入因果关系模型，而不仅仅局限于相关关系。知识图谱行业最新研究表明，如果要模拟人类思维向认知智能演化，需要将知识图谱从“实体”的维度，上升到“事件”的维度，反映更高层次的语义信息，模拟人类社会“事理”的运行方式，业内称之为“事理图谱”。从认知心理学的角度看，以“事件”为知识基本单元契合客观世界，反映知识的动态性，顺应人类的思维习惯。事理图谱的本质是事理逻辑知识库，通过“节点”（事件）和“有向边”（因果关系），形成“有向有环图”，用于描述事件之间的推演规律。事理图谱的技术本质仍属于知识图谱范畴，分为“自顶向下”和“自底向上”两种模式。“自底向上”是“大数据模式”，基于海量文本自动化获取，选择置信度较高的加入知识库；“自顶向下”是“小数据模式”，先以领域专家手动构建，为知识图谱定义好数据模式，依赖于现有的结构化知识库作为基础。

笔者认为，混杂因素对“因”的影响，会干扰因果关系推断、遮蔽事实的真相；附属假设错误，会导致分析基础偏差、导致归纳的谬误。因而，算法通过定量分析得出的结论，虽然是精确的但未必是正当的，只能给监察官作为参考，需要人为审慎把关。同时，在系统设计时，应当充分考虑数据的时效性，通过权重比例的设计，尽可能提高预测的准确性。

3.完善执纪程序和标准，应对“算法黑箱”问题

人工智能领域的很多技术应用依赖于大数据和相关性思维，例如深度学习、神经网络等领域的发展主要以追求预测准确率为核心指标，却无法做到统计学模型的可解释性，例如传统线性回归或规则推导的数据拟合过程。因此，只能看到数据输入过程和输出结果的现象，导致了“算法黑箱”问题，意味着算法有我们不能观察、不能理解的“隐层”，即无法理解机器算法的逻辑，难以实现可解释性。

智能算法在监察领域应用的目标是延伸和增强人类办案的能力和效率，搭建人和机器和谐共生的关系。人工智能技术是一个非常广泛的领域，可以归纳为计算视觉、认知推理、语言通讯（自然语言处理）、博弈伦理、机器人学和机器学习六大领域。各领域的技术在共同的平台上呈现交互和融合的趋势。物理世界存在客观的现实和因果链条，监察办案场景存在明确的任务和价值链条。在设计智能系统时，必须充分理解因果链条和价值链条并让系统适应其中。这就需要切分办案场景，各项人工智能细分领域的技术应当被应用在正确的位置上，逐步实现交互融合。智能算法应用不能形成“算法黑箱”（Algorithm black box），而是应当拆解和融入整个办案活动的各个环节，让算法透明化、流程可视化、决策知识化，从而增强办案活动的科学性和可解释性。

智能算法在监察领域的应用路径

“大数据时代干预生活世界的算法能够解决大量复杂的任务，包括执行搜索、安全加密、优先推荐、模式识别、预测、分析、仿真和优化等，算法已然成为社会新的权力中间人。”算法在解决各行业领域出现的问题中发挥着越来越大的作用。运用智能算法，实现治理工具上的现代化，可以逐步建设和完善纪检监察权力运行机制和管理监督制约体系，推进纪检监察工作高质量发展，全面赋能纪检监察工作。

1.推动建设覆盖全国纪检监察系统的算法平台

习近平总书记在党的十九大报告中指出：“构建党统一指挥、全面覆盖、权威高效的监督体系，把党内监督同国家机关监督、民主监督、司法监督、群众监督、舆论监督贯通起来，增强监督合力”。这为健全新时代党和国家监督体系提供了理念遵循和路径指引。如何进一步整合包括国家监察体系在内的国家监督体系模型，构建统一性接口、标准化结构的数据标准体系和算法平台，从而为未来国家监督总体模型的设立提供完善的子系统结构体系，是大数据时代监督原型模型设计的重要问题。运用现代科技反腐首先需要政府多个部门数据库为构建纪检监察监督体系而服务。在纵向方面，需要构建纪检监察机关省市县三级数据体系；横向方面，需要工商、民政、公安、房产登记、银行以及检察机关和法院的相关数据。上述数据是否足够丰富和足够对纪检监察机关开放直接制约着数据的利用和监督效能的发挥。目前，上述数据的部门单位或者行业存在属于各自数据的变量编码和制定规则和研发标准，且各自为政难以共享，不仅导致纪检监察机关数据库呈现碎片化，使反腐监督信息领域数据挖掘产生了“数字鸿沟”。这就需要在数据系统开发中的对接口、变量和函数进行统一规范，制定相应的国家和行业标准。同时在进行研发时遵循面向对象的开发原则，为未来系统之间的数据衔接预留开放的接口。具体到监督系统而言，以深化监察体制改革为切入点，通过国家顶层设计和统一规划，统一数据接口和数据格式标准，形成全面、权威、统一的国家纪检监察系统的信息共享平台国家。破除“数据壁垒”和“信息孤岛”的状态，将涉及跨部门、跨领域、跨地区大数据信息进行统一录入，实现监察机关数据的互联互通，确保监察机关对办案对象监察信息全程跟踪、实时监控，从而确保监察全覆盖目标实现。

2.探索监督图谱理论体系和原形模型

为了进一步推动算法技术在监察领域的应用，实现更加智能的系统功能，可以采取“知识图谱”的技术模型手段。所谓知识图谱，是通过描述客观世界中的实体、概念、事件、属性以及这些因素之间的联系，以标准化的实体和概念的属性名称，实现信息检索和抽取、机器学习、数据挖掘、自然语言处理等交叉领域的运用。从知识图谱技术的发展历史来看，通过对大数据挖掘技术获取的样本数据进行算法编制，获取其中的标识信息，进而设计系统模型，达到数据挖掘和系统构建的目的。目前知识图谱的应用主要集中在对文献资料和语义信息进行大数据分析，基于监察制度改革的领域应用还处于起步阶段。例如江西省南昌市西湖区纪委监委于2018年委托太原理工大学启动了“监督图谱”的理论体系构建和原型模型开发工作，目前项目已完成前期理论探索研究工作，即将转入模型优化和系统开发阶段。

3.运用智能算法构建监测预警系统

智能算法可以实现人力难以企及的7天24小时不间断的监测预警，构建智能监测预警系统，可以达到全景式展现、全息式还原、全天候运行的状态。

第一，基于关联分析的隐含关系发现。通过融合公安、税务、金融、物流、出行、通信、消费等多源数据，可以建立人、钱、物、事之间完整、复杂的关系网络，从而帮助反腐侦办人员发现隐含关联关系，理清实践来龙去脉，辅助案件侦办。

第二，基于异常检测的疑似腐败行为预警，通过智能算法让反腐工作从“事后跟进”向“事前预测”转变。反腐领域涉及面广、相关信息非常庞杂，虽然腐败行为的蛛丝马迹被各种信息系统所记录，但这些信息“藏身于”海量的其他数据之间，往往很难发现。然而，腐败行为一般都具有一个共性的特征：异常性。例如：人员财产的异常变动、办事流程的异常变更、人际交往的异常行为等等。通过对监察对象的银行存款、证券基金账户、车辆信息、房产信息等数据的分析，判断监察对象的财产状况是否存在异常，及时启动预防措施，对监察对象进行提醒谈话教育，使可能存在的腐败苗头性问题及时得到遏制。

结语

现代化社会的治理是一项复杂的系统工程，纪检监察机关必须站在着力完善纪检监察治理体系和治理能力现代化的理念高度，高举执纪监督大旗，本着求真务实、积极探索的态度，用好用足智能算法技术，逐步构建决策科学、执行坚决、监督有力的权力运行体系。在纪检监察和反腐败工作中，结合现代科技应用，不断提高运用法治思维和法治方式的能力，巩固和发展反腐败斗争压倒性胜利成果、夺取反腐败斗争新胜利，实现新时代纪检监察工作的高质量发展。

往期精彩回顾

上海市法学会官网

http://www.sls.org.cn