政府如何在政策制定全周期中平衡人工智能效率与风险控制？

政府在政策制定全周期中平衡人工智能效率与风险，需从数据治理、人机协作机制及制度保障三个维度入手。

首先，在数据层面，必须解决输入数据的质量与偏见问题。政府应审计现有数据资产，识别结构化与非结构化数据的缺口，并采用检索增强生成等技术框架，确保人工智能生成的见解基于最新、准确且具代表性的可信知识库。对于敏感数据，需实施严格的分类管理与主权控制，限制其在批准环境中的使用，以防止泄露与滥用。

其次，在人机协作方面，需明确界定人类判断的决定性作用。针对高风险决策，政府应将人工智能定位为“副驾驶”而非自主作者，强制要求人工监督与事实核查。这意味着政策专业人员需保留最终决策权，并具备批判性评估人工智能输出的能力，以识别幻觉或不合理逻辑。例如，欧盟规定高风险人工智能系统部署者必须指定具备相应能力的人员进行监督，确保人类判断在重大后果决策中保持活跃。

再者，制度保障需涵盖透明度与问责机制。政府应推行算法透明度标准，要求记录人工智能工具的使用方式、推理逻辑及审计追踪，以便向公众和决策者解释输出结果。同时，建立结构化的反馈回路，通过试点项目评估输出质量与潜在风险，并在规模化前设定明确的质量标准。此外，为促进包容性，政府需提供多语言接入与低摩擦界面，避免数字鸿沟导致的参与不平等，确保政策制定的合法性与广泛代表性。