2024年6月,國家市場監管總局主管的《中國市場監管研究》期刊發布人工智能特別策劃專刊,用詳盡篇幅對人工智能在市場監管領域的應用前景、業務場景、風險挑戰及行業發展的關鍵策略與建議,進行系統化、全方位闡述。
其中,在“人工智能在市場監管領域的應用與探索”部分,登載北京可為獨家署名文章《生成式人工智能在行政執法領域的應用實踐與探索》,對AIGC應用于市場監管一大主要場景——行政執法領域的技術優勢、基層實踐及行業落地路徑進行深入闡釋。
《中國市場監管研究》創刊于1992年,由國家市場監督管理總局主管、中國市場監督管理學會主辦,是面向國內外公開發行的市場監管系統唯一的綜合性理論刊物和國家A類學術期刊,以深化市場監管理論和實踐研究為宗旨,著力宣傳市場監管執法理論和實踐創新成果,突出理論性、前瞻性和應用性,旨在服務領導決策、破鮮監管難題。
以下是登載的可為署名文章全文,enjoy:)?
生成式人工智能在行政執法領域的應用實踐與探索
摘 要:人工智能是引領新一輪科技革命和產業變革的戰略性技術,正在對世界經濟、社會進步和人類生活產生極其深刻的影響,且對我國科學技術的跨越式發展、產業優化升級、生產力整體躍升具有重大的溢出帶動效應。本文對市場監管領域基層行政執法的現狀進行分析,探討生成式人工智能在市場監管行政執法領域的應用,并對進一步完善優化路徑提出解決思路,以期提高智慧化監管的能力和水平。
關鍵詞:生成式人工智能;市場監管;專業模型;行政執法;智慧監管;監管效能
當今,數字科技加速創新,日益融入經濟社會發展的各領域、全過程,數字經濟發展速度之快、輻射范圍之廣、影響程度之深前所未有。2024年政府工作報告指出,“深化大數據、人工智能等研發應用,開展‘人工智能 +’行動”。人工智能作為引領變革的核心引擎,正以驚人的力量推動著各行各業的創新與發展。
市場監管部門積極推進“互聯網+監管”模式,運用大數據、云計算、人工智能等現代信息技術手段,不斷提高執法效率和效果。2023年3月,市場監管總局印發《市場監管數字+執法能力提升三年行動計劃(2023─2025)》,強調“以服務基層為主線,通過數據應用支撐執法辦案工作,提高市場監管執法的靶向性、精準度”,鼓勵各地積極探索“數字+執法”的新舉措、新模式。
為進一步提高監管的精準性、及時性和有效性,筆者積極推動生成式人工智能技術與市場監管行政執法業務場景的深度融合,以期促進生成式人工智能技術在市場監管關鍵領域的應用創新與業務賦能。
一、市場監管領域行政執法的現狀
2018年機構改革后,職能轉變對市場監管部門行政執法工作提出了更高要求。基層行政執法存在人少事多、執法職責邊界不清、執法標準不統一等痛點難點問題,給執法工作帶來一定困擾。筆者從基層執法人員、法制審核人員和決策管理人員三個視角進行剖析。
1執法人員視角:人少事多,基層執法能力缺口大
首先,基層執法人員的數量、能力與崗位要求不匹配。機構改革后,基層執法人員的工作量有所增加,執法領域有所拓寬,編制卻并未相應增加甚至較之前有所減少。基層執法人員的日常工作除處理海量的投訴舉報和負責各類專項行動的方案制定、跟蹤落實、案例上報及統計報表外,還承擔著地方政府文明創建、平安創建等任務,人少事多矛盾日益凸顯,執法質效嚴重受損。業務整合后,要求基層執法人員從單項能手向綜合執法專家轉變,但由于許多執法人員所學專業與監管領域不匹配,各級市場監管部門普遍缺乏食品藥品、醫療器械、特種設備、標準計量、認證認可等領域的專業技術人員,面對日益專業化、規范化的監管工作捉襟見肘,嚴重制約和影響了執法辦案效果。此外,基層執法隊伍臨聘人員較多、人員流動性大。
其次,市場監管法律法規數量龐大、修訂頻繁。機構改革后,市場監管行政執法領域覆蓋面更廣,需掌握的法律法規及部門規章更多,對業務素質的要求更高。2022年底,“市場監管法律法規規章數據庫”正式上線,其中包括法律121部、行政法規153部和部門規章244部,這對基層執法人員精準掌握、有效適用法律法規提出新的挑戰。由于常用法律法規及案件庫工具基本采用關鍵詞檢索,對于剛入職的市場監管執法人員及市場監管部門工勤人員而言,專業性要求較高,不能滿足他們的業務需求。
2.法制審核人員視角:案件辦理與文書制作不規范,案審過程反復、耗時
由于基層執法人員的素質、能力及專業水平不同,案件辦理與執法文書的制作存在較多不統一、不規范的地方,如特定業務領域(特種設備中電梯相關案件)取證照片不合規、詢問筆錄未包含違法行為關鍵點等,易引發履職風險。此外,由于初始案件數據的創建規范性不強,制作的行政執法文書存在法律用語不準確、法條引用錯誤、主體名稱有誤等問題,易造成案件審核過程的反復,案件處理耗時較長。
3.決策管理人員視角:“辦”“錄”分離、數據不準,決策缺乏大數據支撐
由于基層執法辦案過程缺乏有效的智能化輔助工具,執法人員在接手案件初期一般通過借閱歷史卷宗、請教老同志、網絡搜索等方式求助、咨詢,并參考同類案件的電子存檔,以完成執法文書的制作。有的縣(區)案件辦理與上報錄入由不同人員完成,“辦案”與“錄案”割裂,導致報送執法數據的完整性、準確性、可用性和時效性受到影響,對執法數據高效整合、高質量匯聚、數據分析、執法情報體系的構建,以及作出科學決策、智能研判造成較大影響。同時,“辦錄分離”也給本就緊缺的基層人力帶來額外負擔。
二、生成式人工智能應用于行政執法的優勢
生成式人工智能大語言模型對于非結構化數據具有前所未有的學習和推理能力,可直接用于問題求解。行政執法業務涉及大量非結構化文本處理,生成式人工智能大模型的“智能涌現”[1]能力對此具有獨特優勢,為化解上述難題提供了一種全新的思路。1.提高執法效能
人工智能的運作模式是對收集的數據清洗、加工、挖掘,發現數據要素之間的關聯性與矛盾性,從而在不同要素之間架構橋梁,通過智能化自主學習,不斷接近人類的思維方式[2]。基于海量市場監管法律法規與行政執法案件數據,對人工智能大模型進行垂直行業的數據訓練和模型參數微調,使其在執法辦案過程中對特定案件的定性、處罰及裁量尺度給出建議,并智能推薦相似案件。作為同事同標、類案類判的依據,人工智能大模型通過其智能輔助功能,解決基層人員短缺與專業能力短板的問題。
2.提升辦案規范
通過對典型案件的學習,在事實認定和法律適用上強化對人工智能大模型的訓練,實現類案要素的結構化,形成更具邏輯性、法理性的基礎數據,為“爭議焦點”“案情特征”等智慧化處理奠定基礎[3]。人工智能大模型通過深度學習,實現自動提煉現場筆錄、詢問筆錄、調查取證等功能,以融入案件辦理的各環節。在案件初始數據創建之時,建立同類型案件處置的標準規范,以規避基層執法人員的隨意性,從執法辦案的源頭保證行政執法工作的規范性。
3.提高案件質量
生成式人工智能大語言模型的文本生成與智能推理能力在一定程度上接近人類。通過數據訓練,可以做到對于給定的案源線索和核查事實證據按要求自動實現案源描述、立案理由、調查認定事實、證據總結、定性處罰等內容的生成與填寫,并完成從案件登記、立案、調查取證、告知直至結案等執法辦案全流程、各階段行政處罰文書的智能編制,以提升案件專業化水平,確保報送數據的質量。
三、行政執法領域的生成式人工智能實踐
隨著國內外生成式人工智能大模型的不斷升級迭代,筆者所在團隊在中國市場監督管理學會的指導下,采用國內開源基礎模型進行數據訓練和參數微調,針對市場監管領域行政執法的職能創建專業模型,利用統計分析、關聯規則挖掘等技術,提取對違法行為判斷有重要影響的特征,通過海量高質量數據對基礎大模型進行參數微調,完成專門針對市場監管領域的專業模型訓練。從訓練后的模型性能評測看,微調訓練的模型推理效果能較好滿足基層行政執法辦案對案件線索識別、案件性質推理等場景的需要,尤其是在行政執法工作賦能與減負兩個方面成效顯著。
1.智能法規顧問:人機交互范式和技術應用觸達點發生變化
區別于傳統法律法規和案件庫等工具組合關鍵詞檢索的交互形式,生成式人工智能專業模型允許以“提示詞(prompt)”方式輸入。執法人員無需記住業務領域的專業術語和法律法規,只要在專業模型的問答窗口直接輸入自然語義,如“報名培訓機構不給退費”等內容,模型經自主分析后即會給出涉嫌違法行為、違反的法條、定性及處罰依據、自由裁量標準及不同地區的相似案件或已歸檔案件卷宗,并以知識圖譜形式展示結果。通過新的交互范式,對執法人員法律熟悉度和業務熟練度的硬性要求得以顯著降低,同時有效拓展了法律專業知識的觸達點。
2.智能辦案輔助:構建“數字+執法”新場景新模式
從案件登記、審批、取證、告知、處理、執行到結案的整個執法過程,通過專業模型能力輸出,執法人員可通過“AI執法指導”功能獲取案情分析、案件定性、處罰與自由裁量等量罰建議,或利用“AI幫我辦”功能直接完成案件各環節的辦理。在案件登記和立案核查階段,根據投訴舉報、監督檢查或移送、交辦的案件線索,可通過基于后臺行業模型的AI機器人進行預判;隨著調查取證不斷推進、現場筆錄及詢問筆錄不斷完善、證據信息不斷豐富,專業模型給出的案件研判將逐步趨近精準。通過行業模型的智能服務,涉及食品、廣告、商標等業務的簡單案件,均可交由“智能體”[4]完成,以解決基層市場監管所人少事多、執法能力不足的困境,提高執法效能。
3.智能文書生成:提升案件數據準確性和執法規范性,釋放基層人力
執法文書的專業性、規范性問題是造成法制審核過程耗時較長的主要因素。專業模型根據案件線索和調查取證結果進行智能推理,按《市場監督管理行政處罰文書格式范本(2021版)》格式要求,自動完成案件來源登記表、立案審批表、詢問筆錄、現場筆錄、調查終結報告、行政處罰決定書、結案審批表等文書的自動制作。由模型生成的內容在文書中以不同顏色區分,經人工審核、確認后提交云端保存,并自動完成卷宗電子化歸檔。這可以將業務規范融入執法辦案各環節,有助于提高執法文書的統一性,提升案件數據質量,降低案審的返工概率。
4.智能類案檢索:重塑業務咨詢模式,確保同事同標、類案類判
類案檢索不僅可以作為獨立的功能模塊使用,而且也可以貫穿執法辦案全流程。基于辦案不同階段案情信息的完善度、豐富度,專業模型通過對案件特征進行語義分析,從后臺海量案件庫中進行智能檢索,尋找與違法行為相似的類案,并根據分析結果進行排序。每個類案均可以展示案情事實描述、證據材料、法律依據、相應處罰措施及已公示的行政處罰文書,為案件辦理、量罰提供參考建議。這有效降低了使用門檻,提高了辦案實效和執法水平,確保了執法的公正性。
5.智能移動執法:拓展觸達環節,過程自動留痕,大幅提升案件質量
行政執法AI智能辦案系統在電腦端與移動端實時同步,雙端互通,自動實現云端歸檔卷宗和統計分析研判,破解二次人工錄入擠占基層監管資源的難題,切實提高監管質效和案件質量。案件審核人員使用手機隨時進行案件審批,避免“帶節奏匯報”“集中手動簽字”等不規范行為,大幅降低基層執法辦案多次往返、領導外出無法簽字等造成的時間消耗,同時也有效規避了審批延誤帶來的程序風險。案件辦理過程中自動留痕報送,各級領導在手機上可以隨時查看數據分析,進行風險研判。
四、生成式人工智能在行政執法應用中存在的主要問題
1.人工智能大模型通用能力認知誤區
生成式人工智能大模型表現出的通用能力讓很多用戶產生“一個模型解決一切問題”的誤解,從而容易陷入積極嘗試、落差極大、失望而歸的循環。更為不利的是,該誤區有可能延緩前沿科技在行業的落地速度。
2.行業數字化程度不足,高質量數據缺失
生成式人工智能最早應用落地的都是數字化程度高、基礎好的行業,如數字營銷、媒體、直播、電商等。市場監管領域數字化轉型尚不徹底,各地行政執法案件的數據規范性不強,結構化、數字化不足,執法辦案的結果數據居多、過程數據缺失,可用于人工智能訓練的高質量數據缺口較大,前期數據標注及特征工程[5]要求的投入巨大。
3.現行法規不完善與業務規范缺失·
專業模型的訓練既要求數據的數量、質量,也要求數據的差異化、多樣化。對于行政執法中發生頻度相對低的案件或如“數字藏品”等新業態現象,存在法律法規不健全、行業規范缺失、政策保障不完善等問題,導致專業模型可學習的數據不足,訓練效果不理想。
五、進一步完善生成式人工智能在行政執法中的應用
1.建立行政執法人工智能“模型工程化”領域知識庫
從對大模型本身的關注轉為聚焦專業模型和垂直模型。生成式人工智能跨界屬性強,在行業的落地要求具備深厚的專業知識、數字化技術及大模型工程化的融合能力。建設行政執法領域知識庫并非傳統法律法規與案件庫,而是通過人工智能行業特征工程產生的、可用于大模型訓練的行政執法業務知識、標注數據集、細分場景、向量表現集合等數據集合,為生成式人工智能在市場監管領域行政執法的“數據要素乘法效應”奠定基礎。
2.推廣生成式人工智能的落地應用,通過數據飛輪實現數據反哺
生成式人工智能發展需要數據化邏輯做支撐。行政執法數據的高質量報送、數據深度分析應用等取決于基層執法能否產生優質案件數據。通過解決案件創建環節的效能問題,回歸“辦”“錄”一體,在案件被創建和辦理過程中自動實現“錄”案工作,實現徹底數字化,以反哺模型的訓練與優化,提高模型推理性能與準確性。
3.建立執法專家庫
應在一定范圍內建立執法專家庫,對市場監管領域行政執法存在爭議的領域、新業態案件的判定進行定性解讀,并指導行業模型做相應的訓練,不斷提升大模型推理研判的準確性,提高行政處罰案件中長尾數據[6]的覆蓋度。
參考文獻:
[1] 在人工智能技術領域,“智能涌現”指的是當人工智能模型的參數量規模超過某個臨界閾值時,模型的性能發生從微觀漸變到宏觀質變躍升的現象。
[2] 高可:《司法智能化的功能、風險與完善》,《西安交通大學學報(社會科學)》,2020 年第 6 期,第145-152頁。
[3] 王肅之:《規范指導視域下類案檢索的智慧化》,《法律適用》,2021 年第 9 期,第150-159頁。
[4] “智能體”是生成式人工智能領域一個技術概念,可理解為基于大模型能力輸出,自主進行邏輯判斷并完成相關任務執行閉環的一套技術組件集合。
[5] 特征工程是人工智能領域的概念,指的是最大限度從原始的數據中提取業務特征,以供人工智能的算法和大模型使用。
[6] 長尾數據指的是數據集中類別數量分布不均衡、一小部分類別具有大量樣本而其他類別僅有少量樣本現象。此處是指在市場監管領域行政執法的案件集中在食品、商標、廣告等少數類別,而其他如特種設備、藥品、醫療器械、化妝品等類別的案件數量相對較少。

