人工智能时代中国自主知识体系建构
□ 张东刚
当前,以生成式人工智能为代表的智能技术浪潮,正以前所未有的广度与深度渗透至人类社会各领域,引发生产力与生产关系的深刻变革。习近平总书记深刻指出,“哲学社会科学是人们认识世界、改造世界的重要工具,是推动历史发展和社会进步的重要力量”。人工智能作为这一变革的核心驱动力,与哲学社会科学的结合,超越了简单的工具性应用,触及研究范式、知识生产逻辑与学术生态的深层结构。这要求我们深刻理解工具理性和价值理性的辩证统一,深刻把握二者“双向赋能、相互塑造”的内在逻辑:一方面,自觉运用人工智能这一革命性力量,为建构中国自主的知识体系提供全新动能;另一方面,以哲学社会科学引领人工智能的健康发展,确保其服务于中国式现代化与创造人类文明新形态的伟大实践。
人工智能驱动哲学社会科学的深刻变革
纵观人类文明史,每一次划时代的技术革命,都不仅是以生产工具为代表的生产力飞跃,更是认识世界、改造世界的思维方式的深刻变革。从马克思主义的观点看,人工智能作为当代最活跃、最具渗透性的“一般智力”形态之一,代表着生产力的质变性突破。这种跃升必将要求并推动作为上层建筑重要组成部分的哲学社会科学,在研究预设、方法路径、评价标准等方面,发生系统性、结构性的重塑。
拓展认知疆域,重塑研究范式。研究范式是特定学术共同体在某一历史时期所共同遵循的基本信念、理论框架与方法规范,构成知识生产与理论建构的深层基础。范式的转型往往先行于知识体系的重构,并为后者提供前提性条件。因此,剖析人工智能对研究范式的影响,是理解其赋能自主知识体系建构的逻辑起点。从哲学基础来看,人工智能重塑研究范式涵盖本体论、认识论与方法论三个层面。在本体论范式上,人工智能推动社会实在图景发生结构性变化,催生了新的、亟待认识的社会实在,研究对象不再局限于物理空间中的人类行为,而是扩展至人机交互、算法驱动、数据留痕等新型社会现象。在认识论范式上,人工智能通过引入数据驱动、模式识别、关联分析等新型认知方式,使知识可以从海量数据中“涌现”出来,挑战了“无理论不认知”的传统信条。在方法论范式上,人工智能极大拓展了哲学社会科学的研究工具与方法谱系,计算社会科学、生成式社会模拟、自然语言处理、图学习模型等新型研究方法迅速兴起,与传统定性、定量方法形成互补与融合。
革新认知方式,变革知识生产。知识生产是人类社会对客观世界进行认知加工、形成系统化知识成果的创造性活动,其规模、速度与质量直接决定着知识体系的完备程度与更新能力。从历史演进来看,传统哲学社会科学的知识生产主要采取个体化的“手工作坊”模式,学者凭借个人学养积累,通过文献研读、田野调查等方式提出问题、形成观点并著书立说,知识传播依赖于期刊、著作与课堂,知识获取主要发生在学术共同体内部,呈现出周期长、门槛高、受众窄等特征。人工智能的兴起正在推动知识生产向智能化、协同化、普惠性方向转型。在知识的提出环节,人工智能极大地增强了问题发现与假设生成的能力,通过大规模文献挖掘、学术趋势分析和社会舆情监测,为研究者提供数据驱动的选题建议。在知识的传播环节,人工智能利用智能推荐系统、学术知识图谱与多语言互译工具,实现了知识的即时推送、精准匹配与无障碍传播。在知识的接受环节,人工智能通过提供智能摘要、知识问答、关联推荐、交互式学习等新型接受方式,使研究者能够快速把握知识脉络、精准定位核心观点,从而加速知识的内化、转化与新知识的再生。
重构学术生态,重建评价体系。学术评价体系是对哲学社会科学研究成果、研究人才及学术机构进行价值判断的标准与方法集合,在知识体系建构中发挥着“指挥棒”与“风向标”的关键作用。学术评价体系设定何为“好研究”“真问题”“高水平成果”的判断标准,潜移默化地引导着研究者的选题方向、方法取向和价值追求,从而深刻影响着知识体系建构的路径选择与资源分配。在人工智能赋能下,学术评价体系呈现出三个鲜明特征。一是评价主体多元化。智能算法可以对研究成果进行自动化的规范性检测、创新性评估和影响力测算,形成人机协同的评价模式。二是评价维度融合化。通过对海量数据的自动采集与智能分析,综合考量研究成果的学术创新性、社会影响力、文化传承力以及国际能见度等多个维度,为克服“以刊评文”“以数论质”的弊端提供了技术可能。三是评价过程动态化。通过实时追踪研究进展及阶段性成果,为研究者提供持续的优化建议;同时,评价数据可以累积形成学者的“学术成长档案”,为人才评价提供更加立体、长时段的过程支撑。
在人工智能赋能中实现知识体系跃升
人工智能在赋能创新发展、激发范式变革的同时,也潜藏着不容忽视的风险与挑战。例如,算法依赖可能导致研究主体性的弱化,智能生成内容的滥用可能侵蚀学术原创精神,技术门槛的差异可能加剧学术资源分配的“马太效应”。因此,人工智能的赋能作用,必须服务于自主知识体系建构的核心目标,确保赋能行稳致远、安全可控。从本质上来看,自主知识体系内在包含着体系化、学理化、标识化的建构标准。体系化是前提,没有体系化,知识便是零散杂陈的碎片,难以形成理论合力;学理化是核心,没有学理化,体系便是有形无神的空壳,难以具备思想深度;标识化是表征,没有标识化,学理化成果便难以在国内外学术场域中产生影响。在人工智能深度介入的条件下,体系化、学理化、标识化被赋予了新的时代要求,呈现出新的发展特征。
以智链接,实现更加系统协同的体系化,推动知识要素从零散分布走向有机融通。一个成熟的知识体系,必须在概念、范畴、命题、理论之间建立起层次分明、相互支撑的有机联系。在传统语境下,体系化建设主要依赖学者的个体耕耘与学术共同体的代际积累。在人工智能条件下,要实现更高层次的体系化,必须充分发挥人工智能技术在知识整合、关联与演进方面的独特优势。在知识整合方面,要利用多模态数据处理能力,对人文社科、自然科学以及中外学术资源进行大规模自动化聚合,消除信息孤岛,拓展体系化的广度。在知识关联方面,要借助知识图谱、语义网络与自然语言处理技术,自动识别概念之间的逻辑联系,推动知识要素从机械拼凑走向有机融通,提升体系化的深度。在知识演进方面,要依托动态学习与自适应能力,实时追踪全球学术前沿,持续更新知识图谱,增强体系化的活力。通过以智链接,不仅能够有效弥补传统体系化的固有不足,更能推动自主知识体系实现从零散分布到协同集成的根本转变。
以数挖掘,实现更加深刻透彻的学理化,推动理论建构从经验描述走向规律提炼。学理化是从纷繁复杂的经验现象中提炼出具有普遍解释力的规律、原理与范畴,这一过程就是所谓的“抽象力”。抽象力是人类特有的认知能力,它依赖于研究者的理论直觉、思辨智慧与创造性综合。人工智能的引入并非替代研究者的理论思维,而是作为“认知伙伴”,在人机协同中拓展抽象思维的广度与深度。一是提升规律识别的敏锐性。人工智能以其强大的数据挖掘与模式识别能力从海量政策文本、社会数据与典型案例中自动提取高频语词、分析潜在关联,为研究者提供理论建构的经验基础,使规律发现更加敏锐、更加系统。二是强化理论验证的严谨性。人工智能通过对比分析、异常检测与因果推断等技术,协助研究者验证理论假设、识别逻辑谬误、评估理论的适用范围与边界条件,提升学理化的科学性与严谨性,避免出现以点概面式的经验主义错误。三是激发原创思维的创造性。人工智能可以基于已有知识进行类比推理与跨域迁移,启发研究者提出新的分析框架与理论命题,为理论创新提供原创洞见。
以算识别,实现更加鲜明有力的标识化,推动话语传播从被动输出走向主动引领。标识化是自主知识体系建构的表征,核心任务是提炼和传播一批如“全过程人民民主”“新质生产力”“人类命运共同体”等具有原创性、识别度和影响力的标识性概念。人工智能的引入,将以其独特的运算优势超越传统的标识化模式,在识别、提炼、传播三个环节实现全面革新。在概念识别上实现主动发现。人工智能依托海量文献数据库、典籍资源库、政策文本库、学术成果库,开展全域语义检索、关联聚类分析、脉络谱系梳理,高效挖掘“学术萌芽”,实现对标识性概念全覆盖、深层次、谱系化的智能识别。在概念提炼上实现精准凝练。人工智能通过逻辑推演、跨学科关联比对等技术,对识别出的思想元素进行归类整合、去芜存菁,让概念提炼更加学理化、规范化、体系化。在概念传播上实现精准触达。人工智能能够发挥智能转译、场景重构、精准推送等传播优势,对内实现学术概念向大众话语的通俗转化,对外进行多语种智能阐释和跨文化语境适配,提升中国学术思想的叙事能力与传播效能。
以中国自主知识体系引领人工智能向善发展
马克思曾深刻警示:“技术的胜利,似乎是以道德的败坏为代价换来的。”技术从来不是价值中立的。它诞生于特定的社会关系之中,其设计、应用与后果必然承载着设计者与使用者的价值取向、利益诉求与文化逻辑。如果缺乏正确的价值引导与制度约束,技术进步并不必然带来社会福祉,反而可能加剧不平等、固化偏见,甚至威胁人类主体地位。因此,人工智能的健康发展,绝不能陷入“技术决定论”的迷思,需要自主知识体系为其设定价值坐标、规划发展航道、筑牢安全屏障。
强化价值锚定,确保人工智能发展以人民为中心。人工智能向何处去?这不仅是技术问题,更是关涉发展为了谁、依靠谁的重大价值问题。习近平总书记强调:“为什么人的问题是哲学社会科学研究的根本性、原则性问题。”这一论断同样为审视和规划人工智能发展提供了根本遵循。人工智能作为社会生产的革命性力量,其研发决策、算法设计、数据应用乃至最终的社会影响,必然承载并传导着特定的价值取向与利益偏好。倘若缺乏主动、明确的价值引领,技术逻辑可能自发地滑向资本增殖、流量至上或效率唯一的单向维度,甚至可能固化偏见、加剧不公。中国哲学社会科学自主知识体系,以马克思主义为指导,扎根中华优秀传统文化,立足于中国式现代化的伟大实践,这套知识体系所凝结的关于社会公平、人的全面发展、共同富裕、人与自然和谐共生等价值理念与规律性认识,构成了中国社会的价值共识。这一价值内核应当贯穿人工智能从算法设计、数据训练到场景应用的全过程。它要求人工智能的发展坚持以人民为中心,确保技术进步的红利为全体人民所共享;符合社会主义核心价值观,抵制技术滥用带来的伦理失范;服务于中华民族伟大复兴,成为建设中国式现代化的强大助力。
深化伦理建构,为人工智能发展校准准则与边界。人工智能引发的治理难题,核心在于如何应对其模糊责任主体、挑战既有法律框架、冲击传统伦理观念的全新特性。从算法歧视的防范、数据隐私的保护,到人工智能生成物的权责界定、自主系统决策的追溯与问责,都已成为关涉社会正义、权利保障与全球治理秩序的深刻伦理与法律命题。习近平总书记指出,“要整合多学科力量,加强人工智能相关法律、伦理、社会问题研究”。这为构建适应智能时代的社会规则体系指明了方向。中国自主的知识体系必须在这一领域进行前瞻性、体系化的理论供给与规范建构。通过哲学、伦理学、法学等学科深度协同,立足中国国情与实践,致力于将社会主义核心价值观转化为可操作、可审查、可问责的具体伦理准则与技术标准。通过前瞻立法研究、参与标准制定,勾勒出清晰、坚实的治理“红线”,将“负责任的人工智能”从理念倡导落地为贯穿创新全过程的制度约束,为技术进步构筑兼顾活力与秩序、创新与安全的规则航道。
融入人文精神,为人工智能发展注入灵魂与温度。人工智能的终极目标应是赋能于人、服务于人,促进人的全面发展,而非替代人、异化人。纯粹的技术理性无法自行回答关于价值、意义与美好生活的根本问题,甚至可能因过度追求效率、标准化与可控性而加剧社会的工具化倾向。因此,人工智能的健康发展,也需要人文精神的深度介入与价值校准。文学、历史学、艺术学等人文科学所蕴含的对生命意义的追问、对美好情感的珍视、对创造力的礼赞,是防止技术应用走向“冰冷”的温暖底色。将中华优秀传统文化中“天人合一”“仁者爱人”“和而不同”等智慧融入人工智能发展,能够为其提供不同于西方工具理性至上的另一种文化基因与发展路径。总之,通过知识体系的人文滋养,能够引导人工智能成为丰富人类体验、激发创造潜能、促进文化繁荣的赋能者,使其真正服务于人的全面发展与社会的文明进步。
(作者系中国人民大学党委书记)
原文 ↗
积极探索政府治理数智化新路径
□ 唐任伍
从算力集群到算法迭代,从数据要素到智能应用,以数据为关键要素,以智能为核心驱动的数智化,正以前所未有的深度和广度重塑生产生活方式,重新定义中国经济的运行逻辑。“十五五”规划纲要强调,把握数字化、网络化、智能化发展大势,赋能经济社会发展和治理能力提升,促进生产方式深层次变革和生产力革命性跃迁。提高政府治理数智化水平,不仅是技术层面的升级,也是政府治理理念、职能转变和运行机制的深层次变革,是优化公共服务供给、推动经济社会高质量发展的战略选择。
数智化是实现国家治理体系和治理能力现代化的有力支撑
党的二十大报告明确提出,我国到2035年要“基本实现国家治理体系和治理能力现代化”。习近平总书记强调,“要全面贯彻网络强国战略,把数字技术广泛应用于政府管理服务,推动政府数字化、智能化运行,为推进国家治理体系和治理能力现代化提供有力支撑”。我们必须顺应数智化趋势,创新治理理念、模式、手段,强化科技支撑,不断提升政府治理数智化水平。
数智化是提升政府履职能力的“加速器”。数智化显著提升政府信息处理能力与决策科学化水平,政府通过集成和分析海量数据,深入洞察经济趋势、公众健康状况等,制定更具前瞻性和精准度的政策;数智化实现行政许可事项“机审秒批”,推动政务服务从“人工跑件”到“数据验真”的质变跃升。
数智化是优化政务服务的“催化剂”。数智化使政务服务更加智慧便捷、公平普惠,优化政务服务的逻辑,在不改变政务服务“以人民为中心”的本质要求前提下,通过技术手段降低服务获取门槛、缩短响应周期、提升精准度,显著加速服务效率提升、服务过程优化,丰富了公众参与基层治理的途径。
数智化是推动经济高质量发展的“助推器”。数智化是新质生产力的“底座”与“引擎”,是驱动新质生产力跃升的第一推动力,为经济高质量发展提供重要支撑。一方面,提升信息透明度,有效打通数据要素运行堵点,便于企业及时了解相关政策,提高全要素生产率;另一方面,构建数智化“一窗式”模式,有效简化行政审批程序,提升政府办事效率,为企业营造了更好的营商环境。
数智化是促进社会公平正义的“调节器”。数智化有助于精准识别民意,实现民情汇聚、政策回应、服务落地的闭环治理,使政府更准确地发现社会治理中存在的问题,科学制定社会治理政策。同时,借助数智化平台促进治理过程公开透明,保障治理行为程序正当,从而形成实体公正、程序正当、全程留痕、社会共治的现代化法治范式。
提升政府治理数智化水平面临的挑战
由于历史积累不足、创新生态不完善、教育体系与产业需求脱节以及地缘政治影响等各种原因,我国政府治理数智化面临技术、应用、制度和人才等四大维度的系统性挑战。
在技术上,“卡脖子”难题制约数智化发展。我国数智化关键核心技术对外依存度高,高端芯片、工业控制软件、核心元器件、基础算法、EUV光刻机等300多项与数智产业相关的关键技术和材料仍然受制于人,底层技术突破缓慢,形成技术路径依赖,底层技术逻辑面临国际标准重构风险,AI框架仍主要沿用国外框架,开源生态多建立在国外原生框架之上,国内机构和开发者严重依赖国外代码托管平台。
在应用上,数实融合程度偏低、深度不足,应用落地面临障碍。在AI应用方面,95%的人工智能解决方案最终未能成功投入生产环境,技术与具体行业业务流程的深度融合存在严重障碍。制造业人工智能模型训练缺乏大量高质量、规范化的标注数据,人机协同的信任障碍也制约了AI技术的广泛应用,人工智能决策过程不透明、推理逻辑难以被理解和解释,关键领域“数据孤岛”现象普遍,跨部门壁垒限制数据整合。政务数据缺乏统一的数据标准与全流程数据治理体系,不愿共享、不敢共享、不会共享三重壁垒相互交织,形成“数据孤岛”“数据烟囱”,严重影响效率。
在制度上,数据基础制度规则建设滞后,安全监管框架不完善。《中共中央国务院关于构建数据基础制度更好发挥数据要素作用的意见》已提出探索数据产权结构性分置制度,但实施细则仍不完善,政务数据所有权、使用权、管理权权属模糊,导致“谁都管、谁都不管”的困境;数据流通定价机制缺乏统一的评估标准和交易规则,导致数据要素市场发育迟缓,增加数据流通成本;数据安全与隐私保护问题日益凸显,数据保护中的责任划分与争议解决机制不健全,各部门往往因担心数据共享中的隐私泄露等风险,害怕承担责任而“不敢共享”数据;人工智能的“算法黑箱”妨碍决策透明度与可解释性;部分决策者数据素养不足,容易导致对技术输出的误读或过度依赖。
在人才上,复合型人才短缺,数字素养教育体系不健全。数智化发展复合型人才供需失衡,呈现“高端稀缺、基层难转”的结构性矛盾,体现在“算法深度×工程落地×场景理解”的复合能力不足,跨学科知识融合困难,实践经验与产业需求脱节,高校课程更新滞后于技术迭代,导致毕业生技能与企业需求不匹配。涵盖数字身份管理、安全防护、权利意识、使用素养与创造力等多个维度的教育体系不完善,理论知识未能与实践需求同频对接,产教融合生态体系薄弱。
提升政府治理数智化水平的价值取向
治理数智化本质是治理,而非技术本身,技术的先进性只有体现在为人民可感知的便利、公平与尊严,才具有真正价值。若偏离以人民为中心的发展思想,再精密的算法也可能成为形式主义的工具,再庞大的数据平台也可能沦为资源浪费的“数字盆景”。唯有坚持党的全面领导,坚持以人民为中心的价值取向和根本原则,始终将人的需求、人的权利、人的发展置于核心位置,才能保证政府治理数智化沿着正确的轨道前行。
党的全面领导是提升政府治理数智化水平的根本遵循。治理数智化不是单纯的技术工程,而是国家治理体系和治理能力现代化的组成部分,涉及政治方向、价值取向、制度保障等根本性问题,直接关系执政合法性与国家长治久安。提升政府治理数智化水平的本质是通过技术手段重构治理逻辑,其政治属性决定必须锚定正确方向,服务于国家治理的根本目标。同时,治理数智化系统的复杂性,要求跨域协同,防范技术异化风险,应对系统性安全挑战,只有依靠党的统筹力和党的战略定力才能做到。无数的实践证明,只有依靠党的集中统一领导,将党的领导贯穿数字政府建设的全过程和各环节,才能避免陷入技术至上主义或碎片化治理的误区,确保治理数智化始终沿着正确的政治方向前进,服务于国家发展大局。
以人民为中心是提升政府治理数智化水平的价值导向。治理数智化的核心目标不是技术本身的先进性,而是通过技术手段提升公共服务质量、促进社会公平、增进人民福祉。坚持以人民为中心作为价值导向,意味着治理数智化的设计、实施与评估必须以满足人民真实需求为出发点,而非单纯追求技术效率或数字指标。治理数智化如果脱离人民需求,过度追求平台数量、用户注册量等量化指标,导致开发大量可用性差、重复建设的系统,公众需反复下载App、填写相同信息,反而增加办事负担,容易陷入“技术至上”的形式主义误区。技术理性必须服从价值理性,即算法设计、数据采集等环节需以保障公民权益为前提,避免将人简化为“数据变量”而忽视其主体性。人民是治理数智化合法性的根基,治理数智化若仅由技术专家或行政系统单向推动,可能因脱离群众实际需求而丧失公信力。只有将人民参与嵌入治理全流程,才能确保治理行为获得广泛认同。
增强人民群众的获得感、幸福感、安全感是检验政府治理数智化成效的标准。政府治理数智化水平的提升需要根据一定的标准进行实践检验,一要看成果共享的普惠性,是否体现为全民可及的公共服务优化,是否实现了“数据多跑路、群众少跑腿”,是否具有为特殊群体提供“数字反哺”的“数智温度”,是否避免了“数字鸿沟”扩大,是否设计了适老化界面、语音交互功能等,确保老年人、残障人士平等享受服务。二要看需求响应的精准性如何,是否解决了人民群众的急难愁盼,能否实现从“被动响应”转向“主动服务”,是否精准识别“一老一小”、新就业群体等不同人群的差异化需求。
坚守安全与伦理底线、破除形式主义是提升政府治理数智化水平的内在要求。数据安全是国家整体安全的重要组成部分,是人民权益的保障。治理数智化必须严格限制个人信息收集范围,通过数智化技术实现“数据可用不可见”,防范隐私泄露风险;算法需嵌入公平性约束,在训练模型时主动纠偏历史数据中的结构性不平等,避免技术加剧社会分化。治理数智化要聚焦真实需求,以解决实际问题为导向,而非追求技术炫酷,避免“为数字化而数字化”,始终以人民满意度作为评价标准,将群众体验纳入考核体系,确保治理数智化成效由人民“阅卷”。
提升政府治理数智化水平的路径
提升政府治理数智化水平是一项复杂的系统工程,需要深化数智技术全流程应用,发展泛在可及、智慧便捷、公平普惠的数智化政务服务,以制度规则化、技术数智化、业务协同化、数据业务化、服务主动化为核心路径,系统性重构治理逻辑与技术应用,实现从“经验驱动”向“数据驱动”、从“被动响应”向“主动治理”的转型。
制度规则化,从技术驱动转向制度驱动。政府治理数智化需要以制度创新为根基,健全法律法规和标准体系,避免陷入“重技术、轻规则”的误区。深化人工智能赋能安全治理,提升感知预警、指挥决策、精准管理和即时响应能力。针对AI决策的法律效力、电子印章的法律地位、数据权属、共享规则、安全标准、数据跨境流动等问题,加快立法进程,提供法律依据,明确权责边界,破解“找不到、要不来、管不住”的梗阻,筑牢安全防线,建立全方位的安全防护体系,防范数据泄露、网络攻击等风险,确保关键信息基础设施安全。
技术数智化,深化人工智能与场景融合应用。人工智能是数智化转型的核心引擎,需聚焦安全可控与精准适配。安全稳妥有序推进政务领域人工智能大模型部署应用,分类分级推进技术落地,防范“算法幻觉”风险;加强核心技术攻关,攻克“卡脖子”难题,确保贴合业务逻辑与规范,筑牢安全可控底座,保障核心数据“不出域、可追溯”,平衡技术创新与安全底线,保障数智化既安全又快捷。
业务协同化,构建整体智治生态。政府治理数智化需要突破“单点应用”局限,实现跨层级、跨部门、跨业务的系统性协同,推动以技术融合、业务融合、数据融合为纽带,打通纵向管理层级与横向部门壁垒,形成治理合力。完善覆盖全国的一体化在线政务服务平台,强化数据“一表通”和公共应用支撑体系建设,推进政务数据跨部门跨层级跨地区共享利用。建设统一智能中枢,整合分散的“城市大脑”“一网统管”等平台,避免重复建设。强化多元主体共治,政府发挥政务中台功能,联动企业、社区、公众参与规则制定与系统优化,避免政府治理数智化沦为技术部门的“独角戏”。
数据业务化,释放数据要素价值。数据需从“资源沉淀”转向“业务赋能”,实现从“业务数据化”到“数据业务化”的质变。深化数据源头治理,建立高频公共数据归集责任制,提升数据真实性与实时性;构建场景化数据链,围绕“高效办成一件事”需求,打通跨部门数据流,将数据供给与业务闭环衔接;探索数据要素市场化,在保障安全前提下,推动公共数据授权运营,激活数据在产业规划、风险预警等领域的主动治理价值。
服务主动化,以需求导向重塑治理逻辑。政府治理数智化需从“政府供给”转向“群众需求”驱动,探索构建精准识别需求、主动规划服务、全程智能办理的服务新模式。通过数据预测群众潜在需求,变被动响应为主动干预,实现精准化、普惠化、人性化;弥合“数字鸿沟”,针对老年人、残障群体保留线下服务通道,开发语音交互、亲属代办等功能,确保技术有力度、服务有温度;聚焦高频刚需场景,优先在社保、医疗、企业服务等领域打造“一网通办”标杆应用,以“小切口”推动治理效能整体提升。
政府治理数智化的本质是以技术为手段、以制度为保障、以人本为归宿的系统性变革,避免陷入“重建设轻运营”“重技术轻制度”的误区,通过制度与技术双轮驱动,实现政府治理从“效率提升”到“模式创新”的跃迁,最终让数智化成果切实转化为群众可感可及的获得感。
(作者系北京师范大学政府管理研究院名誉院长)
原文 ↗
坚持以思想主动为先导
□ 本报评论员 李曼青
理论的先进,是最彻底的先进;思想的主动,是最大的主动。开展树立和践行正确政绩观学习教育的过程,就是党员干部在思想上再淬火、在认识上再提升、在行动上再校准的过程。习近平总书记深刻指出,“掌握思想领导是掌握一切领导的基础”。回望党的百年历程,从延安整风到真理标准问题大讨论,每一次重大历史转折,无不是以思想解放为先导。新征程上,越是任务艰巨、挑战严峻,越需要广大党员干部保持高度的思想自觉和行动自觉。
思想上清醒坚定,行动上才能坚决有力;思想上先人一步,行动上才能快人一拍。现实中,错误政绩观的种种表现,根子都在于思想的被动与懈怠。有的干部热衷于“面子工程”“形象工程”,是因为思想上懒得深入琢磨,觉得“大家都这么干”,把“显绩”当“政绩”;有的干部搞“数字政绩”“虚假政绩”,是因为思想出了偏差,把个人升迁置于群众利益之上;有的干部习惯“新官不理旧账”,把前任定的规划束之高阁,自己另起炉灶搞“招牌项目”,是因为思想上缺乏“功成不必在我”的胸襟,把任期当“跳板”、把岗位当“秀场”;有的干部遇到矛盾绕着走、碰到困难往后退,“只求不出事、宁愿不干事”,是因为思想上缺钙、精神上萎靡,把“守摊子”当“保平安”、把“不作为”当“不出错”。这些现象,表面看是能力不足、作风不实,实际都是思想上出了问题。
思想上的“慢半拍”,必然导致行动上的“迟一步”。思想的被动,不仅会使个人陷入事务主义的泥潭,更会贻误事业发展良机,损害党和政府在群众心中的形象。特别是在树立和践行正确政绩观问题上,如果思想处于被动状态,就容易随波逐流、盲目跟风,甚至被错误的评价导向所裹挟,最终偏离正确方向。可见,思想的被动是一切被动的总根源。思想的主动是一切工作主动的基础,只有在干部思想有了主动之后,工作的主动才是真正可靠的主动。克服被动局面,必须从激活思想主动入手。
理论学习是增强思想主动的根基所在。要把理论学习作为一种政治责任、一种精神追求、一种生活方式。不能上级推一推才动一动,不能检查时装装样子、过后丢脑后,而是要发自内心地认识到:不学理论,脑子就会空、眼光就会短、办法就会少。主动加强理论武装,坚持用党的创新理论凝心铸魂,不断提高政治判断力、政治领悟力、政治执行力,从思想深处解决好“政绩为谁而树”的问题。坚持读原著、学原文、悟原理,但不能止步于“读过了”“学完了”,更重要的是联系实际想问题、对照工作找差距,从党的创新理论中找方向、找思路、找答案。
调查研究是养成思想主动的活水源头。要把调查研究作为一种常态、一种习惯、一种自觉。不是出了问题才去,也不是没有办法了才去,而是要成为日常工作的一部分。主动去调研,把功夫下在平常、把脚步迈在事前,才能思考清楚“树什么样的政绩”。调研之前,心里有本账:我想弄清什么?带着问题和疑惑;下基层之后,手里有杆秤:群众到底需要什么?带着思考和办法回来。情况摸透了、问题找准了,思想主动才有了根基、有了底气。
担当实干是检验思想主动的“试金石”。思想的主动,最终要体现到把握规律、引领实践上。主动不是盲动,更不是乱作为。真正的思想主动,是建立在尊重客观规律基础上的能动创造。需要主动思考“靠什么树业绩”这一实践问题,既要盯着就业、教育、医疗、养老、住房等群众关心的大事,拿出实招硬招解决难题;也要关注“柴米油盐酱醋茶”等日常小事,用心办好群众身边的每件事。思想主动不是想了就完了,而是要拿出“明知山有虎、偏向虎山行”的闯劲、“功成不必在我、功成必定有我”的胸怀,把认准的事情、对群众有利的事情持之以恒做下去。
思想主动,行动就主动;思想往前一小步,行动就能往前一大步。新征程上,没有旁观者,更没有局外人。每一位党员干部都要把思想的主动作为最大的主动,用思想的清醒带动行动的坚决,用正确的政绩观校准前进的方向,在各自的岗位上干出实实在在、让群众信得过的过硬成绩。
原文 ↗
重要言论
中俄两国坚持在平等相待、相互尊重、重信守义、合作共赢的基础上发展新时代全面战略协作伙伴关系,政治互信不断深化,经贸、投资、能源、科技、人文、地方等合作持续推进,民心相通更加牢固。中俄关系进入更有作为、更快发展的新阶段。坚定不移推动中俄关系长期、健康、稳定、高质量发展,是双方着眼两国根本利益和世界发展大势作出的战略选择。
原文 ↗
本期导读
(正文抓取失败)
原文 ↗