(资料图片仅供参考)

推荐语

我们可以把这篇文章视作关于数字治理知识图像的最边角的那块“拼图”，它是我们首先摆放下来的重要“知识坐标”，是一种为后续研究工作确定讨论边界的关键基础工作。文章继承并拓展了一些相当重要的概念，比如“相似性思维/分析性思维”，也提出了一些独创性的概念，比如“清晰化的悖论”——即数字治理并不能彻底消除模糊性，数字治理的清晰化追求反而会增加模糊性。这个悖论为后面提出数字系统无法覆盖全部社会问题，以及在数字治理中主动引入模糊性和相似性思维，奠定了相当坚实的逻辑基础，也将成为今后学界同仁探讨数字时代复杂/化约、清晰/模糊问题的一个共有知识“底座”。（推荐人：柳亦博，山东师范大学）

专题文章推荐：

数字秩序的“阿喀琉斯之踵”：当代数据治理的迷思与困境

数字治理中的权力控制与权利破茧

作者简介

向玉琼，南京农业大学公共管理学院教授。

一般认为，数字治理可以实现治理的清晰化，但数字治理就等同于清晰治理吗？或者说，数字治理能完全消除模糊性吗？答案是否定的。这是因为，社会问题总有部分构成是符号的盲区；数字技术的降阶化处理又常常将社会问题置于模糊的认识框架中；在数字治理中，分析性思维的应用也并不彻底；符号指称通常需要阐释因而有了裁量的空间；而且，抽象路径本身就是基于模糊思维形成的。从应然层面看，清晰化往往与控制相关联，因此，数字治理不应将模糊性的消除作为其目的；从概念来看，模糊性是事物存在的本来面貌，清晰与模糊之间没有明确的边界，数字治理的清晰化追求反而会增加模糊性，这是清晰化的悖论。我们应该尊重模糊性并充分利用模糊性来实现有效的治理。

数字治理主要指运用大数据、人工智能、区块链、云计算、数字孪生等信息技术开展社会治理。数字治理具有传统技术工具所不具备的优势，突出表现为数字治理实现了更大程度的清晰化。相关研究已关注到这一点，由此形成的主导性观点认为数字治理将会实现治理的清晰化和精准化。例如，城市基层治理运用信息技术可以建构“全景敞视”装置，进而实现清晰化治理；智慧治理通过对社会事实进行数据编码、加工和运算，可以实现城市治理的清晰性；等等。的确，技术是实现清晰化的最为直接的手段，正如人类历史上地图的发明、人口普查的开展、城市功能的区隔，以及黄仁宇在《万历十五年》等书中提出的“数目字管理”，都是治理工具在类型与范畴上的扩展，目的就是将社会清晰呈现出来。20世纪后半期，随着信息技术的发展，社会被全方位纳入数字系统进行表达和处理，为人们展示出一个清晰化的问题场景，通过治理的可视化、可预测、可触摸、可追溯，人们大大提升了对现实世界的解释力、预测力和控制力。可以说，当前智慧城市建设正在将人类拉进一个高清时代、一个精准化治理的时代。但是，数字治理是否就代表着清晰而确定的治理？数字治理能否通过对模糊性的排除来实现清晰化的目标？进一步说，数字治理是否应该以清晰化和确定性作为其目标？这是在数字时代需要思考的问题。

一、数字技术何以实现清晰治理？

数字技术包括人工智能、大数据、区块链、云计算、数字孪生、VR等信息技术，代表着信息技术发展的前沿和方向。数字技术将现实社会数字化和符号化，将含混、复杂的现实问题变得可视、可触摸、可感知、可预测，由此实现治理的清晰化和精准化，提高了治理的确定性。这具体表现在以下几个维度上：

第一，数字技术对社会问题进行数字化表达和映射，形成清晰的虚拟镜像且可以在技术路径上进行加工。在第二次世界大战后社会全方位重建过程中，西蒙发现物资分配中应用了大量计量经济学的分析工具，当时就敏锐地提出，计算机和数字化表达可以成为管理决策的新方法。当数字技术迅猛发展并得到广泛应用时，经典数学的数字化和符号化贯通起来，创造了一个海量的、全方位的数字系统，用以表达社会现实。通过数字和符号的转换，世界不再是一连串自然的或社会的现象，而成为信息的构成。尤其是在人工智能、数字孪生技术的发展中，数字系统制造出了现实社会的孪生体，实现了现实问题向虚拟空间的迁移。这是一个巨大的进步，因为相对于现实世界，虚拟数字是一个更为可控且有序的存在，这正实践了启蒙运动的进步观。“启蒙运动的进步观其实意味着一件非常简单、非常戏剧性的事情：将不可视的转变为可视的，将不能说出的转变为可以言说的，将未知的转变为已知的。”社会问题在数字系统中得到表达和测量，也在数字系统中得到加工和处理，模糊、复杂的现实世界通过前所未有的量化而清晰起来，社会治理因此简单化了。

第二，数字治理对社会问题进行分类化观察和管理，使其在分析性思维中得到有序呈现。分类是现代科学发展的基础与前提，通过分类和分解，现代科学可以对事物进行解剖并开展深入分析，继而将分离开来的片段联合起来形成整体认知，这里运用了分析性思维。根据福柯的研究，到17、18世纪之后，事物之间的差异被突出出来，继而根据不同的维度被划归不同的类别。这正是分类学的贡献，也为现代科学的发展奠定了基础。如果没有分类，现代科学就无法开展深入研究，也就无法提供内部解剖图景。“如果不涉及分类学，即对于理论所解释的‘事实’的分类，一个解释性理论将无法建立。”分析性思维突出了事物的差异与特性，并据此对问题进行整理和归类，开展后续观察和信息收集。数字技术更是充分发扬了分类的优点，基于海量的信息存储和大量的算法规则，对社会问题进行分类继而将其精准投放到不同的“篮子”里，再对不同的“篮子”抽丝剥茧，开展具有针对性的治理。其中，每一步都逻辑合理且清晰可循。

第三，数字治理运用可推理可回溯的算法进行决策，复杂问题被纳入程式化处理流程。“用一个词描述信息处理，就是计算。任何信息操作都可以被认为是计算，计算机科学就是研究信息操作的局限和潜力的科学领域。”数字技术运用算法来开展数学计算和公式推导，设置了科学的计算程序和规则。算法由计算转化而来，但只有在各种高级软件、编程语言、网络模型等被广泛应用于计算机之后，才能称得上真正的算法。相较于计算，算法更具有结构性和程式化，具有更强的计算能力，能解决计算所不能处理的非结构性数据的问题。无论对于确定性的数据还是无结构性数据，算法都能得出确定的结果，“尽管计算具有非常大的复杂性，但在算法的强大功能下，复杂性也是可计算的”。正因如此，算法被认为足以保证计算过程的有效性和高效率。政策问题被视为政策目标与现实之间的距离，是测量和计算的结果，问题界定过程中每个维度和因子都可以被量化并进行运算，遵循固定的程序和规则，整个社会的治理就成为一个程式化运作的过程。适用于计算机程序来解决现实问题的算法提供了社会治理的基本规则，虽然算法并不只有一种，也没有任何一种算法能够适用于所有场合并对所有数据进行处理，但是，算法提供了合理而强大的计算优化思维，将社会治理宽松但又牢牢地框定在程式化的路径上。

第四，基于流动中的抽象符号系统，社会问题被全面覆盖并得到化约式处理。处于具体情境之中的社会问题是多样且复杂的，其被数字化表达的过程是从具体到抽象的过程，其中必然要选择一些并舍弃一些，但这一过程被认为是科学化的必经之路。因为，具体事物总是受到时空的限定而显得琐碎，但抽象可以做到整体覆盖从而能观其全貌；具体事物总是附着于情境之中而显得杂乱，而抽象却可实现符号内部的清晰、有序；具体事物往往只能反映因果关系中的单一维度，但抽象可以连接不同领域和地域之间的要素，确定现象与结果之间的因果关系。因此，无论是从数字系统的覆盖范围还是关注层面来看，无论是对治理对象的改造还是对治理流程的设计，都是在进行抽象与加工。不过，数字系统无论多么庞大和完整，其表达的现实社会终归是简化版的，数字治理过程中隐藏着的是简单化的思路，而这是现代社会追求高效治理所必需的。“除非经过巨大的抽象和简化的计划过程，否则任何管理系统都没有能力描述任何现实存在的社会团体。”

就此看来，数字技术实现了治理对象的符号化、治理思维的分析化、治理流程的程式化、治理理念的简单化，因此使得社会治理更加清晰和精准。“几乎人类的一切行为，今天都可能、可以被记录，并被转化为据数。如果说量数的核心要义是‘精确’，那据数的关键就在于‘清晰’地留据。”通过量数和据数的表达，社会治理在规范化、程式化、量化与显化方面得到了空前发展。尽管科学的发展也伴随着人们对技术理性的反思，但数字技术的发展似乎带来了一个更加清晰而美好的未来，描绘出一个实现了精确化与清晰化的治理图景。

二、数字治理能够消除模糊性吗？

社会问题作为数字治理的对象，总是按照自身规律存在和发展着，其本身无所谓清晰还是模糊，也无所谓确定或不确定。模糊与否是在人类认识活动中出现的问题，所表征的不是客体固有的属性，而是主客体在认识过程中形成的客观关系，是反映认识主体与客体之间关系的范畴。也就是说，当人类与社会之间形成了认识主体与客体的关系时，才使得社会问题具有了确定性与不确定性、精确性与模糊性的区分。模糊这一概念常与随机、含混、歧义、不确切等概念混杂在一起，这些概念之间也存在细微的区别，如“随机”表征对象出现的概率，“模糊”更多地涉及对象类属边界的不清晰与状态的不确定，但本文不对这些概念做细致区分，而是用“模糊”的概念笼统指称一种不确定的状态。

进入21世纪之后，人类社会面临的问题具有空前的复杂性和不确定性，这意味着社会治理需要处理前所未有的模糊性。首先，复杂性意味着多因素联结与多层次互嵌，多种因素之间的相互作用超越了线性关系且难以得到精确描述，即便是可以单独做出精确描述的因素交织在一起时也会呈现出不确定性。其次，复杂性意味着历时的多维度关联，在时间的交错与延展中社会现象在发展阶段和层次之间渗透衔接，共时性的复杂性在历时性发展中积累和强化，更增加了认识的模糊性。再次，事物处在加速变动中，变动速度越快模糊性也越大。静态的或者变动较小的社会问题稳定、清晰，易于对其做出界定，而高速流动和变化往往使事物变得模糊，也使得原本简单的关联复杂化了。社会发展与技术进步一直都将模糊视为需要消除的或者尽可能缩小的对象，因为，“高度模糊，这意味着高度的不确定性和治理的低效率”。相较于传统的技术工具，数字技术能够实现更大程度的清晰与精准，但这并不是说数字技术就消除了治理中的模糊性，相反，数字技术的清晰化路径可能会带来更多的模糊性，从而使清晰化陷入悖论之中。

第一，社会问题中有部分构成是符号的盲区，对其进行数字化处理会因为方法错置而使问题更加模糊。计算机为社会治理设置了一个仿真实验室，通过数字系统实现对现实问题的虚拟但却真实的映射。但是，“由于政策问题不仅包括可以被符号化处理的部分，还有大量不可符号化的需要经验理性支撑的部分，因此，除了应用人工智能来优化政策工具之外，政策过程也需要人类来发挥自己的优势”。符号化或者说数字化对社会问题的表达只能是笨拙而粗放的，虽然在２０世纪７０年代之后，符号的复杂性、情境性和自主涌现被关注到，机器的深度学习也大大提高了计算机的识别和表达能力，但是没有从根本上改变符号的先定性与程式化特征。社会问题只能部分被符号化的现实，意味着数字系统只承载了部分社会问题的表达，或者社会问题的部分表达，而绝不是全部，甚至不包括最重要的部分。一个显而易见的事实是，机器可以捕捉人的表情，但是无法完全了解人的心理活动；机器可以模拟人的精神生活，但绝不能复制人的精神生活；机器可以计算见面的频率、谈论的话题、出门的时间等等，但机器不能计算爱，也不能理解爱。同样，我们可以通过考试来测量学生的分数，找出分数差距，但并不能据此准确判断学生实际能力的差距。社会问题中必然存在不可符号化的部分，这是符号的盲区，如果强行用数字符号来对其做出处理，那就是将测量工具置于测量内容之上，丧失了对测量问题的基本尊重，也导致了测量问题的扭曲，带来了更高程度的模糊性。

第二，数字技术面对高阶复杂的社会问题只能做出降阶处理，这反而将其置于模糊认识的框架之中。数字技术通过对社会问题的符号化将其纳入计算和推理的技术流程中，这实际上对社会问题做了简单化和静态化的处理。复杂的关联性和多层次的问题集在数字系统中被简化，高阶复杂的问题被降到一个低阶认识框架中。无论是综合分类，还是剥离情境因素抑或压缩层次，都是在模糊性的认识路径中开展。即使形成了清晰的图景，也只是嵌入大的模糊化的认识框架中。也就是说，用简化的思维进行数字化表达和加工并不能真正消除模糊性，这一路径只是掩盖了模糊的存在，实际上带来了更大的模糊性和不确定性。“可见，无论在人类任何的认识领域中，非定量、模糊和不确定的认识形式和因素不是例外而是常规。”高速流动中的社会问题常常很难分解成可剥离的要素，更毋论对其做出明晰、精确的符号表达。动态的社会问题带有难以消除的模糊性，处理中所运用的技术工具不仅不能消除这种模糊性，反而会将工具的模糊性又增添其中。“模糊性寓于精确性之中，贯穿于人类认识的一切过程之中。精确认识不是绝对精确，而是模糊程度较小，是模糊认识的特殊表现。所以，精确认识是有条件的、相对的。”实际上，无论何种技术或者工具在实现一定程度的清晰化的同时，技术本身也会带来一定程度的模糊性，这是技术发展所容许的，也是治理中需要正视的。

第三，分析性思维并不具有彻底性，整体框架的存在与认知仍然意味着模糊性。分析性思维将社会问题分解成不同的层级单元展开分析，而后联结形成整体认知，这是一种将认知简单化的方式。但是，分析性思维并不具有彻底性。一方面，分析性思维的展开依靠划界与分类，但边界的划定是困难的，认识对象与社会背景之间并不存在清晰的边界，也无法做出明确分割。“即使日常事物似乎具有不成问题的空间边界，然而，如果从粒子物理学的角度看，这些边界也会消失。不仅不清楚传统的客体概念是否适合描绘被当代物理学家假定为物质基本成分的实体，即使承认它们适合，如何描述一个对象的空间边界和边界内空间连接的类型也并不是一个简单的问题。当代物理学也并没有支持客体应该符合时间连接性的要求。如果把世界看着是一个四维时空流形，对象与事件之间的区别会变得模糊。”在边界无法清晰的情况下，分类和分解能否正常且合理地开展，这就无法保证了。对于具有高度复杂性与多重关联性的社会问题而言，划界甚至根本无法实现。另一方面，分析性认知无论其分类框架的确立还是分类认知的整合，都要基于整体或者形成整体，就此看来，分析性思维并不彻底。我们需要考虑的问题是，“怎样才能通过简化的要素检测结果，以及更为广泛的原有主题是如何必然由我们已检验过的个别要点而产生的。直到质的分析已被作出之后，量的分析才能产生。把社会事实的复合仅仅还原为可测量的要素，证明很少具有科学的洞见”。即使分析和分解所遵循的是普遍使用的模型，但没有任何模型是绝对适用的，模型也会出错。“没有模型能囊括现实世界的所有复杂因素或者人类交流上的所有细微差别。有些信息会不可避免地被遗漏。”如果把社会治理的决定权交给模型，实际上是忽略了社会问题的独特性与复杂关联，对其做出了不恰当的切割，基于此的计算和模拟是人们臆想之中的，早已脱离了真实的社会问题。

第四，数字与符号可以做出明确的表征，但其意义所指是模糊的。政策问题生成于社会之中，具有社会性和政治性，符号无法完整表达其内涵和所指。“这些问题通常无法得到精确和明确的答案，而传统的分析师通常会避免这些问题——相反，他们更倾向于采用符合既定研究技术的舒适问题。然而，任何一种声称理性的分析模式都无法最终避免面对更广泛的问题：因为这些问题涉及分析项目本身的性质和身份。不能提出更广泛的问题意味着不仅对自己的环境，而且对自己都视而不见。”遵循技术路径和规范程序，应用可重复使用的范式和模板，可以对符号进行计算与加工，但同时也忽视甚至排斥了那些不能被纳入逻辑思维和因果推理范畴的经验、感受、想象等。也就是说，科学路径的自洽性与合理性是在封闭系统中实现的。社会问题本身复杂而混沌，数字系统中的符号却清晰又完整，符号与所指之间分离开来自成不同的系统。这也意味着，符号无法准确对应现实问题，符号的所指无法明确，而是模糊的。数字的意义需要结合一定语境来确定，但数字治理在对社会问题的符号做出准确表达并展开计算时，却忽视了运行中的数字所代表的意义，或者说，这时意义已经不重要了。符号是一种显性知识，只有得到默会知识的支撑才能得到理解，正如波兰尼所看到的，“我们绝不能准确地说出我们想表达的东西，或甚至不能准确地说出我们究竟表达过什么。当我们最终决定承认一种理论是关于自然界某一新事物的描述时，意义的不确定性并没有消除，而只是受到了限制。因为尽管我们把自己深深地寄托在关于某些事物的信念上时，但这样的信念可能与实在毫无关涉，除非这一信念的范围有待确定”。即使是通过清晰明确的数字符号进行加工得到的结果，在回归到社会中确定其所指时也是不确定的，这是意义的模糊性所带来的。

第五，抽象化实现了普遍性与涵括性，但抽象本身包含着模糊性。在将社会问题符号化过程中，人们应用观察、测量、描述与判断等方法，从现实中抽象出一般性的规律和认知来反映客观事物的本质。这一过程有助于实现普遍性的治理，但治理却也因为抽象而远离了具体的社会问题，如果说抽象最终形成了清晰化的结果，那也是以对模糊的搁置为代价的。正如雷加诺所说，“数据分析就像是乘着认识论的气球越飞越远离这一景观，直到我们能够看清楚这一地区的大概轮廓，看清丘陵山谷的走向，而不是纠结于水洼和小丘；也就是说，直到我们远到足以看清整个形势，而且不会受到细枝末节的影响。但是生活并非存在于全景之上，而是扎根于泥土之中。要注意高对流层的地方空气稀薄，我们根本看不到人。我们或许能看到城市和长廊，或者我们也许能了解土地使用和基础设施的情况，却无法看到在那里生活的人或者理解那些地方。要强调的一点是，政策影响的不是社会而是人和地方，这显而易见，因为社会本身便是一种虚构的工具”。另外，从具体到抽象的过程尽管运用了分析与归纳等方法，但无论是拆解还是融合都会发生选择与排斥，从而制造出大量模糊的空间。可以说，通过抽象来实现清晰化的目标，恰好又会陷入模糊的路径之中。

三、数字治理应该将模糊性的消除作为目标吗？

从规范意义上看，更应该对治理中的清晰化追求保持谨慎态度。根据斯科特的观点，清晰化往往是为了实现有效管理和控制：“促使社会清晰地呈现在统治者面前的技术越来越复杂，然而其政治动机却基本相同。”无论是传统技术工具还是数字技术，都是在社会整体发展规划与治理框架之内，基于自上而下的设计和推动而发展起来，都不可否认其工具属性。“数据被用来加强市场对社会生活的其他领域的控制，同时为数据的控制者提供了巨大的权力。”数字技术将治理过程转化为符号表达与计算的过程，塑造出一个客观公正的形象，但是，任何算法运行和程序运作的背后都隐藏着情感与偏好，都受到治理关系和结构的影响。换句话说，信息技术可以作为提升治理有效性的路径，也可用于建造出一个无形的监控系统，窃取人的隐私数据，隐蔽地影响个人行为，甚至对个人权利和基本自由的实现带来负面影响。“会造成危险的不只是机器人杀手，监控系统同样有风险。在好政府的手中，强大的监控算法可以是人类历史上发生过的重大的好事。然而，同样一套大数据算法也可能养出未来的‘老大哥’，最后出现奥威尔笔下的那种监控政权，所有人无时无刻不遭到监控。”与边沁所塑造的圆形监狱不同，数字系统没有将人束缚在原地，但是在数字体系中，人人都在记录，人人也都在被记录，最终形成一个数据铁笼，等同于流动的圆形监狱。

日常生活本身就是模糊性的存在，清晰化的治理可能成为对完整生活的杀伤性武器。在数字技术的发展和应用中，都保留着大量的权力介入和人为选择的空间，也可以说，朝向清晰与精准的技术路径很可能是权力运行的“帮手”。这也就能解释为什么会有互联网厂商基于大数据对老客户进行价格歧视，商品定价中出现“杀熟”等欺诈现象，原因就在于技术背后的权力导向。算法表面上是一个严谨的逻辑系统，但算法也充斥着大量混淆和误导，并且正在掌控我们的生活。“这些由自动化数据收集程序带来的错误正在污染预测模型，助推数学杀伤性武器的诞生。并且此类充满错误的数据收集程序只增不减。计算机功能已经拓展到了理解书面语，在理解口语和图片方面也取得了很大的进展，借助技术的进步，计算机正致力于捕捉宇宙中一切事物的相关信息，包括我们人类。这种新科技将为扩充我们的档案挖掘更多的新信息，这同时也增加了犯错的风险。”由于数字和算法都是以最新科学技术的面貌出现，当数据表达与人们所感知的社会问题不一致或者存在矛盾时，数字具有话语权。数字技术用清晰的数据来代替模糊的现实社会，用规范的算法来开展社会治理，制造出一个清晰而有序的乌托邦，所付出的代价是，日常生活中人们受到数字的隐性支配而在一定程度上丧失了自主生活与自由选择的权利，同时暴露在隐私泄露的极大风险之中。

从清晰与模糊这两个概念来看，二者并不能完全割裂，也不是相互排斥的，反而紧密关联在一起。具体而言，其一，数字符号是基于不确定性的形态和材料而产生的。人类认识活动中大量运用了具有不确定性的模糊思维，以此进行数形关系的塑造、数字运算规则的发现、公式定理的推断等，也就是说，是基于模糊的材料和研究对象来形成清晰的方法。其二，数字技术本身也运用了大量的不确定性和模糊性思维。如依靠模糊识别和聚类分析以及模糊集合的截集方法，把彼此渗透的要素归属并入边界清晰的类集合，这些模糊性思维的应用是数字治理的必要手段。在现实中对复杂问题的描述和界定涉及各种参数，由于社会问题涉及因素的多元化、路径的多样性以及发展的非线性等，数字技术无法测得准确的参数来建立精确的控制回路，这时就必须依赖操作人员的具体经验，他们依靠大脑中存储的经验将社会问题转换为语言控制，实际上就是用模糊性思维来控制社会问题。其三，数字技术是在运用模糊思维的学习中得到发展的。如，人工智能抓取人类思维的形式和特点对人类思维进行模拟，算法规则基于模糊化思维得到延伸。其四，数字技术的适用性评价建立在对不确定性和模糊现象的覆盖上。数字技术的发展目标是提升对模糊现象的解释力，提高与模糊性的兼容度。对数字技术的定量描述、简化处理、模型提取等一系列抽象过程的评判，往往是看其与模糊性的兼容度。数字技术如果能适用于更为复杂和模糊的环境，那就说明其具有更强的解释力也更加先进；如果排斥越多，则离现实就越远。

这也就是说，通过技术路径并不能实现绝对的清晰化，实际上，通过技术发展来追求清晰性，同时也意味着模糊性的增加，使得清晰化追求陷入悖论。首先，数字技术精确性的提高不可避免地伴随着技术治理模糊性的提升。数字规划的精确性与运行程序规范性的提高，燃起了人们追求确定性治理的热情。但是，技术本身具有模糊性，技术与治理的结合又会带来另一种不确定性。其次，数字技术的发展与治理对象模糊性的提升正相关。数字技术的发展受到社会历史发展的推动，正是因为社会问题的复杂化，对技术有了更高的要求，推动了数字技术的发展，但反过来看，数字技术的发展也正说明了社会治理中模糊性的增长，而且这一趋势无法阻止。再次，数字技术精确性的提高伴着数字治理意义的流失。模糊数学创始人扎德提出了“不相容性原理”，即当系统的复杂性增加时，我们对系统做出精密而有意义描述的能力会下降，直到达到一个节点，在这里，精密性与有意义性成了互相排斥的变量。也就是说，为了实现精确性，就必须牺牲一定的价值与意义，这带来了人类认识中的深刻性与确定性之间的矛盾。最终，精确性从对人有价值的东西，可能变成没有价值的东西，清晰性的意义流失了。

四、尊重模糊性完善数字治理

既然清晰性来自模糊性，清晰性也始终包含着模糊性，那么没有模糊性的存在，也就无法实现社会治理的清晰和精准。因此，要基于模糊性来实现清晰性，尊重模糊性并充分利用模糊性来实现有效的数字治理。

第一，在数字治理中引入经验知识形成模糊但完整的知识积累。数字治理之所以能够实现一定程度的清晰化，主要是应用了清晰精准的技术知识，但如果在追求技术知识的过程中忽视甚至排斥经验知识，就会导致治理知识的片面化与狭隘化。在一定程度上可以说，具有模糊性的经验知识比清晰的技术知识更为有用，因为模糊性提供了知识供给平台与渠道多元化的可能。“人类应当创建一个知识多样化的社会，实现各种类型的知识平等共在，而不是让一类知识排斥或驯服其他类型的知识。只有这样，科学的发展和技术的进步才不会发生变异，才能确保人类始终从中受益。”技术知识需要被置于模糊的经验知识中才能得到发展，因此，应当把经验知识作为知识增长中具有价值的东西。知识之间存在差异并分为不同的类别，但类别之间的边界不应成为优劣的标准，更不应以此做出排斥。技术治理要更具适应性与发展前景，必须模糊知识之间的边界推动知识的多元化，增进知识的完整性。

第二，引入相似性思维形成数字治理中的模糊思维模式。基于分析性思维的社会治理类似于科学流程，它基于清晰明确的符号与规范标准的流程，将治理对象所存在的模糊状态加以分解或者简化，直到实现清晰认知为止。相似性思维不否定事物之间的边界与差异，但更看重事物特征的连续性，强调对事物的整体认知。在相似性思维中，符号具有具身性、情境性、发展性以及动力系统等特性，因此符不能完全离身，政策问题不能与社会情境和历史背景相分割，也不能被简化为单一的技术问题，因此不能用自成系统的符号代表完整的社会问题。除了运用可分析可拆解的逻辑和步骤之外，社会问题的解决需要对分析性思维所排斥的价值因素给予关注。“大脑的计算能力也许可以解决已知风险，但是面对不确定性时，直觉就变得至关重要了。不过，我们的社会往往拒绝承认直觉是一种智慧，而认为逻辑计算能力才是智慧的体现。”实际上，直觉、联想、回忆、顿悟等被排除在技术路径之外的方法并非没有合理性，这些方法都包含在相似性思维中，也就是说，数字治理同样需要相似性思维来形成一种完整的思维模式，赋予社会治理整体性的认知视角。

第三，建立模糊感知与精确认知之间的转换机制且使之常态化。数字技术实现了前所未有的精确认知，但是，认知的精确性越高，对认知范围就做出了更多的限定，对复杂问题的感知和控制程度反而越低；而若要形成全面的认知，又必须放弃对精确性认知的追求，这是精确性认知与全面感知之间的两难。正如研究者所言，“它使追求思维精确化的传统信念面临着一个无法解脱的‘二维困境’：或者沿着传统的道路走，运用经典数学来满足‘精确性’的追求，那么结果必然是降低甚至放弃复杂系统的数学描述和控制能力；或者是放弃传统的信念，降低对‘精确性’的要求，探寻体现模糊化思维机制的新数学方法，以提高对复杂大系统的现实可靠的控制能力”。这一困境让我们认识到，需要在模糊感知与精确认知之间建立转换机制并使之常态化，根据具体情境在模糊与精确之间做出取舍和搭配，降低对数字技术的依赖程度和精确度要求，更关注对现实世界的定性分析和近似解的探求，以保证数字技术在运算能力提高的同时具有更大的社会适应性。

第四，在多主体的互动与包容中确立治理网络的模糊边界。数字治理主要得到技术知识的支撑，技术专家在其中居于主导地位，而不具有专业知识的公众则被排除在外，最终形成了封闭的治理网络。但是，“公共行政与社会实存在密切关联，也就是说，一种社会现实是由人类思想和互动组成的。当人们意识到现实是社会构造的时候，他们就会认为，现实社会不只存在一种版本或一种真理。民众在他们的日常交往中构造并经历了多样化的现实和真理。依靠假设，人们有很多可能的途径来理解现实的本质和对环境多样性解释的本质，由此，管理不再支配统治过程，其他组织成员的经验、思想以及存在分歧的观点得以重视，这种情形在许多有效的组织中都可以看到”。数字治理是技术与治理相结合的产物，也是技术社会化的过程，因此，治理网络不仅具有技术理性，而且应该具有经验理性，也就是说，治理主体应该是多元的，治理过程是多路径参与中的互动与合作。尤其是在民生问题的治理过程中，更需要相关利益群体的加入，需要倾听不同的声音。在社会治理中无论政府角色如何精细化，也要留出权宜的模糊空间。技术最终是“社会的技术”，应在社会中承担更大的社会责任，在民主化路径中实现科学的技术治理。

第五，在即时处理与调适中保留流程与程序中的模糊。清晰的实现来自对事物的精准认识以及对未来的全面预测，但是，“当从信息的角度来认识有关的对象和活动时，会发现随机性才是新事物的终极来源。对计算机科学不熟悉的人可能会觉得难以置信，但其中的逻辑是合理的。确定性的规则精确决定结果；因此只要输入不是随机的，结果就一定可以预料”。但高度复杂性的社会治理中存在大量的随机性与不确定性，这是程式化运作无法应对，也无法做出准确预测的，这时需要即时回应与创新调适。在科学范式中，只有当“输入”不可预测时才会得到不清晰的结果，只有出错时才有出现不确定性的可能。这体现了科学的严谨性，但却导致了对创造性的毁灭，因为创造性往往突破常规的清晰化技术和准确的预测规则，大量出现于科学框架之外或者意料之外。“创新能力正重新界定为通过选择相关数据、技能并适当组织它们来解决问题的能力。当信息充足，也许过于充足的时候，能力就不是来自于产生更多的信息，而是在于以新的方式组织现有信息的眼光。渐渐的，这就意味着将取自不同数据银行的一系列先前独立的数据联系起来。这种能力观念或许开始界定‘想象力’的含义。”数字系统与机器的更新可以提高技术内部的创造性，但更需要打破僵化的治理流程和程序，在与社会实践的交互中实现治理的变革与创新。

综上所述，数字技术为社会治理提供了一个上帝视角，将社会问题映射在虚拟平台中做出清晰的表达以及精准化处理，从而使治理获得确定性。现代社会对确定性有一种执念，而且这种执念的实与技术工具捆绑在一起，因此也导致了社会治理对数字技术的依赖。但是，数字治理并不等同于清晰化的治理，也不等同于确定性的治理，数字技术所能实现的清晰化限定在技术维度上，也以技术发展程度为限，所能做出的清晰表达只限于社会问题中可以通过符号来表达的部分，所能处理的范围不超出当前算法所能计算的程度。而社会治理不是一个只充斥着算法和机器的冰冷世界，也不是祛除了价值与偏好的客观存在，其社会性的内核不能被忽视，人类的影响和作用也无可替代。因此，数字治理并不能消除模糊性，也不应以模糊性的消除为目标。从另一方面来看，清晰与模糊只是相对的划分，不是非此即彼的，也不处于优劣的两极。相反，模糊性总是寓于清晰性之中，清晰性的实现需要有模糊知识的支撑、模糊思维的运用、模糊流程的运作，并需要与模糊情境相兼容。因此，数字治理应当承认并尊重模糊性，充分利用模糊性，在模糊性所提供的养分中寻求有效的治理方法和更好的答案。

责任编辑：万志高

一审：牛铮 二审：卢腾 终审：肖伟林

文章来源：《天津社会科学》2023年第3期

相关阅读：

走向行动主义：建构风险社会中的政策分析范式

论政策过程中的言说与行动

关键词：