总体国家安全观丨吴晓林等：《持守“创造性主权”：人工智能时代的公共治理教育转型》

作者介绍

吴晓林，天津市总体国家安全观研究中心首席专家，南开大学周恩来政府管理学院院长、国家治理研究院院长、教授；

黎江平，南开大学周恩来政府管理学院博士研究生。

关键词

人工智能；公共治理；公共治理教育；创造性主权

内容提要

人工智能（AI）的应用正在重塑政务实践，并对公共治理教育提出挑战。AI时代的公共治理教育如何转型，亟需得到回应。基于对政务AI应用的影响评估发现，AI的应用既能提升行政效率、辅助决策，同时又伴生算法黑箱、数据安全、伦理风险、人工替代四重风险，对公共治理教育造成颠覆性冲击。部分欧美高校通过设置AI课程、深化校企合作、强化AI伦理和批判思维教育推进公共治理教育转型。AI时代的公共治理教育，应当善用善驭AI、持守人的“创造性主权”，而不能任由其异化为俘虏人的武器、把人变为被动的“技术附庸”。面向未来，公共治理教育需警惕AI的“能力锈蚀”，在技术维度深化学生AI认知与技能；在伦理安全维度筑牢AI伦理和安全教育防线；在思维训练维度，聚焦“非替代性领域、创新性思维”，提升学生的批判性思考能力、创造性解决问题能力和自主学习能力，培养兼具AI技术素养和创新思维的复合型公共治理人才。

持守“创造性主权”：人工智能时代的公共治理教育转型

一、问题的提出

人工智能（Artificial Intelligence，简称AI）技术正重塑公共治理的运作模式与知识基础。以ChatGPT、DeepSeek为代表的生成式AI大模型，凭借在政策模拟、文本生成与数据分析方面的卓越能力，迅速影响政策制定、政务流程优化等治理实践，对公共治理教育领域也带来了前所未有的机遇与挑战。

AI加速融入政府治理与公共服务领域，展现出提升行政效能的巨大潜力。2017年7月，国务院印发《新一代人工智能发展规划》，提出“开发适于政府服务与决策的人工智能平台，研制面向开放环境的决策引擎”。在国外，2025年1月，英国政府启动名为“汉弗莱”（Humphrey）的AI行政辅助工具开发计划，意在提高公务员的工作效率。2025年3月，美国总务管理局（General Services Administration, GSA）完成内部测试的“GSA Chat”AI工具，可实现邮件起草、代码编写等行政任务的智能化处理，目前已进入全面推广阶段。在地方层面，2023年6月至2024年12月间，深圳市工业和信息化局联合多部门发布四批“城市+AI”应用场景清单，覆盖123项政务服务；2025年初，南京市应急管理局采用DeepSeek-R1大模型，实现5分钟内结构化生成标准化事故初报，合规性校验准确率逾95%，行政效率提升达70%；北京市昌平区政务服务中心上线“AI咨询通数字人”，通过深度融合“DeepSeek大模型+行业模型+业务模型”三重技术架构，显著优化了公共服务咨询响应。与此同时，有的地方盲目跟风应用AI，呈现一窝蜂上马的态势，极易引发混乱和浪费。

AI 的广泛使用，也对公共治理领域造成全面挑战。根据经合组织（OECD）2023年教育监测报告，包括公共治理学科在内的全球传统课程体系正面临知识模块的结构性重构需求。联合国教科文组织（UNESCO）发布的《人工智能与数字转型下公务员胜任力报告》（Artificial Intelligence and Digital Transformation Competencies for Civil Servants）则揭示，全球仍有47%的国家尚未出台提升公务员数字胜任力的战略，凸显出治理能力建设与数字技术间的断裂。

面对AI深度影响公共治理的现实，学界关于公共治理教育转型的认知分歧却尚未弥合。技术乐观论者主张将机器学习、算法治理等技术模块嵌入课程体系，以提升公务员的数字素养；价值审慎论者则在承认AI技术赋能公共政策教学和评估的同时，警示其可能诱发学术诚信等风险。这一争论本质上反映了公共治理教育在技术革命中面临的工具理性与价值理性张力。

那么，AI应用对公共治理造成了哪些冲击？其公共治理教育体系又该如何转型？这些问题亟待学理性阐释。本文将首先分析AI技术嵌入政务场景引发的冲击，明晰其对公共治理者能力的新要求；同时，作为AI创新应用的前沿场域，欧美发达国家已经在公共治理及其教育领域开展了相关探索，通过比较分析欧美典型高校公共治理教育改革实践，为“AI+公共治理教育”转型提供启发。

二、既有研究回顾

理解当前中欧科技安全领域的竞合关系，必须引入国家形象的认知分歧这一关键解释概念。欧洲的政策行为在很大程度上受到了中国国家形象的影响。近年来，欧盟对华政策话语的转变，特别是2019年将中国定义为“制度性对手”的标签化行为，是欧洲污名化中国的开端。这一标签将中欧关系从纯粹的经济伙伴，重构为制度与价值观冲突的竞争关系，为其更具防御性的政策提供了理论基础。这种叙事与“中国威胁论”关系密切，将中国的经济行为和投资活动政治化，解读为旨在分裂欧洲的地缘政治工具；将中国的崛起界定为对现有自由主义国际秩序的根本性挑战，从而构建了“我们”（捍卫规则的西方）与“他们”（挑战规则的中国）的对立格局。认知上的转变是理解欧洲在科技领域，尤其是半导体领域对华政策从开放合作转向审慎、限制，甚至在特定情况下采取对抗性措施的关键。

近年来，学界围绕“AI对公共治理教育的影响”开展了相关研究，大致聚焦在正负两个方面的影响。

（一）AI对公共治理教育的正面影响

学者们主要从变革教学模式、重塑评价体系、促进教育公平三大视角阐述AI对公共治理教育的正面影响。

其一，AI推动教学模式变革。有学者认为，AI技术借助混合式学习（blended learning）和生成式教学（generative teaching）等模式，实现教学内容动态迭代和教学方法多元化。另有研究发现，AI营造的沉浸式学习环境与个性化学习路径显著提升了学生的学习兴趣和参与度，改变了传统的“教师中心”的教学模式。

其二，AI重塑评价体系。生成式AI正在重塑学术能力评估标准，例如，吴晓林等提出“三重替代”，认为AI技术已具备替代标准化考试、论文写作、课程作业等传统评估方式的技术可行性。有研究发现，AI既可辅助教师高效率地完成学生作业评分，更能基于学生的学习轨迹动态调整评估内容，帮助学生更好地掌握知识，推动评价功能从“测量”转向“发展”。

其三，AI促进教育公平。有学者认为，通过向偏远地区配置AI教学设备有助于缓解教育资源的地域失衡，进而为更多学生提供高质量的教育机会。然而，AI教育设备资本密集型特征衍生出新的技术可及性障碍，有研究强调需通过财政补偿机制降低资金门槛，以实现AI教育资源的罗尔斯式正义分配。

（二）AI对公共治理教育的负面影响

既有研究主要从虚假信息与学术不端、教育价值异化等角度反思AI给公共治理教育带来的负外部性影响。研究表明，AI技术的“幻觉”（AI hallucinations）问题可能导致学生接收虚假信息，从而影响学习效果。还有学者担忧，生成式AI冲击传统知识生产机制，可能导致学术伦理失序。技术工具主义倾向可能异化教育的人文内核，这种异化表现为价值理性和深度思考能力的弱化。研究发现，当前ChatGPT生成的文本虽具形式完备性，但普遍缺乏价值判断。更严峻的是，过度依赖AI还将弱化学生高阶思维能力，尤以复杂问题解决能力和辩证思考能力为甚，最终背离“全人”（whole person）教育价值追求。

（三）既有研究评价

已有研究在揭示AI对公共治理教育的影响方面已取得进展，但存在两点不足。其一，既有研究多在一般层面论述AI对公共治理教育的影响，缺乏对具体经验的实证分析，难以展现公共治理教育转型的实际路径。其二，公共治理教育服务于政务实践，政务实践将人才培养新需求传导至公共治理教育。已有研究多探讨AI对公共治理教育的直接影响，忽视了“AI—公共治理实践—公共治理教育”的链条。

鉴于此，本文力图超越“AI—公共治理教育”的简单因果关系，将公共治理实践视为关键中介变量，构建“实践冲击—能力要求—教育响应”的分析框架。本文认为，政务AI应用首先通过对治理实践造成四重冲击，从而对治理者提出新的能力要求；公共治理教育作为供给端，必须进行针对性转型以响应这些新需求。

三、政务AI应用的四重冲击

政务AI应用对公共治理大体存在提升行政效率和服务质量、提供决策支持两类赋能效应。一方面，AI通过自然语言处理与机器学习算法的深度融合，提高政务服务效率和精准度；另一方面，AI大模型依托海量数据建模与政策推演模拟，助力政策决策科学化，推动公共治理向数据驱动型治理演变。与此同时，政务AI应用也造成了四重冲击（见表1），对公务人员的能力素养提出了全新要求。

表1 政务服务AI应用的冲击

（一）算法黑箱冲击

算法作为AI的核心支柱之一，其内在的局限性常导致政务AI应用中出现算法黑箱问题。所谓算法黑箱，特指算法运行的某个阶段所涉及的技术复杂且部分人无法了解或得到解释的现象。这种黑箱特性对公共治理体系构成了深层次挑战，主要体现在以下两个关键维度：

其一，削弱政治行为的合法性基础。现代行政法体系植根于“人类决策中心主义”范式，其核心在于法律文本及决策依据必须具备可解释性。然而，AI算法的黑箱特性导致其输出结果缺乏清晰、可追溯的因果链条。这种因果链条的缺失，不仅动摇了法律程序所要求的审慎性原则，更从根本上削弱了政治行为的合法性根基。相关司法实践已凸显此类风险，如2023年2月，美国纽约南区联邦地区法院审理的“马塔诉阿维安卡公司案”，涉事律师因提交了由ChatGPT生成的虚构判例而遭法庭制裁；同年5月，英国《律师协会公报》（The Law Society Gazette）亦报道了民事诉讼当事人援引AI生成虚假案件支持其主张的实例。

其二，加剧行政问责困境。现代行政问责机制有效运行的前提在于责任主体明确、决策过程可追溯。然而，算法黑箱恰恰遮蔽了其内部的决策逻辑与数据处理路径，造成行政行为与具体责任人之间的联结断裂。当算法驱动的行政决策出现偏差或失误时，这种不透明性使得精准识别并有效追究行政责任主体变得异常困难。2020年8月，英国教育部因采用存在缺陷的算法模型对A-Level考试成绩进行标准化处理，导致近40%学生的成绩被不公正下调，引发广泛争议。然而，面对公众质疑和追责诉求，教育部门与算法开发方相互推诿，最终未能清晰界定决策失误的责任归属。上述困境表明，AI时代的公共治理者须具备初步理解算法基本逻辑、洞察其局限性及潜在风险的能力，以确保算法决策的合规性与正当性。

（二）数据安全冲击

数据是AI系统的核心生产要素，AI在政务实践中的应用往往遭遇数据安全冲击。

一是数据代理偏差。在强调循证决策与数据驱动的AI时代，将公民复杂的参与行为简化为数据单元的治理模式，潜藏着数据代理偏差的固有风险。此类偏差源于数据表征与现实状况之间的错位，导致决策依据失真。典型案例为美国医疗保健系统的AI算法以健康成本作为健康需求的代理，错误地推断黑人患者较同病白人患者更健康，导致前者获取的医疗资源显著减少。数据代理偏差现象实质上揭示了AI治理中的一种新型数字排斥机制，即处于数字弱势地位的公民，其真实需求在数据表征中常常缺位，却在实际生活中持续存在并亟待回应，最终面临被公共服务体系排斥的风险。

二是数据安全风险。AI系统高效运行依赖于海量、多源数据的处理与融合，这放大了数据泄露、非法篡改及滥用等安全威胁，对公民个人信息自决权（informational self-determination）与隐私权构成严峻挑战。2017年，DeepMind公司与英国国家医疗服务系统（National Health System）涉及160万患者敏感医疗数据的合作项目，因未能充分遵守数据保护法规，引发了社会对大规模健康数据商业化利用中合规失控和隐私泄露的广泛担忧。2020年2月，服务于包括美国联邦调查局（Federal Bureau of Investigation）在内的政府机构的面部识别供应商ClearviewAI遭遇黑客攻击，导致海量人脸敏感信息被泄露。2021年5月，富士通公司开发的信息共享平台ProjectWEB受到黑客入侵，致使国土交通省（Ministry of Land，Infrastructure，Transport and Tourism）等多个日本政府机构至少7.6万个邮箱地址与大量专有信息外泄。

与此同时，AI技术正演化为新型数据污染与国际博弈的工具。2025年4月，上海市警方侦破犯罪团伙利用AI批量生成30余万条虚假信息案件，该团伙通过500余个账号制造“毒流量”牟利。在国际博弈层面，一些国家为维护其全球霸权，对其“数字对手”实施各种制约，系统性部署AI社交机器人伪装独立媒体、制造热门标签，定向污染相关议题的全球认知。一些非正义势力，通过喂“黑料”“猛料”的方式，诱导AI生成偏见误解，从而引导意识形态、误导决策，形成新的AI斗争。

上述事件共同揭示了一个核心风险——政务AI系统作为高价值数据的汇聚节点，其安全防护机制的疏漏易演变为系统性危机，在地缘政治博弈加剧下，可能严重削弱政府公信力与社会稳定根基。这要求公务人员应精通数据治理流程，包括数据质量控制、隐私保护、安全防护和合规使用。

（三）伦理风险冲击

政务AI应用所衍生的算法歧视现象，也使公共治理的伦理基础面临冲击。这种冲击的要害在于公平性的消解与不平等的技术性固化。

首先，算法歧视冲击公共治理公平。囿于训练数据的质量缺陷以及算法逻辑缺陷，部分政务AI应用存在算法歧视（algorithmic bias）问题。这种现象在涉及社会资源分配的公共决策中尤为明显，其本质是技术手段对既有社会偏见的自动化再生产。美国国家标准与技术研究院（NIST）的实证研究表明，主流人脸识别系统对非裔与亚裔群体的错误识别率较白人群体高出10~100倍。这种偏差若应用于执法场景，将直接导致监管实践的种族歧视。典型案例可见于美国洛杉矶市、孟菲斯市等地部署的预测性警务系统（predictive policing），该系统依赖包含种族、性别、社会经济地位等歧视的历史犯罪数据评估公民犯罪的风险，导致对少数族裔群体的过度监控。

其次，算法歧视更深层的伦理危害在于其可能系统性地边缘化特定社会群体。当少数族裔或低收入群体因技术缺陷被排除于公共服务体系之外时，技术壁垒又使其权利救济途径趋窄，最终形成社会排斥的增强回路。这要求公务人员须具备敏锐的AI伦理意识和价值判断能力，能够在效率与公平、创新与规制之间做出审慎平衡，防止技术固化与加剧社会不公。

（四）人工替代的冲击

AI在政务场景中的深度渗透，正引发行政组织结构的系统性变革。其具体体现为对基础行政职能的自动化替代，从而重构公务员职业生态，并倒逼其能力加速更迭。

一方面，AI系统凭借其自动化优势，正持续替代标准化、程序化的基础行政事务，导致相关岗位的规模收缩与职能转变。当前AI的替代范围主要集中于数据处理、文件审核、公文撰写、公共服务问询等低复杂度领域，且这一趋势已在全球行政改革实践中加速显现。例如，2023年1月，新加坡开源科技部开发Pair公务员文书写作系统，可代替公务员于数秒内完成海量咨询整理、邮件及政府报告撰写。2025年2月，中国深圳市福田区政府推出基于DeepSeek开发的“AI数智员工”，首批70名AI员工已覆盖政务服务全链条。2025年2月，美国政府效率部（Department of Government Efficiency）启动联邦自动化计划，明确利用AI和机器人取代部分公务员以削减行政成本。美国密歇根州失业保险机构（UIA）引入集成数据自动化系统（MiDAS）检测保险欺诈行为，直接导致该部门约三分之一的员工被裁撤。2025年3月，英国首相宣布，将扩展公务员体系内的AI应用，优先替代数据处理等低风险职能。

另一方面，AI的深度集成倒逼公务员角色转向“人机协同决策者”。公务员需和AI系统协作完成复杂任务，这要求其超越传统行政技能，具备AI系统操作、数据治理、算法监督等技术素养。然而，转型过程远非简单的技能叠加，更涉及角色定位与权责边界重构。在荷兰育儿津贴案例中，AI的引入导致了公务员角色定位的边界模糊。该案例中，AI风险评分模型被用于识别潜在的福利欺诈行为。尽管存在形式上的职责划分，但AI系统的介入打破了这一界限。CAF团队通过AI系统得出的分析结果，常被实体业务团队视为具有权威性的信号，甚至未经核实就直接将其作为决策依据。此外，在部分情境下，CAF团队还直接做出了本应由实体业务团队负责的津贴发放决定，进一步模糊了两个团队之间的职责边界。因此，公务人员需超越传统行政技能，掌握AI系统操作、算法监督与协同决策的能力，在与AI的合作中明确自身定位，承担最终责任。

四、欧美典型高校公共治理教育的应对

政务AI应用既影响前端的政务实践，也紧密关联着后端的公共治理教育。作为“AI+公共治理教育”的先行区域，欧美典型高校为应对前述挑战，在培养能驾驭AI的新型治理人才方面展开了初步的改革探索。

（一）欧美典型高校公共治理教育改革的动因与原则

欧美典型高校推动公共治理教育改革，主要是因应AI技术引发的挑战。一方面，传统公共治理教育模式滞后于AI时代的算法治理、数据治理等技能培养需求，课程体系更新迟缓，公务员群体面临“技术赤字”；另一方面，AI应用伴生安全伦理风险和人工替代冲击，亟需提升公务员的价值判断及批判性思维能力，以平衡工具理性与价值理性之间的张力。欧美典型高校的改革主要遵循以下原则：

其一，以人为本，以斯坦福大学、剑桥大学为代表的高校，将“技术服务于人”确立为元伦理准则，强调AI作为服务公共利益的工具属性。其二，跨学科融合，哈佛大学、伦敦政治经济学院等高校通过学科交叉重构认知图景，打破公共政策、计算机科学等学科间的壁垒，将算法治理、数据治理、AI伦理等议题融入核心课程设计。其三，实践导向，牛津大学、哈佛大学等高校依托产学研合作平台，将真实政务场景中的AI应用案例引入课堂，通过模拟决策、案例分析等方式，锤炼学生应对复杂治理问题的实践能力。

（二）欧美典型高校的具体做法

欧美典型高校聚焦培养学生“使用”和“驾驭”AI的能力，通过主动调整课程设置、开展产学研合作以及强化AI伦理教育等举措进行改革。伦敦政治经济学院开设公共政策数据科学硕士（MPA in Data Science for Public Policy）项目，将AI、数据科学与公共政策学科相结合；斯坦福大学开设AI实践伦理（Practical Ethics for Artificial Intelligence）课程，旨在增强学生的AI伦理意识。

为深度分析欧美典型高校的公共治理教育改革，本文主要聚焦分析剑桥大学贝内特公共政策学院和哈佛大学肯尼迪政府学院的相关实践（见表2）。

表2 贝内特公共政策学院与肯尼迪政府学院

公共治理教育改革

将欧洲当前对华认知分歧及其对科技领域的影响置于全球政治视野下进行审视，不仅是中国未来推进地区间科技合作的必要参照，更是把握全球产业变迁的关键一环。对欧洲而言，未来中欧科技合作或可成为欧盟实现“战略自主”的关键杠杆，从而有效抑制美国的技术扩散，分化跨大西洋安全合作关系。

1.应对算法黑箱冲击：深化AI技能与算法逻辑教育

剑桥大学贝内特公共政策学院和哈佛大学肯尼迪政府学院均重视培养学生在AI算法逻辑理解、风险识别与治理等方面的能力，以应对AI算法维度冲击、提升未来公共治理人才的技术素养。

贝内特公共政策学院通过开设“AI+公共政策”的跨学科专业和AI相关课程等方式来应对算法黑箱挑战。一是开设“AI+公共政策”等跨学科专业，该学院计划于2026年10月推出全新的数字政策硕士（MPhil in Digital Policy）项目，博士培养计划亦将于2027年启动。该项目横跨政治学、经济学、法学与计算机科学相关课程，面向具备2~5年工作经验的政策从业者设计，聚焦AI技术带来的治理挑战与机遇。学生将在剑桥大学的理工专业与社会科学资源支持下，接受循证政策分析训练，系统掌握数据驱动决策、复杂风险管理、跨部门沟通与团队协作等核心能力。在这一跨学科框架之下，学院聚焦如何借助AI优化公共政策设计、强化执行效能。学院为数字政策专业的学生开设《数字经济学I：政策、法律与法规》（Digital Economics I：Policy，Law & Regulation）课程，讲授公共政策领域的AI应用。例如，在经济政策领域，借助AI分析宏观数据与预测趋势，支持政府构建更精准的财政与税收政策；在公共服务方面，通过智能手段优化医疗资源配置、增强教育体系效能，提高社会福利政策的落地效率。

肯尼迪政府学院开设跨学科的AI特色课程，以提升学生在公共治理场景中的AI实操能力。学院开设了AI特色课程，包括但不限于《AI的公私政策挑战案例研究》（Case Studies in Public and Private Policy Challenges of Artificial Intelligence）、《生成式AI的科学基础和社会影响》（The Science and Implications of Generative Al）、《新兴技术：安全、战略与风险治理》（Emerging Tech：Security，Strategy，and Risk）、《超越法律和规范——新兴技术的治理》（Beyond Law and Code-The Governance of Emerging Technologies）、《产品管理与社会：构建符合公共利益的技术》（Product Management and Society：Building Technology in the Public Interest）等5门面向本硕博不同层次的课程。这些课程围绕AI在公共预算优化、危机快速响应等治理场景，着重训练学生在复杂现实问题中将AI技术与公共治理进行协同的能力。

2.应对数据安全冲击：强化数据治理与安全防护教育

剑桥大学贝内特公共政策学院和哈佛大学肯尼迪政府学院均重视培育学生的数据治理能力与数据安全意识。

贝内特公共政策学院将数据科学素养作为数字政策硕士培养的核心环节，开设必修课程《面向政策制定者的R/Python中的数据科学》（Data Science in R/Python for Policy-makers），系统讲授数据获取、处理与分析的基本方法，涵盖编码技术及其在公共政策情境下的应用。课程特别关注实际政策问题中常见的数据偏差与缺失等挑战，培养学生对数据质量的批判性意识。此外，学院还为公共政策硕士项目设置了《统计思维》（Statistical Thinking）课程，意在强化学生的循证决策能力和数据治理素养，为其在复杂治理环境中进行科学研判奠定基础。

肯尼迪政府学院则通过课程嵌入与产学研协同机制，全面增强学生在数据治理与安全方面的专业能力。学院自2018年起面向全院学生开设Python编程与机器学习选修课程，强化学生在公共政策研究与实践中的数据分析、数据建模与预测能力。与此同时，学院在《实证方法》（Empirical Methods）、《机器学习和大数据分析》（Machine Learning and BigData）等研究生定量方法类课程中，整合了数据处理、质量管理与数据安全的模块化内容，使学生能够在真实政策场景中合理运用数据并防范相关风险。学院还依托校企合作，开发了“Generative AI @ Harvard”学习与研究平台，为学生提供生成式AI技术的实操训练与可信操作环境。尤为重要的是，哈佛大学与科技公司合作打造了“哈佛AI沙盒”（Harvard AI Sandbox），该平台在严格保障数据安全的前提下，支持学院师生合规、高效地使用多种生成式AI工具，显著提升了公共治理人才在AI时代的技术能力与安全意识。

3.应对伦理风险与人工替代冲击：聚焦AI伦理与不可替代能力培育

面对AI引发的伦理风险和人工替代挑战，贝内特公共政策学院和肯尼迪政府学院尤为重视AI伦理教育与高阶思维训练。

贝内特公共政策学院从课程建设与标准制定两个层面推进AI伦理与批判性思维教育。在课程方面，学院开设了诸如《负责任的人工智能治理》（Governance for Responsible AI）等必修课程，面向数字政策硕士研究生深入解析算法偏见、自主性剥夺等核心AI伦理议题，着重强化未来公共治理人才对AI技术的批判性反思能力。在规范层面，学院严格遵循由剑桥大学联合其余罗素大学集团成员发布的《罗素大学集团在教育中使用生成式AI工具的原则》（Russell Group Principles on the Use of Generative AI tools in Education），积极调整教学与评估体系，强调AI应用必须符合伦理规范，并在技术赋能与批判性思维培养之间寻求平衡。

相较而言，肯尼迪政府学院在AI伦理教育和规制上更注重动态适应。在AI伦理课程方面，学院面向全院学生开设了选修课程《技术哲学：从马克思和海德格尔到人工智能、基因组编辑和地球工程》（Philosophy of Technology：From Marx and Heidegger to AI，Genome Editing，and Geoengineering），引导学生从哲学和伦理视角批判性地评估AI等技术对人类的影响。该课程既梳理技术伦理的历史脉络，更指导学生将技术应用锚定于公共决策的伦理坐标系。

在制度规范层面，学院遵循哈佛大学2023年发布的《生成式AI应用指南》（Generative Artificial Intelligence Guidelines），该指南明确了包括保护机密数据、审核内容、警惕网络钓鱼在内的AI应用准则，并承诺建立动态修订机制以保持与技术演进同步。2025年1月，哈佛大学教育研究生院进一步推出专项指南《学生自主项目中生成式AI应用：建议和启示》（Generative AI in Student-Directed Projects：Advice and Inspiration）。该指南提炼出“勇于探索与试验”等四项原则以及33项具体策略，旨在引导学生合理、创新、负责任、符合伦理地使用生成式AI。

此外，肯尼迪政府学院还通过校企合作应对AI的伦理挑战。2018年，其所属的贝尔弗科学与国际事务研究中心（Belfer Center for Science and International Affairs）与美国银行（Bank of America）合作成立“AI负责任使用委员会”（The Council on the Responsible Use of Artificial Intelligence），致力于前瞻性研判和治理AI带来的伦理与社会风险。

四、结论与启示

AI技术的深度嵌入正在重塑公共治理的实践图景，并引起公共治理教育的深刻变革。本文基于“实践冲击—能力要求—教育响应”的分析理路，阐释了政务AI应用对公共治理实践产生的四重冲击及其对人才培养提出的新要求，并分析了其对公共治理教育转型的启示。

（一）研究结论

其一，政务服务AI应用呈现出“双刃剑”效应。AI在提升行政效率与决策科学性方面表现突出，但伴生的算法黑箱、数据安全、伦理风险、人工替代等冲击，对治理的合法性、公平性与人的主体性构成深层挑战。这些冲击不仅暴露出现行治理体系中的技术适配缺陷，更折射出传统行政学知识在应对AI时代治理需求时的局限。

其二，AI冲击对公共治理者的能力及公共治理知识体系提出了更高要求。在AI驱动的治理环境中，数据科学、算法逻辑、机器学习与伦理哲学已成为不可或缺的知识维度。这要求公共治理教育突破学科壁垒，构建融合公共管理学、计算机科学、伦理学与法学的跨学科知识体系。未来的公共治理者不仅需掌握制度分析与政策制定能力，还应具备数据建模、算法解读、系统伦理评估等AI素养，既能“善用”AI，又能“善驭”AI。

其三，基于AI的公共治理教育改革方兴未艾，有待系统性重构。为适应AI变革，欧美典型高校已积极调整公共治理教育策略，包括主动调整课程和专业设置、深化校企协作及强化AI伦理教育。然而，其改革举措多聚焦局部创新，尚未实现“知识生产模式—人才培养机制—教育评价体系”的系统性重构。相关课程设置碎片化、知识结构滞后于技术发展等问题依然存在。

（二）研究启示

持守“创造性主权”应成为AI时代公共治理教育的准则。本文所提出的“创造性主权”，是指人在与AI协同的环境中，始终保持其在价值判断、伦理反思以及非结构化决策中的主体性地位。它强调教育应致力培养受教育者不被技术所吞噬或支配的能力，使人在AI增强的世界中能够行使独立的判断力与决定权，而不是沦为技术的附庸与俘虏。这一概念不仅回应技术异化的风险，更指向一种主张“人以驭技”而非“技以驭人”的教育哲学。这意味着教育目标应从“如何使用AI”提升至“如何批判地审视AI、负责任地运用AI，并在人机协同中持守人的最终裁量权”。

公共治理作为高度依托实践场景的学科，其教育转型必须紧密结合治理实践前沿，确立以场景驱动复合型人才培养的核心原则，即以现实治理场景的需求为导向，深度融汇公共管理学、人工智能、数据科学、伦理学等相关学科知识体系，致力于培养兼具AI技术素养与价值判断能力的公共治理人才。对中国而言，未来的公共治理教育转型应立足中国治理现实，既借鉴“他山之石”，又依托新型举国体制优势，推进以“场景驱动”为核心的复合型人才培养模式创新。具体而言，可从技术、伦理与思维三大维度系统推进（见表3）。

表3 未来公共治理教育的转型路径

公共治理作为高度依托实践场景的学科，其教育转型必须紧密结合治理实践前沿，确立以场景驱动复合型人才培养的核心原则，即以现实治理场景的需求为导向，深度融汇公共管理学、人工智能、数据科学、伦理学等相关学科知识

一是在技术维度，强化AI认知与技能培养，破解“数字黑箱”与安全难题。公共治理教育应系统性地将机器学习、算法治理、数据安全管理等技术模块纳入课程体系，开设AI导论与前沿、AI驱动的公共治理创新等课程；与此同时，应充分利用产学研合作平台，构建模拟或真实的治理场景实训环境，着重培养学生运用AI解决复杂公共问题的能力，确保其技术素养与治理场景的需求精准适配。

二是在伦理安全维度，筑牢AI伦理和安全教育防线，抵御伦理与技术异化风险。高校以及研究机构需开设专门的公共治理AI伦理、AI安全课程，协同公共部门共同研究、制定与发布“公共部门AI应用安全与伦理”规范、指南；通过理论教学、案例研讨等方式将公平、人本等伦理原则内化为公共治理人才的行为自觉，有效防范技术异化对公共价值的侵蚀。

三是在思维训练层面，强化批判性思维、创造性思维与个性化能力培养，巩固“人之不可替代性”。必须看到，AI本质上仍是服务于人类发展的工具，尽管AI擅长处理规则明确、重复性高的任务，但是难以替代涉及价值判断、利益权衡、非结构化情境下的创造性决策。AI只能提供一般通用性的辅助，不能异化为俘虏人的工具，公共治理教育尤其要捍卫人的自主性，避免过度依赖AI工具可能导致的主体性弱化与惰性风险。因而，公共治理教育需聚焦不可替代性领域及创新性思维的培养，通过案例教学、场景实验、模拟仿真等教学方法，着重提升学生的批判性思考能力、系统性分析能力、创造性解决问题能力和个体自主学习能力。

总而言之，公共治理教育须坚守“物为人用”原则，决不能本末倒置，陷入“人为物用”的困境，使人类沦为技术的附庸。面向AI时代的公共治理教育，必须寻求“善用AI”与“善驭AI”的平衡。教育机构应摒弃技术决定论抑或技术保守主义的极端立场，通过持续的教育理念创新、课程体系迭代与评价机制改革，积极推动公共治理教育向场景驱动、问题导向、价值引领的深层次转型，以培养能够善用和善驭AI技术的复合型公共治理人才。

来源：《广西师范大学学报（哲学社会科学版）》2026年第1期、天津市总体国家安全观研究中心

编辑 ：艳艳

校对：梅朵