核心观点： 人工智能 (AI) 正在从实验阶段转向更广泛的公共机构应用，各国正探索不同的实施路径。政府领导者渴望利用这项技术提高效率和改善公共服务，但面临着战略选择，这些选择将决定是陷入“恶性竞争”还是抓住机会塑造负责任、安全和可靠的公共机构 AI。文章分析了各国将国际 AI 原则转化为实践的经验，总结出七个实践领域：建立透明监督机制、制定政策和指导方针、构建数据环境、保障技术基础设施、发展和获取技能、投资长期成果、以及让公民和战略合作伙伴参与其中。
关键数据：
- 超过 70 个国家已制定某种形式的国家级 AI 战略或政策。
- 高收入国家在 AI 成熟度方面明显优于中低收入国家。
- 公民对政府在公共服务中使用 AI 的信任取决于可见的保障措施，如透明度、人类监督、申诉机制和问责制。
研究结论：
- 政府需要采取有计划的、协调一致的方法来采用 AI，以避免资源浪费和损害公民信任。
- 建立透明监督机制对于保护公平、隐私和问责制至关重要。
- 制定政策和指导方针是实现政策一致性的基石。
- 数据是 AI 的生命线，其管理和共享需要仔细思考的政治选择。
- 人工智能模型需要大量的计算能力和技术基础设施，成本是一个重要因素。
- 技能短缺是 AI 采用的主要制约因素。
- 投资纪律是重要的保护措施，AI 项目失败率很高。
- 公民和战略合作伙伴的参与对于建立 AI 的合法性至关重要。
实践领域：
- 建立透明监督机制： 包括建立中央或分散的监督机构、发布透明度声明、进行风险评估和管理、提供申诉和独立审查渠道、明确角色和制度锚点。
- 制定政策和指导方针： 将 AI 纳入国家战略或制定专门的公共部门 AI 战略/行动计划，并提供指导和支持工具，如手册、模板和生命周期管理指南。
- 构建数据环境： 进行数字化和数据摄取、确保数据质量和公平性、规划互操作性、建立治理和监督机制、提供与 AI 相关的数据服务。
- 保障技术基础设施： 建设计算和云基础设施、测试、保证和安全基础设施、以及 AI 系统的安全、持续性和弹性。
- 发展和获取技能： 进行领导力发展、嵌入 AI 素养、建立内部 AI 专业知识、以及获取 AI 技能。
- 投资长期成果： 进行严谨的商业案例准备、采购 AI 系统和服务、以及资助 AI 创新。
- 让公民和战略合作伙伴参与其中： 促进参与式设计和公民输入、创建 AI 创新合作伙伴关系、以及与开发者社区合作。
