向国际社会保障协会技术委员会提交的关于社会保障新兴技术的报告

2016年，在巴拿马举行的世界社会保障论坛上，国际社会保障协会（ISSA）发表了一篇具有里程碑意义的论文《社会保障的十大全球挑战》。这篇论文是与全球280多个政府和社会保障机构进行研究和磋商的结果。它认识到各国政府和公共行政部门面临着日益动荡和复杂的环境，分析了社会保障制度如何受到这些全球挑战的影响，并概述了它们如何能够减轻风险和为未来做好准备，认识到公民对电子政务和自助服务的期望不断提高，移动技术的应用和渗透不断扩大，数字数据存储呈指数级增长。社会保障管理部门面临的挑战是，不仅要将信息和通信技术用于服务提供过程的自动化，但作为应对这些社会变革的创新解决方案的战略推动者，

我们SAP数字政府研究所（SIDG）参与了多种新兴技术的探索和实施，包括区块链和物联网技术的社会安全应用，但没有比机器学习更成功或更成功的了。对我们来说，过去三年（2017-2019年）见证了机器的崛起。

政府和公共行政部门传统上采用ICT系统来收集、处理和存储数据。但越来越明显的是，信息和通信技术系统也擅长生成数据——"大数据"。现在，许多社会保障系统生成数据的速度超过了其操作员的使用速度。政策制定者和服务提供官员正努力透过大数据的迷雾，什么叫大数据云计算，获取有意义的信息和可操作的见解。或许具有讽刺意味的是，解决办法是实施另一种类型的信息和通信技术系统——一种旨在有效整合的系统，导航和调查大数据-一个机器学习系统。

机器学习是一种人工智能（AI），它允许软件应用程序在预测结果时变得越来越精确，而无需显式编程。例如，机器学习可用于根据具有相似特征的人的历史数据中观察到的模式来预测个人某些结果的概率，并推荐过去在类似情况下成功的干预措施。一个关键特征是机器能够自主地从经验中学习，不仅考虑历史数据，机器学习（ML）在社会保障管理中的应用实例包括：

澳大利亚政府机构正在使用ML预测客户可能会负债，并有可能建议早期干预措施以帮助避免未来的债务；韩国一家政府机构正在使用ML在跨机构匹配资产申报时识别可疑数据，有可能提高数据完整性和合规性；以及一家英国政府机构正在利用ML主动识别可能有资格获得额外社会保障福利的家庭和个人，并有可能为弱势群体推荐有针对性的干预措施。

所有这些例子都有一个共同的设计原则，我们在SIDG称之为"人为控制"。由于ML作为新兴技术的地位、不一致的数据质量输入以及围绕人工智能的未解决的道德问题等多种因素的综合作用，政府和公共管理部门迄今尚未意识到完全自主机器学习系统的潜力。对于大多数社会保障机构来说，人工智能（AI）目前代表着"增强智能"（Augmented Intelligence），即机器发现隐藏在大数据中的潜在有用见解，并以可消费的方式（通常使用可视化）将其呈现给人类控制者。最终由人类来判断机器建议的质量（包括潜在的数据偏差），在政府和公共管理部门广泛采用先进的机器学习技术（如深度神经网络）的过程中，算法透明度和决策可追溯性的要求也是一大障碍。深度学习算法本质上是一个"黑匣子"，从样本数据中自主学习并以概率的形式呈现结果，轻云，什么是数据中台，而不是通过基于规则的系统的用户习惯的决策树和表。这使得很难追踪ML建议的理由，这对于需要向公民解释决定的个案工作者、需要确保决定与社会保障立法一致的审计员以及可能被要求向政府部长证明机构行动正当性的高管来说可能是个问题。为应对这一挑战，SIDG正与顶尖大学合作，开展"人工智能在公共服务中的解释和消费"的研究。

在这三年中，社会保障机构积极探索和采用新兴技术，好评返现文案，企业系统开发，使我们SIDG受到鼓舞。特别是通过机器学习的应用，各国政府和公共行政部门正在采取积极主动的措施，应对国际社会科学院确定的"技术转型"这一全球性挑战。我们期待着继续与ISSA、学术界合作伙伴和我们的社会保障客户合作，共同应对下一个三年期的挑战。

ISSA信息和通信技术技术技术委员会在其三年期报告"将新兴技术应用于社会保障"中引用了本报告，下载地址：

https://ww1.issa.int/sites/default/files/documents/events/2-SummaryReport-ICT\u TC-2019-263388.pdf