生成式AI赋能公共服务的效率提升与伦理风险研究.docVIP

生成式AI赋能公共服务的效率提升与伦理风险研究.doc

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

生成式AI赋能公共服务的效率提升与伦理风险研究——以政务智能问答系统为例

摘要

随着数字政府建设进入深水区,生成式AI凭借其强大的自然语言理解与生成能力,成为优化政务智能问答系统、提升公共服务效能的核心技术支撑。本文以政务智能问答系统为研究对象,采用文献研究法、案例分析法与实证调研法,系统探究生成式AI对公共服务效率的赋能机制,同时剖析应用过程中潜藏的伦理风险。研究基于3省6市政务智能问答系统的调研数据(有效样本1286份),发现生成式AI可使系统平均响应时间缩短62.3%、业务引导准确率提升至89.7%,但同时存在算法偏见(老年用户服务适配度仅61.2%)、隐私泄露(34.5%用户担忧信息过度收集)与责任界定模糊等问题。成因可归结为技术层面的模型上下文理解局限、数据层面的训练数据偏差、制度层面的监管机制缺失及管理层面的多部门协同不足。据此,本文从技术优化(引入知识图谱增强模型适配性)、数据治理(建立政务数据质量管控体系)、制度完善(制定AI政务应用伦理审查规范)与管理协同(构建跨部门响应机制)四个维度,提出针对性优化对策,为生成式AI在公共服务领域的安全可控应用提供理论参考与实践路径。

关键词:生成式AI;政务智能问答系统;公共服务效率;伦理风险;数字政府

Abstract

Astheconstructionofdigitalgovernmententersadeepstage,generativeAI,withitsstrongnaturallanguageunderstandingandgenerationcapabilities,hasbecomeacoretechnicalsupportforoptimizinggovernmentintelligentquestion-answeringsystemsandimprovingtheefficiencyofpublicservices.Takingthegovernmentintelligentquestion-answeringsystemastheresearchobject,thispaperadoptsthemethodsofliteratureresearch,caseanalysisandempiricalinvestigationtosystematicallyexploretheempowermentmechanismofgenerativeAIonpublicserviceefficiency,andatthesametimeanalyzethepotentialethicalrisksintheapplicationprocess.Basedonthesurveydata(1286validsamples)ofgovernmentintelligentquestion-answeringsystemsin6citiesof3provinces,thestudyfoundthatgenerativeAIcanshortentheaverageresponsetimeofthesystemby62.3%andincreasetheaccuracyofbusinessguidanceto89.7%.However,thereareproblemssuchasalgorithmicbias(theadaptabilityofservicesforelderlyusersisonly61.2%),privacyleakage(34.5%ofusersareworriedaboutexcessiveinformationcollection)andambiguousresponsibilitydefinition.Thecausescanbeattributedtothelimitationsofmodelcontextunderstandingatthetechnicallevel,thebiasoftrainingdataatthedatalevel,thelackofsupervisionmechanismsattheinstitutionallevel,andtheinsufficientmulti-departmentalcollaborationatthemanagementlevel.Accordingly,thispaperputsforwardtargetedoptimizationcountermeasuresfromfourdimensions:technicaloptimization(introducingknowledgegraphstoenhancemodeladaptability),datagovernance(establi

您可能关注的文档

文档评论(0)

lopdl + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档