在一般语境下，科技决策指的是关于发展、促进、使用、管理和规制科学技术的决策，但如何在关于科学技术的决策中用好科学技术，则是一个极具现实意义的问题。当前，以大数据、人工智能、物联网、边缘计算、时间敏感网络等为代表的数智技术，正以前所未有的速度辅助甚至替代人类完成越来越多的决策任务，科技决策也面临着向智能决策范式的升级。

　　决策的本质是信息处理上的行为选择。在现代科学技术诞生之前，自然人的经验在决策中发挥着决定性作用。在计算机技术被广泛使用之前，很多政府部门在其事权范围内构建了决策信息系统，并尝试以抽样调查方法采集信息，但受限于落后的数据存储、传输和处理技术，决策者所掌握的信息通常具有时滞性，加之科层制下逐级上报的信息传递方式极易受“把门人”影响而造成信息扭曲，进而导致决策的时效性与科学性难以保证。

　　20世纪60年代，在当时的计算机技术支撑下，管理信息系统与专家系统被引入人类决策。管理信息系统把人与计算机纳入统一系统，通过对信息的搜集、存储、加工与使用，将管理信息由孤立状态转化为有组织状态；专家系统则是通过基于知识的推理，实现“像专家一样思考”，以解决单一领域的特定问题。70年代，一种综合了个体智力资源与计算机能力的决策支持系统被提出，适用于解决半结构化问题与部分非结构化问题。当决策支持系统与专家系统相结合并引入人工智能技术后形成了智能决策支持系统，它不仅具有知识获取与推理技能，而且能够跟踪与模拟决策专家的思维过程、构建相应的决策支持环境。90年代，以“人—机器协同系统”“开放的复杂巨系统”为代表的决策系统理论与数据仓库联机分析处理、数据挖掘等新概念大量涌现，实现了将数据库数据进行清洗、按决策主题重组、将多维信息转换为辅助决策信息的功能。

　　到21世纪，互联网、多媒体、网格计算与知识管理等技术叠加，知识共享型与资源共享型的“协同共享型”决策支持系统出现。2008年，大数据的概念被正式提出，因其具备描述现象与规律、规范分析实时数据流、预测未来趋势的功能，有效弥补了传统经验决策范式中决策科学性、预见性与决策效率方面的不足。借助物联网、云计算、边缘计算等数智技术对海量数据进行实时处理，能够获取前瞻性的决策支持，形成大数据驱动型的决策支持系统。2022年，对话式大语言模型ChatGPT问世，触发了生成式人工智能的发展及其在决策领域的扩散应用，逐步发展形成了智能决策系统。智能决策系统清扫了过去专家系统只能在限定领域、单一任务中的决策障碍，在自然语言处理中建立了一个与领域无关的通用理论，它既具备机器学习的自学习、自驱动、自适应能力，又能够产生具有创造性、现实性的、全新的输出，通过促成决策者与智能决策系统对话，提升决策的科学性与完善性。智能决策在一定程度上实现了决策自动化与决策替代，并能够依据决策场景生成决策方案，因而成为数字时代的最新决策范式。

　　智能决策强调机器自主生成决策方案，它是一种通过实时大数据感知与计算，基于决策经验、业务数据建立决策模型，以实现对未来可能发生的场景进行情景模拟与趋势预测的自动化和智能化分析的巨型人工智能系统。其重点在于，通过智能化算法对决策信息间复杂相关关系进行深度理解，帮助决策者在高度不确定性的环境中动态地优化决策，更精准、高效地达成预期决策目标。

　　智能决策的效果取决于两方面。一方面是智能决策系统自身的决策水平。这主要由大数据、以大模型为代表的决策算法与算力基础设施共同决定。理想状态下，用以智能决策的数据应该是具备全样本、实时性、客观性特征的大数据，决策算法应具备将多种结构数据转化为具备计算性与推理性知识的“转化能力”、处理多个自然语言任务的“泛化能力”、发现新特征与新模式的“涌现能力”，算力基础设施需集合高速的信息计算力、网络运载力、数据存储力于一体。另一方面是决策者与智能决策系统间的人机交互水平。尽管智能决策在决策速率、无倦怠感、克服个体主义与情绪化倾向、完成多项并行任务等方面都具有人类难以比拟的优势，但在界定问题、抽象思维、探索、感知、创作、主动性与道德性等方面依然难以超越人类。采用人机协同训练模式的智能决策可以实现二者优势兼容，这要求决策者“善用”“会用”智能决策系统。

　　智能决策具备如下典型特征。一是在给定条件下自动化决策。智能决策依据算法对全样本数据进行即时分析处理，并自动生成可供参考的决策方案。特别是经由大数据不断训练，算法能够自主学习并不断迭代，适应复杂的决策环境。在生成式人工智能技术影响下，智能决策可以就不同场景与情境设计个性化的决策方案，保证决策结果的有效性与针对性。二是全流程的决策响应。以大数据驱动的智能决策可以做到全流程的决策响应：首先，大数据具备描述功能，智能决策系统通过对历史数据进行统计分析，捕捉规律，为后续决策提供相应建议；其次，大数据具备规定功能，将即时数据与历史数据进行比对，实现数据流全天候实时分析，这决定了智能决策可以最大限度降低滞后性，对突发应急事件做到及时响应。三是预测功能。通过深度挖掘数据间潜在相关关系，智能决策能够预测未来发展趋势并提供针对性解决方案。

　　数智技术驱动着决策范式变革，数字时代的智能决策发展或将呈现出如下趋势。第一，大数据驱动的智能决策将逐步取代经验决策。智能决策通过对大数据的实时分析，及时发现问题和预测趋势，挖掘隐藏的信息和规律，从根本上改变经验决策缺乏客观性、决策效率低下、易导致决策失误的弊端。第二，场景化与定制化决策情境将日益增长。随着数智技术及基础设施的发展，智能决策系统可以更高效地收集、分析和处理数据，挖掘出决策对象的需求和偏好，为场景化和定制化决策提供更好的技术支持和数据支撑，从而提高决策的效率和质量。第三，决策系统平台化，决策参与者日渐开放与多元。大数据成为智能决策的重要依据和支撑，平台化的智能决策系统能够更好地整合内外部数据资源，整合不同领域、不同部门和不同角色的决策参与者，提高决策科学性和准确性。第四，决策者与智库专家角色将面临角色转换。数字时代，智能决策系统将实现对决策者与智库专家的角色替代，并依据算法与大数据提供支持。但这并不意味着决策者与智库专家将无用武之地，而是要转换角色，决策者需要对智能决策的结果进行把关与调整，智库专家需总结决策经验并将其转化成决策算法。

　　数智技术的发展必将驱动决策范式智能化转型，科技决策应该从如下几方面拥抱这一变革。一是将智能决策技术发展与应用纳入国家发展战略，明确发展目标，优先支持智能决策系统在重点领域的试点和推广。二是深入开展智能决策理论体系研究。注重智能决策基础理论与原创算法的研究，促进智能决策理论的跨学科研究。三是加快布局智能决策系统基础设施，建立大规模决策数据支撑平台，打造可信任的决策算法与有影响力的智能算法开源平台，构建国家智能决策公共算力平台。四是培育智能决策应用场景，场景创新与需求端紧密相连，场景的开发与培育应充分考虑应用主体与目标用户的需求，构建政府、企业、社会机构等主体的合作机制，加强决策场景的应用和迭代。五是加强智能决策系统相关人才培养，既要转换决策者的决策观念，培养决策者使用智能决策系统的能力，又要通过完善智能决策人才自主培养体系，培育一批智能决策技术团队与人才。

　　（作者系中国科学院科技战略咨询研究院研究员；清华大学社会治理与发展研究院博士后）