公共管理学报杂志论文格式要求是什么？

公共管理学报杂志近十年出版发文量：

1.面向复杂性社会场域的生成式治理新进路———基于生成式人工智能的治理方式探索

作者：刘文,赵新峰

作者单位：山东工商学院;北京大学

关键词：生成性;复杂性社会场域;生成式治理;生成式人工智能;多智能体建模

　　本文尝试对面向复杂性社会场域的生成式治理进路进行阐析，探讨了生成式治理蕴含的治理观念与基本原则，分析了生成式人工智能与生成式治理的内在契合性，系统论述了生成式人工智能支持下的生成式治理过程，并结合多智能体建模技术对规范分析进行了理论验证。研究认为，结构性与生成性是治理因应的两种基本思路，社会场域复杂性的加速提升，使得结构性治理难以应对并呈现出自反性。复杂性社会场域作为非线性交互网络以生成性方式展开自身，决定了复杂性社会场域治理因应的生成性进路。生成式人工智能内蕴的生成性运行方式及其展现出的涌现能力，使其能够有效因应复杂性社会场域中的问题与情境，一方面，通过对复杂交互关系的疏通以及对多元构成要素的赋能，为关于复杂性关系网络本身的引导和治理奠定新的基础；另一方面，在 “去结构化” 和 “去主体化” 的非线性交互关系中实现的跨域边界和领域的即时综合性知识生成和多模态建构，能够有效满足在复杂性场域因应中的情境性、综合性和动态演化性要求。本文为理解复杂性社会场域条件下治理的生成性转向及其展开提供了一种总体图景。

　　1 问题提出

　　生成式人工智能的迅涌发展，特别是其展现出的前所未有的灵活性和创造性，以及在诸多测试中的优异表现，使得生成式人工智能作为一种强力工具赋能实践的作用被高度强调。同时，需要进一步认识到的基础问题是，对生成式人工智能的赋能应用，不应停留在一般的局域性和工具性层面，也就是将其作为提升具体领域和过程的效能形态的手段，而是要首先理解生成式人工智能的运行逻辑及其可能带来的根本性过程重塑，在此基础上结合不同领域的发展变革趋势，探寻新的总体合力演进方向和系统行动方案。对于社会治理而言，这就要求既要看到社会治理场域基本演化趋势对社会治理模式变革要求的总体指向，又要把握生成式人工智能与这一总体变革指向在底层逻辑层面的交融性，进而探寻和发掘生成式人工智能在这一变革进程中的作用方向与路径。

　　就社会治理场域的基本演化趋势来看，全球化、数字化、网络化、智能化和后工业化进程的持续推进，使得高度复杂性和不确定性已经成为社会治理场域演化的基本趋势，这一趋势对既有的以结构化和确定性为导向的社会治理模式提出了挑战，“治理模式正从规则、线性和确定性的范式转变为动态的、非线性的和复杂性的范式驱动”，指向一种能够因应复杂性场域的生成式治理模式，而生成式人工智能的出现，“挑战了依赖于事先设定的规则、结构和过程的传统治理模式，推动了具有动态、自适应、数据驱动的决策制定和执行过程的新的治理样态，也即‘生成式治理’的形成”。本研究力图阐明复杂性社会场域条件下生成式治理的必要性及其总体逻辑原则，以及生成式人工智能因为内蕴的生成性运行方式和涌现能力与复杂性社会场域治理的内在因应性，进而对这一因应过程进行系统论述。

　　2 结构与生成：治理的两种布展图式

　　生成式治理作为一种治理模式而言，是对基于生成性逻辑展开的治理过程的一种归整，因而对于生成式治理的理解，首先在于对生成性观念本身的认识和领会。从观念比较的视域来看，生成性与结构性可以看作是相对的概念，过往对社会场域的治理模式建构总体遵循的是结构性的观念逻辑，生成性是一种在复杂性理解视域中发生和存在的观念逻辑，生成式人工智能大模型作为一种技术实践，显现出了生成性观念逻辑的一些具象特征。通过对这两种观念逻辑的比较阐析，为把握生成式治理与复杂性场域之间的内在因应性提供必要的逻辑基础。

　　2.1 结构性图式的形成与演进

　　从人类观念与实践的发展历程来看，在面对和解决问题的过程中，形成和把握关于问题的某种结构总是居于首要地位的，如果没有关于问题结构的把握，问题本身甚至都是难以成立的，或者说是难以被认识和理解的。所谓结构，在最朴素的意义上，就是关于表象与其背后的影响因素以及影响因素之间的某种确定性作用关系。也就是说，人们首先要找到影响和决定问题形成和发生的某种深层因素，形成它们之间的某种影响或作用的结构关系，从而能够理解和解释问题现象的发生。可以看到，无论是在关于宇宙世界的基本秩序的考量中，还是在日常生活中面对具体实践问题和现象的解释中，人们都会形成某种结构性的理解框架。结构的重要价值和意义，不在于它所提供的具体关系解释的正确性，而是结构本身所能带来的确定性，这种确定性为人类在面对各种问题和困惑时提供了一种安稳，可以说，就是这种对确定性追求基础上的结构性理解和构造，构成了过往人类社会理性和经验理解的标向所在。

　　就结构性观念和理解图式的演变来看，近代之前，人类总体上是将结构作为一种外在性存在来看待的，也就是说，无论是社会秩序问题还是具体实践问题，都从属于某种更为根本的关系结构，在此结构中，问题都可以被理解、安放和化解，而这种根基性的结构是独立于人类而存在的，人类通过理性的和经验性的认识所要达致的首先就是对这一结构的理解和把握。从结构性理解的运思路径来看，基本遵循福柯考察发现的相似性思维，在此处也 就意指，在执着和追求于外在性结构的结构性观念中，对理性的构造和经验性的想象进行充分的展开。近代以来，特别是经过笛卡尔对人作为理性主体性存在的反思观照，使得人类对于通过运用自己的理性来发现和确证根本性的外在结构具有了更强的信心。伴随着自然科学的进展，人们也开始在社会场域中寻求一种更加明确、系统、客观的结构。在此过程中，解析性的思维方式开始占据主导地位，力图通过解析的方式构建起关于社会场域的层级清晰、组合关系明确的总体均衡结构，这种关于社会场域的结构性追求在帕森斯那里仍然是非常显著的，“不管在哪一个层面上进行分析，所有行动体系都有着共同的结构。本书的主要任务正是分析这个共同的结构。终极单位总是具有各个组成成分的基本结构的单位行动。这样，参照系中便内在地具有一定数量的任何行动体系中各个单位行动之间的‘基本’关系”。

　　在结构性理解观念演变的过程中，康德所发起的认识论革命产生了重要影响，一方面，康德通过对知识何以可能的深入分析阐述，极大地推进了解析性理解路径的拓展深化，从而对于具体的结构性认识的达成起到了基础性支撑作用；另一方面，通过将理性的界限限定在物自身以外的经验显像领域之内，理性主体的自由得以可能，所谓人为自然立法，由此人的理性主体性地位被进一步的确证，这也为后面各种形式的主体性观念思想奠定了总的基础。而主体性观念的发动对结构性观念带来了根本性的冲击，因为主体性观念思想所遵循的一个基本原则就是事物关系发生的最终根据还是源自于主体，而不是某种客观的外在性结构。面对主体性观念的强力冲击，结构性观念开始向着结构主义的理解转变，结构主义不再强调一般的作为某种形式存在的总体均衡结构，而是侧重理解和分析场域结构作为一种关系性存在的动态交互影响过程，以及这一过程对主体的作用和影响，认为意义和价值是由具体的关系结构交互所生成和确定的，而主体的行动本身也内在的受到其所处的社会结构影响制约，“社会行动者往往将世界视为理所当然的，接受世界的现状，并觉得它是自然而然的，因为他们的心智是根据认知结构构建的，而认知结构正是来自于这个世界的结构”。结构主义从关系交互作用的角度理解事情发生的缘由机理，并将主体有机统合于这一关系结构运行过程之中，有力地消解了主体性观念的挑战，并且为生成性观念的发生打开了新的理解面向。

　　2.2 生成性图式的发生及逻辑

　　从生成性的面向来看，结构主义和主体性思想都已经蕴含着生成性的指向。从结构主义视角来看，当其指出事情和意义并不是孤立的存在的，而是在基于特定关系结构的交互作用中发生的，并且这种关系结构不是简单的机械性结构，而是在其自身的关系交互作用过程中动态演化的，实际上就已经展露出生成性的一个重要影响要素 —— 关系性。关系性与生成性具有内在的关联性，所谓生成性某种程度上就呈现为关系交互过程中的一种进一步的交融，进而在这种交融中确立某种新的面向。同时，结构主义将主体统合进关系结构过程之中，将其看作为受关系结构引导和限制的存在，也并未完全将主体视为一种被动性存在，而是承认和强调人作为主体的反思性，认为行动者能够通过自觉的反思把握到自身与关系结构之间的关系本身，从而使自身获得一种主体地位，“只有当行动者有意识地自觉把握了他们与自身性情倾向之间的关系，行动者才能获得某种‘主体’之类的位置。借助自觉意识，行动者可以经过反复思量，让他们的性情倾向‘发作’，或是相反压制住这些性情倾向”。吉登斯在对结构功能主义思想的批判中发展出结构化的思想，认为社会场域的总体形态处于结构与行动交互之中，“社会系统的结构性特征既是构成这些系统的实践的媒介，又是其结果”，而在这种受社会结构所引导的主体实践中，“最深入地卷入其中的因素，就是人类行动者认知能力所特有的反思性特征”。主体的反思性使其在基于关系场域的生成性理解和实践中扮演了关键角色。

　　从主体性的面向来看，就其作为人对自身自主性的一种自觉而言，主体性就意味着生成性，也就是说，人作为主体性存在的根本意蕴即在于，一切的理解判断选择与行动都是源自于主体自身的，因而，主体性可以说是构成了生成性的一个直接发端。然而，基于主体性的生成性所面对的根本局限又是源自主体性观念本身的，主体性观念所带来的一个基本问题是主体中心主义，也即主体对于自身认识与选择的独断，这就使得基于主体性的生成性理解陷入到一种封闭性的辖制之中。在对主体性观念的反思中，主体间性的思想被提出来试图克服主体性观念本身的局限，强调承认和尊重其他主体作为主体存在的地位，在主体间的交互中生成新的理解与共识。只有转向一种新的范式，即交往范式，才能避免做出错误的抉择。但对于在主体间的交互过程中如何能够真正消解主体性观念的封闭性，胡塞尔在对意向性的强调中最终仍没有超出主体同一性的辖制，“意向性这个名称所指的，是唯一现实的和真正的说明的活动与理解的活动。追溯到意义形成之意向的源泉和统一，就得到一种理解，一旦达到了这种理解（这当然是一种理想的情况），就不会留下任何有意义的问题没有解决”。哈贝马斯则寄希望于以生活世界为背景的以语言为中介的主体间交往实践，认为可以根据真实性、正确性、真诚性的标准对通过交往达成的共识进行有效衡量，具有语言和行为能力的主体用共同的生活世界作背景，就世界中的事物达成共识。实际上也就是将主体间的交互建立在经验性和形式性知识的基础之上。

　　从上述分析可见，不论是结构主义还是主体间性思想，在生成性的面向上都指向了关系性，也即都强调关系交互中的生成。当然，二者的区别在于，结构主义更侧重关系交互中的关系结构本身，主体间性思想则更侧重关系交互中的主体。从关系性的面向认识和把握生成性，合乎生成性的基本意蕴，但是囿于上述两种关系性理解本身的局限性，又使得发端于这种关系结构中的生成性过程不能充分展开，而是呈现为一种限制性生成样式。这里所说的局限性是指结构主义和主体间性中的关系性本质上都还是具有一种确定性，结构主义虽然强调从动态演化的角度来理解结构关系的运行过程，但对这一过程还是可以实现一种结构性的把握，而且是总体逻辑非常清晰的把握。如此，生成性是完全限制于特定的结构关系之中的。对于主体间的关系性生成而言同样如此，因为主体间性中的主体本身是受到特定经验性和语言形式的影响并在其基础之上展开主体间交互的，所以这种主体间的交互就是既受特定主体自身封闭性也受特定经验和形式条件的限制，在此过程中的生成性也只能是在限制性条件之下的展开。

　　生成性就其根本意涵而言，意指一种不受限制的、自在的生发涌现，不受限制首先是指不受结构和关系的限制。强调生成性过程是在基于关系的交互中展开的，并不意味着生成性过程就是受到关系结构约束的，特定结构条件基础上的关系交互生成，只是对生成性的一种形式特征的把握。生成性过程展开于关系性交互之中，但其指向的这种关系结构本质上是去结构化的，或者说是一种流动的关系网络，在这种没有结构观念的关系网络的自由流动中，生成性过程得以自在的展开，关系网络越是能够自由充分的流动交互，生成性也将越充分的释放，同时，关系网络也会在生成性过程的促发中源源不断的扩充延展，生成性与流动性关系网络充分交融，构成了这种关系网络的一种内在特质。同样，在这种以生成性为根本指向的流动性关系网络中，也包含着去主体性的基本特征，主体作为流动性关系网络中的一个节点，本身就是一种生成性存在，主体自身的封闭性以及主体所依赖的经验性和形式性知识，只能构成对在流动性关系网络中展开的生成性过程的阻滞，伴随着流动性关系网络的生成性过程的展开，封闭性主体也将被疏通成为具有开放延展性的活络节点，而主体的开放性和灵活性也将使得基于关系网络的生成性更加充分的展开。

　　2.3 作为一种生成性实践的生成式人工智能

　　生成式人工智能的首要特征显然在于其生成性，也即能够基于自动的大规模学习形成新的广泛通用的多模态表示的理解认识。但是对于生成性的理解不应只是停留在能够理解生成某种新的知识和形态这一表象层面，如同上文所论述指出的，在结构主义和主体性理解中也都可以看到某种生成性表象，但都还不能开展出真正充分的生成性，关键还在于对这种生成性过程所遵循的基本理念和内里特征的理解分析，由此进一步揭示其对治理实践变革所带来的可能性。

　　从取得突破发展的生成式人工智能大模型所遵循的基本建构理念和思路来看，在基底层面还是模拟人类神经网络运行机理的联结论范式。认为诸如自然语言理解之类的复杂行为是大量简单要素丰富交织相互作用的涌现结果，而非基于某种关于复杂行为先在的结构性理解。因此，联结论不追求对复杂行为和问题的结构性表征，而是对简单要素之间的非线性关系进行编码，进而通过多层非线性隐藏层的作用实现复杂性行为。从认识论的层面看，不同于表征主义的解析论理解范式，认为复杂的行为和问题是可以被分解开来的，要想让计算机实现复杂性行为，必须先要能够对复杂问题和行为本身进行表征，网络只能理解符号可以表征的东西。联结论认为复杂性本身是不能被解析的，原因在于其生成过程并非是遵循结构性逻辑展开的，而是大量简单要素在丰富的非线性交织过程中涌现生成的，这样一种生成过程本身是不可能被解析清楚的，而且任何试图对其进行结构性解析的行为本身都可能是对复杂性本身的一种破坏，如此，“联结论网络‘不能表征’的事实，变成了一个明显的优势”。

　　从内里特征的层面来看，联结论网络呈现出显著的 “去结构化” 和 “去主体化” 特征，既不强调构成要素之间的某种表征性结构，也不要求构成要素本身具有某种复杂结构或者能够做出某种复杂反应。当然，目前关于大语言模型（LLM）遵循扩展原则所展现的涌现能力还没有形成理论上的系统解释，就其符合复杂性系统的基本运行特征来说，可以从复杂性系统的理解视域来对其作出解释。一般而言，对于复杂系统的生成性涌现现象的发生，主要受到构成要素之间结构性关系的影响，也就是说如果构成要素规模较小，并且相互之间存在比较明确的结构关系，那么生成性涌现基本不会发生。反之，当构成要素的规模很大，并且构成要素之间的交互关系没有受到某种先在的线性结构制约，则构成要素在充分的非线性交互中发生生成性涌现的可能性就很大。而且，构成要素的规模越大，也即要素之间的非线性交互关系越复杂，生成性涌现发生的可能就越大。因为在这种情况下，要素之间的非线性交互关系作为一种适切形态被发现的可能性就越大。这里需要进一步看到的底层逻辑在于相关性和因果性在复杂系统中的作用，如果说复杂系统中不存在绝对的因果规律，那么对于复杂系统的理解把握本质上就是一种相关性逼近，就人类主体可以基于其综合构造和想象能力，生成某种因果性理解而言，实质上也是一种非线性的生成性因果，也就是在诸多非线性交织的关联形态中，人为地确定的一种关联形态，并为其赋予因果关联性。当生成式人工智能以某种人定的因果关联性为指向的时候，实际上就是在这种人定因果关联性所处的复杂性系统中对其作相关性逼近，而在一些人类主体也无法构造出某种确定的因果关联性的复杂性系统中，生成式人工智能就有可能在这种相关性逼近中形成超过人类认知的涌现。

　　基于生成式人工智能的建构理念和内里特征，使其具体的知识生成也具有内在的去结构化和去主体化特征，呈现出显著的综合性知识生成和构造能力。伴随着人们对问题和场域本身的复杂性的认识，知识的交叉融合成为共识，没有综合性的知识融合就难以实现对问题的真正因应。但是，从人类主体的向度来看，知识的交叉融合面对着来自主体自身的障碍，这是因为在解析性观念的支持下，近代以来知识的细分是一个主导性趋势，主体对知识的认识和把握往往局限在特定细分领域，这些细分领域的知识结构又在某种程度上构成了主体认知的边界约束，同时主体还要受到诸如语言、经历等经验性因素的影响和限制，从而使得基于主体的知识交叉融合难以充分迅速的实现，而生成式人工智能的知识生成在这方面具有先天优势。一方面，因为不受结构性和主体性观念的辖制，它可以最大可能的打破知识结构的疆界，寻求获得知识间交叉融合，实现知识的综合性生成；另一方面，不同于基于人类主体的知识构造和交叉融合，可能需要耗费较长的时间，经历比较曲折的过程，基于生成式人工智能的知识生成，不论是单一领域的知识生成还是综合性的知识交叉生成都具有即时性的特征。并且，随着生成式人工智能技术的推进，基于即时信息数据的即时知识生成也成为可能，这样就意味着生成式人工智能可以实现动态演化中的知识生成。综合性、即时性和动态演化性构成了基于生成式人工智能的知识生成的显著形式特征，这些特征也将使其能够更好的因应复杂性场域。

　　3 场域复杂性、结构性的自反与生成式治理因应

　　生成性就其作为一种社会性过程而言，发生于社会关系网络的充分交互之中，生成式人工智能从其遵循的基本理念和内里特征来看，都指向对大规模构成要素之间的非线性关系网络的强调，也就是说，生成性与复杂关系网络具有内在的相依性。对于社会治理而言，当治理场域的结构简单明确时，结构化的治理方式可能就是充分的，而当复杂性和不确定性成为治理场域的基本特征时，基于结构的治理就是难以应对的，而生成性的治理方式就是恰如其分的。而正如我们已经感受到的，社会场域的复杂性和不确定性正在加速提升，生成式人工智能在为生成式治理方式的展开提供基础支持的同时，其本身也将构成社会场域复杂性的重要增长点。可以说，复杂性关系网络在作为生成性过程展开的基本条件的同时，也构成了生成式治理布展的基本场域。

　　3.1 社会场域的复杂性演化趋势

　　从社会场域的总体演化趋势来看，伴随着后工业化、全球化和信息化进程的推进，社会场域向着高度联结的复杂性网络形态演化的基本趋势日益明显。从秩序形态变迁的内生视角来看，后工业化过程呈现出了不同于工业社会秩序形态的社会特征。不同于工业社会在规则和控制导向下呈现出来的同一性和格式化特征，在后工业化进程中表露出了多元化和个性化的追求与取向，这在人类社会的诸多领域和方面，不论是在生产、生活还是政治、文化中都已成为明显的趋势。社会的多元化、差异化构成了复杂性和不确定性的生成性原因，多元的、差异化的需求、价值以及相关的文化、观念涌现并采取措施主张自己的诉求，这些主张和诉求在相互作用中又会不断消长演变，指向无限开放的复杂关联。工业社会始于一场 “脱域化” 运动，后工业化进程似乎也是伴随着一场 “脱域化” 运动开始的，“脱域化” 的实质是一种流动性。从社会的实际发展进程来看，如果说工业社会的 “脱域化” 还具有暂时性和局部性的性质和特点，那么后工业化过程中的 “脱域化” 则呈现出一种彻底性和非地域性，流动性成为后工业社会的一种常态，就其打破局部的流动性而言，呈现出了在全球范围内流动的趋势，这种全球性的日益充分的流动性一般又被称作 “全球化” 运动。

　　一方面，“全球化” 运动构成了多元化、差异性的重要源头，因为流动本身就意味着差异和多元的生成，多元和差异在很大程度上是从流动性的意义上来理解的，没有流动性，许多差异和多元就不会显现；另一方面，“全球化” 运动使得日益充分的多元化和差异性在流动当中相互交汇。同时，“全球化” 运动所包含的无限的、彻底的流动性呈现出冲破一切基于某种中心而设置的边界和壁垒的趋势，使得一种基于充分流动性的网络联结形态开始生成，人类社会的联结程度达到了空前的状态，这为社会复杂性和不确定性程度的增强注入了持久的动力，因为在最朴素的意义上，“复杂性（Complexus）等于交织在一起的东西”。如果说多元化、差异化以及在此基础上呈现出的 “去中心化” 还只是在静态的层面上对复杂性和不确定性的营造，那么作为后工业社会常态特征的充分流动性，则为社会形态的复杂性和不确定性提供了一幅动态的图景，“‘社会’已经被越来越多地视为一种‘网络’而非‘结构’（更不要说一个稳固的‘整体’）：社会被人们认识为包含着各种随意性的联结和分离的矩阵，一个可能出现无数种排列组合方式的矩阵”。在这种流动的网络中包含着对一切固定边界的消解，同时也包含着在不可预知的可能性联结中实现着边界的确立与消融。在这个意义上，人类社会无疑是一个呈现出高度不确定性的 “复杂性系统”。所谓复杂性系统，就其内在的相互联结来说，每一个体的活动或每一局部的相互干涉都具有集体的一方面，这一方面可以引出完全无法预料的全局变化。

　　按照吉登斯的理解，全球化使得世界范围内的社会关系得到强化，“这种关系以这样一种方式将彼此相聚遥远的地域性连接起来，即此地所发生的事件可能是由许多英里以外的异地事件而引起，反之亦然”。信息技术的快速发展，特别是数字化、网络化和智能化进程的加速推进，为走向高度复杂性和不确定性的社会形态提供了基础性支撑。数字化时代造就了前所未有的社会系统复杂性。基于信息技术而生成的网络世界为现实世界中多元观念价值诉求的充分流动交织创造了梦幻般的舞台，在某种程度上，也正是信息技术催生了社会的多元化、差异化和流动性。并且，这种网络联结打破了以往中心化的线性连接，愈发呈现出无边界、无时延的存在形态。可以预见，生成式人工智能的快速发展和应用，社会场域作为一种关系网络必将走向更加复杂的联结形态，如果说互联网使得人类社会成为一种高度联结的关系网络，基于互联网的社会关系网络就如同人体的经络，而生成式人工智能则如同为经络运行提供的能量，那么生成式人工智能将会使得这种关系网络更加充满能量的运行起来，并且基于这样一种网络赋能必将生成更加复杂的社会网络联结，这就如同能量能够打开更多的经络一样。

　　3.2 场域复杂性与结构性治理因应的自反

　　结构性及其背后的确定性观念构成了过往人类社会理解和把握社会并展开社会治理的总体基础，特别是受到近代以来自然科学关于自然世界理解的影响，结构性的观念对于社会科学的影响根深蒂固。从社会治理的具体面向来看，基于结构性的治理观念，将社会场域中的存在对象划分为治理主体与治理客体，治理主体又是按照形式规则确立的结构方式存在的（比如作为理性官僚制组织的政府）。同时，治理主体可以凭借各种结构化的方法获得关于治理客体的结构性理解，并基于这些结构性理解制定形成相应的规则机制，进而，结构化的治理主体依靠结构化的规则机制实现对治理客体的有效管理。可以看出，这种治理方式背后的一个根本假定是，社会世界是有结构的，并且这种结构是可以被把握和运用的。然而，社会世界是不是一种结构性存在本身就是一个问题，“世界据我们所知是高度复杂的，尽管它可能具有某种意义上的简单的结构，我们的一些理论上的简单性 —— 这是我们自己所造成的 —— 却并不蕴含着世界内在的简单性”。二十世纪以来，随着自然科学的进展，复杂性观念开始被引入到对社会世界的理解当中，特别是二十世纪后期以来，全球化、后工业化和信息化进程的加速推进，社会场域更加显现为高度复杂的关系网络形态，结构性的治理因应遭遇了根本性挑战。

　　一方面，作为复杂性关系网络中的一种生成性存在，大量非结构的或者说是结构模糊的风险问题开始涌现，也就是说，难以厘清问题的结构归属，问题往往受到多种相互交织的因素的影响，而且，受到关系网络的非线性交互流动的影响，本就结构模糊的问题还会可能因为各种不确定的甚至是偶然性因素的影响而不断演变发展，这种变化本身又可能构成对其他问题的一种不确定性影响因素，因而，面对这种复杂性场域中生成的复杂性问题，结构性的因应方式显得难以应对。另一方面，如果说社会场域总体上已经呈现为一种高度复杂的关系网络，那么结构性的因应方式不但可能难以应对复杂性场域中生成的风险问题，而且可能还会成为引发问题的因素本身。原因在于，按照结构性的理解观念，要想实现对问题的解决，需要把握存在于问题中的确定性关系结构，进而基于这一结构性认识提出解决问题的机制规则。问题不是在一种确定的关系结构中发生的，而是在一种多元因素非线性交织的流动性网络中生成的而言，结构性的思路无疑就是希望在这种复杂的流动性关系网络中人为地将其中的一条关系作为因果结构关系给确定下来，然后据此采取行动，由此引发的反应就是复杂关系网络中的其他关系网络因为这种人为的结构化干预而发生新的适应性调节。呈现在问题层面可能会出现两种境况，一是因为解决某个问题而引出了新的问题的局面，这就如同波普尔所指出的，“因为只要对社会关系进行新的控制，我们就创造了一大堆需要加以控制的新的社会关系”。二是可能表面上通过结构性识别明晰界定和解决了问题，但实际上却可能为更广泛的问题和风险的发生提供了空间，而且结构性质量越好，也即某种更高的科学精确性，所掩盖的风险隐忧可能就越大，“质量标准定的越高，识别出风险的范围就越小，未能识别的风险的积累也就越大。当然，在这识别的高墙背后，风险依然在增加”。

　　3.3 场域复杂性与生成式治理因应的总体逻辑

　　生成式治理是因应复杂性场域的一种治理方式，也就是说，生成式治理作为一种新的治理方式在根本上是因为社会场域总体复杂性的提升，没有社会场域的复杂性就不会有对生成式治理方式的探寻。反过来说，生成式治理不同于过往别的治理方式的关键就在于，它是基于能够适应复杂性场域基本特征及其运行演化这一总体要求而展开的。可以说，复杂性场域的运行方式决定了生成式治理展开的方式，复杂性场域的基本特征决定了生成式治理具体的作用方式。

　　复杂性场域作为由多元主体和要素相互交织构成的流动性网络，非线性的流动性交互是其基本运行方式，其间呈现出的某种具体情境和问题形态，是在复杂网络交互中的一种生成性涌现，并且会随着进一步的交互延展而不断演变，而这些具体的、暂时的情境和问题形态本身也构成了复杂网络进一步演化的内生性影响因素。复杂性场域的这一基本运行方式决定了能够因应这一场域的治理方式的底层逻辑也必须是生成性的。也就是说，具体的问题和场域情境是在多元主体和要素的非线性交互中生成的，并且是在复杂网络交互的流动性中动态演变的，那么对于这种问题和情境的因应也必须是生成性的，要以生成性的策略和行动来应对生成性的问题与情境，要以变应变，并且因为应变是 以一种生成性方式发生的，其本身就是处于不断迭代之中的。

　　就生成式治理对于复杂性场域因应的具体展开逻辑来说，生成式治理应该侧重两个主要面向。一是对于复杂性场域作为一种非线性交织的流动性关系网络本身的治理，就是要根据复杂性网络本身的运行方式，对多主体要素间的交互过程进行引导，其内里逻辑是，既然问题是在复杂性场域中以一种生成性方式存在的，而对这种问题的因应也必须是以一种生成性方式来展开，那么治理的总体方向就应该是要努力使复杂性网络能够有利于生成性的因应策略和行动发生。概括来说，就是要建构以生成性策略和行动因应生成性问题和情境的复杂性场域生态。二是针对复杂性场域中生成的问题本身的特征而展开的治理，由此也决定了生成式治理的一些基本特征。扼要而言，第一，因为问题生成于特定的场域关系网络并呈现为某种情境形态，因而对问题的治理应该是基于情境而展开的，在生成性的意义上，问题的化解策略和行动方案应该是在一种后主体的关系网络范式中生成的；第二，就问题是在复杂性关系网络的非线性交互中生成的而言，问题本身就包含着对单一知识领域和确定性关系结构的超越，因而对问题的解决应该是基于一种超越领域边界和结构性限定的综合性构造而展开，也就是说，生成性因应策略是在一种综合性构造过程中形成的；第三，就复杂性场域中的问题是因着复杂性网络本身的流动性交互而不断发生动态演化的，对问题的因应策略也应该是即时的并且是能够不断迭代的。

　　生成式人工智能在因应复杂性场域的生成式治理建构过程中能够发挥基础性的支持作用。从其支持逻辑来看，一方面，生成式人工智能对于复杂性关系网络的治理能够带来根本性变革，生成式人工智能通过对网络关系中的多元主体和构成要素的赋能，以及对网络关系交互过程的疏通，使得社会场域作为复杂性关系网络的生成性能力得到质的提升。如果说互联网时代的网络社会更多的呈现为一种形式性的网络联结，那么生成式人工智能则将这种形式联结推向一种更加复杂也是更加充盈的联结形态。当然，这种复杂关系网络生成性能力的提升，不单是对于生成性策略而言的，对于问题来说亦是如此，也就是说，生成式人工智能在带来关系网络复杂性进一步提升进而引致更为复杂的生成性问题涌现的同时，也将为生成式治理能力的提升提供关键的助力。生成式人工智能造就的是一种以更加强大的生成式治理能力应对更为复杂的生成性问题的图景。另一方面，生成式人工智能对于知识和问题处理的生成性方式也将使其在生成式治理过程中扮演关键角色。概要来说，生成式人工智能跨越边界和结构限制的通用性综合知识生成，以及知识生成的即时性和动态演化性等特征，对于生成式治理的综合性、即时性和迭代性要求的满足至关重要。同时，随着生成式人工智能的发展，场景化生成式人工智能也将为生成式治理的情境化治理过程的展开提供助力。

　　4 生成式治理的展开：生成式人工智能在生成式治理实践中的发动

　　场域的复杂性决定了治理的生成性，复杂性场域的运行方式和基本特征决定了生成式治理的具体展开面向和方式，生成式人工智能因其知识生成和问题处理方式与生成式治理方式的内在契合性，使其能够为生成式治理的展开提供基础性的支持。同时，面向未来，因为生成式人工智能的嵌入和发展，治理场域本身也极有可能为生成式人工智能所重塑，进而在更深的层面上影响生成式治理实践的展开。在此意义上，生成式治理实践展开的过程某种程度上也就是生成式人工智能作用发动的过程。

　　4.1 生成式治理展开中的复杂性关系网络治理

　　从生成式治理的逻辑视域来看，问题是在复杂性场域的关系网络交互中生成的。因而，问题治理是对问题得以生成的交互关系网络的治理。从实践来看，造成很多治理问题发生的直接原因就在于关系交互网络的不顺畅，关系交互网络的顺畅不能确保治理问题的不发生，但是关系交互网络的不顺畅甚至梗阻，则极有可能引致问题的出现，特别是在复杂性关系网络交互中，任何一个交互环节的不畅，都有可能造成在某个看似不相关领域的问题的发生。因此，尽可能提升复杂性关系网络交互的顺畅性，构成了生成式治理展开的重要面向，而生成式人工智能对于复杂性关系网络交互顺畅性的提升具有很好的改进作用。具体来说，生成式人工智能可以凭借其出色的自然语言理解和生成能力，为主体间关系网络交互过程提供更加周到和细致的保障，比如通过生成式人工智能的引入来提升政府服务的敏捷性和体验性，从而为主体间的网络交互起到一种润滑作用。进一步看，随着生成式人工智能对复杂关系网络的深度嵌入，还可能会通过对网络交互过程环节的影响，改变多元主体要素间的角色关系，进而实现对关系交互网络的重塑。

　　如果说，对于复杂关系网络顺畅性的提升更多的还是一种形式层面的治理，那么，关于复杂性关系网络的治理还应包括内容层面的东西。从生成性的角度来看，治理问题的出现同复杂关系网络本身的性质存在直接关联，虽然问题作为一种生成性存在生成于复杂的非线性关系交互过程之中，但是，这并不意味着复杂性关系网络的非线性交互就必然会造成问题和风险的涌现，还应考虑关系网络的具体性质，当关系网络在总体上呈现出不公平的性质时，问题风险涌现的可能性就要大一些。当然，就复杂性场域作为一种超越结构性和主体性限制的非线性关系网络而言，不公平的总体性质并不意指一种确定的结构性或主体间关系，而是说这种不公平是通过一种非线性作用关系达致的，主体间的不公平差异也是由这一作用关系来维持的。从生成式治理的角度来说，对于复杂性关系网络的治理，关键在于对关系网络性质演化的引导，引导总体关系网络向着一种公平合理基础上的合作性交互关系形态演变，而这里的一项基础性和前提性工作就在于对主体的赋能，通过主体赋能促进主体间关系的均衡，进而在此基础上引导总体关系形态的演化。生成式人工智能对于治理主体的赋能具有重要作用，从公共话语场域的面向来看，生成式人工智能可以帮助提升多元主体的话语和意见

　　表达能力，推动社会场域的总体关系形态向着更加公平、更富活力、更加交融的方面演变，关系形态的演变又会在其运行过程中提升主体的能力水平。当然，这样一种关系形态的演变并不必然导向一种有效的生成式治理的展开，但确是指向一种更为开放的合作性交互关系网络的前提，从而也构成了在合作交融中生成合理因应策略的基础。

　　4.2 生成式治理对于复杂性场域问题特征的具体因应

　　复杂性场域作为一种非线性关系网络，一方面，呈现出超越一般结构性和主体性限制的无限延展性特征，另一方面，这种无限延展的非线性关系网络也并不是一种纯粹形式性存在。特别是从问题生成的面向来说，关系网络及问题往往呈现出特定的情境性，也就是说，问题并不表现为单纯形式逻辑的产物，而是多种主体和要素在特定条件下相互交融共同影响的结果。从生成式治理的向度看，对于情境性问题的治理，重要的在于理解情境、融入情境，在问题生成的情境中探寻问题化解的策略行动。随着生成式人工智能的发展推进，场景化无疑是生成式人工智能发展的重要面向，而这种场景化的生成式人工智能对于推进情境化的问题治理具有很大潜力。比如，通过不同治理情境数据和经验性材料的汇集，特定场景化的生成人工智能就可能对治理主体理解具体情境的运行方式、形成具体问题的化解思路以及估计不同策略思路的可能结果提供一种全方位的支持。

　　因为复杂性场域本身的非线性交互运行方式，使得在这一场域中生成的问题都处于某种复杂的关系因素交织之中，呈现出单一的关系结构、知识门类和主体经验难以把握其因果关系的模糊性和棘手性。从生成性治理的视域来看，既然问题是生成于多元主体和构成要素的综合交织作用的过程之中，那么对于问题的化解策略也应该是在跨越单一主体、构成要素、经验结构、知识领域的综合交汇中生成。在此意义上，生成性呈现为显著的综合性，生成式治理也就意味着一种综合性创新因应。生成式人工智能对于生成式治理此一方面的展开具有内在优势，生成式人工智能的一个重要突破和特征就在于，它不受主体性和经验性结构观念的限制，也不会受到特定知识门类的限制，呈现出强大的无边界学习中的融通性，“通过全域数据感知、跨域知识萃取、多情景策略创生，对公共事务治理中的决策制定和执行优化进行系统性赋能”，使其对于综合性的模糊棘手问题的处理得心应手。并且，相较于基于人类主体的知识经验的交叉融合而言，生成式人工智能因为没有自主性观念，因而不会陷入主体性理解框架本身的辖制当中，从而可能表现出更大的开放性，开展出更具有启发性的策略与行动。

　　复杂性场域作为一种生成性关系网络的一个重要特征还在于其动态演化性，这也决定了生成于其中的问题也是处于不断地变化之中的，因而生成性治理作为对复杂性场域的因应，其治理过程的展开应该是处于一种动态的开放演化状态之中的。生成式人工智能与动态演化的生成式治理方式具有内在的契合性，这是因为生成式人工智能本身就具备动态演化生成的能力，通过不断的多模态语料获取和开放性的算法架构更新，生成式人工智能可以生成能够因应场域变化的即时性行动方案。也就是说，生成式人工智能不但能够提供一种综合性的因应策略，而且可以提供具有动态适应性的行动方案。从生成式治理作为一种多主体要素在复杂关系网络中展开的合作性交互治理形态来说，生成式人工智能为生成式治理过程提供的综合性、即时性策略方案支持不是一种外在性的干预，即不是作为某种先进的确定性方案决定治理的展开方式，而是应融入生成式治理的总体性过程之中。也就是说，生成式人工智能所提供的即时性策略方案是作为生成式治理因应复杂性场域的动态适应过程的一个构成要素，而它本身也是在这种因应过程中不断适应演化的。

　　4.3 生成式治理中的人机融合：复杂性视角下的仿真实验与理论探索

　　生成式人工智能嵌入生成式治理过程，在为生成式治理的展开提供多方面支持的同时，也深刻影响了治理过程本身的重塑，其中需要着重处理的就是人类主体与人工智能之间的关系融合问题。为深入探究生成式人工智能在生成式治理中的角色和影响，本节拟从复杂性科学的视角切入，通过构建城市治理的多智能体系统（Multi-Agent System，MAS）仿真模型，探究生成式人工智能嵌入治理过程的影响机制及其对人机关系重塑的深层启示。该模型以复杂适应系统理论为基础，融合了社会网络分析、组织学习和生成式人工智能等多学科视角，力图刻画城市治理的涌现动力学特征。

　　具体而言，我们设计了一个包含经济、交通、环境和公共安全等多个子系统的虚拟城市。城市中有四类主体：普通市民、企业、非政府组织和政府部门。每类主体都有自己的属性（如资源禀赋、创新能力）和行为逻辑（如互利互惠、趋利避害）。主体间的交互网络采用 Barabási-Albert 模型生成，既反映了现实网络的非均质性，又能刻画动态演化过程。交互强度由主体间的社会资本（如信任水平）和网络边权重共同决定。此外，我们还设置了各种外部环境因素（如经济周期、技术创新），通过随机过程模拟其影响。

　　在治理方面，我们设计了三种不同的治理模式：基准情景（最小干预）、结构性治理（自上而下的规则管控）和生成式治理（生成式人工智能驱动的适应性调节）。基准模式代表了最小干预的情景，主体按既定规则自主行动，系统的演化主要由内部动力驱动。结构性治理模式模拟了传统的自上而下的政策制定和实施过程，包括资源再分配、行为约束等机制，这种模式反映了当前大多数城市采用的治理方法。生成式治理模式是本研究的核心创新，在这种模式下，我们引入了一个基于人工智能的决策支持系统，它能够实时分析系统状态，生成动态的政策建议，政府主体可以根据这些建议调整治理策略，实现更加灵活和适应性强的管理。这种模式的设计基于对复杂自适应系统理论和人工智能技术的深入理解，旨在探索如何利用先进技术提升城市治理的效能。

　　为全面评估不同治理模式的效果，专门设计了一系列仿真实验。每个实验持续 100 个时间步，既能观察系统的长期演化趋势，又能检验其对外部冲击（如经济危机、极端天气等）的恢复力。仿真实验重点关注四个评估维度：主体满意度（对治理绩效的主观评价）、社会公平性（用基尼系数衡量）、集体创新性（新思想、新方案的涌现率）以及可持续性（生态、经济、社会三重底线的均衡发展）。借助指标时序图、系统网络图、主体类型分布图等可视化图表直观呈现仿真结果（如图 2）。

　　仿真结果表明，嵌入了生成式人工智能的治理模式在提升系统绩效、应对外部冲击、维护社会公平等方面展现出明显优势。具体而言：

　　（1）在满意度和创新性方面，生成式治理的表现显著优于结构性治理和基准情景。这得益于生成式人工智能从海量数据中发现隐藏的关联，并基于此动态调整政策，激发了系统的自组织潜能和创新活力。

　　（2）生成式治理在应对经济衰退等外部冲击时表现出更强的适应性和恢复力。传统的结构性治理往往难以及时应变，而生成式人工智能则能根据实时反馈快速调整策略，引导系统走出困境。

　　（3）在维护社会公平方面，生成式人工智能驱动的生成式治理也更胜一筹。传统治理常陷入 “效率优先还是公平优先” 的两难，而生成式人工智能则能在两者间寻求最佳的动态平衡点。标志着人机协同有望开创一种兼具效率、公平和包容的新型治理范式。

　　（4）从跨尺度治理的视角看，仿真还展示了生成式治理对城市微观 - 宏观耦合机制的重塑作用。生成式人工智能一方面通过优化微观主体间的交互规则，提升了涌现过程的效率；另一方面又通过宏观、微观数据的实时链接，增强了宏观调控的精准性。

　　生成式治理在面向情境的展开中，场景化的生成式人工智能为治理问题的化解提供了全方位支持。正如仿真实验所展示的，当引入生成式人工智能作为治理的 “智能助手” 时，系统在应对经济衰退、社会动荡等复杂情境时表现出更强的适应性与韧性。这得益于生成式人工智能通过对海量异构数据的实时分析，动态生成了因地制宜的政策组合，并对资源配置进行持续优化。同时，这也要求传统治理主体要为场景化生成式人工智能的发展进行相应的变革支持，比如组织治理主体的组织形式应该朝着任务模块化的方向进行调整，以利于生成式人工智能方便获得系统全面的信息数据。这一设想在仿真模型中得到了初步验证：将传统的科层制结构调整为更加扁平化、模块化的组织形态时，人工智能系统的全局优化能力得到了显著提升。问题场域本身总是处于复杂不确定的适应演化过程之中，任务模块化组织方式的具体运行方式必须遵循开放性和灵活性的基本原则。仿真结果揭示，过度僵化、封闭的组织边界，会严重削弱生成式人工智能的学习能力与创新潜力。相反，当我们赋予组织主体一定的自主权，并设置开放的信息交互接口时，人机协同的治理绩效得到了明显改善。

　　另一方面，就复杂性场域作为一种情境化存在而言，人类主体的情境化经验和理解同生成式人工智能的理解存在着差异性，特别是人类主体关于场域情境存在一些隐性层面的知识经验，这就需要注意把握两种理解方式之间的交互作用，主要是人工智能对于人类主体的影响。一是基于生成式人工智能的行动策略和方案，透过人类主体的理解吸收，形成因应场域问题的生成性方案，这也可以看作人类主体与生成式人工智能之间的一种生成性合作。这一点在仿真实验中也得到了印证：当引入 “人机交互” 模块，允许人类主体对人工智能的决策方案进行修正和完善时，生成式治理的综合绩效指标实现了显著提升。二是对于人类在治理场域中的情境化理解与行动，生成式人工智能因其学习的广博性，可以在案例与逻辑等不同层面对人的理解与行动起到拓展、深化和补充的作用。仿真结果表明，当人工智能系统被赋予一定的 “探索性” 功能，能够在给定的政策空间内持续搜索，并利用强化学习等算法不断完善自身时，其生成的政策建议往往能为人类主体提供全新的思路和启发。

　　生成式治理在面向高度复杂和不确定的社会场域的展开过程中，呈现出综合性和即时性决策与行动的基本特征。在这一过程中，生成式人工智能能够为人类主体作出综合、即时的判断选择提供良好的支持。这一点在仿真实验中得到了充分体现：引入生成式人工智能后，面对突发事件和外部冲击时，系统的响应速度和决策质量都实现了质的飞跃。同时，在面向未来的高度复杂和不确定情境中，人类主体基于自主的理性综合和想象构造同样具有不可替代的关键作用。因此，协调融合两种决策判断方式对于生成式治理的有效展开极为重要。一方面，生成式人工智能在跨领域、跨情境的无边界学习中生成的综合即时判断，具有人类理性和经验难以比拟的宽广度与综合性，能够为人类的理解与行动提供一种总体性支持；同时，人类主体在生成式人工智能提供的总体支持基础上，通过自身的理性综合、想象和创造生成新的理解与行动，从 “知识高原” 迈向 “知识高峰”，从而使人对于即时场域情境的领会、理解和生成式人工智能提供的即时综合认识之间形成有效的联结。

　　这样一种交互影响和联结的过程，根据不同的问题情境又可以区分为不同的形式，一种是充分发挥生成式人工智能的广博性，让其自主性探寻生成行动方案，然后由人类主体选择最优方案；也可以是根据人类主体的理性规划，为生成式人工智能确定发挥作用的具体方向，让其在这一空间中探寻发现新的可能性，然后人类主体在人工智能提供的洞察基础上开展行动；还可以直接是人类智能与人工智能之间的直接交互合作，实现人类创意与人工智能创意的融合。仿真实验分别测试了这几种人机交互模式，结果发现，当人类主体与人工智能系统形成紧密的 “探索 - 利用” 反馈循环，并在目标导向下保持适度的 “创造性张力” 时，生成式治理的效果最为显著。当然，在这一过程中必须要警惕生成式人工智能可能引致的 “理解幻觉” 问题。也就是说，在认识生成式人工智能优势的同时，也要清醒地认识其作为理解生成方式本身的局限性，在此基础上，不断扩展人类与生成式人工智能合作的能力与空间。

　　5 结论与讨论

　　结构性和生成性是人类因应社会场域的两种基本观念思维，结构性思维追求对构成要素的解析及其相互间确定性因果关系的把握，认为构成要素本身的特性以及要素间明晰的相互作用关联决定了总体场域和问题的发生及其走向。生成性思维强调多元构成要素之间非线性的交互关系本身的重要性，将总体场域看作复杂的流动性交互关系网络，场域及其问题的发生演变乃是作为复杂的非线性交互关系中的一种生成性涌现，取决于网络的非线性交互关系本身，而不是要素主体本身的特性及其相互间的确定性结构。社会场域总体复杂性和不确定性程度的提升，使得确定性导向的结构性治理方式难以实现对治理场域的有效因应，而生成性观念及其基础上的生成式治理，因为内在地契合了复杂性场域本身的运行方式，因而对于其中的问题发生和演变能够进行有效的因应化解。生成式人工智能在一种 “去结构化” 和 “去主体化” 的非线性交互关系中发生的生成性涌现能力，能够实现跨边界和领域的即时综合性知识生成，并且伴随着相关技术的推进，具备知识生成基础上的场域情境化模拟演示能力。生成式人工智能的上述性能，使其能够很好的因应复杂性场域的运行及其运行中生成的问题，可以说，生成式人工智能构成了生成式治理方式展开的基础性支撑。

　　从复杂性的视域来看，基于生成式人工智能的生成式治理实践的展开，可能需要面对两个基本问题：一是治理主体的生成性观念和思维的问题。生成式治理是因应复杂性场域的治理方式，遵循的是一种能够适应复杂性和不确定性的生成性观念思维。这一思维观念迥异于既有的结构性和确定性观念思维，因而，对于治理主体而言，根本重要的是思维观念的转化问题。生成式人工智能内在的遵循在复杂关系网络中交互生成的生成性进路，其具体实践应用打开了将治理主体从传统的结构性约束中解放出来的巨大空间，同时，也要求治理主体首先要能够适应生成式人工智能带来的变化革新本身。如此，治理主体就面临着双重挑战，总结起来就是，要在适应生成式人工智能带来的变化革新中形成生成性的思维观念。这对于治理主体的引导培育也提出了新的要求。二是治理的基础设施建设与调适问题。生成式人工智能作用的发挥还有赖于良好的支持环境，包括充分的、高质量的语料信息数据支持系统建设，适应生成式治理过程展开的组织架构模式调整，生成式治理决策模拟演化系统建设等等。从历史经验来看，技术革新能够对治理方式和过程的改革形成倒逼，但是思维观念层面的主动变革和实践层面的积极探索尝试才是达致总体可持续的良好治理形态的根本保证。