摘要
基于人工智能的 cyber–physical 系统在公共治理领域得到了越来越广泛的应用。这类系统能够感知人群状况、推断分类或风险，并采取相应措施来影响人们的自由、平等以及获取基本服务的机会。在这些应用场景中，治理失败往往不仅源于模型错误，还源于数据生成、模型更新、组织流程以及后续行动之间的系统级相互作用。本文提出了一种风险-权利-规则（3R）架构，将基本权利和法律规则视为对感知-推断-行动循环的强制约束，而非单纯的外部伦理要求。在现有的风险管理方法和安全工程实践基础上，我们定义了一个可验证的保障对象以及结构化的3R保障框架，将权利主张与具体的假设、可测量的证据以及整个生命周期中的责任控制点联系起来。该方法旨在通过让不确定性、人口统计误差、争议性以及采购方面的因素在系统层面具备可审计性，从而减少随机决策流程中的“合法性偏差”。最终，我们为高风险公共部门的人工智能应用提供了应对治理失败的治理方案，这一方案既具有技术上的稳健性，也具备制度上的合理性。
