智庫視角下的智能決策研究

摘要：[目的/意義]決策范式逐漸從信息化向智能化升級轉型。為使智能決策更好地賦能智庫問題研究，本文通過探索智能決策與智庫問題研究的耦合機理、影響狀況、相關政策，提出具體對策建議，以期助力我國智庫高質量發展。[方法/過程]本文基于MIPS（Mechanism analysisImpact analysis-Policy analysis-Solution）邏輯層次法，在機理分析層，引入智能決策技術和思路，從智庫問題研究領域、研究方法和實踐工具入手，剖析智能決策與智庫研究的內在耦合機理；在影響分析層，從學術研究、學科發展和機構賦能3個角度分析智能決策對智庫領域發展帶來的影響；在政策分析層，梳理和對比分析國內外智能決策相關的代表性政策。[結果/結論]綜合上述研究結果，本文從要重視新技術發展、關注科技倫理和知識產權問題、促進智能決策相關方向的智庫人才培養和加強制度政策保障等4個層面提出思考建議。

關鍵詞：智庫 智能決策 MIPS邏輯層次法

分類號：G350 C934

DOI： 10.19318/j.cnki.issn.2096-1634.2024.01.06

*本文系國家自然科學基金面上項目 “輿情大數據視角下的網絡社會治理‘時、度、效’研究”（項目編號：72074205）、國家自然科學基金青年項目“數據與知識驅動的重大突發事件輿情風險傳導機理和防控策略研究”（項目編號：72204283）、國家自然科學基金重大項目“數字化社會風險感知與疏導的智能方法”（項目編號：T2293722）研究成果之一。

1 引言

2015年1月，中共中央辦公廳、國務院辦公廳印發《關于加強中國特色新型智庫建設的意見》，首次全面系統地提出了中國特色新型智庫體系的建設方案。2021年3月，國家“十四五”規劃提出，深入實施哲學社會科學創新工程，加強中國特色新型智庫建設，進一步明確了智庫在推進國家治理體系和治理能力現代化，服務經濟社會高質量發展方面的重要性。高端智庫不僅是國家軟實力的重要組成部分，更是國家決策科學化、政策化的一項重要制度安排。智庫的一大社會職能在于作為政府決策外腦，通過對公共政策難題進行相對獨立、科學理性的分析，提出各種備選方案供決策者選擇[1]。因此，國內外重要智庫都非常重視決策相關理論、方法的研究和創新。

隨著大數據時代的來臨，人們越來越意識到數據的價值和作用，人工智能技術的快速發展進一步為決策研究提供了新的視角，促使決策范式不斷向智能化轉型發展，智能決策逐漸成為各智庫機構乃至學術界關注的重點，例如：美國蘭德公司（RAND Corporation）利用數據科學和機器學習技術，協助政府機構進行決策制定和政策評估，還重點建立了可擴展計算分析中心在內的五大方法研究中心，創新決策研究方法；美國戰略與國際問題研究中心戰略與國際問題研究中心（Center for Strategic and International Studies）則成立了Dracopoulos iDeas實驗室，綜合運用數字媒體技術、社會網絡技術和機器智能等向公眾傳達外交政策與和國家安全相關的政策解決方案；中國國家信息中心作為以經濟分析預測、信息化建設和大數據應用為特色的國家級決策咨詢機構和國家電子政務公共服務平臺，利用大數據和人工智能技術來分析經濟、社會和技術數據，為政府決策提供支持，形成了《基于大數據的“一帶一路”國際合作風險評估與應對》《大數據時代——公共政策評估的變革》《宏觀經濟大數據分析》等多項研究成果。

在國家戰略層面，智能決策的發展為世界各國高度重視。智能決策借助智能技術和算法分析和處理大量的數據和信息，從而輔助決策。人工智能作為關鍵技術之一，其快速發展能夠為智能決策提供技術支撐。世界各國為發展人工智能發布了許多政策。自2016年至今，美國出臺了《為人工智能的未來做好準備》（Preparing for the Future of Artificial Intelligence）、《美國國家人工智能研究與發展戰略計劃》（National Artificial Intelligence Research and Development Strategic Plan）、《國家人工智能倡議法案》（National Artificial Intelligence Initiative Act）等多份政策文件。英國也在2021—2022年兩年間密集制定了《人工智能路線圖》（AI Roadmap）、《國家人工智能戰略》（National AI Strategy）、《國防人工智能戰略》（Defence Artificial Intelligence Strategy）、《英國數字化戰略》（UK Digital Strategy）等一系列政策，致力于為英國未來人工智能領域的發展奠定基礎。2022年，日本政府發布《人工智能戰略2022》（AI Strategy 2022）作為未來人工智能技術發展的宏觀戰略，并指出將在未來運用人工智能技術推動政府管理的電子化、數字化，優化政策方案和行政管理。除此之外，我國也出臺了相關政策推動國家大數據戰略和人工智能技術發展，旨在提升數字化治理能力和政府治理的智能化水平，例如，2017年國務院發布的《新一代人工智能發展規劃》提出，要開發適于政府服務與決策的人工智能平臺，研制面向開放環境的決策引擎，在重大戰略決策方面推廣應用。學術研究層面，智能決策強調綜合利用計算機技術和人類的知識來解決復雜的科學問題，系統匯集了數據科學、社會科學、管理科學在內的多門學科。得益于大數據時代豐富的數據資源和人工智能技術的進步，智能決策被廣泛應用于商務[2，3]、政務[4-6]、工業[7-9]、農業[10，11]、安全[12，13]、軍事[14]等多個領域的同時，也促使決策范式從信息化逐漸向智能化升級轉型[15]。有學者指出，在新一輪科技革命發展機遇中，智能化水平已成為一個國家的重要戰略競爭力，面對“數字洪流”的沖擊，決策者只有借助智能決策工具，才能在較短的政策時間窗口內通過數據處理進行科學決策[16]。

在此背景下，把握決策智能化轉型階段，不僅能夠優化技術路徑，提升數據收集、信息揭示等環節的效率，更能為智庫研究中面臨的情景分析、政策模擬等關鍵問題提供新的解決思路；反之，若智庫發展過程不順應決策智能化轉型，將會面臨信息過載、決策效率下降、復雜性和不確定性問題處理不充分等挑戰。因此對智庫視角下的智能決策進行研究是順應智能技術發展趨勢，具有一定的現實意義。智庫視角下的智能決策研究關注智能決策發展與智庫建設與研究工作的耦合關系，需與智庫本身理論方法結合。但現有的西方智庫理論研究多采用精英主義和多元主義的視角，不同的視角往往只側重智庫某一方面的特性，不利于形成系統的研究結論。對此，潘教峰通過總結多年科技戰略和政策研究實踐經驗，在已有智庫理論研究的基礎[17，18]上，經過反復歸納和演繹提出智庫研究的MIPS（Mechanism analysis-Impact analysis-Policy analysis-Solution）邏輯層次法，該方法是一種多層次、多維度的系統性研究[19]。本文結合MIPS邏輯層次法，嘗試從機理分析（mechanism analysis）、影響分析（impact analysis）、政策分析（policy analysis）和形成方案（solution）4個層次入手，對智庫視角下的智能決策進行系統梳理，以期助力我國智庫高質量發展。

2 基于MIPS的智能決策研究分析框架

本文以MIPS邏輯層次法為基礎框架：首先，在機理分析層，引入智能決策技術和思路，以智庫研究中的關鍵問題為例，結合數據挖掘與專家研討，對其研究領域、研究方法和實踐工具進行本質溯源和規律挖掘，剖析智能決策與智庫研究內在耦合機理；其次，通過多維度分析，從學術研究、學科發展和機構賦能3個角度分析智能決策對智庫領域發展帶來的影響；再次，從戰略布局的視角，系統梳理國內外智能決策和高質量智庫發展相關的代表性政策文件；最后，歸總前述分析結果，從技術發展、風險應對、人才培養和制度保障4個層面提出對策建議。

綜上所述，基于MIPS邏輯層次法的智能決策研究分析框架如圖1所示。

3 智能決策的機理分析

機理描述了事物發生的內在邏輯和普遍規律。智庫問題的機理分析是全面收集相關數據，對問題或相應事物進行追根溯源、挖掘規律、預判趨勢[19]。智能決策的機理是集成人工智能、大數據分析等智能技術和專家意見挖掘問題本質，尋找普遍規律，預判未來趨勢，這既是一種決策理念，也是一種決策形式。

本文以智庫雙螺旋法“十個關鍵問題”中的“智庫問題牽引下的情景分析”和“智庫問題研究的政策模擬分析”[20]為例展開智能決策研究。具體以《智庫期刊群1.0》遴選出的智庫領域的66本英文期刊近5年的論文為數據源。《智庫期刊群1.0》由中國科學院科技戰略咨詢研究院于2021年發布，該項研究利用智庫雙螺旋法產生的關鍵詞集，匹配期刊數據庫，通過相似度定量計算和專家定性研討后遴選得到，該期刊群經期刊影響因子等評價指標進行綜合驗證后具有一定的學術影響力和政策影響力。

具體地，本文在智庫領域的英文期刊近5年論文的基礎上，綜合運用結構化、非結構化數據抽取和分析技術進行數據挖掘，進一步引入專家智慧進行詞庫優化，最終形成情景分析和政策模擬分析的領域類、方法集和工具箱。該研究過程是使用智能化技術對智庫問題進行規律挖掘和趨勢預判，以此為例體現智能決策與智庫研究的耦合機理。

3.1 智庫問題研究領域

智庫研究涉及能源、安全、化學、環境、健康、氣候等多個研究領域。具體來看，“智庫問題牽引下的情景分析”的研究領域主要集中在能源、安全、土地利用、計算機科學、環境、交通、氣候、科技、決策科學等（圖2）。“智庫問題研究的政策模擬分析”大多應用在政治、經濟、社會、教育、醫療、環境和軍事等領域（圖3）。

3.2 智庫問題研究方法

由于智庫問題涉及的研究領域具有多樣化特征，應用的研究方法也涉及多學科。具體來看，“智庫問題牽引下的情景分析”的研究方法主要集中在機器學習、概率統計、定性分析、決策與戰略管理、運籌學、評價模型、風險分析、經濟模型、計量模型、網絡分析、自然語言處理等（圖4）。“智庫問題研究的政策模擬分析”的研究方法集中在計量經濟學、運籌學、系統動力學、社會網絡分析方法和部分定性研究分析方法（圖5）。這類方法通過對政策的效果和影響進行量化、模擬和評估，從而對政策的落實提供指導。

3.3 智庫問題實踐工具

智庫問題應用的不同研究領域和研究方法需要不同的實踐工具或研究平臺。通過數據挖掘發現，“智庫問題牽引下的情景分析”的研究工具主要集中在能源模擬、數學計算、系統仿真和交通分析四大類，其中代表性工具包括EnergyPlan、EnergyPlus、Matlab、Lingo、Vensim、NetLogo、Aimsun等（圖6）。針對“智庫問題研究的政策模擬分析”，使用的研究工具則更為集中，具體可分為統計軟件（Stata、SPSS、R等）、復雜系統模擬軟件（Anylogic、Netlogo、Simulink等）、綜合模擬平臺（NS-3、OMNeT++、MEAP等）三大類（圖7）。

通過引入智能決策技術和思路，對智庫問題牽引下的情景分析、政策模擬兩大關鍵問題從研究領域、研究方法和研究工具3個維度，開展本質溯源和規律挖掘，系統呈現了智庫研究與智能決策耦合視角下內在運作機理的同時，也為智庫雙螺旋法應用過程面臨的兩大關鍵問題的解決提供了領域類、方法集和工具箱。

研究發現，智庫問題研究領域涉及政治、經濟、社會、科技、教育、健康等多個領域，其中包含能源、環境等熱門研究領域，符合國家提高治理能力和治理體系現代化的發展方向；使用的研究方法以概率統計、機器學習、經濟學模型為主，同時也引入了社會網絡分析、系統動力學、定性分析方法等，既發展以人工智能為代表的新興技術，也綜合其他經典研究方法形成新的技術路徑；研究工具主要集中在系統仿真、計量經濟、網絡模擬和數據分析等類別，如NetLogo、Matlab、Eviews、Gephi、Stata、SPSS等。

4 智能決策的影響分析

智庫機構發展智能決策，不僅能提高決策質量和工作效率，也能加強公眾參與，促進智庫轉型，更好地預測政策效果，從而減少政策實施的風險，助力政策落地。對此，本節具體從智能決策對相關研究的促進、智庫學科的發展和智庫機構的改革與創新3個維度進行分析。

4.1 智能決策學術研究進程

從學術研究的角度來看，國內外的智能決策相關研究近年來不斷增加。以“decision intelligence”“AI for decision”為主題詞，在Web of Science平臺上檢索近10年（2013—2022）的論文，共檢索到70，500篇學術論文。從數量變化來看，2013年論文數量為4，026篇，2022年論文數量為124，948篇，10年來該主題下的論文數量增長3倍，可見智能決策在學術領域近幾年發展迅猛（圖8）。

從所屬國家/地區來看，智能決策領域發表論文數量排名前3的國家是中國、美國和英國。國內發表智能決策相關論文的機構中，中國科學院發表論文數量最多，為1，298篇，其次是東北大學，發表848篇，排名第3的是清華大學，發表546篇（圖9）。

研究發現，我國智能決策領域學術研究快速發展，目前已成為全球各國在該領域期刊論文發表數量最多的國家。智能決策相關研究引發了國內眾多高校和研究機構的關注，名機構相繼開展大數據分析、人工智能等算法理論、仿真應用研究，努力建構服務國家重大戰略決策的實驗平臺，推動政府公共決策、制度設計和數字化技術深度融合。

4.2 智能決策協同學科發展

智庫所面對的問題大多來源于決策實踐，其研究成果也要回到決策實踐中去，在戰略、對策、政策的維度產生影響。因而智庫需要有學科和學術基礎，同時要有組織多學科、多領域研究人員共同攻關的能力。因此，智庫朝著高端、創新的目標邁進，發展智能決策，必然離不開學科化發展[21]。潘教峰提出了“智庫科學與工程”學科的說法。“智庫科學與工程”學科將智庫視為研究領域，其研究對象具有學科的交叉性、問題的相互關聯性、研究的不確定性、研究的創新性和研究的政策實用性。“智庫科學與工程”學科要解決的第1個層面的問題是其內涵、范疇、理論范式和方法論的問題；第2個層面的問題是智庫研究的一些關鍵科學問題、技術問題和工程問題，如智庫雙螺旋法提出的10個關鍵問題；第3個層面的問題是關鍵的經濟和社會問題，包括治理的問題；第4個層面的問題是發展解決這些具體問題的方法、工具和平臺；第5個層面的問題是智庫傳播、智庫共同體建設、智庫人才培養等方面的問題[22]。

推動“智庫科學與工程”這一學科的建立，一方面，可以為智庫發展提供理論支撐、方法論支撐；另一方面，可以為智庫人才的培養提供知識體系，推動發展智庫的智能決策，使智庫的研究真正有力地服務國家治理體系、治理能力現代化。

4.3 智能決策賦能智庫機構應用

部分知名智庫開始探索利用大數據和人工智能技術進行價值挖掘與自動化分析。例如：布魯金斯學會布（Brookings Institution）推出了人工智能和新興技術計劃，該計劃旨在促進變革性新技術的良好治理，匯集技術研究員和政策界的領導者，推動解決人工智能領域的問題。美國戰略與國際問題研究中心大力發展數字媒體、社交網絡和人工智能等技術，向大眾傳遞涉及外交政策和國家安全的政策解決方案。蘭德公司早期開發人工智能技術和數據科學，并將其應用于政治和軍事模擬，并成立五大方法研究中心（應用網絡分析中心、因果推理中心、博弈方法中心、定性混合方法中心和可擴展計算分析中心），通過創新應用方法解決政策問題。

為適應和滿足國家及地方在大數據、人工智能與智能決策研究領域的重大發展需求，國內眾高校紛紛建立與智能決策相關的研究中心，開展大數據環境下智能決策相關領域的研究，例如：中國科學院自動化研究所的群策智能決策實驗室；由北京大學牽頭，浙江大學、武漢大學、奇虎360、滴滴出行等共同組成的知識集成和智能決策中心；中南大學數據與智能決策研究中心；大連理工大學大數據與智能決策研究中心；華東師范大學數據治理與智能決策研究中心；北京工業大學企業管理智能研究中心等。

5 智能決策的政策分析

5.1 國內政策分析

2013年，黨的十八屆三中全會召開，提出要推進國家治理體系和治理能力現代化，以及加強中國特色新型智庫建設，建立健全決策咨詢制度。之后，我國連續出臺多個政策和規劃鼓勵加強建立高質量新型智庫，發展智能決策支撐國家發展戰略（表1）。10年以來，中國智庫建設不斷深化，推動了國家治理體系和治理能力現代化。在此期間，政府積極推進數字化治理和人工智能技術應用，包括推出“互聯網+”行動計劃、實施國家大數據戰略、開發適用于政府服務和決策的人工智能系統等。同時，中國特色新型智庫體系建設不斷加強，新型智庫機構也不斷提高決策的智能化水平。未來，中國將繼續加強智庫建設，推動經濟社會高質量發展和提升國家軟實力。

5.2 國外政策分析

智能決策需要借助智能技術和算法分析，處理大量的數據和信息，從而輔助決策。近些年來，越來越多國家意識到人工智能技術在社會治理和決策方面的潛力，并開始采取措施推動人工智能技術的發展和應用。美國、英國、法國、日本、澳大利亞以及歐盟等國家和地區都提出了人工智能發展戰略，推動大數據和人工智能技術的發展，并進一步將其應用于智能決策，支持政策制定和公民參與。各國的發展舉措包括投資人工智能等新技術的研發、加強對高校人工智能研究機構的資助和專業人才培養、培育具備人工智能技能的勞動力等。表2展示了近年來各國/地區為發展人工智能技術制定的代表性政策。

人工智能技術的快速發展，推動了智能決策的創新與應用。以美國為例，2016年，美國白宮科技政策辦公室發布了題為《為人工智能的未來做好準備》和《美國國家人工智能研究與發展戰略計劃》兩份重要報告，以期為人工智能的未來發展提供建議；2018年，美國發布人工智能白皮書《機械崛起：人工智能及對美國政策不斷增長的影響》，總結了人工智能應用方面面臨的挑戰并提出了針對性的建議；2021年，美國政府將《國家人工智能倡議法案》加以修訂后納入《2020國防授權法案》，《國家人工智能倡議法案》正式升級為法律，強化對人工智能戰略實施的統籌協調，標志著美國政府最終完成人工戰略部署及政策設計。除此之外，美國聯邦政府采取了更加全面的政策促進人工智能支撐戰略智能決策，例如，成立了人工智能特別委員會，負責審查人工智能技術在政府部門的應用，以及開展有關人工智能倫理、隱私保護和公正性等方面的研究。

5.3 國內外政策比較

世界各國都在大力發展國家大數據戰略和人工智能技術，為此出臺了多項政策與規劃。中國和其他多個國家都注重人工智能技術在社會治理和組織決策領域的應用，為服務國家戰略智能決策提供制度保障。從發展策略上看，各國著力推動人工智能技術在各領域的應用，包括社會治理、醫療保健、教育等，同時注重產學研用結合，推動人工智能技術的創新和應用。但中國和美國、英國，以及歐盟等其他國家和地區在政策目標和重點領域上存在一些差異。從政策目標來看，我國大力推行人工智能和智能決策的創新與發展，是為了支持國家治理體系和治理能力現代化，并將其作為推動高質量發展的重要手段之一，而西方國家制定其政策規劃時，更側重于提升其經濟競爭力；從重點領域上看，我國政策規劃將智能決策與社會治理緊密結合，注重在政府決策、公共服務、城市治理、環境保護等領域推廣應用，而其他國家則更注重在工業、醫療、金融等領域推廣應用。

6 智能決策的對策建議

通過上述對智能決策的機理、影響和政策分析，本文從4個方面提出我國智能決策與智庫研究協同發展的對策建議。

第一，重視新技術發展。突破性新技術會對人類生產生活、社會治理產生巨大影響，如近日爆火的ChatGPT，作為人工智能特別是自然語言處理領域的一個革命性技術突破，在掀起新一輪科技熱潮的同時，也開始逐步從多個層面影響社會生產生活。發展人工智能技術是實現智能決策的基礎和前提。因此，一方面，應增強對基礎理論技術的研發投入力度，重視新技術的發展，增加對智能決策及應用相關研究項目的資助；另一方面，應鼓勵多方協同，充分調動社會力量，激勵產業界部分公司將智能決策作為重點研究方向的同時，推動產業界、學術界和政府的三方合作，拓展智能決策在公共政策、組織管理、生產運營等方面的應用實踐。

第二，關注科技倫理和知識產權問題。一方面，新興技術的健康發展離不開正確的規章指引，如ChatGPT爆火的同時，也引發了世界各地關于人工智能技術的倫理討論，因此在決策智能化轉型階段，亟需相關部門出臺技術規范和倫理指南，關注數據隱私和信息安全保護，促進人機協同健康發展的局面。另一方面，數字經濟的快速發展對新興技術的知識產權保護提出了更高的要求，應大力推進人工智能等新領域的知識產權保護制度的探索，推動新興技術發展和創新，同時完善專利開放許可制度，助力知識產權向現實生產力轉化，從而更好地為智能決策服務。

第三，促進智能決策相關方向的智庫人才培養。推動“智庫科學與工程”這一學科的建立與發展，培養高質量智庫人才和智能決策戰略人才。同時注重智能決策基礎技術領域，如人工智能方向的學生教育，加強學生的深度學習、自然語言處理和大數據分析等技術能力培養，為智能決策的創新發展培養后備人才。

第四，加強制度政策保障。政府出臺新型智庫發展智能決策的相關政策，可以促進智庫的轉型升級，提高政策質量，加強政策落實，推動政策創新，促進公眾參與，從而為國家的治理和發展提供更有力的智力支持。同時，政府還需牽頭推動智能決策的標準化和規范化，敦促智能決策評估和審批制度的建立，加強對智能決策系統的監督和智能決策技術及應用的管理，確保其合法、公正、安全和可靠。

參考文獻：

[1] 薛瀾. 智庫熱的冷思考： 破解中國特色智庫發展之道[J]. 中國行政管理， 2014， 347（5）： 6-10. XUE L. Beyond think tank fever： Cultivating world class think tanks with Chinese characteristics[J]. Chinese Public Administration， 2014， 347（5）： 6-10.

[2] CHAUDHURI S， DAYAL U， NARASAYYA V. An overview of business intelligence technology[J]. Communications of the ACM， 2011， 54（8）： 88-98.

[3] 曹斌， 齊劍鋒， 涂序彥. 商業智能決策支持系統（BIDSS）[J]. 計算機工程與應用， 2001， 37（20）： 29-31. CAO B， QI J F， TU X Y. Business intelligence decision support system[J]. Computer Engineering and Applications， 2001， （20）： 29-31.

[4] GIL-GARCIA J R， HELBIG N， OJO A. Being smart： Emerging technologies and innovation in the public sector[J]. Government Information Quarterly， 2014， 31： I1-I8.

[5] GIL-GARCIA J R， PARDO T A， ALDAMA-NALDA A. Smart cities and smart governments： Using information technologies to address urban challenges[C]//Proceedings of the 14th Annual International Conference on Digital Government Research. 2013： 296-297.

[6] 于冠一， 陳衛東， 王倩. 電子政務演化模式與智慧政務結構分析[J]. 中國行政管理， 2016（2）： 22-26. YU G Y， CHEN W D， WANG Q. The analysis of E-government evolution mode and smarter government structure[J]. Chinese Public Administration， 2016（2）： 22-26.

[7] 戚聿東， 徐凱歌. 新時代十年我國智能制造發展的成就、經驗與展望[J]. 財經科學， 2022（12）： 63-76. QI Y D， XU K G. The achievements， experience and prospects of China’s intelligent manufacturing development since the new era[J]. Finance Economics， 2022（12）： 63-76.

[8] ZHONG R Y， XU X， KLOTZ E， et al. Intelligent manufacturing in the context of industry 4.0： A review[J]. Engineering， 2017， 3（5）： 616-630.

[9] ZHANG L， ZHOU L F， REN L， et al. Modeling and simulation in intelligent manufacturing[J]. Computers in Industry， 2019（112）： 103-123.

[10] 劉成良， 林洪振， 李彥明， 等. 農業裝備智能控制技術研究現狀與發展趨勢分析[J]. 農業機械學報， 2020， 51（1）： 1-18. LIU C L， LIN H Z， LI Y M， et al. Analysis on status and development trend of intelligent control technology for agricultural equipment[J]. Transactions of the Chinese Society for Agricultural Machinery， 2020， 51（1）： 1-18.

[11] 孫忠富， 杜克明， 鄭飛翔， 等. 大數據在智慧農業中研究與應用展望[J]. 中國農業科技導報， 2013， 15（6）： 63-71. SUN Z F， DU K M， ZHENG F X， et al. Perspectives of research and application of big data on smart agriculture[J]. Journal of Agricultural Science and Technology， 2013， 15（6）： 63-71.

[12] SARKER I H， FURHAD M H， NOWROZY R. AIdriven cybersecurity： An overview， security intelligence modeling and research directions[J]. SN Computer Science， 2021， 2（3）： 173.

[13] 唐新華. 人工智能在國際風險評估和決策管理中的應用框架[J]. 當代世界， 2018（10）： 27-30. TANG X H. Application framework of artificial intelligence in national risk assessment and strategic management[J]. Contemporary World， 2018， 443（10）： 27-30.

[14] 張曉海， 操新文， 耿松濤， 等. 基于深度學習的軍事輔助決策智能化研究[J]. 兵器裝備工程學報， 2018， 39（10）： 162-167. ZHANG X H， CAO X W， GENG S T， et al. Research on intelligence of military auxiliary decision-making system based on deep learning[J]. Journal of Ordnance Equipment Engineering， 2018， 39（10）： 162-167.

[15] 曾大軍， 李一軍， 唐立新， 等. 決策智能理論與方法研究[J]. 管理科學學報， 2021， 24（8）： 18-25. ZENG D J， LI Y J， TANG L X， et al. Decision intelligence research： Theory and methods[J]. Journal of Management Sciences in China， 2021， 24（8）： 18-25.

[16] 唐新華. 智能決策在國家治理現代化中的應用探析[J].當代世界， 2020， （3）： 73–78. TANG X H. An analysis of application of intelligent policy-making in state governance modernization[J]. Contemporary World， 2020， （3）： 73-78.

[17] 潘教峰， 楊國梁， 劉慧暉. 智庫DIIS三維理論模型[J].中國科學院院刊， 2018， 33（12）： 1366-1373. PAN J F， YANG G L， LIU H H. Three-dimensional theoretical model in think tank DIIS[J]. Bulletin of Chinese Academy of Sciences， 2018， 33（12）： 1366-1373.

[18] 潘教峰， 魯曉. 關于智庫研究邏輯體系的系統思考[J].中國科學院院刊， 2018， 33（10）： 1093-1103. PAN J F， LU X. Systematic thinking on logical system of think tank research[J]. Bulletin of Chinese Academy of Sciences， 2018， 33（10）： 1093-1103.

[19] 潘教峰. 智庫研究的雙螺旋結構[J]. 中國科學院院刊， 2020， 35（7）： 907-916. PAN J F. Double helix structure of think tank research[J]. Bulletin of Chinese Academy of Sciences， 2020， 35（7）： 907-916.

[20] 潘教峰， 魯曉， 劉慧暉. 智庫雙螺旋法的 “十個關鍵問題”[J]. 中國科學院院刊， 2022， 37（2）： 141-152. PAN J F， LU X， LIU H H. “Ten key issues” of think tank double helix methodology[J]. Bulletin of Chinese Academy of Sciences， 2022， 37（2）： 141-152.

[21] 呂青. 從智庫研究理論到科技智庫建設： 專訪中國科學院科技戰略咨詢研究院潘教峰院長[J]. 智庫理論與實踐， 2016， 1（6）： 2-5. LYU Q. From research on think tank theory to the construction of science and technology think tanks： An interview with Dr. Pan Jiaofeng， President of Institutes of Science and Development， Chinese Academy of Sciences[J]. Think Tank： Theory Practice， 2016， 1（6）： 2-5.

[22] 中國科學院院刊編輯部. 智庫科學與工程：新型高端智庫建設從專業化、科學化走向學科化——潘教峰研究員訪談[J]. 中國科學院院刊， 2022， 37（9）： 1328-1334. Editorial Department of Bulletin of Chinese Academy of Sciences. Think tank science and engineering——Construction of new high-end think tank starts from specialization and scientifization to disciplinization： Interview with Professor PAN Jiaofeng[J]. Bulletin of Chinese Academy of Sciences， 2022， 37（9）： 1328-1334.

作者貢獻說明：

劉怡君：提出論文總體思路和關鍵路徑，負責論文主要研究內容以及修改定稿工作；

張云睿：負責論文部分內容的撰寫；

遲鈺雪：負責論文框架設計、部分內容撰寫和修改完善。

Research on Intelligent Decision-making from the perspective of think tanks： Based on the MIPS Method

Liu Yijun1，2 Zhang Yunrui1，2 Chi Yuxue3

1 Institutes of Science and Development， Chinese Academy of Sciences， Beijing 100190 2School of Public Policy and Management， University of Chinese Academy of Sciences， Beijing 100049 3School of Management Science and Engineering， Central University of Finance and Economics， Beijing 100081

Abstract： [Purpose/significance] The decision-making paradigm is gradually transforming from informatization to intelligent upgrading. In order to enable intelligent decision-making to better empower think tank problem research， this paper explores the coupling mechanism， impact status， and related policies of intelligent decision-making and think tank problem research， and puts forward specific countermeasures and suggestions in order to promote the high-quality development of our country’s think tanks. [Method/process] This paper adopts the MIPS （Mechanism analysis-Impact analysis-Policy analysis-Solution） logical hierarchy method as its conceptual framework. At the mechanism analysis level， this paper introduces decision intelligence technology and concepts， delving into the intricate coupling mechanisms between decision intelligence and think tank research， by analyzing the research field， research methods， and practical tools of think tank problems. At the level of impact analysis， this paper scrutinizes the effects of decision intelligence on think tank development from three perspectives： academic research， discipline development， and institutional empowerment. At the level of policy analysis， this paper categorizes and compares representative policies related to decision making both domestically and internationally.[Result/conclusion] Combining the findings from the research mentioned above， suggestions are put forward from four perspectives， including emphasizing the development of new technologies， paying attention to scientific and technological ethics and intellectual property issues， promoting think tank talent cultivation in the direction of decision intelligence， and strengthening institutional policy guarantees.

Keywords： think tank intelligent decision-making MIPS