打开文本图片集

摘要：人工智能是近年来飞速发展的新技术，在自动驾驶、金融服务、医疗健康、智能家居、教育培训、零售和电商、工业制造、农业等领域得到了广泛应用，但在市场监管执法中的应用还不多不深不广，而在市场监管执法中，还存在着诸如执法程序不一致、执法不规范、执法不透明、裁量不统一、执法效率低等问题，将人工智能技术应用到市场监管执法中，可以有效辅助执法，提升执法效能。

关键词：人工智能、千帆大模型、市场监管、执法

人工智能（Artificial Intelligence缩写为AI）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，是新一轮科技革命和产业变革的重要驱动力量，是提升新质生产力的重要引擎。近几年，人工智能技术得到了飞速发展和广泛应用，尤其是在自动驾驶、金融服务、医疗健康、智能家居、教育培训、零售和电商、工业制造、农业等领域；在政务服务上，人工智能的应用也在不断拓展。本文所探讨的是如何在市场监管中将人工智能技术应用于辅助执法。

一、目前市场监管执法中存在的问题

市场监督管理局主要承担着市场综合监督管理、市场主体统一登记注册、市场监管综合执法、反垄断统一执法、监督管理市场秩序、宏观质量管理、产品质量安全监督管理、特种设备安全监督管理、食品安全监督综合协调与管理、计量工作管理、标准化工作管理、检验检测工作管理、认证认可工作监督和综合协调、知识产权保护、促进和运用、服务领域消费维权、管理省药品监督管理局等工作职能。

自市场监督管理部门设立以来，在维护市场秩序，推动统一大市场建立等方面发挥了重要作用，但是，也还存在一些待改进的地方，其中在市场监督执法方面，还主要存在以下一些问题：

一是执法程序不一致。目前，市场监管部门还没有制定或修订统一的办案程序、法律文书、办案系统等标准，使市监部门仍以原工商、质监等各自标准实施行政处罚，造成了执法尺度不统一，未能有效发挥综合执法效能；部分执法程序不完善，导致基层综合执法人员只能凭经验、借鉴行政处罚程序及文书来实施，同一事项多部门、多单位制定裁量基准，导致执法程序千差万别，文书种类多种多样，规范性欠缺。二是执法主体地位不明确。各级市场监管局成立以后，监管执法任务增多，办案领域拓宽，但相应的法律法规没有及时废改立，导致其执法主体地位尚未法定化，职责边界模糊，基层工作人员在主体身份、执法程序等方面于法无据，在颁发执照、监管执法等具体工作中处于被动，存在较大职业风险。三是执法不规范。一些执法人员执法意识不强，执法行为不规范，执法程序不严谨，往往凭主观判断、随意执法，不按照规定的程序和标准进行执法活动，容易对市场主体造成不公平的对待；四是执法不透明。有的行政执法过程缺乏透明度，执法决定不遵循公开、公正、公平的原则，使得执法工作缺乏公信力和可信度；五是执法不标准。存在行政执法标准不统一，执法责任不明确，执法权限不清晰，执法程序不规范，执法依据不充分等问题，容易给市场主体带来不确定性和风险；六是执法不合理。市场监管领域的行政执法往往存在一些执法过于苛刻或者过于宽松的情况，执法手段过于粗暴或者过于宽容，执法决定过于严厉或者过于宽松，导致执法不够合理、公平和透明。七是办案效率低。由于人力资源不足、人员专业能力不强、办案流程不规范等原因，导致提交法制审核过程反复，文书不规范，办案效率低。

这些问题和不足，加之执法人员本身的理解和裁定“弹性”，导致执法过程出现这样或那样的偏差，给执法结果带来一些负面影响。

二、人工智能在市场监管执法中的应用

随着现代科技的发展，尤其是近些年信息化产业和人工智能的飞速发展，算力、算法的大力提升和大数据的不断积累，为采用人工智能手段辅助市场监管执法提供了现实可能。

1、人工智能的发展。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大。近几年，随着OpenAI的GPT等大数据模型的发布，国内外一些有实力的公司和创新型公司不断发布新的人工智能模型。目前，国内外比较知名的人工智能模型主要有：OpenAI的GPT-4、谷歌的PaLM 2 AI，中国智源研究院的悟道、百度的千帆大模型、华为的盘古、阿里巴巴的通义大模型等等，都为人工智能的应用提供了强有力的算法模型支持，助推了人工智能技术和应用的飞速发展。当今人工智能已广泛应用于自动驾驶、金融服务、医疗健康、智能家居、教育培训、零售和电商、工业制造、农业领域、服务业等诸多行业，在政府部门和行政执法上的应用也在逐步开展。

2、人工智能在执法上的主要应用。通过机器学习和大数据分析，人工智能可以帮助执法人员进行违法行为识别、证据判别、问题分析、案例比对，预测市场趋势，甚至在某些情况下自动进行初步调查，生成处罚方案，有效解决执法环节中的问题。

违法行为识别：人工智能通过大量的数据，从中找出可能违法的模式或趋势。例如，通过分析企业的交易数据，可以发现可能的欺诈行为或价格操纵等。

证据判别：对于市场监管中的某些领域，如食品安全、产品质量等，人工智能可以通过图像识别技术检查产品标签、产品编号、认证标识、生产日期等信息，从中发现可能的违规行为证据，发现是否有人为造假等欺诈行为。

问题分析：对于执法检查中发现的问题，人工智能可以对问题的现象进行分析，发现问题性质、严重程度等。

案例比对：通过对大量的本单位历史数据和其它单位的类似执法数据比对，列出相似的处罚依据、处置方案，供执法人员参考，以避免出现“同案不同处置”现象。

处罚生成：以现场采集数据为基础，人工智能综合历史数据，进行综合分析，并提供法律法规依据，生成处罚结论，供执法人员运用。

在综合执法过程中，可将普通程序中的大量简单案件交给人工智能机器人，一键完成分析，同时提供典型相似案例推荐、法律法规参考，自动生成案件终结报告等执法文书，从而可以有效释放基层人力，有效提升执法能力，提高执法准确性，提升办案效率，有效解决目前在市场监管执法过程中的困难和不足。

三、如何在市场监管执法中应用人工智能技术

1、市场监管执法的主要内容

市场监管执法主要查处违反经营主体准入、产品质量监督、知识产权保护、食品和药品及特种设备安全监管、价格监督检查等法律、法规、规章制度的行为。主要内容包括：一是查处市场主体准入、生产、经营、交易中的有关违法行为和案件查办工作，配合查处跨区域的市场监管案件工作；二是查处不正当竞争、侵害消费者权益、直销传销领域等破坏市场经济秩序的违法案件；三是查处无证无照生产经营、广告违法案件；四是查处产品质量、生产许可、计量、标准、认证认可、特种设备的违法案件；五是查处食品（含特殊食品）、盐业领域的违法案件；六是查处药品、医疗器械、化妆品领域的违法案件；七是查处价格垄断、价格欺诈、哄抬物价等不正当价格行为的违法案件；八是查处假冒专利、侵犯知识产权、制售假冒伪劣商品的违法案件；九是查处商务领域违法案件等等。

2、人工智能执法系统模型选择

在人工智能模型的选择上，建议采用国内知名的大模型，比如，百度智能云千帆大模型平台（以下简称千帆大模型）和阿里巴巴的通义大模型。通义大模型是基于阿里云构建的大型预训练模型，功能包括多轮对话、文案创作、逻辑推理、多模态理解、多语言支持。能够跟人类进行多轮的交互，也融入了多模态的知识理解，且有文案创作能力，在电商、金融、物流等多个业务场景发挥了重要作用。千帆大模型是百度开发的面向企业开发者的一站式大模型开发及服务运行平台，不仅提供了包括文心一言底层模型（ERNIE-Bot）和第三方开源大模型，还提供了各种AI开发工具和整套开发环境，方便用户轻松使用和开发大模型应用。特别是千帆大模型支持数据管理、自动化模型SFT以及推理服务云端部署的一站式大模型定制服务，能够助力各行业的生成式AI应用需求落地。

为此，从千帆大模型和通义大模型的主要应用场景来看，千帆大模型更易满足执法系统建模需求。千帆大模型包括底层、中间层和应用层三个部分：底层是百度大脑，是百度核心技术引擎，包括视觉、语音、自然语言处理、知识图谱、深度学习等AI核心技术和AI开放平台；中间是平台，包括通用的基础云平台、AI中台、知识中台，以及针对场景的平台和其他关键组件；上层是应用层，在基础层和平台的支持下，上层的智能应用和解决方案为各行各业赋能，提供种类应用。

千帆大模型提供了三种部署模式：公有云模式、私有化模式和可信云模式。其中，公有云模式的特点是直接调用公有云大模型通用能力，也可以上传高质量数据，对底座大模型进行调优（提供多种调优训练方式），微调后的模型托管在百度云服务上；可信云模式是千帆平台及大模型/第三方大开源大模型部署百度机房或百度公有云，通过VPC专线链接客户局域网，用户可以上传语料，并可调整参数进行微调， 数据不出域，微调后的模型托管在百度的机房内，微调后的模型接入可直接调用；私有化模式是整体千帆平台及大模型/第三方大开源大模型部署客户机房，用户可以上传语料，并可调整参数进行微调，数据不出域，微调后的模型托管在客户自己的机房内，确保数据的安全。

3、人工智能辅助市场监管执法系统设计

一个能够切实满足辅助执法需要的人工智能系统，主要包括数据输入、数据库、处理模型和结果生成等几个方面，其中符合市场监管业务实际的数据库和人工智能算法模型十分重要。

综合数据库建设：法律法规库、政策依据库、标准数据库、执法案例库（总局案例、省局案例、本局案例、其它局案例）。其中，法律法规库收录国家、地方与市场监督有关的法律和法规；政策依据收录从国家到各省、市的执法政策依据；执法案例库，收录总局、省局和各地方局的各类执法案例，包括执法全过程、全现场的音视频、图像、文字等各类数据以及处理结果。

模型设置和训练：综合大量的数据，在千帆大模型上进行模型训练，利用历史执法数据对模型进行测试，不断优化模型参数，提高识别准确率。

数据收集和预处理：执法人员在执法现场通过专用采集终端或手机采集各类图片、视频、声音、数据等，上传到系统后台。后台对图片、视频、声音等信息进行预处理，如剔除噪声、裁剪图像、删除错误和多余数据、提取有用信息等。对信息进行归一化处理，如提取信息特征，提出图片上的文字等，将信息处理成系统能识别的标准格式数据。

结果生成：人工智能辅助执法系统后台对预处理后的现场信息进行综合分析处理，基于后台海量案件数据和知识图谱，随着办案推进不断完善证据，自动分析生成案件性质、处罚与量刑建议，以及案件来源登记表、立案/不予立案审批表、现场笔录/询问笔录、终结报告、行政处罚决定书等全套文书初稿。采用“提示词模式”办案，人工赋能执法全流程。对案件处理流程、预警分布、线索来源、案件趋势、违法类别、案件金额、处罚措施智能分析，根据不断补充证据信息，逐步接近精准给出案件类案推荐和定性依据、处罚依据等案件办理建议，并自动生成处罚结果，供办案人员参考。

4、确保人工智能辅助执法效果的关键

为确保人工智能辅助执法的效果，提高人工智能在数据挖掘中识别的准确性，需要综合考虑以下几个关键因素：一是数据质量。首先，确保所使用的数据是高质量和准确的。数据清洗是一个重要的过程，需要删除异常值、处理缺失值，并确保数据的完整性和一致性。二是特征选择。选择与违法行为紧密相关的特征进行挖掘。这需要基于业务领域知识和经验来确定哪些数据特征可能对识别违法行为有帮助。三是模型选择与训练。选择适合数据特点的机器学习算法，并进行充分的训练。这可以通过使用大量的历史数据来训练模型，并调整模型的参数以优化性能。四是验证与测试。使用独立的验证集和测试集来评估模型的性能。这可以帮助我们了解模型在未知数据上的表现，并发现可能的过拟合或欠拟合问题。五是迭代与优化。基于模型的性能评估结果，对模型进行迭代和优化。这可能包括调整模型的参数、引入新的特征或尝试其他机器学习算法。六是领域专家参与。确保有领域专家参与整个过程，提供对数据的解读和对模型结果的验证。领域专家的知识和经验对于确保人工识别的准确性至关重要。七是持续监控与更新。市场环境和数据分布可能会随着时间的推移而发生变化。因此，需要持续监控模型的性能，并根据需要更新模型以适应新的数据分布。

四、结语

人工智能技术虽然可以较好的解决目前在市场监管执法中遇到的一些问题，但这种技术的应用也面临一些挑战，例如数据的准确性和完整性、技术的误报和漏报率、以及法律和伦理问题等。所以，虽然人工智能可以对执法工作提供有力的支持，但执法人员仍然需要保持警惕和判断力，不能完全依靠人工智能的结果来开展执法。

参考文献：

魏琼 《行政处罚执法中人工智能技术的应用探讨》

.....