在全球科技浪潮中，新加坡憑藉對顛覆性技術的獨特治理方式，在創新與公共安全和信任實現了巧妙平衡，並贏得了「生動實驗室（living lab）」的美譽。從無人駕駛汽車到無人機、機器人，再到如今的人工智慧 (AI)，這個城市國家在測試如何將新技術融入社會方面，走出了一條獨特的道路。然而，技術革新帶來機遇的同時，也潛藏著風險。政府如何在鼓勵創新的環境中，保護公眾免受安全事故、隱私泄露、網絡攻擊或失業等問題的困擾呢？
新加坡李光耀公共政策學院的助理教授Araz Taeihagh認為，答案在於「適應性治理」(adaptive governance)。這是一種靈活、實驗性且疊代式的政策制定方法，它允許創新在一定的規範框架內推進，並隨著技術的發展不斷學習和調整。
正如Taeihagh教授和合著者Siying Tan博士在2021年關於新加坡無人駕駛政策的研究中所言：「無人駕駛汽車試驗和監管條款的加速擴展，彰顯了新加坡渴望靈活應變的決心，同時展示了兩種截然不同的實施方法——規定性方法和實驗性方法——的並行採用，從而指導無人駕駛汽車的普及。」
如今，這種最初在交通領域試驗的適應性策略，正被應用於人工智慧領域。對比這兩個案例，我們不難發現新加坡正在構建一種治理顛覆性技術的模式，這或許能為亞洲其他地區提供有益的借鑑。
無人駕駛：從觀望到主動治理
回溯無人駕駛汽車的發展歷程，21世紀初，對於大多數新加坡人而言，無人駕駛汽車還是一個遙遠的交通概念，監管部門雖關注海外動態，但並未採取實質行動。直到無人駕駛車測試與研究卓越中心 (CETRAN) 成立，這一局面才得以改變。CETRAN作為一個監管沙盒，允許企業在可控參數下進行真實環境測試。與此同時，技術參考標準68（TR68）的出台，為自動駕駛汽車的測試和安全制定了自願性指南。
2018年的一篇論文提到，這種沙盒與標準相結合的方法，使政策制定者能夠逐步應對安全、隱私、網絡安全、責任和勞動力干擾等五大風險領域。最終構建一個既讓公眾安心，又讓行業有信心投資的治理體系。
Taeihagh助理教授和Tan博士觀察到：「新加坡對自動駕駛汽車的治理表明，在存在促進政策試點或試驗的公共政策、動態的公私合作夥伴關係、有利於創新的開放商業環境以及實施深思熟慮和前瞻性政策決策的跨機構協作的情況下，強烈的政治意願和高水平的政策能力可以推動顛覆性技術的快速實施。」
政府通過分階段構建監管體系，並聚焦於預防、控制、容忍或適應導向的政策組合，既能有效管理風險，又能緊跟創新步伐。
自主系統生態：深化監管創新
新加坡的監管創新並未止步於汽車領域。在2023年的一篇論文中，Taeihagh助理教授和合著者Devyani Pande助理教授指出，新加坡的監管創新已延伸至整個自主生態系統，涵蓋無人機、工業、醫療和軍事機器人等領域。
但所有自主系統在與人類和周圍環境交互的過程中，都會不斷學習和調整自身行為，這增加了不可預測性，給規則制定者帶來了挑戰。因此，利益相關方的參與對於制定臨時性法規至關重要，而政府的引導在協調穩健治理中發揮著核心作用。
以個人護理機器人為例，政府制定了臨時性標準，列出了可能和可預見的危險情況，這一過程吸納了設計、製造和操作機器人的各方意見，且標準承認情況可能變化，機器人使用方式多樣。
換言之，適應性治理依賴於政府、產業和研究者之間的協作。這種協調對於應對自主系統帶來的操作、法律、經濟、社會和倫理挑戰至關重要。
數據共享：隱藏的關鍵因素
數據共享是治理中一個至關重要的挑戰。沒有大規模、多樣化和可靠的數據集，自動駕駛汽車和其他自主系統就無法運作。然而數據共享卻面臨著重重阻礙。
2023年，Siying Tan博士、Taeihagh助理教授和Pande助理教授在研究中明確了技術、動機、經濟、政治、法律和倫理六大領域的障礙。
為克服這些障礙，新加坡再次選擇了使用實驗方法。研究者指出：「應該在監管沙盒內促進數據共享……公私合作可以克服動機障礙，而倫理分析對於克服倫理障礙必不可少。」
這表明，治理不僅關乎控制技術，還關乎以安全、公平和可信的方式促進數據流動。這一見解與人工智慧領域直接相關，數據保護和隱私增強科技 (Privacy-Enhancing Technologies) 正是全球辯論的核心問題。
信任與用戶接受度：人的因素
但是，即使是設計最好的政策，如果公眾不接受該技術也難以成功。2024年，Pande助理教授和Taeihagh助理教授在研究中測試了影響新加坡人使用自主系統意願的因素。結果顯示，性能預期、易用性、社會影響和對政府的信任都積極影響採用意願，而感知到的風險則是其中的主要阻礙。
他們的結論清晰指出：「在新加坡，我們發現性能預期、努力預期、社會影響以及對政府治理自主系統的信任，對使用自主系統的行為意圖產生顯著且積極的影響。」
無論是自動駕駛汽車還是生成式AI，建立公眾信任與發展底層技術同樣重要。新加坡的適應性治理模式正是為了贏得這種信任而設計。
下一個前沿領域：人工智慧治理
2025年7月，新加坡推出了一套治理人工智慧的新工具：
全球人工智慧安全保障沙盒 (Global AI Assurance Sandbox)，允許企業針對治理標準測試AI系統
隱私增強科技採用指南 (PET Adoption Guide)，鼓勵在不損害隱私的情況下使用數據
新加坡數據保護標準 (SS 714)，將現有數據認證提升為完整的國家標準
這些舉措與無人駕駛汽車的治理策略如出一轍，即沙盒測試、標準設定和利益相關方協作。它們也回應了全球對治理生成式人工智慧的緊迫需求，但公眾對偏見、錯誤信息和問責制的擔憂依然高漲。
因此，新加坡正將其經過實踐檢驗的模式從交通拓展到人工智慧領域，尋求追求創新與管理潛在風險的平衡。
新加坡的策略
縱觀兩個案例研究，我們可以得出一個共同的治理模式：
1. 從小規模開始，利用沙盒在安全環境中測試技術；
2. 將經驗編寫成規則，將試點經驗轉化為產業可遵循的標準；
3. 廣泛協作，讓政府、產業和學術界共同參與規則制定；
4. 建立信任，認識到公眾接受與技術就緒同樣關鍵；
5. 持續適應，隨著技術和風險的發展不斷調整政策。
對亞洲的啟示
新加坡的適應性治理歷程為亞洲其他快速發展的城市提供了重要啟示。政府無需等待完美的監管出台，而是可以進行不斷的實驗和疊代，在過程中學習。他們不應只關注風險，還必須建立起信任系統和合法性，成為負責任的創新推動者。新的顛覆性技術將持續湧現，最終成功的會是那些做好準備適應新形勢的政府。
文章來源：Global-is-Asian，2025年11月10日，星期一
作者：Global-Is-Asian Staff
圖片來自網絡
本文內容來自於作者，不代表新加坡國立大學李光耀公共政策學院官方機構觀點
