在数字化浪潮与技术革命的推动下，人工智能（AI）正以前所未有的速度渗透进美国联邦政府的各部门与岗位。无论是采购管理、物流协调，还是数据分析和科技研发，人工智能工具的广泛应用极大提升了工作效率，但也带来了新的挑战与责任。为确保联邦劳动力具备有效、安全地使用人工智能的能力，立法者们近日再次呼吁扩展和深化AI培训计划，体现出政府对技术革新的高度重视和长远规划。 人工智能培训的初步探索始于2022年，当时美国政府通过了《2022年联邦劳动力人工智能培训法案》，主要面向项目经理和涉及采购、物流的工作人员。这项法规为联邦部门制定了基础的AI教育框架，内容涵盖人工智能的基本理论、应用案例及潜在风险，开创了政府系统内提升AI素养的先河。然而，随着技术的迅速演进和需求的不断扩展，2025年由众议员南希·梅斯（Nancy Mace）和尚特尔·布朗（Shontel Brown）联合提出的《人工智能培训延伸法案》旨在填补培训缺口，实现内容、对象的全面升级。
这项新提案不仅扩大了培训的目标群体，涵盖了各级管理人员、监督者以及数据和技术相关岗位的联邦工作人员，还强调将AI培训整合进其他培训项目中，体现出更灵活、更实用的培训策略。法案对2022年既有的教学大纲进行了优化，从模糊的AI科学背景介绍转向具体实用的内容，如人工智能的能力、风险评估、隐私安全问题，以及如何科学合理地部署AI系统。此外，培训材料需严格遵循美国管理与预算办公室（OMB）根据现行AI法规制定的指导方针，确保联邦AI应用的合规与安全。 正如两位立法者所言，人工智能已经成为不可逆转的趋势，提升联邦员工的AI运用能力不仅是技术进步的要求，更是对公共服务质量和公民权益保障的重要保障。人工智能在政府部门的推广，有望提升数据处理的精准度，提高决策效率，减少人为错误，带来更多智能化的工作支持。然而，技术背后的数据安全、隐私保护以及潜在偏见风险同样不可忽视，培训不仅是技能传授，更是价值观和责任意识的塑造。
尽管这一法案展现了积极前景，但其通过历程并非平坦。2023年提出的近似法案《人工智能培训扩展法》曾在众议院委员会获得初步支持，但未能迈向完整表决阶段，显示立法过程中技术培训的必要性与政治现实间的矛盾。主因包括预算限制、政策优先级变化以及政党立场分歧等。当前，美国的AI监管框架仍处于激烈辩论阶段，尤其围绕州与联邦在AI政策制定上的权力平衡，预算调整以及相关条款均对培训法案的推进产生影响。 在国家层面，AI技术的规范和培训成为不可分割的课题。针对联邦政府内部工作人员设计的培训项目可以视作一种实践探索，旨在形成标准化、可复制的经验，为未来更为广泛的AI治理与规范打下坚实基础。
通过教育提升员工的AI素养，有望促使政府部门人才结构逐渐适应新兴科技需求，培养出具备创新思维、风险判断能力和伦理意识的复合型人才，从而促进技术与政策的协同进步。 此外，培训内容的更新也紧跟时代步伐，摆脱传统理论的束缚，注重实用技能和操作规范。如何针对不同岗位需求设计个性化培训方案，如何借助线上平台实现灵活学习，如何结合具体业务场景强化案例教学，都是提升培训效果的关键。联邦政府在这些方面逐步累积经验，如利用云计算环境开展虚拟模拟训练，借助数据分析工具实时反馈学习成效，确保AI培训不仅停留在知识灌输，更能转化为切实工作能力。 技术的快速发展带来了机遇也伴随着风险。联邦政府要保障人工智能的健康发展，离不开对从业人员的有效培训与规范管理。
尤其是在涉及国家安全、公共安全和敏感信息处理领域，合规应用AI技术显得尤为重要。培训项目中强调的隐私保护、数据安全及偏见防范等内容，不仅符合伦理标准，也是防范法律风险和公众信任危机的必要措施。 联邦劳动力整体素养的提升，也将带动政府服务的智能化转型。随着AI辅助决策、自动化流程和智能分析的普及，政府的响应速度和服务质量预计大幅提升。例如，在医疗、税务、社会保障等领域，智能系统能够辅助数据核查、风险评估和方案优化，让公共资源使用更高效、更精准。此外，AI还可以支持危机应对，如自然灾害预测、疫情监控，为决策者提供更有力的科学依据。
未来，联邦政府的AI培训可能成为科技人才培养的重要组成部分，也为其他行业和国家政府树立典范。随着人工智能技术从边缘向核心业务渗透，如何平衡技术创新与安全隐私、效率与公平、自动化与人工智慧的关系，将成为持续探索的议题。在全球范围内，各国政府均面临类似挑战，美国的AI培训法案及其实施经验也可能为国际社会提供借鉴。 总之，人工智能在联邦政府的广泛应用不可逆转，立法者推动的培训法案展现了对AI技术积极应对的决心和长远视野。通过系统化、实用化的培训，联邦员工正在为迎接数字时代的复杂变化做好准备，确保人工智能既成为提升治理效能的利器，更是维护公共利益和社会福祉的有力保障。公众、技术人员以及政策制定者需共同努力，推动AI安全、负责任、创新地融入政府体系，为建设智能政府、服务现代社会贡献力量。
。
