以太坊智能合約技術(shù)在建設(shè)工程招投標(biāo)評審中的應(yīng)用

湯 駿 南通市公共資源交易中心，南通 226001

1 建設(shè)工程招投標(biāo)評審中存在的問題

1.1 評委自由裁量權(quán)較大，評審質(zhì)量不穩(wěn)定

一些評標(biāo)辦法對于主觀性指標(biāo)（比如文明施工、節(jié)能環(huán)保要求）的評審項沒有具體的評審標(biāo)準(zhǔn)（一般給出一定幅度的分值范圍），在有限的評審時間內(nèi)，評委只能依據(jù)自身的經(jīng)驗和感性認(rèn)識匆忙給出分值。在實踐中，就發(fā)現(xiàn)同一工程的不同標(biāo)段，同一個投標(biāo)企業(yè)得到的分?jǐn)?shù)存在明顯偏差的不正常現(xiàn)象，這是難以令投標(biāo)人信服的結(jié)論，也常常引發(fā)質(zhì)疑投訴。

1.2 考核管理機(jī)制不健全，一些評委專業(yè)和道德素養(yǎng)不高

評委的考核管理機(jī)制不健全也是導(dǎo)致評審亂象的原因之一。一些地方對于專家評委管理流于形式，長期不進(jìn)行專業(yè)知識培訓(xùn)和繼續(xù)教育，沒有科學(xué)健全的考核退出機(jī)制，導(dǎo)致部分專家評委專業(yè)能力下滑。評審實踐中，一些評委因不能透徹理解招標(biāo)文件，不能知曉國家的招投標(biāo)政策新政導(dǎo)致的誤評、錯判現(xiàn)象比比皆是。還有一些專家缺乏職業(yè)操守，甘于被圍獵，成為某些特定企業(yè)重點關(guān)照的對象，在評審時打出“人情分”“關(guān)系分”，評審結(jié)論缺乏公正性。

1.3 專家評委資源不均衡，稀缺專業(yè)評審難以開展

專家資源不足、分配不均衡也是困擾基層公共資源交易機(jī)構(gòu)正常開展工作的重要因素，盡管一些地方采用“遠(yuǎn)程異地評標(biāo)”方式一定程度上彌補(bǔ)了一些短板，但是總的成效不明顯，尤其是一些稀缺專業(yè)，專家評委人數(shù)過少，難以滿足隨機(jī)抽取的需要，招標(biāo)人不得不“變通”采用相近專業(yè)的評委來代替，評審質(zhì)量大打折扣。

1.4 外界干擾因素屢禁不絕，獨立評審難以實現(xiàn)

獨立公正評審是確保評標(biāo)工作有序開展的重要前提，然而事實上，外界干擾因素不在少數(shù)。一方面評委本身有其利害相關(guān)的利益訴求，另一方面，評審工作還可能受到招標(biāo)人的明示或暗示，有關(guān)部門領(lǐng)導(dǎo)的委托和招呼，這些外來影響對于獨立開展評標(biāo)工作都是不利因素。

2 以太坊智能合約技術(shù)的特點和優(yōu)勢

智能合約是存儲在區(qū)塊鏈網(wǎng)絡(luò)（每個參與者的數(shù)據(jù)庫）中的一段代碼。它界定了各方使用合同的條件。當(dāng)且僅當(dāng)觸發(fā)合約條件，合同才能自動執(zhí)行。智能合約運行在以太坊的虛擬機(jī)EVM中，可以調(diào)用其他的智能合約，也就是具備“自治代理”的能力。它具有以下幾個特征：

（1）去中心化。智能合約在以太坊網(wǎng)絡(luò)的全部節(jié)點中被拷貝和分配，具備典型的“去中心化”特點。

（2）自動化。智能合約能夠自動實行各種任務(wù)，未達(dá)到智能合約的觸發(fā)條件，它將維持“休克”狀態(tài)，不會實行任何操作。

（3）不可篡改。智能合約一經(jīng)部署，就無法更改。除非預(yù)先設(shè)定了邊界條件，才可以實行“調(diào)整”操作。

（4）無需信任。合約協(xié)議各方能夠利用智能合約開展互動，而不用相互了解或取得信任。此外，區(qū)塊鏈技術(shù)可確保數(shù)據(jù)準(zhǔn)確無誤。

表1 智能評審與人工評審評價指標(biāo)對比表

相較于人工評審，智能合約技術(shù)應(yīng)用到招投標(biāo)評審中去有著人工評審無法比擬的優(yōu)勢，主要體現(xiàn)在以下四個方面：

（1）獨立、公正。智能合約的執(zhí)行過程完全依靠事先編譯好的計算機(jī)代碼，不受任何外界條件的干擾，能確保評標(biāo)始終在獨立公正的條件下進(jìn)行。

（2）精準(zhǔn)、高效。智能合約不會出現(xiàn)人為差錯，也不存在評審質(zhì)量不穩(wěn)定、不均衡的現(xiàn)象。評審效率極高，不可能出現(xiàn)因評委資源不足而延遲評標(biāo)的情形。

（3）費用低廉。智能合約部署到區(qū)塊鏈中盡管要消耗少量的“資產(chǎn)”（以太幣），但是相比專家評委的勞務(wù)費不值一提，為招標(biāo)人節(jié)約了大量的評審費用支出。

（4）公開、透明。由于智能合約依托于公有區(qū)塊鏈，因而其源代碼不僅不可篡改，而且對任何人都是透明的。因此，如果不涉及到商業(yè)秘密，智能合約評審的評分過程、判定依據(jù)甚至可以全方位向社會公開，這是當(dāng)下人工評審所無法做到的。

表1列出了智能評審與人工評審兩種方式有關(guān)評審指標(biāo)的比較情況。

3 智能合約技術(shù)在招投標(biāo)評審中的應(yīng)用

招投標(biāo)行業(yè)應(yīng)用AI技術(shù)參與評審還處在初級階段，且未能向投標(biāo)文件的“語義智能判斷”等高難度領(lǐng)域涉足，至多只能稱之為“機(jī)械評審”，離能夠模仿人類大腦思維的“智能評審”目標(biāo)相去甚遠(yuǎn)。智能合約實現(xiàn)無人評審的流程示意圖如圖所示。

智能合約實現(xiàn)無人評審的流程圖

以建設(shè)工程施工項目評審為例，投標(biāo)文件中的客觀性評價指標(biāo)（比如企業(yè)的資質(zhì)等級、業(yè)績成果、注冊資金、年產(chǎn)值等），計算機(jī)很容易處理，一般只需要進(jìn)行“關(guān)鍵字”對比就能完成評定工作，且誤報率極低。而智能評審面臨最大的障礙就是對投標(biāo)文件中主觀內(nèi)容（比如施工組織設(shè)計）的評價是否真的像專家評委那樣客觀公正，因此必須要結(jié)合深度學(xué)習(xí)、智能合約等多項新技術(shù)，才能實現(xiàn)上述目標(biāo)。

3.1 智能評審的部署流程

3.1.1 基于深度神經(jīng)網(wǎng)絡(luò)建模的評分模型訓(xùn)練

深度神經(jīng)網(wǎng)絡(luò)可以應(yīng)對更復(fù)雜的數(shù)據(jù)集并利用其多層次結(jié)構(gòu)來更好地概括出先前從未見過的數(shù)據(jù)，故此稱之為“深度”。多層次的結(jié)構(gòu)使其相比線性模型能夠容納更多的數(shù)據(jù)。

深度學(xué)習(xí)模型訓(xùn)練步驟主要有以下四步：

（1）數(shù)據(jù)預(yù)處理。應(yīng)當(dāng)在海量的投標(biāo)文件樣本中進(jìn)行分類，對人工專家評審意見進(jìn)行標(biāo)注，尤其是樣本集切分要合理，一般應(yīng)當(dāng)保持80%用于訓(xùn)練，20%用于測試，要特別注意測試集合不要重采樣，防止訓(xùn)練工作量太大。建設(shè)工程施工招標(biāo)項目的樣本主要還是對“施工組織設(shè)計”方案文本的訓(xùn)練，其他內(nèi)容多為客觀性內(nèi)容，無需參與訓(xùn)練。

由于投標(biāo)文件樣本質(zhì)量不高、數(shù)量不充分、定標(biāo)規(guī)則不合理等因素將直接導(dǎo)致模型訓(xùn)練難以達(dá)到預(yù)期效果。因此，這一步是評分模型訓(xùn)練的關(guān)鍵，也是整個智能評審工作成敗的關(guān)鍵。

（2）前向傳播（Forward Propagation）。將數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)（神經(jīng)元先加權(quán)累加再輸入激活函數(shù)輸出值）正向傳播，得到得分，再將“得分”輸入誤差函數(shù)loss function（正則化懲罰函數(shù)，防止過度擬合），與期望值比較得到誤差，通過誤差判斷識別訓(xùn)練的魯棒性。

（3）反向傳播（Backward Propagation）。反向傳播就是求梯度。目的是用梯度下降法來對參數(shù)進(jìn)行更新，而更新就需要梯度。這樣就通過梯度向量來調(diào)整權(quán)值，使“得分”誤差趨于極小值。

需要強(qiáng)調(diào)的是，參數(shù)選取一方面要參考招標(biāo)文件中的評分標(biāo)準(zhǔn)，另一方面還要充分考慮建設(shè)工程項目的具體特點，以能夠全面、客觀反映投標(biāo)企業(yè)的綜合能力為原則，組成定標(biāo)集合數(shù)據(jù)集并合理配置權(quán)重。

表2列出了建設(shè)工程投標(biāo)文件中“施工組織設(shè)計方案”訓(xùn)練文本參數(shù)集合建議，大致可以將這些指標(biāo)分為控制性、評價性和參考性指標(biāo)，這樣做的好處是便于在參數(shù)調(diào)整過程取舍適當(dāng)，既防止“欠擬合”，也避免“過擬合”。

目前，對于施工組織設(shè)計方案文本宜采用半監(jiān)督學(xué)習(xí)的方法實現(xiàn)專家語料標(biāo)注和深度學(xué)習(xí)訓(xùn)練，主要步驟如下：

表2 建設(shè)工程投標(biāo)文件施工組織設(shè)計方案樣本訓(xùn)練參數(shù)集

（a）先對經(jīng)挑選的“優(yōu)異”文件施工組織設(shè)計方案文本的語料進(jìn)行專家的人工標(biāo)注；

（b）使用機(jī)器學(xué)習(xí)訓(xùn)練模型如SVM、LR對已經(jīng)標(biāo)注的語料訓(xùn)練，把未標(biāo)注的語料作為測試集；

和順縣的輻射水源井主要是遠(yuǎn)離河流集取地下水型，以小泉小水為水源的農(nóng)村飲水安全工程，可通過實施水平輻射把漏失的泉水和未開發(fā)的散泉集中起來，增水效果十分明顯，比如橫嶺鎮(zhèn)的龍旺村、陽照村等，尤其適宜厚度較薄的含水層以及不易用滲渠開采的厚度薄、埋深大的含水層。主要優(yōu)點：（1）山區(qū)輻射井水源工程多為引水工程，管理方便，運行成本較低。（2）集水范圍大，含水層厚時可多層設(shè)置集水孔，此水水質(zhì)優(yōu)良且水量穩(wěn)定，受季節(jié)影響較小。

（c）為測試集樣本產(chǎn)生標(biāo)簽及置信度（即標(biāo)簽的準(zhǔn)確性的概率值）；

（d）通過觀察為置信度設(shè)定一個閾值（須反復(fù)調(diào)整），當(dāng)樣本中的每個分詞都滿足這個閾值時，把這個自動標(biāo)注好的測試樣本加入到訓(xùn)練集中，在測試樣本中取出這個樣本；

（e）重復(fù)2～4步，直到剩余的測試樣本中沒有完全滿足閾值的樣本；

（f）輸出剩余的測試樣本。經(jīng)過這樣的訓(xùn)練過程，計算機(jī)基本具備智能評審文件的語義條件。

（4）重復(fù)上述過程，直到設(shè)定次數(shù)（損失誤差）的平均值不再下降（最小值）。

深度學(xué)習(xí)的關(guān)鍵是數(shù)據(jù)標(biāo)注前，標(biāo)簽體系設(shè)定要合理、用于標(biāo)注的數(shù)據(jù)集需要無偏、全面、盡可能均衡。目前制約智能評審的一個重要因素是投標(biāo)文件有效數(shù)據(jù)集太小，深度學(xué)習(xí)容易產(chǎn)生過擬合。另外，數(shù)據(jù)集沒有局部相關(guān)特性也是一個影響因素。從提高訓(xùn)練泛化能力的需求來看，公共資源交易機(jī)構(gòu)只有跨區(qū)域、跨部門合作，形成豐富、充足的樣本庫才能有效地解決訓(xùn)練集不均衡的問題，這也從另一個側(cè)面反映了只有打破數(shù)據(jù)壁壘，走區(qū)域合作之路才能發(fā)揮科技對于公共資源交易的巨大推動作用。

3.1.2 智能合約協(xié)議代碼的部署、編譯和運行

以太坊社區(qū)開發(fā)并開源了在線Solidity集成開發(fā)環(huán)境Remix，可以方便地在Remix中編寫、部署、測試智能合約，Remix具有自動完成，語法高亮，實時編譯檢查錯誤等功能。

（2）賬戶準(zhǔn)備、創(chuàng)建和轉(zhuǎn)賬。以太坊是有賬戶的，每個用戶都可以開設(shè)賬戶，賬戶余額是擁有的以太幣或其他基于ERC20標(biāo)準(zhǔn)的通證。以太坊有兩種賬戶一是外部賬戶（externally owned accounts），由密鑰控制，二是合約賬戶（contract accounts），由智能合約的代碼控制。

以太坊的區(qū)塊中存儲的實質(zhì)上是一種交易（transaction）行為，因此部署智能合約至少需要一個外部賬戶（可用于招投標(biāo)雙方費用結(jié)算）和一個合約賬戶（用于部署智能合約）。外部賬戶可以觸發(fā)交易，而合約賬戶不能主動發(fā)起交易，只能在被觸發(fā)后按預(yù)先編寫的智能合約代碼執(zhí)行。創(chuàng)建外部賬戶不需要花費，但是創(chuàng)建合約賬戶需要支付一定的Gas，而且合約錢包中的任何操作都是需要支付Gas（Gas是以太坊智能合約執(zhí)行所需的“錢”。每執(zhí)行一個命令就會有一定的“錢”被消耗，這個“錢”用Gas作為單位，不同命令消耗的Gas數(shù)量不同），其原因在于執(zhí)行這些合約需要花費以太坊網(wǎng)絡(luò)中寶貴的計算時間和存儲資源。

賬戶創(chuàng)建完成以后要進(jìn)行以太幣挖礦操作（否則無法完成交易），挖礦效率受到全網(wǎng)算力、收益分配模式、礦機(jī)能耗比、幣價等因素影響，可以通過專門工具進(jìn)行挖礦，也可以通過線上交易直接購買以太幣。在以太坊中，還可以使用estimateGas方法來估算一個交易要消耗的gas消耗量，然后再根據(jù)需要購買。

（3）代碼編寫。智能合約代碼編輯器可以使用Visual studio code（下載Solidity插件），也可以選擇Ethereum官方開發(fā)的remix在線編程環(huán)境（URL：http://remix.ethereum.org/）。

3.1.3 智能評分

完成了深度學(xué)習(xí)和智能合約的部署上鏈，就可以嵌入現(xiàn)行的電子評標(biāo)系統(tǒng)進(jìn)行智能評分，評分過程的執(zhí)行效率主要依賴于智能合約本身的復(fù)雜程度，也就是區(qū)塊鏈環(huán)境里面可執(zhí)行的代碼集。還要注意，發(fā)布智能合約的時候需要消耗一定的通證（GAS），而消耗通證的數(shù)量是根據(jù)智能合約的難度來決定，就是說這個智能合約的處理邏輯越長、越多，那么消耗的通證就越多。從HUOBI（火幣）、OKEX.ME等主流交易平臺公布的實時價格（2020年7月30日上午9時）來看，單價為2221元/ETH（買一價），經(jīng)過大致估算，一個普通的建設(shè)工程招投標(biāo)智能合約從創(chuàng)建賬戶到部署合約直至完成評審，大約需要花費50～80的Gas（與合約的節(jié)點、存儲方式、算法、復(fù)雜程度都有關(guān)），按照1GAS=0.00900ETH=19.98元計算，一次評審大約需要花費1000～1600元（價格單因素評標(biāo)辦法花銷會少一些）。

評分過程中，計算機(jī)可以給出具體的評判依據(jù)，如果不涉及到不適宜公開的商業(yè)秘密，那么可以將計算機(jī)的評分過程在中標(biāo)公示階段向社會公開，這個實際上也是智能評審將評審過程予以公開，接受各方監(jiān)督的過程。

3.2 智能評審的效能評價

相比于人工評審，利用智能合約技術(shù)進(jìn)行機(jī)器評審的成效主要體現(xiàn)在以下三個方面：

（1）解決了獨立評審的問題

智能合約技術(shù)最大的特點就是“去中心化、自動執(zhí)行”，它不存在人工評審尺度不一、人為疏漏和顯失公允、偏頗的問題，能確保實現(xiàn)真正意義上的獨立評審。

（2）解決了評委資源不足的問題

智能合約技術(shù)應(yīng)用在評審工作中能顯著提升工作效率，專業(yè)也不受任何限制（樣本充足、訓(xùn)練有效的前提下），評審質(zhì)量均衡而穩(wěn)定，評審費用較低，實際就是同步解決了因評委資源不足帶來的多個“后遺癥”。

（3）解決了評標(biāo)信息保密問題

智能合約技術(shù)的引入還能根治長期以來評標(biāo)信息難以做到嚴(yán)格保密的“頑疾”。智能評審不存在提前抽取評委的過程，評標(biāo)工作在開標(biāo)過程完成以后立即開始，沒有提前量，也不存在回避情形，投標(biāo)利害相關(guān)人根本無法干擾評審工作的正常進(jìn)行，整個評審都在“無密可泄”的計算機(jī)代碼執(zhí)行環(huán)境中獨立運轉(zhuǎn)。

總之，智能合約技術(shù)在評審工作中的應(yīng)用，實質(zhì)上是用經(jīng)樣本訓(xùn)練過的計算機(jī)代碼來模仿人類大腦邏輯思維的過程，能夠克服“人性的弱點”。