原标题：“大数据之父”谈智慧城市：无直接数据如何找到适当替代数据
7月8日，2021世界人工智能大会在上海开幕。“大数据之父”、牛津大学网络学院互联网治理与监管专业教授舍恩伯格(Viktor Mayer-Schönberger) 通过视频表示，智慧城市的核心不在于某一项具体技术或数据基础设施，虽然智慧城市需要这些，但智慧城市的核心在于做出更好的决策，其基础就在于有丰富多样的数据，它需要的远不止技术上的进步，更需要组织和机制上的创新和进步。如果没有直接数据，挑战就是要找到适当的替代数据，以间接方式来收集数据，并且进行复杂的数据分析，根据这些替代数据进行推论。
舍恩伯格介绍了数据驱动智慧城市发展的两个前沿洞察。
截至2020年，全球半数以上人口居住在城市或城镇区域，这是人类发展史上重要的里程碑。不过城市化在发展中也面临压力，人们不仅希望城市是宜居的，同时也希望城市能发展得更好，他们希望城市有良好的管理和治理体系，不仅要对居民的要求有所回应为，而且要未雨绸缪。这正是智慧城市概念所给出的承诺。
城市管理者的决策要基于事实，基于不断发展的城市生活的真实情况。但收集相关数据非常困难，而分析这些丰富的数据，以便从中总结出可以付诸实践的选项也同样困难。
不过，得益于数字技术的进步，现在可以使用廉价的传感器和大量数字设备，从智能手机到耳机、从汽车到行车记录仪、从无人机到智能电表不一而足。它们每天都在收集丰富多样的数字数据，通过汇总和使用部分像这样的数据，城市管理者有机会把决策建立在远胜于从前经验分析的基础上。
舍恩伯格表示，智慧城市的核心不在于某一项具体技术或数据基础设施，虽然智慧城市需要这些，但智慧城市的核心在于做出更好的决策，其基础就在于有丰富多样的数据，它需要的远不止技术上的进步，更需要组织和机制上的创新和进步。
以谷歌为例，谷歌试图把它最新的智慧城市理念应用到加拿大多伦多，但在投入了多年精力和大量资金后以惨败告终。所有参与这一计划的人出发点都是好的，谷歌想要展示它的技术应用经验，这些经验可以扩展到城市数据基础设施中，多伦多市政府希望启动一个一流的城市更新计划。
但最终参与的组织和机构却没有办法合作制定出一个所有人都能相信并为之努力的目标，这一计划集合的硬实力和软实力也全部都不够，各方的妥协和劝说也有所欠缺，参与各方无法达成足够的共识，为共同的未来制定和维持共同的目标。
这次失败也让人认识到，智慧城市的发展要想成功，需要的不仅仅是优秀的理念和适合的技术。即使一座城市拥有数据基础设施，如果数据不能够驱动决策，参与方普遍犹豫不决、互不信任，那么智能化的发展不会成功。
舍恩伯格认为，想要成功，就要管理好人员参与流程，尽可能让相关人员尽早参与进来，并让他们参与整个过程，以便智慧城市的概念得到公众信任，只有这样智慧城市的社会可持续性才能够有所保障。
智慧城市的发展还有另一个难题，虽然现在全球人口有一半以上居住在城镇区域，但更多人是住在人口不足50万的城市中。大城市的发展速度比小城市要快，但小城市的数量却远远超过了大城市，而且居住在小城市中的居民更多。
这就意味着，智慧城市的概念不能只适用于大城市、一线城市。要真正产生影响，智慧城市的概念必须而且尤其要适用于小城市。但由于小城市资源有限，执行经验也不多，这就成了一个挑战。
“我们需要一批有意愿的小城市的管理者在做决策时是基于事实。”舍恩伯格说，而不是根深蒂固的直觉。困惑决策者和专家的不是哪种技术能够帮助小城市发展为成功的智慧城市，而是哪些组织和体制上的创新是必要的，以及什么才是最佳的执行方案。
舍恩伯格的第二个前沿洞察是，我们到底需要哪些数据才能使得智慧城市的概念行之有效，同时知道怎样妥善使用间接的方法来收集这些数据。
以公共交通为例，在一个成功的智慧城市中，决策者需要知道居民使用各条轨道交通和公交车线路的频次和时间。但在全球城市中，像这样的数据其实是无法获得的。人们可能会留下一些数据线索，比如什么时候进入地铁站，什么时候出地铁站，但不知道他们具体坐了哪条线路。同样，人们从轨道交通系统转到公交车时，数据就会丢失，出现数据盲区，导致不良决策。
所以如果没有直接数据，我们所面临的挑战就是要找到适当的替代数据，以间接方式来收集数据，并且进行复杂的数据分析，根据这些替代数据进行推论。
比如，地铁轨道和其他火车铁轨一样，用了一段时间后会变得高低不平，需要重新平整。但要找到最需要重新平整的轨道点，就需要在夜间缓慢驾驶一辆专用轨道车，通过感应磁场测量高度变化。
欧洲一家公共交通企业的工程师发现，普通智能手机中的振动传感器所收集的数据，在经过了复杂的图形分析后，就可以当作代理数据来使用。
于是他们编写了一款免费的智能手机游戏软件，游戏后台会收集震动数据和位置数据，鼓励乘客在乘坐地铁时玩这款游戏。这个方法奏效了，他们不再需要使用昂贵、费时的特别磁场加载过程，这就是间接数据。
舍恩伯格表示，复杂应用的最前沿是依靠通常而言复杂的模式识别和深度学习的方法来找到可能有用的代理数据，这通常不太需要特别新颖的技术，而是更加依靠创新理念和突破性的思考，它的线性工程属性较少，更多依赖的是创意思考，因此它的执行难度会更大。
“随着全球各地试点智慧城市，人们开始更好理解我们所面临的真正的挑战，需要的硬件和软件在减少，但需要更多的组织和思维创新。”
舍恩伯格并不认为全球城市发展需要基于草率决策的智障的城市，“我们需要的是发展智能城市的概念，使其不再局限于数据基础设施这样一个狭隘的观点中，只有这样才能够获得成功。”
