智慧城市建设指南：从乱糟糟的数据到AI智能决策（下）

正如本指南中反复强调的，算法与机器学习是城市人工智能项目实施的核心关键，显著影响着项目各方面的结果。本节将详细说明以人工智能作为项目的核心的相关内容，项目前置实施的主要内容。算法和机器学习使得人工智能的本身成为城市决策和干预的基础，并实现多种功能，包含：自动警报、未来预测、情景建模和不易察觉的趋势识别。这些功能对于公共治理、公共服务交付、城市功能或环境相关自动化；以及可持续性的推广均有促进作用。

学者拜戈斯在2018年给出了“人工智能算法分类方法”的定义——它是一种与“信息捕获”、“厘清事情发生情况与状态”和“理解事情发生的原因”的相关工具。第一类“信息捕获”类别包括旨在针对应用于“不太有意义的数据”中的算法。这个类别可以使用图像识别算法形式（如：城市人工智能相关措施，从监控摄像头的影像数据中识别行为或人员，以实现城市安全监控的自动化），语音识别算法形式（如：客服电话系统的自动化，可以根据市民电话中的需求进行分流和分类接线），搜索算法形式（如：协助实现文件管理）和聚类算法形式（如：公共卫生疾病跟踪系统）。第二类“厘清事情发生情况与状态”类别则是从可用数据中分析以得出结论。此类别可以使用自然语言理解算法形式（如：辅助申请审核的自动化系统），优化算法形式（如：辅助市政预算分配的优先排序系统）和预测算法形式（如：辅助评估基础设置折损情况的预估系统）。第三类“理解事情发生的原因”类别算法则是目前的一个缺口。它所指代的是目前人工智能系统尚未具备的，仅在理论上可实现的能力——即，可以根据上下文信息（理解线索）选择正确的操作方法，而无需遵循任何特定的，已构成类别的算法。

将AI人工智能技术引入项目时，一般有三种主要途径：现成的AI软件、API平台和定制化的应用程序。现成的AI软件最容易实施，但灵活性最小。使用现成的AI软件时，供应商处理与AI模型相关的技术工作；而用户只需负责数据准备。但预制好的现成模型具有一定局限性，可能不完全符合预期用途。在使用现成产品时，关键的是确保该人工智能提供有效性，并且它适用于该案例的具体应用场景。

第一类，现成的人工智能软件往往使用订阅制收费（即，允许在指定时间范围内无限使用）或按服务次数收费。例如，人工智能解决方案可以应用在垃圾清理路线的优化上。使用现成的人工智能软件上传城市地理空间数据，进行参数设置调整，无需再与其他额外技术进行交互设置，它就可以直接输出路线优化结果。

第二类，人工智能API平台是一种可以平衡 “灵活应用性”和“易实施性”的折中解决方案。AI平台提供访问AI的工具和算法，用户需要在此基础上，根据适合其项目方式组装不同的功能模块。因此，与直接使用现有的AI软件不同的是，使用API平台就要求使用者花时间进行基础设置，并需要拥有一些相关技术知识。但同时，开放API也可以设置更多定制化的AI实施方式。计费方面，API 平台是按照运行模型的次数来计费（ibid）。在例如，在垃圾清理路线优化示例中 ，城市可以搭建一个系统来执行常规数据处理和操作任务，然后单独引用一个线路优化API来进行具体的繁重计算。

第三类，根据需求构建定制化的应用程序，是具有最高“灵活应用性”的方案，但其时间和经济成本也是最高的。定制化应用程序需要从零开始构建和培训AI人工智能模型 。因此 ，这样的方式可以确保模型完全适合特定用例，并且所有算法组件原理都是明确的（对比于直接使用现有的AI人工智能算法，不明确其算法组件原理，通常称为“黑匣子”）。但同时，该方案也需要较高的技术水平，搭建团队与AI技术顾问。因此，该方案的成本取决于技术团队员工的工资成本以及硬件基础设施成本。一个定制化的垃圾清理路线优化App，需要使用定制化构建的路线优化算法——基于其城市和数据特性，以及其他定制化数据处理流程以及任务操作来定制。

许多技术因素的考量，决定了具体算法的选择以及排列组合方式，以及正确地训练所选模型的方法。当团队内容缺乏相关技术骨干和评估制度时，雇用外部AI人工智能专家为项目提供建议可以帮助AI项目的顺利推进和准确落实。人工智能专家还有助于评估该城市人工智能的社会伦理问题，如：基于算法的决策制定权是否可能会产生意外的社会后果，若外部影响因素没有被准确理解和及时纠正。另外，由于许多模型使用的是历史数据，它们可能会延续制式化的偏见或偏差。在英国，糟糕的现状是，近50% 的政府数据专家评估结论均为——英国的数据库存在偏差。为了防范此类问题，在富杰德等五位学者提出了“人工智能应用的八点关键原则“（eight key themes for principled artificial intelligence implementations） ——隐私、问责制、安全与保障、透明度和可解释性、公平和非歧视性、技术控制权归属于人类、职业责任和促进人类价值观。

第一点，隐私，主要指限制或保护AI应用收集或处理的任何个人信息。第二点，问责制，是确保模型经过初步和持续评估，并且公众在模型对外界造成损害时有追责权利。为落实这个原则，一些地方的司法管辖开始使用AI注册系统，注册的AI需提供选择所使用的算法的决策原因，以及罗列出所有模型中考虑的变量。第三点，安全与保障，是确保AI模型和其输出结果不会造成危害。第四点，透明度和可解释性，指当决策过程中使用到AI算法时，需要向公众共享和展示算法细节本身，以及AI是如何通过该算法给出该决策建议的。第五点，公平性和非歧视性，是确保对模型进行充分的训练，确保其结果不倾向或损害其中任何一个社会群体，能公平对待所有的社群群体。第六点， 技术控制权，是指维持人类在AI模型操作、决策上的绝对监督 ，包括保留人类选择不参与决策的选项设置。第七点，职业责任是指将设计规范保持在高标准（如，确保高精度并涉及足够多利益相关方参与设计）。最后，第八点，促进人类价值观，是指确保良好地运用，促进人类社会福祉的方法来应用 AI ，从而使该AI更成功，并完成社会价值实现 。使用以上八点关键原则，应用于项目的执行过程中，可以有效帮助和实现一个成功AI人工智能项目的落地。

决策和调整通常是政府和私营公司选择实施人工智能解决方案的主要原因。决策和调整阶段至关重要，因为它能让城市利益相关者实现对前面过程结果的实施运营，从而影响环境、流量、治理和/或人民，以解决最初陈述的问题。虽然这一阶段出现在剖析的最后，在人工智能步骤之后，但它也可以直接发生在数据可视化之后。事实上，这三个步骤真正代表了一个不断的连续过程：数据可视化步骤解锁见解，AI和机器学习步骤可以从这些见解中得出结论或预测，而决策和调整阶段能让现实世界发生变化，进而反过来改变收集到的数据。这导致新的可视化效果和见解产生，生成不同的预测，并反过来激发出其他不同的决策。基于此原因，决策制定与调整不应作为一个一次性步骤存在，而应作为持续评估的重复过程中的一部分。拥有强大的评估框架和调整策略有助于保护城市中的人和资源。

在决策和调整阶段，透明、协作式的沟通机制发挥着至关重要的作用，特别是因为设计和构建人工智能项目的人很少是其结果的主体。此外，那些负责决定城市进程将如何因人工智能解决方案而变化的人，很少对这些系统的运作方式有深入的了解。因此，沟通具有两个目的：第一，向决策者传达分析的假设/基本组成部分，以及结果及其影响；第二，以市民可理解、可接受和可访问的方式，传达从数据到模型结果到可操作变化的转变。决策者需要对项目有充分的了解，以便利用项目的产出做出明智的决策。市民也应当对项目有充分的了解，以便掌握人工智能对他们日常生活的影响。为了更好地服务于这两个目的，波士顿的研究人员探索了游戏化在AI实施过程中吸引不同利益相关者的作用，特别是在由于公众不安而导致默许引入算法失败的情况下（Popelka 2022）。Eric Gordon和Gabriel Mugar（2020）提出，“有意义的低效率”，即在原本精简的基于算法的组织变革过程中有意引入游戏和商议的做法，可以增加信任并最终为项目成功提供更大的保证。通过这种方式，评估可以围绕公民的需求，与公民合作来定义是否成功，并直接使用居民的反馈作为数据来源，衡量目标进展。

以色列Be'er Sheva市前智慧城市部门经理Emri Brickner赞同Eckroth的建议，根据他在该职位上的工作经验，对决策和调整过程的实用性提出了许多见解。首先，他强调了能够回顾过去以预测未来的重要性。如果只是呈现解决方案，而没有考虑到过去的背景，那么决策者就无法真正理解解决方案的本质，也就无法做出明智的决策。他还强调了选择相关关键绩效指标（KPI）和制定强有力的变革管理和评估计划的重要性。他建议与所有利益相关者举行研讨会，以明确现有程序，确保每个人对提议的解决方案将如何影响现有流程达成共识，并制定措施确保其产生预期效果。

Brickner还提到，他和之前的团队常常就“一旦实施成功，接下来怎么办？”这个问题争论不休。这种情况下，他们会实施一项技术或服务来生成新的数据、新的分析或新的见解，但并不总是有能力有效地利用这些产品。从项目一开始就对数据或分析产品的使用方式有强烈的意识，有助于避免这种问题。

在决策和调整步骤中详述的所有考虑因素相当于确保人类保持对城市人工智能系统的治理，而不仅仅是受制于这些系统，有效和负责任的转变并不来自对模型输出的表面价值的反应。相反，城市从业者应该继续积极参与到城市人工智能进程的制定、参与、理解和重新设计中，以便他们能够诠释分析结果。城市人工智能的最大价值不是作为一种决策手段，而是作为一种信息来源手段。因此，我们提供这个剖析，实际上是整个指南，让决策者能够了解并更加审慎地参与这个过程。

免责声明：

本文转载自【一览众山小—可持续城市与交通】，版权归原作者所有，如若侵权请联系我们进行删除！

易知微以自主研发的EasyV数字孪生可视化搭建平台为核心，结合WebGL、3D游戏引擎、GIS、BIM、CIM等技术，协同各个行业的生态伙伴，围绕着数字孪生技术、数字驾驶舱和行业应用，共同建设数字增强世界，帮助客户实现数字化管理，加速数字化转型。

易知微已经为3000+ 客户提供数字孪生可视化平台和应用，覆盖智慧楼宇、智慧园区、智慧城市、数字政府、数字乡村、智慧文旅、工业互联网等众多行业领域，包括国家电网、移动云、中交建、中铁建、融创、云上贵州、厦门象屿、天津火箭、上海电视台、金华防汛大脑、良渚古城遗址公园、李宁、浙江大学等典型案例！