零点有数新阶段城市数字化治理的内涵探索

　　作者：零点有数董事长袁岳博士，图源 ：零点有数
　　新阶段中国社会经济的发展强调数字经济的发展和数字化治理，所以全国各地都在探索新阶段城市的数字化建设。今天说数字化，其实数字化这个说法是很早就提出来了的，互联网产业发展是数字化的事儿，互联网之前就已经开始有的软件产业其实也是数字化一个非常重要的形态，电子行业硬件的发展也是数字化早期的发展形态。
　　今天在说的城市数字化建设到底是什么呢？这里， 第一个层面 我们的工作开展都在建设系统上，行为都在系统上进行，所进行的行为均有数字留痕，从而形成数据化。智能化中间的两个早期元素，是大数据和云计算。基本上每一个政府部门和一定规模的公司都会有自己独立的系统，实现了一个有数据的基本状态。
　　第二个层面 ，其实是发生了一个挺大的变化，应该是算法为核心构建城市治理脑核。但是现实中会因为第一个层面参与者的不同而有不同的建议和选择：如果是卖系统的，就会建议建一个更大系统；如果是互联网企业，以云计算为核心的，就会建议有一个更大的算力。但到了第二个层面就需要用数字去改变一些东西，改什么呢？我们干热线的就改变热线的工作方式。热线办的事情不是一件事儿，老百姓的事儿又特别多，每件事情都不一样，所以它本身是有细碎的海量的场景，系统的核心应该是在不同场景中的算法，累积算法资源构成的处理问题的机制，我把它称为脑核。我们现有的不少城市大脑本质上是一个脑壳，是个系统，但是脑细胞不够。人和猴子不一样，跟猿人不一样，就是因为脑细胞和神经元的数量有差别。也就是说，针对场景所具备的脑细胞和神经元的总量才是衡量城市大脑水平的关键。现在我们打开任何一个系统，通常只会有少数几个解决问题的算法。
　　如果我们假定所有的场景都能够应用数字化的反应方式，它就进入到 第三个层面 。所有的场所、所有的事件、所有的主体都有数字化反应能力的时候，我们就进入了数字化生态。数字化生态在初级的层次上你可以理解为数字孪生，在高级的层面上可以理解为现在当热的＂元宇宙＂概念。不过我们今天大部分的数字化经济和数字化治理是如何进入数字化应用的问题。
　　举一个简单的例子，第一个层面正如有了英文教育的教材、教室和教师；第二个层面是终于有机会从讲汉语到讲英文了，但每次都需要在脑子里面过一道，某某东西用英语怎么说；第三个层面是不用想英文怎么说，做梦都是英文的，因为就生活在英语环境和生态里面。这就是通常我们说的数字化的三个层级，目前我们实际上是处在数字化应用这第二个层级。为什么很多城市到不了这个层级呢？是因为核心技术伙伴的长处和利益在于搞系统。
　　第一个层级的数字化，就是能够用系统和大屏展示出来相当数量的数据呈现，就是把能找到的数据内容都放在里面。如果我们到了一个普通的地级市，你看到的基本上就是这个模型，基本是一个数据中心的形态，和一堆APP和数据库展示；如果在少数的大城市,我们会看到一些系统开始会弄一些场景，现在我们能看到最多的能够拿出五六个场景，少的也就是一两个场景的数据呈现。
　　现在特别时髦的说法叫场景开放。场景为什么要开放？政府部门的一个特点就是，我民政的一个东西不想拿给你经信委看，经信委的东西我不想让你发改委看。所以这个时候一个所谓城市大脑的场景应用数量能够拿出来的东西太少，因为每个部门都是稍微拿一个东西给你，就这一个给你用一下，还要通过市长批示好多程序。所以场景就有了一个开放的问题。但是实际上就算是场景开放了也只是知道了问题的存在，并不是对于这个问题的响应和解决。
　　我们过去是推数据汇融，从现在严紧的数据安全要求来说，未来数据汇融的前景并不更容易。将来更可能是数据会保留在每个部门和数据原初的单位那里，但是更多单位的数据处在可访问的状态，一旦需要的话可以进行调度，利用区块链联盟链技术等加以链接。
　　所以即使最牛的数字化技术公司，实际上还没达到第二层级的数字化水平。第二层级的数字化当然一定要有系统，这个系统里面当然有很多场景，但对应问题场景当然有很多算法。我们提出来的问题，仅仅以我们热线本身的数据是不能解决的，热线数据是个线索。我们今天热线最重要的价值是这个线索驱动了某一个问题得到了重视，而当这个线索数据发挥作用的时候，其他关联的深度数据需要被调度出来，来说明白这个问题，并支持对策的设计。
　　为什么热线专报有价值？热线能够发现很多问题，然后领导说这个问题很重要，大家要解决。这个时候热线诉求就变成了关键线索，我们要把这一类诉求称作关键颗粒。在那么多的诉求里面，能够快速智能化地发现关键颗粒；发现关键颗粒以后，我们就可以把这个关键颗粒相关的其他数据源调度出来，把这个问题说得更加清楚，总量如何，特点如何，趋势如何，新的进展如何，和以前有何差异，处置得好的标杆是怎么处置的，这些处置方法中有哪一种标杆跟我们的条件最匹配最值得我们学习，然后我们的对策思路是怎样的——这就是我们所说的特定场景要对应于特定算法。我们新一代的系统最大特点是海量的场景，以海量的数据说明了海量的场景，然后以生动的算法支撑实现这个问题的解决。
　　现在我们不少城市的大脑的特点是：原来有一个系统，现在又要搞一个新的系统，把这段时间大家搞得更多的东西放在一起，其实原来这些东西已经占了很大的算力，所以新的系统就需要用更大的算力，因为现在很多做大脑的公司本身就是卖算力的，让本来不是很智慧的数字化内容堆在一起用更大的算力运转，问题的解决不敢承诺，更大规模的运转成了目的，然后还鼓励城市投资解决更大的算力。现在我们的财政预算里面是没有算法预算的，但是有算力的预算和算量大数据的预算，而且大家都能接受或者被说服算力可以更多，很大的原因是讲算力的公司更加著名和听起来更有权威性。实际上我们算力的很大一部分已经属于重复建设了。因为算法才是个构成城市大脑的核心，如果脑子没有更新，只是弄了更多低智商的数字化产品放在一起运转，结果并不解决啥问题，验证这一问题的最尖锐的方法就是问问实际工作部门的基层工作单位，如此运转方式对工作效率提升有多大助力。
　　真正的＂云脑＂（政务脑核），是要推动针对每一批实际的挑战性问题场景有一批建设性算法出来。 我们要注意，场景不是数字化本身，场景是问题，算法才是数字化解决方案。某一特定场景与特定算法的匹配才是数字化基础单元。 比如说电信诈骗，以前40天有个新骗法，现在7天有个新骗法，骗子的水平越来越高，为啥？因为疫情发生了以后，现在一般很多犯罪干不了，比如盗窃难度很大，所以小偷们海量转型成为骗子。成为骗子之后，琢磨着如何把过去的知识转变成一种新的骗法。骗法是一种场景，如果对骗法没有算法的话，公安工作就跟不上了。所以骗法是跟算法关联的，有要干坏事的骗法就要有克制它的算法。警务算法的集合才能构成警务脑核。
　　比如说像某地台风，对台风从什么地方登陆、登陆的时候多少级、经过的路线会构成的水量风量预计会有多少、因为水和风导致的危房分布、建筑分布和道路风险分布等等。一旦我们测试发现这个场景对应的算法能够解决问题后，只要有数据自动输入，很快就自动查会有什么情况出现，可以怎么解决，所以它的效率非常高。在这种自动输入中产生的大量电子神经元资产，构成了我们的算法。类似的应用算法集合构成城市脑核。
　　在人工智能的算力、算量和算法三者关系中，算法是有数据渊源的，它是从数据中梳理出来的。我们可以从12345、110梳理出很多场景，也可以从群众办事中梳理出很多事项。比如居委会选举，民政部门想了解居委会主任的工作情况，从他们的角度来看，这就是一个事项，我们要快速梳理一下，找到数据渊源，就是把所有的居委会主任曾经干过的事情，也就是所有的档案变成一个算法、一个分析模型，来分析出谁积极性高、反应快、活干得多、干得好、群众满意度高，从而来计算他们可能的群众支持度。算法要通过多次的数据训练，最后变成精度高的算法。很多算法最初的精度只有60%~70%，但经过反复训练，精度会不断提高，比较成熟的算法精度可能都在90%以上了，之后就把它做成软件，借助数据输入，结果就能高效自动地生成。
　　在商业领域，算法应用帮助服装行业实现了在线分析、在线设计、在线测试、在线试销，将原来400天的研发周期压缩到20天。我们热线要给领导做重大事项的参谋助手，反应速度和响应速度都要求很高，需要算法级的分析能力，而不是人工式的分析方法。算法与算量有关，因为来源是数据，训练应用都要靠数据，所以数据源是非常重要的。未来的数据源需要＂三调＂化，一部分是可以自动调取，像政务办事数据；第二部分是目标调度，需要解决什么问题调度什么数据；第三部分是专项调研，因为我们非常关注服务对象的感受。之前大部分人认为数据汇融以后，将来会以自动调取为主，我认为目标调度才是数据源应用的核心，不是把数据汇在一起自动调取。我们未来需要建立数据中台机制，它就是调度台，即数据有一定量的汇融后，可以通过授权调取，根据专门需要调度，用算力支撑整个系统的运行。这才是一个典型的城市管理数字化形态。
　　人类真实的大脑，分为两个半球，右半球比较艺术化、情绪化、情感化，左半球比较理性化、逻辑化，分工不同。每一个半球都有多个脑区，每一个脑区又有外表层和内表层，或者叫前台、后台。外表层的大脑皮质上分布着很多神经元，每个神经元又由细胞体和突触组成。每个细胞体的功能不同，突触的联结帮助协调不同细胞体的功能。每个神经元的细胞体相当于一个算法，中间的突触相当于一个接口（API），未来算法的连接导致系统工作的协调。因此算法的共享度可能远远高于数据的共享度。如果我们抽象出一个城市大脑，前台是针对不同问题的垂直算法集成，后台是用来开发、组合、计算、精化前台算法的技术算法。在前台算法里又分综合算法与垂直算法，综合算法就像我们的热线的很多诉求，我们需要排序，梳理出根据现有条件先解决哪些问题；从很多事项中做预测。需要我们做综合分析的，相当于部门里面的综合处室，而针对特定领域问题场景的则构成了垂直算法。是这两类算法的总量决定了大脑是不是真的大脑，并体现了大脑水平的高低。
　　热线在一个城市数字化进程中，特别是在新一代数字化治理中特别重要。我们不少城市把很多数据都汇集在了一起，但汇聚者发现汇集的数据基本没用，需要做具体分析时还是需要去外面找数据。这说明如果没有目标驱动，汇集的数据是不知道用途的，古语云：＂书到用时方恨少＂，数据也一样，数据用时方恨少。比如我们接到一通来电，群众说水管爆了，那就去修水管，这个是反射模式，实际上今天的大部分系统支撑的就是反射模式，反射模式就是一种＂章鱼式＂的信息系统。章鱼仅仅在感受和反射能力上是接近和超过人类的，但是章鱼却是很多动物的食物，这是因为虽然章鱼的传感器非常棒，但是它没脑子，所以它们还是成了其他动物的食物。没有算法集合的工作系统就接近于章鱼系统。
　　回到城市热线来说，热线有历史数据，有当下数据，我们还能预测未来的数据。热线有两个独有特征，一是热线一定有具体的问题，所以有解决具体问题的动力，比没有目标驱动去整合的数据效率高。第二是诉求总量够大，任何一个具体部门都是一个特定领域的场景，只有热线的线索超越了大部分的部门，而且数据量也够大，所以它模拟了城市生动的生态，热线驱动的数字化形态最像一个都会地区本来的问题形态。从这个角度来说，独特部门的驱动性容易导致城市的偏向，只能解决某一特定领域的问题，只有热线会站在公众、企业和社会的角度推动社会制度的优化。正因为热线问题的来源丰富，场景总量非常大，可开发的算法总量也会非常大。热线和政务本质上不是一个本位单位，所以产生的算法共享动力也会更强。我们在未来第二层级的数字化进程中，从赋能和推动整个城市发展的角度来说，热线驱动就成为一个很有价值的机制。