当前位置： →
智慧城市顶层设计与不确定性
一、智慧城市顶层设计
1.难以落地的顶层设计
建设智慧城市的地区都要做顶层设计，顶层设计质量问题却一直未得到充分讨论，应该补上这一课。
目前全国已有几百个城市提出建设智慧城市，规划的投资早已超过万亿，迄今三分之二还处于顶层设计阶段，项目启动仅五分之一，虽然人人强调顶层设计的重要性，但却很少看到顶层设计成功应用的例子，普遍的评价是：顶层设计过于高大上而难以落地。
2.没有约束力的顶层设计
顶层设计在多数政府部门中并不具有权威性，因为智慧城市项目启动最重要的是保证资金，而顶层设计并无资金提供能力，很多项目是由纵向管理系统提供启动资金，地区配套，这些项目的推动并不需要顶层设计批准，人们看不到顶层设计对智慧城市建设项目的约束力，顶层设计只会不断地增加内容而不敢削减各部门所报的建设项目，使方案过于臃肿无法落地。
3.公众看不懂的顶层设计
智慧城市的顶层设计公众看得懂才能提出意见，然而国内大多数智慧城市的顶层设计公众既看不到又看不懂，城市居民也没有渠道发表自己的意见。一些顶层设计不是为公众做的设计，只是为向政府要钱的设计。智慧城市设计远离公众必使智慧城市建设远离公众监督，不受监督的建设方案很容易成为资金浪费的黑洞。
4.地区经济支撑不起的顶层设计
智慧城市顶层设计严重的问题是投资远远超出了政府财政的支持能力，也超出了社会的筹资能力，因而很难启动，顶层设计人员不敢取消政府部门报出的项目，只能增添项目，投资规模越来越大，直至达到财政根本无力支持的程度。
5.必须审视顶层设计的科学性
智慧城市顶层设计能够成功实施的例子极少，无法证明智慧城市顶层设计方法的科学性。对于既没有质量评价标准又没有质量检查办法的顶层设计，其质量令人怀疑。盲目轻信顶层设计将会带来智慧城市建设的重大损失，本文就此提出一些审视顶层设计质量的建议。
二、信息化成功率与不确定性
1.数据处理与信息服务的成功率差别
目前智慧城市规划多以信息化工程为主要内容，研究不同的信息化工程建设中的成败率，有助于提高智慧城市信息化建设的成功率。
政府数据处理业务的成功率极高，特别是统计数据处理项目，用计算机来替代人工进行规范的业务处理几乎全是成功的。
数据库的成功率不尽相同，处于业务流程之中的数据库成功很高，而政府内部信息服务的数据库较低，为领导服务的数据库更低，用户需求的不确定性降低了内部服务型数据库的成功率。
2.为基层服务与为高层服务的成功率差别
基层业务工作信息系统成功率高是因基层业务工作的规范性便于计算机化，工作人员严格按规范进行操作，稳定的流程保证了成功率。
为高层服务的项目不论是信息服务还是提供决策支持，成功率都很低。尽管决策支持系统一直被列为建设重点，但始终成效不大，政府内部的信息服务系统一直未能发挥预期的作用。
3.业务数据共享与高层信息共享的成功率差别
政府部门之间的业务数据共享虽然困难，但启动了都能做成功，这种共享是业务系统对业务系统的数据共享，数据共享操作列入流程之中（如银行贷款要查询信用数据库、办理签证要查询控管人群数据库），流程的确定性保证了数据共享系统的成功应用。
为决策服务的信息共享系统却很难成功，决策者要从数据中提取信息，但信息内容是随意的，使用者有多种信息渠道可供选择，信息渠道的竞争性也增加了应用的不确定性，信息共享系统开发者很难适应这些不确定性。
4.目标含糊不清的系统难以成功
一些信息化口号很容易产生误导，如&信息共享能提高工作效率&、&大数据改善政府决策&，会混淆手段与目标的关系，误把&信息共享&、&大数据&当成目标，目标与手段的混乱增加了因迷失方向而引起失败。
控制论认为不确定的目标是无法控制的，含混不清的任务无法测量，不可测的目标必然无法管理，现状与目标的差距不清晰会失去改进方向。
5.信息技术只能解决确定性问题
信息化建设的成功率与面对问题的确定性密切相关，这种相关性是由信息技术的本质决定的。每种解决问题的方法都有与生俱来的局限性，信息技术用软件来重复人类解决问题的办法来创造效率，其先决条件是人们将解决问题的逻辑以计算机语言的形式存入计算机，计算机语言是形式逻辑语言，只能解决形式逻辑语言能够描述的问题，只有确定性的任务才能用形式逻辑语言描述，可计算与可编程是等价的，计算机只能解决确定性问题。
三、不确定性是如何产生的
1.确定性与不确定性的辩证关系
确定性与不确定性是思维形成的对立概念，两者的区别是相对的，与思维的场景有关，任何确定性在穷追之后都会展现出不确定性，而在特定环境下可被忽略的不确定性却可视为确定性，一切皆因思维的场景而变。认识的精确性离不开近似与忽略，排除了近似的圆周率将无法使用。确定性与不确定性的区分视环境而定，目标精度范围内控制不了的因素才是不确定性因素。
2.规模扩大增加不确定性
智慧城市是应用实践问题而不是纯粹理论问题，需要从实践的视角来认识智慧城市建设中的确定性与不确定性。业务的确定性与否与管理幅度有关，业务部门自己的信息化任务是确定性的，因领导人能够排除本部门业务流程中的不确定性。然而智慧城市面对的是诸多业务部门、范围是整个城市，量变必然引起质变，信息系统建设管理问题已经变为资源分配问题，变为项目管理的激励与约束问题，已经变为不确定性问题，智慧城市的顶层设计必须以应对不确定性为中心。
3.服务期的延长将增加不确定性
统计数据处理是一次性项目，成功也是一次性的，容易成功。而信息服务不同，它是长期项目，随时都可能因跟不上形势的需要而被宣布失败，长期服务的项目要适应环境变化、需求改变、技术变化与机构变化，这些变化很难预测，只能靠业务运行机构自己去应对未来出现的新问题，维持长久的服务能力。
4.效益目标的不确定性
影响信息化效益的因素既多又不确定，影响长期服务系统效益的外部因素更多，多数因素并不是仅靠信息技术就能够解决的，在有竞争的环境下不确定性更加明显，例如新产品能否得到市场欢迎是不确定的，政府的公共服务系统能否得到公众的青睐也是不确定的，能否碰到颠覆性的外部竞争更是不确定的，对于变化越来越快的外部环境，人们缺乏长远的预见能力，因此智慧城市的顶层设计不宜做太长远的规划，三、五年足矣。
5.人脑参与引发的不确定性
没有人脑参与的流程业务的信息化很容易成功，一旦流程中有人脑智慧介入项目的成功率就大大下降，人脑参与会带来许多不确定性。典型的例子是为领导层决策服务的信息化项目，领导层的决策行为不是信息技术可模拟的，其涉及的信息范围也不是信息系统能够准确提供的，不同的领导人思维方式、知识背景很不同，对信息系统需求会不一样，人脑思维的不确定性使信息技术很难适应，这也是决策支持系统、现场指挥系统很难做好的原因。
四、经济学视角的不确定性
1. 从经济学视角认识智慧城市
智慧城市的顶层设计是经济学问题。城市的资源都是有限的，智慧城市的顶层设计并不是要设计出最完美的信息技术应用规划，而是利用有限的资源借助信息技术手段做对城市长远发展最有价值的事情。城市资源有限性要求人们必须从经济学视角来评价顶层设计，不是信息技术水平决定优劣，而是以资源创造社会价值的综合效率决定顶层设计的优劣。
2. 人工智能能否解决不确定性问题
人工智能的发展使一些不确定性问题得到了解决，特别是Alpha go战胜了围棋大师李世石，人们对人工智能、大数据充满了期望，期待新技术能够解决过去解决不了的不确定性问题。
投入足够的精力，运用大数据、机器学习等人工智能等技术是可以解决一些不确定性问题的。人工智能不是简单地模仿人类的思维方式，而是把思维问题变为大数据的处理，机器学习主要是概率学习，这样人工智能问题就变为大数据计算问题了，如果有足够的数据供计算机学习，不确定性问题似乎可以解决了，问题是这种方法是否经济划算。
3. 不确定性问题的解决取决于成本
人工智能解决不确定性问题的主要措施是把它变为大数据计算，如果我们有足够丰富的大数据资源（囊括了各种可能性的数据），那么很多不确定性问题是能够解决的，难题是获取大数据资源的成本高低。数据收集与分析处理都需要成本，付出昂贵的大数据成本是否值得？不确定性问题的解决已经成为经济学问题，是投入大量资源去解决它还是想办法绕过它？
政府可以动用大量精力与资源去查询恐怖事件的嫌疑犯，却不可能用同样多的精力与资源去改善对一位普通的困难户服务，这是因为前者会因制止了一项恐怖活动而挽回了巨大的损失，而对每一个困难户都调用大量资源去服务就很不划算，有限的资源无法支持过于昂贵的为民服务。
4. 效益视角也是经济学视角
智慧城市建设的效益导向即是经济学导向，效益是经济学概念，是投入资源与产生价值之差。效益与成本均因人而异，同一件事情对于不同的人成本、价值并不一样，智慧城市应关注公众立场，资源是公众的，顶层设计要用有限的资源为公众做最有价值的事情，公众会评估每一项目产生的社会价值及耗费的资源。
5. 学习企业家的经济学思维
智慧城市顶层设计多数是由政府官员（为项目甲方）与信息技术人员（为项目乙方）共同完成的，这种合作模式因缺少企业家的参与，其思维容易偏离经济学轨道。企业家对目标价值、成本效益有更高的感悟力，更符合经济学理念，比普通人更关重机会，更多从时间维度考虑问题，普通人关注的是会计成本，而企业家关注的是机会成本，企业家行为有更强的目的性，智慧城市顶层设计吸纳企业家思维逻辑非常必要。
五、减少不确定性提高项目成功率
1. 回避盲目的信息化概念项目
智慧城市顶层设计中有很多模糊的概念，其共性是混淆目标与手段的界限，误将信息共享、大数据应用等技术手段当作目标而模糊了实际工作中需要解决的问题，把手段当作目标必然会迷失方向。顶层设计不能先提出手段再去找目标，必须依据目标寻找恰当的（未必是信息技术）手段。
2. 回避高大上的项目，做目标具体的项目
高大上的项目不确定因素太多，即使技术上有把握在用户环境上也会有很多麻烦而影响成功率，做简单而具体的事情非常重要，目前国内的信息化基础环境、人才环境、知识普及程度都很差，唯简单才能有效，进一步的改进可日后进行，从实际出发永远比新技术应用更有效。要意识到顶层设计能力的局限性，要缩短规划期、缩小项目规模，做能够看得请楚的事情才是顶层设计的精髓。
3. 多做面向基层的服务业务
将信息化目标更多放在改进基层的工作，高层管理的不确定性太多使信息化成功率很低，基层业务确定性程度高信息服务成功率也高，以基层业务为中心开展信息化建设更经济。
为高层领导服务的信息系统也要集中到简单的操作性工作上，如查找资料、管理文件、编排打印等，减少领导人的事务工作时间。信息系统要少做替代人脑决策思维的工作，这不是信息技术所擅长的业务。
4. 减少行政干预，做经济上可持续的业务
长期生存的业务必须具有经济上的合理性，否则无法持久。调动资源加快智慧城市建设固然需要行政手段支持，但行政手段是短期起作用的因素，过度依赖行政手段会忽视业务流程经济合理性的改进，影响业务的可持续性。一把手工程建立的信息共享经常会在一把手离开后而失效就是一个例子，认真优化业务模式运行的经济性才是长久生存之道。
5. 释放选择权聚集基层智慧
有效的智慧城市不是设计师能够规划出来的，智慧城市来自社会的自组织，互联网是自组织成效最好的例证。互联网的应用中常可看到政府项目有意栽花花不成，而市场项目无意插柳柳成荫，原因是政府项目经常不给参与者适当的选择权，而市场机制项目的参与者可以自主决定参加或不参加，选择是一种智慧行为，参与者行使选择权是对系统的智慧积累，建立在兼顾参与者利益基础之上的系统更有生命力。恰当地释放选择权为系统增添了自组织因素，会使系统更加健壮。
六、智慧城市顶层设计理念更新
1. 顶层设计理念需要更新
目前智慧城市顶层设计的理念存在误区，把智慧城市等同于一般信息化工程，用系统工程理论设计智慧城市，需知智慧城市主要面对的是不确定性问题，而系统工程解决的是确定性问题，因此无法适应智慧城市的设计。智慧城市的顶层设计必须在系统工程之上的新层次上进行。
系统工程层次上的顶层设计是在目标确定的环境下技术层次的顶层设计，适用于专业性的信息化项目。智慧城市是长期的、全市范围的信息化建设，智慧城市顶层设计首要任务是组建城市发展的目标体系，是在目标层次上的顶层设计，城市发展目标体系的设定是不确定性问题，无法用信息工程学理论来解决，智慧城市的顶层设计需要有高于IT的新视角。
2. 消除目标不确定性，提升项目配套能力
智慧城市顶层设计的首要任务是组建城市发展的目标系统，减少目标的不确定性，提升独立项目的配套协调能力，把分散、零散的智能工程任务组织为城市信息化整体的发展计划。
智慧城市顶层设计首先要审理分散的、独立信息化建设目标，将之组织为城市整体的信息化能力。城市强大的信息服务能力来自于整合，顶层设计要着眼于信息化项目的配套与整合。目前的顶层设计人员没有组织整合配套项目的能力，顶层设计对信息化项目膨胀无作为是其没有权威的重要原因。
3. 跳出IT思维的局限性思考
智慧城市问题的设计不应理解为仅是一个IT应用问题，它是效益导向下的各种技术的综合应用促进城市的可持续发展。目前大多数智慧城市的顶层设计只是盯住信息化手段，但是国外发达国家并不这样考虑，他们会推行自行车上下班、会安装充电桩发展电动车、会推动垃圾分拣保护环境，信息技术与这些城市可持续发展技术紧密结合才能发挥更大的作用，顶层设计要解决IT与多种技术的配套互补问题。
4. 设计有生命力的运行机制
机制问题对能够求立竿见影的信息化短期项目不重要，对长期业务则非常重要。智慧城市是长期的事业，其项目效益是长期效益，机构不仅要长期生存还要能长期服务，长期环境的不确定性使静态系统设计升级为生命系统设计。顶层设计无法预料未来的各种变化，无法设计出能适应未来变化的系统，但是可以设计能自动适应未来变化的运作机制，使机构在环境变化时自我完善，继续创造效益。规划要为新机构建立效益激励机制，建立发现问题及时修复的反馈循环，反馈改进越有效系统生命力越强，智慧城市项目靠自适应机制保持活力。
5. 规划合作创新的生态环境
城市的创新活力不能直接操纵，顶层设计只能从改善城市的创新生态环境入手推动城市创新。新生产力主要来自社会资源的组织创新，降低资源重组的成本是提升城市创新能力的关键措施。顶层设计应当通过改善城市基础设施、促进思想自由交流、推行标准化与互操作、推动信息化项目的开放合作，促进创新成果的再集成等措施，推动城市信息化创新更加繁荣。
关注官方微信
扫一扫分享本文到朋友圈
联系我们：
&(发送邮件时，请把#换成@)
投稿信箱：
&(发送邮件时，请把#换成@)
企业网版权所有阿尔钦：不确定性、演化和经济理论读书笔记林语堂在《吾国与吾民》曾经对中国知识分子的&笔记&&随感&情结做过一个绝妙的讽刺：&中国学者总是留给我们这么多笔记集。称作随笔或笔记。不划分段落，内容应有尽有。&当中先提出一两个论点，然后即刻提出结论。读他的文章时，你很少看到他是怎样得出这个结论的。然而这些观点看法你又不敢随便忽视，因为这个观点的正确性，&经常是潜心研究之所得，是再科学不过的东西。定历史事实中的某一点，作者可能要做多次旅行。需要百科全书般的学问。&但是作者标题已经明说了是&随感&是&笔记&，轻松卸去要为其中观点承担责任的负担，完全把自己置身于攻守自如，可进可退的道德高点。读书笔记作为题名这种创意发明，你不能不感叹我们先人的智慧。如今我厚颜无耻将这一陋习发扬光大，借阿尔钦的这篇划时代的著作阐述我的见解。罗卫东先生编撰的《经济学基础文献选读》是我经济学学习的起点，有愧的说，那么快进入经典文本阅读并非我学力强健，而是我对经济学当中发达的数理推导完全提不起兴趣，偷懒提前把注意力和兴趣放在思想史这一部分。我曾经立志为这本书的每一篇经典文本写一篇书评，结果写完头弗里德曼的《实证经济学方法论》以及这篇《不确定性、演化和经济理论》就发现写不下去了，原因是我发现可能穷毕我这一生也未敢轻言把这两篇完全读懂；尤其是后者，我一直以为能读到这样的文章是我个人一生的荣幸，如果不是因为自学经济学，也许真的不曾有机会去看这种枯燥的学术论文。这是一篇试图把不完全信息和不确定预期纳入分析的作品。勇气可嘉。何以解决？作者给出的答案是生物演化和自然选择原理。全文最精彩一句话就出现在开头&在未来不确定的条件下，将利润最大化作为具体行为的指引是毫无意义的&。且看他如何论述。预期不完全，变量多，人们无法处理。听特纳证明，不确定条件下，每一可能选择的行为都可以是存在有关不同的潜在结果的概率分布，行为后果不唯一。每一可能行为有一组潜在结果分布，这种分布还有相互重叠现象，到最后只有一个能实现，这是不可预见的。包括选择和行动的决策的实质，在于确定哪种潜在结果的分布更好，选择有最佳分布的行为，而非最大化分布的行为。处于微观的个体如何实现行为的最佳结果呢？作者说，成功基于结果，并非动机。实现正利润而非最大利润是成功和生存标志。如何推理或基于何种动机实现该目的就无关痛痒。在参与者当中只要有相对优势就将成功生存，自身条件恰好满足经济体系的要求和检验的个体将成为幸存者。成功最重要的是机会和运气，具有适合在流行环境生存的形态和习性的动物，其生存能力得到强化，并且可能成为更典型的幸存者&&乃至最后的成功者。随着条件和环境的改变，分析家和评论员们就能在事后选择现在成功参与者的类型，也能判断出什么样的情况导致更大的生存可能。如果这样说，我们的分析是否将走向无法用于预测和解释的虚无主义？作者的题目回答，机遇并不意味着漫无目的、随机的资源分配。经济学家能判断出相对而言，哪种公司更可能存续，即使这些国内公司本身不了解所需条件，也没有可以采取措施去适应环境。微观个体在这个过程扮演怎样的角色？他们通过模仿和试错进行调整。类似于生物演化理论的分析框架，基因遗传、变异和自然选择的经济中对应概念分别是模仿、创新和正利润。作者在这里大大强化了个体在决策过程中模仿的重要性。不确定性为模仿观察到的成功例子提供一个极好的理由。不完全的模仿使得创新成为可能，而生产标准确定了谁能成功，其成功很可能由于模仿的不完全。最后，作者为确定性条件下提出的分析工具辩护，指出其仍可预测在不确定性条件下相关经济关系。阿尔钦此文最大贡献无疑提醒不确定性在经济学研究中重要性。这种重要性你完全轻易发挥想象力放大到人生。弗里德曼说，假设不重要，它的合理性依存于是否有助于进行逻辑推断，是否有助于得出可以验证的结论。如果一个研究的结论本身可以解释现象又可以作出正确预测，那么它所依存的假设就是好的，合意的，可以接受的，即使离真实世界很远也无所谓。你持一种什么样的信仰，人生态度或者策略吧，在俗世中生存，这不重要，你可以把自己当成一个上市公司，凡事斤斤计较，希望付出最小收益最大；你也可以时时处处与人为善，凡事从他人角度着想；你还可以做一个狂热宗教殉道者，怀有对人类终极关怀而献身教宗；你更可以以杀人越货，坑蒙拐骗作为人生不变准则和终极信仰。这些假设都没有所谓对错之分，所谓世俗指责其对错无非是其在现实中操作性问题，所遇阻力大小有别，也就是更合理的生存策略并非它更&正确&，而是它更有助于你在俗世中生存，但是如果有人天才到坚持一种旁人讶异的理想，矢志不移在世俗中实践他的逻辑，这种理想和信念甚至能够帮助他人解释和预测现实生活中问题，烦恼，这样的人便有机会成为释迦穆尼，耶稣一般人物。弗里德曼给了一个前提，阿尔钦的不确定性为这个观点后续提供一种延续和发挥：对，大家持有不同的策略作为行为指引，基于不同的假设。为什么在俗世实践中都有成功或失败？阿尔钦说，因为环境是不确定的：高度复杂，变量极多，纷繁复杂。可能行为有一组潜在结果分布。于是在俗世中，我们经常看到诸如中学时成绩不好的同学工作后平步青云之类的，这些在阿尔钦眼里根本不算稀奇事。好好学习跟懒懒学习这两种策略在复杂多变环境中会产生令人诧异的结果。然而，这个事情会有个终点，一旦这个环境在某种程度上相对稳定下来，被幸运选中的那位具有适合在流行环境生存的形态和习性的动物，其生存能力得到强化，他的成功的基因就为作为榜样蔓延，遗传到其他有机体或其后代，成为幸存者乃至最后的成功者，剩下的采取其他策略的行为者，就必须要适应跟随，否则，就被自然选择掉。这如同恐龙和渡渡鸟等生物在这个地球中的命运；然而，这些所谓其他策略持有者如果坚持不修正他们的看法，又能够在这次不适的环境中不被淘汰，一直坚持到在下一次流行环境变幻，他们也可能成为潮流的领先者。不确定性的话题可以说开去。我个人观点，对不确定性的理解的深入程度，是人的一生由幼稚走向成熟的标志。举个简单例子，如果你听过经济学本科和研究生课程，就会发现两者讲授内容很多时候并无二异：无非是诸如均衡，弹性，利润。但有个显著区别是，本科阶段，要求学生把这些知识当成真理去膜拜，学习甚至不求甚解的记忆；而到了更高级的阶段，则是教授如何推导证明这些理论，最高期望无非是有朝一日学生掌握了这个方法，对其中的某个过程或假设产生质疑，建构新的理论从而推动学科的前进。相比较年纪初始条件相仿的心理学，经济学强健壮大有一条重要的经验，就是&建国之初&马歇尔等人提出了三条重要的假设：经济人自私（追求最大效用），理性（偏好传递性），交易费用为零；由于有三条假设，经济学得以合理借助数学工具，在确定性的道路上开展自身研究；但是，在这个框架下建立的理论预测性非常的弱，关于经济学家笑话出了一大堆，唯有寻求转向。新近派生出所谓的&经济学帝国主义&&&我一直不同意这个说法。经济学要修改自己原初假设，将不确定性纳入研究范畴，所要借助的理论本身就是其他学科的难题，比如你要假设人是不理性的，要探讨人在不同情境下决策，情绪，这本身就是心理学研究的超级难题&&但是不代表没有成果，虽然没有建立规范统一的框架，心理学在情绪等领域的局部研究还是可圈可点的。经济学唯有借助这些学科已有的成果推动自身发展。要注意，这不是狗咬耗子或者自身学力有余，经济学主流数理化道路已经走到极致，越来越的人发现走不通，再这样下去就有&亡党亡国&的危机。而对不确定性的理解，本身就是人类认识的难题&&这就好比自然科学与人文社会科学难度差别，尽管前者已经取得诸多显著成就，仍被后者嘲笑为&还原主义者&，企图用自然科学研究方法去&统一江湖&的科学主义者也被讥笑为&自然科学家的幼稚&。如今，在经济学领域对不确定性的进军集中在&博弈论&领域，尽管这里面严厉的假设依旧重重，但毕竟是第一步。人生的困惑来自于不确定，人生的乐趣依旧来自于不确定。对不确定的追寻，将会伴随我思考和研究终身。}