□张鹏

　　城市让生活更美好，如果它是阿莱克斯·彭特兰教授眼中的智慧城市。在他所著的《智慧城市》一书中，个体、组织好的想法经由彼此的参与和体验，基于大数据的挖掘和传播在其内部产生了一种行为转变与创新的推动力，这不仅重新塑造了个体和组织智慧，也将帮助我们理解和改善社会。如果再从更高层面基于人性洞察施以数据新政的话，一个具有更好的想法、更智慧同时也更人性化的社会空间自然便可期待。

　　作者对于智慧城市及作为其理论基础的社会物理学研究，很可能起源于人工智能学科领域中的群体智能，并且它们是一脉相承的关系。后来，笔者发现在本书“集体智能”这一章节介绍社会互动的物理原理部分也确认了这一点。自1991年意大利学者Dorigo提出蚁群优化（Ant Colony Optimization，ACO）理论开始，群体智能作为一个理论被正式提出。1995年Kennedy 等学者提出粒子群优化算法（Particle Swarm Opti -mization，PSO），此后大部分围绕ACO和PSO进行的群体智能研究，通过研究分散、自组织的动物群体和人类社会的智能行为，解决了不少原来非常棘手的复杂工程问题。

　　当然，作者的贡献不在于对于这些艰深的数理算法问题提出更高的见解，而是告诉我们人力资源和组织行为究竟如何学习和塑造，才能更好地适应这个群体智慧不断变革、大数据技术日新月异的世界。在另外一本书《完美的群体：如何掌控群体智慧的力量》中，作者兰·费雪从研究蝗群、蜂群和蚁群进而研究人群，揭开了人类复杂群体行为背后隐藏的简单秩序。他让我们相信，只要掌握群体智慧，就能够从复杂性泥潭中挣脱出来，发现复杂中的简单之美。对于彭特兰教授而言，研究社会物理学并出版此书的宗旨更为系统和实用，即如何汇聚关于人类行为的大数据和社会科学理论，进而创造出一门可以并且已经被应用在许多真实场景中的实用科学。因此，对于集体智能的预测，实际上也就是对于个体所组成的团队表现（效率、产出等）的预测。

　　作者指出，“对于预测集体智能而言，最重要的因素是话轮轮转的平等性。相比于话轮转换分布更为均等的群体，那些由少数个体主导对话的群体拥有更低的集体智能。紧随其后的重要因素是群体成员的社会智能，这是基于测量他们阅读他人的社会信号的能力得出的结论。”因此，接下来重要的事情及步骤，是让激发个体的好想法汇聚同伴共享学习和群体智慧，同时充分利用社会网络激励强化社群的合作与互动，进而提高组织的生产率和创意产出，激励创建速成组织并应对颠覆式变革，最终通过社会动员、校正社会网络和提升社会参与的方式，共同塑造和维持一个健康、安全和有效的社会。

　　随着数字媒体和大数据时代的到来，数据似乎呈现着一切，既可以帮我们解读头脑无法理解的复杂情况，也可以弥补我们对直觉的过分自信，还可以减轻欲望对知觉的扭曲程度，但依然有很多不能为数据所捕捉和反映的局限。譬如，作者认为交换优于市场的核心是信任。“如果想要拥有一个公平、稳定的社会，我们就需要寻求人们之间的交换网络，而不是市场竞争的帮助。”殊不知市场或商业的基础同样是信任，在困境中做出基于情感因素的信任决策则不易为数据捕捉和挖掘。另外，作者提出了数据新政以及网络化社会三大设计准则的方案过于理想化，从MIT实验室环境到现实环境依然有很长的路要走，网络空间命运共同体实施起来难度还真不小。不管怎样，大数据时代人类群体智慧的普罗米修斯之火已经点燃，一个用社会互动与社会探索共筑的更好的城市空间，终归是值得向往的人间天堂。