城市的智慧启蒙——从知识社群到知识网络 -

导读：今天为大家分享2019第十三届中国智慧城市大会中，由“中国城市科学研究会城市大数据专业委员会”组织协办的“数据认知与智慧规划”分论坛上的报告《城市的智慧启蒙——从知识社群到知识网络》。

本次汇报的标题为“城市的智慧启蒙，从知识社群到知识网络”，分享了我们对“智慧城市”与“城市智慧”的一些思考以及我们做的一些工作，与思考的内容相比，我们的工作仅仅是刚刚起步，如果说目标是100，我们只能推进不到百分之一，这是一个需要更多人一起协作推动的工作。分享内容分为四个部分：

智慧城市的概念由来已久，IBM将其定义为对需求的“智能响应”，其后人们将其认知为各种“设施”的智慧有机结合，我国将其定义为“运用物联网、云计算、大数据、空间地理信息集成等新一代信息技术，促进城市规划、建设、管理和服务智慧化的新理念和新模式”。在《智慧地推进我国新型城镇化》将其定义为“智慧城市=数字城市+物联网+云计算”。而目前来看，我们比较普遍的认知中，智慧城市就是指使用各种先进的技术方式和手段，尤其是信息技术手段来改善城市发展状况，而在更加广义的层面，更多聚焦于城市复杂巨系统的智慧优化。

总的来说，智慧城市的实践，从关注设施本身走向关注城市运营和治理，从停留在概念本身，走向一个个的智慧城市平台建设。

在智慧城市的推进中，我们在思考一个问题，智慧城市中的“智慧”一词，是一种与人类智慧的“类比”，还是一种评价标准？

如果是一种评价标准，那么他更倾向于一种“效率的提升”，即城市更加便捷，因此更加“智慧”；而如果是一种类比，那么我们希望的是城市这个巨系统能够思考问题，辅助决策。

上面这张图是智慧城市相关研究领域，我们看这个图无法看出规律，但是机器可以，机器判断，上面的这些关键词没有重复出现，同时机器还可以通过以往的数据积累，对他背后的逻辑进行识别，表现出一种很清晰的图示关系：

图中左侧是九个与智慧城市相关的关键词，以及与他们相关的下一层级结构的词汇。右侧图是单独拿出了关键词“数字孪生”，里面涉及到了“数字模型、建模方法、数据驱动、工业互联网、数据融合、智能空间”等。这样的一个结构，我们人类就能识别了，我们对知识的接收和理解，和机器对知识的理解相比，存在关联性，但是又完全不同。

“智慧”一词具有多种的定义，首先是系统化的：由智力系统、知识系统、方法与技能系统、非智力系统、观念与思想系统、审美与评价系统等多个子系统构成的能力，同时他又是一种生理和心理的能力集合（百度百科），但总体来说，他是通过对知识、经验的理解，由输入端到输出端的一种过程。

左上角的图是人类大脑，他由神经元和突触构成，具备了信息输入、加工、输出的能力。左下角的图是典型的深度学习网络，通过多层的神经网络结构，能够使训练出的结果逼近准确的答案。随着人工智能技术的发展，人们对于“智慧”一词的认知也在不断深入中。

接下来我们看看什么是城市，城市由人组建而成，经济学家从假设出发，提出“经济人”理论，构建了经济学的基础，加籍华裔规划学者梁鹤年先生借鉴“经济人”理论，提出了“城市人”理论。他认为：“城市人”是“一个理性选择聚居去追求空间接触机会的人”。“理性城市人”以最小气力追求最高自存/共存平衡，即追求空间机会的最优化。

满足“城市人”的价值观，就需要以人为本，平衡“自存”与“共存”的关系，承认“共存”的共识。能够在庞杂的系统中寻求平衡，是城市良性运转的基础。城市是一个多元价值观的集合，只有尊重多元价值观，才是真正的城市智慧。

上图为吴志强院士在2018年中国城市规划信息化年会“智能规划，城市未来”报告中提出的“智慧城市原图”，他提出：智慧城市第一是感知。城市要知冷暖；第二是判断，智慧城市要知道判断好坏；第三要快速地自我反应；第四要自我学习；然后变成聪明的城市。

自然资源部总规划师庄少勤在《新时代的规划逻辑》中提出的：未来的规划是“可感知、能学习、善治理、自适应”的智慧规划或智慧型“生态规划”。

我们可以发现，对于一个智慧系统来说，必备的基础能力就是“学习能力”，而与普通人的学习一样，学习的来源，更多来自于“知识的传承”和“经验的积累”，就像机器学习一样，也是通过对其输入“数据”之后，通过监督、非监督训练而达成的。

回到前面的思考，如果智慧城市不是一种简单的评价标准，评比谁更智慧，而是与人做类比，那么他需要具有一定的学习能力，打通知识的循环，建立学习的模式。

我们思考的模式，是城市中的个体、群体，向智慧城市输入沉淀的知识体系，同时智慧城市进行学习，而后将学习后加工的新知，以及提供的服务，反馈给个体与群体。

智慧城市在发展中，像是不断长大的孩子，除了体格的健壮发育，更加需要我们所有人去共同构建城市的智慧，这个构建的过程，我们可以称之为：城市启蒙。

在英语中，启蒙用enlighten表示，有一个释义比较简单：to give sb information so that they can understand sth better，即给他一些信息，让他理解的更好。

我们希望一方面能够汇集知识体系，形成智慧城市系统可识别的学习路径，另一方面能够普及智慧城市的服务与新的知识体系，让市民行使自己的权力。

目前对于知识的汇集，有一个不得不面对的问题，城市的复杂性，导致知识的庞杂，社会发展的碎片化，导致多元价值观的形成，而拟合多元价值观的方法，在这个时代出现了一种叫做KOL（关键意见领袖）的现象，由此发展到了社群组织，形成了“共识社群”现象。

在社区营造、社区规划领域尤为明显，而部分新媒体也具有共识社群特征。例如“共同缔造”的社群实践，城市象限机构所代表的社区规划体系建设，上海社区花园的实践，以及以澎湃新闻市政厅栏目为代表的关心城市公共事务的社群建设。

在这其中，“共识社群”承担着汇集知识，输入到“智慧城市”的工作，而这其中也需要“知识工具体系”的建设。其目标路径为：

我们关注知识的生产与梳理流程，在认知过程中，为了让知识系统化，我们经常绘制思维导图（思维导图，又叫心智图，是表达发射性思维的有效的图形思维工具。是一种革命性的思维工具，百度百科）。他将我们的思维整理成为树形，而这个树形可以变换为文档的目录层级，也可以变换为机器可识别的树状结构。这只是一个简单的例子。

比较复杂的例子是近些年大家讨论的“知识图谱”。如上图右下角所示。知识图谱是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。

它把复杂的知识领域通过数据挖掘、信息处理、知识计量和图形绘制而显示出来，揭示知识领域的动态发展规律，为学科研究提供切实的、有价值的参考[1]。

常见的知识图谱示意图主要包含有三种类型的节点：实体、概念、属性。他的基本元素如上图右侧所示，两个节点、一个关联，就可以构成一个最基本的知识图谱单元，通过多个关联，就可以形成复杂的知识网络。

构建知识图谱流程包含信息抽取、知识表示、知识融合、知识推理四个阶段。从最原始的结构化、半结构化、非结构化数据出发，采用一系列自动或者半自动的技术手段，通过批式和流式进行构建。

最早引入知识图谱的是谷歌，用于搜索引擎右侧的知识推荐，而目前在社交网络、金融、人力资源等领域，都有相当多的应用。

知识图谱的应用领域比较多样。例如最常见的应用，就是知识搜索工作，也就是搜索引擎。另外还有对知识的问答、语义的理解，例如应用于智能问答、智能音箱等。目前的推荐系统、知识挖掘等工作，也是知识图谱的应用，未来在区块链发展下，也可以用来做知识的置信度检验。

以下是两个关于知识网络的例子，虽然不是严格上的知识图谱应用，但可以通过知识网络为大家进行一个认知展示。

第一个例子是对学者论文的分析，来自CNKI知网分析工具，以清华大学龙瀛教授的部分论文为例，工具为我们展示了知识领域的自动聚合分类。

其中最大的蓝色点为一本专著：《人居环境科学导论》，吴良镛。右上部分的文献，偏向建成环境评价与设计，右下部分的文献，偏向数据分析模型，左上角相对独立的一部分，偏向于“收缩城市”。通过科研论文的关注内容，可以建构相关知识体系，并可回溯到不同的时间与具体研究。

第二个例子是清华同衡规划设计研究院发布的产业图谱应用。“产业图谱”技术由清华同衡研发，在“产品空间”经典理论的基础上进行本土化修正和应用化拓展，是一项专门面向地方产业发展精准定位和转型的应用型技术。

产业图谱的构建过程学习了全国产业分布的普遍规律，使用产业大数据和算法量化产业间的联系，并将各行业之间的联系进行可视化表达。

知识图谱的应用，未来具有广阔的空间。当然，现在也面临一些知识图谱的发展问题，需要我们应对，同时针对这些问题，也有一些趋势。

首先，大众领域的知识图谱并不精确，使用的场景比较受限；其次，专业垂直领域的知识图谱需要大量的知识积累，以及专业人员的人工整理；第三，知识图谱技术具有一定的技术门槛；第四，知识更迭如果无法跟上，知识图谱很容易停滞，不及时更新的话无法真正指导实践。

4、不同领域的知识社群正在形成，知识更新更加迅速，且全面数字化，社群让具有活力的知识众包成为可能。

在上述的一些思考和路径介绍完毕后，我们希望大家能够共同探讨城市智慧的赋能，同时我们在其中对于知识发现、知识体系化、知识众包等领域，做出了初步的尝试。

我们的服务群体是规划师群体，规模人群并不多，但在城市建设中的作用不可忽视。通过我们的知识社群的建设，形成了由新媒体、知识社群、知识工具共同构成的“知识网络”。

目前我们通过新媒体进行知识的发现，通过社群进行知识的再生成，通过知识搜索工具沉淀知识图谱，通过问答助手沉淀知识需求。

我们希望未来能够从1.0到3.0，在媒体、社群、工具这个闭环中，一步步的把细分领域走好，同时能够输出运营经验，期待大家在更多领域构建知识网络，赋能城市智慧。

与城市相关的各个领域，都需要各自的共识社群，需要知识社群的构建和知识网络的生成。我们目前只专注规划领域的某一个部分，做出一些初步的尝试。希望能和大家有更多的交流，共同推进不同领域的知识网络构建。

我们的理想目标，是构建城市规划、城市建设、城市治理领域的知识社群与知识网络。通过知识网络与智慧城市对话，赋能城市智慧，共建理想城市。