人工智能驱动的城市基础设施
人工智能正越来越多地被视为解决交通拥堵、基础设施老化、能源浪费以及公共服务不堪重负等问题的方案。 在适当的情况下，它可以帮助城市发现漏水的水管、调整交通信号灯，或在设备发生故障前进行维修。但在不当的情况下，它可能会导致建立昂贵的监控系统、将错误的决策自动化，或者使市政当局依赖于难以替代的技术供应商。.
真正有意义的问题并非一座城市是否应该成为“人工智能驱动型”城市，而是需要解决哪些城市问题，人工智能是否确实是最佳工具，以及在投入公共资金或使用居民数据之前必须采取哪些保障措施。.
从城市问题入手
智慧城市项目往往始于技术演示，而非基于明确界定的公众需求。供应商会展示智能控制中心、预测分析平台或互联传感器网络，随后城市方面再寻找可以应用这些技术的服务领域。.
这种顺序应该颠倒过来。市政领导人首先应确定一个可量化的问题：例如，公交车在某些路口经常晚点，自来水损失率异常高，路灯能耗过高，或者维护团队无法确定哪些桥梁需要优先维修。.
只有到那时，他们才应该考虑该问题是否需要借助人工智能。传统的数据库、更合理的员工排班、设备维修或采购方式的调整，或许能提供更经济、更可靠的解决方案。当数据的规模、速度或复杂程度使得人工分析难以实施，且由此得出的预测能够引导出明确的运营决策时，人工智能才真正发挥作用。.
一个在不改变部门运作方式的情况下就能生成精密预测的系统，并不算作城市创新。它只是增加了一层报告机制。.
人工智能可能带来真正价值的领域
交通领域无疑是潜力最为突出的领域之一。城市可以整合来自交通信号灯、公交车、道路传感器和事故报告的信息，从而识别拥堵情况并调整信号灯时序。此外，相关模型还能帮助交通主管部门预测客流需求、规划服务，并识别那些延误现象日益严重的路线。.
其效益取决于具体目标。如果仅以车辆速度为优化目标，可能会给行人、骑自行车者或公交车带来更糟糕的出行体验。因此，交通模型应体现城市的更广泛优先事项，包括道路安全、排放、无障碍通行以及人员流动，而不仅仅是汽车的流动。.
预测性维护提供了另一个值得信赖的应用场景。桥梁、水泵、电梯、道路和电力设备都会产生检测和性能数据。人工智能有助于识别与设备老化相关的规律，并引导工程师关注需要维护的资产。.
这并不意味着算法应该独立判定一座桥梁是否安全。它可以协助确定检查的优先顺序，但解读检查结果并批准后续决策的责任仍应由合格的专业人员承担。.
能源和供水系统也可能从中受益。需求预测可帮助公用事业公司规划供应，而楼宇管理系统则可根据人员在场情况和天气状况调整供暖、制冷和照明。供水企业可利用压力、流量和声学数据，更快速地检测潜在的漏水情况。.
这些应用程序在与实际应急响应相结合时才最具价值。如果公用事业公司缺乏人员、备件或维修授权，那么检测到泄漏也收效甚微。.
垃圾收集可以更智能，而无需显得过于未来感
垃圾管理常被视为人工智能的应用典范。传感器可以估算垃圾桶的装满程度，而路线规划软件则能引导清运车辆前往最需要清空的垃圾桶。.
这一概念虽然简单明了，但经济效益却因情况而异。在每个垃圾桶中安装和维护传感器，其成本可能高于由此节省的费用，特别是在垃圾收集模式可预测的社区。此外，在规划收集路线时，还需考虑人员配置、车辆载运能力、交通限制以及收集多种类型垃圾的实际情况。.
城市应在指定区域对该技术进行测试，并将其与更简单的替代方案（例如利用历史数据调整垃圾收集时间表）进行对比。试运行应衡量燃油消耗、漏收情况、员工工时、投诉数量及总成本，而不仅仅是评估该算法在技术层面上是否可行。.
最佳方案或许是采用一种混合系统：在业务不规律或客流量大的场所由人工智能提供支持，而在其他场所则继续采用常规排班方式即可。.
居民应注意的事项
一个成功的城市人工智能项目，应当能改善居民切实感受到的方面。例如，公交车能更准时地到达，路面坑洼能更早得到修补，或者办理许可证时无需反复提供相同的信息。.
然而，许多智慧城市项目却更注重收集的数据量、安装的传感器数量或中央控制台的先进程度。这些只是投入，而非面向公众的成果。.
在批准一个项目之前，市政府应说明哪些方面将变得更快、更安全、更便宜或更方便。市政府应公布基准数据，并在项目实施后报告承诺的改进是否得以实现。.
居民还需要一种途径来对错误提出异议。如果自动化系统影响了住房、交通、福利、警务或其他基本服务的获取，当人工智能参与了决策时，应告知民众这一情况，并说明如何申请人工复核。.
便利性不能取代正当程序。.
公共安全需要设定更高的门槛
人工智能可以协助开展合法的公共安全工作，包括分析紧急呼叫模式、识别交通危险路段，或协助应急服务部门调配资源。这些应用虽然仍需经过仔细测试，但与试图预测哪个人会犯罪是不同的。.
预测性警务系统招致了强烈批评，因为历史犯罪数据并不能客观地反映犯罪行为。这些数据还反映了警力部署的地点、哪些社区曾被搜查以及哪些犯罪行为被记录在案。基于这些历史数据训练算法，可能会复制并加剧现有的执法模式。.
人脸识别和行为分析引发了更多担忧。误识别可能造成严重后果，而大范围的监控会改变人们对公共空间的体验，即使他们并未做错任何事。.
欧盟的《人工智能法案》禁止某些做法，包括仅基于特征分析或个性特征对个人进行预测性警务。其他执法应用可能会被归类为高风险，并须遵守额外要求。.
各城市不应将公共安全视为免于审查的普遍理由。对自由、平等或隐私的潜在影响越大，所需的证据、监督和法律依据就必须越充分。.
数据可能是最难的部分
人工智能系统的实用性完全取决于其所依赖的信息质量。市政数据通常分散存储在各个部门，且格式不兼容。这些记录可能不完整、存在重复，或者其收集目的与拟建模型大相径庭。.
如果不同社区报告路面坑洼的频率不同，用于预测道路维修的系统可能表现不佳。如果传感器主要安装在新建建筑中，能源模型可能无法准确反映老旧建筑的情况。交通类应用程序可能会将未携带智能手机或未使用特定应用程序的人群排除在外。.
这些并非微不足道的技术缺陷。它们决定了谁会被系统识别，谁的需求会被忽视。.
在尝试进行高级分析之前，各城市需要制定关于数据质量、所有权、访问权限和保留期限的明确标准。此外，还应记录使用了哪些数据、这些数据的来源，以及哪些群体可能在数据中代表性不足。.
收集更多信息并不总是解决问题的办法。额外的数据可能会增加隐私和网络安全风险，却无法对模型带来实质性的改进。.
什么值得花钱
当人工智能用于支持某项存在可量化运营问题的关键服务时，相关投资最具合理性。对于昂贵的基础设施，若城市拥有可靠的数据并具备根据分析结果采取行动的能力，那么对其进行预测性维护、泄漏检测以及公共交通服务的优化，便足以证明巨额支出的合理性。.
支付费用以获取独立的技术和法律建议也是值得的。地方政府在与大型技术供应商进行谈判时，可能缺乏评估准确性声明、网络安全控制措施、知识产权以及长期成本所需的专门知识。.
对内部员工进行培训同样重要。工程师、规划师和服务经理需要具备足够的理解力，以便对系统提出质疑，而不是将其视为不可知的技术权威。.
该市应在外部顾问离任后，留住能够管理该项目的人才。否则，公共机构可能承担责任，而实际操作知识却掌握在供应商手中。.
可能不必要的内容
一个城市并不一定需要一个将所有公共服务连接起来的单一数字平台。此类系统看似高效，但可能会形成一个庞大而复杂的依赖点，并将居民从未料想到会关联起来的数据整合在一起。.
数字孪生技术能够创建建筑物或城市系统的虚拟模型，对规划和工程设计大有裨益。但如果城市方面尚未就该模型应支持的具体决策作出明确决定，或者无法维护确保模型准确性所需的数据，那么这种技术便没有必要。.
生成式人工智能也应受到约束。聊天机器人虽可帮助居民查找信息，但不应就税收、福利、许可或法律义务等问题编造答案。其回复必须基于最新的官方信息来源，并应提供直接联系人工客服的途径。.
“基于人工智能”这一说法绝不应被视为价值的证明。各城市应询问：该系统能做到传统软件无法做到的哪些事情？其准确率如何？以及一旦出现故障会发生什么情况？.
避免供应商锁定
城市技术合同的期限可能长达数年，并会深深融入基本公共服务之中。城市方面日后可能会发现，其数据难以导出，其他供应商无法维护该系统，或者每增加一项功能都需要进行昂贵的合同修订。.
因此，采购应涵盖项目的整个生命周期。报价必须包括系统集成、数据清洗、云服务、维护、网络安全、模型更新、人员培训以及最终的系统替换。.
合同应明确规定，市政府可以以可用的格式获取其数据。合同还应明确，利用公共信息开发的模型归谁所有，以及供应商是否可以将市政数据用于其他客户或商业目的。.
开放标准和互操作性系统可以减少对某一家公司的依赖。在技术尚未经过当地条件测试之前，签订规模较小的试点合同，可能比让整个城市立即全面采用该技术更为稳妥。.
网络安全即基础设施政策
将交通控制系统、公用设施和公共建筑相互连接，会为攻击者创造更多可能干扰城市运行的途径。相关风险不仅限于个人信息被盗。遭到入侵的系统可能会干扰实体服务。.
安全措施应融入采购环节，而非在部署后才追加。各城市需要对用户访问、软件更新、数据备份、事件报告以及与系统连接的供应商实施管控。.
人工智能模型可能会因被篡改的输入数据、不可靠的第三方组件或部署后的性能变化而产生新的漏洞。因此，必须进行持续监控，特别是在系统涉及关键基础设施的情况下。.
没有任何一座城市能够完全消除网络风险，但它应当明确，如果数字系统无法使用，哪些服务必须继续手动运行。.
开展试点项目的更好方法
一项有价值的试点项目应从一个范围有限的问题、一个明确的领域以及与当前实践的对比入手。它应预先明确成功的标准，并确定在何种结果下应终止实验。.
该市应针对不同社区、不同季节以及各种运行条件对系统性能进行测试。一种在普通工作日能正常运行的交通模型，在道路施工、恶劣天气或重大活动期间可能会失效。.
应在实施前就让一线员工和居民参与进来，而不是等到主要决策都已拍板后才邀请他们参与。员工往往能理解采购规范中未提及的例外情况和实际限制。居民则能指出项目团队可能忽略的隐私、无障碍和公平方面的问题。.
项目成果应予以公布，包括其局限性和意外成本。公共部门应愿意终止那些未能产生足够价值的试点项目。终止一个无效的项目是负责任治理的体现，而非创新的失败。.
城市所需的技能
地方政府无需复制大型科技公司的研发实验室。但它们确实需要能够界定公共问题、管理数据、评估供应商，并理解自动化系统如何影响法律和行政责任的人才。.
这需要工程师、规划人员、服务部门、律师、采购人员、网络安全专家和社区代表之间的通力合作。如果将人工智能完全交由信息技术部门负责，就会使其与实际运行的公共服务领域脱节。.
较小的市镇可能需要共享专业知识、开展区域采购或制定共同的技术标准。如果每个城镇都单独委托开发专属平台，不仅会造成资金浪费，还会增加监管难度。.
能力还包括政治判断力。官员必须能够判断：某项申请虽然在技术上可行，但在社会上不可接受、在法律上存在不确定性，或者实用性不足。.
负责任的城市人工智能是什么样子的
人工智能虽能帮助城市管理复杂的系统，但无法取代合理的规划、维护良好的基础设施或高效的公共行政管理。算法既无法解决因土地利用不当导致的交通拥堵，也无法修复被长期忽视的供水网络，更无法纠正不切实际的市政预算。.
最具可信度的应用程序具有范围明确、可衡量且与明确的运营响应相关联的特点。它们仅使用必要的数据，保持人的责任归属，并在出现故障时能够被停止。.
各城市应将投资重点放在人工智能能帮助公职人员更早发现问题，或更明智地配置有限资源的领域。而在系统对人群进行分类、影响基本服务获取，或在公共空间扩大监控范围的领域，各城市则应保持更加谨慎的态度。.
一个更智能的城市，并不是指拥有最多传感器或算法的城市，而是指能够有选择地运用技术、保护居民权益，并且能够说明公共决策是如何做出的城市。.
