top of page

向紐約前副市長偷師

Updated: Apr 28

香港的智慧城市建設剛起步不久,尚有不少空間向外國成功例子偷師。筆者(下稱車)早前有幸與紐約前副市長、The Responsive City作者Stephen Goldsmith(下稱SG)就智慧城市建設訪談,現摘錄重點內容在本欄分為三篇文章發布。

車:可否介紹一下你在紐約建設智慧城市的經歷?

SG:我在紐約做副市長時開始研究數據分析在城市規劃方面的工作,與時任市長彭博一起規劃專案之際,想了解如何用數據識別和預測問題,以及在惡化前解決它。技術日新月異,我們現在擁有非常先進的數據分析工具和AR應用,可以更好地採擷結構化和非結構化數據,所有東西都已就位。更重要的是,城市開始把自己想像為一個平台。那麼你怎樣建立一個平台來收集各種數據?所以我認為,最近5年的變化,是從一開始想用數據去解決政府內部問題,進展為把這種能力變成平台。

車:這裏有很多數據整合的工作,例如Uber的數據,或者IoT(物聯網)感應裝置的數據,整合時有什麼困難?如何解決?

SG:一些是技術難題,但最大問題在於政府,因為政府由各個部門組成。我們常說政府是縱向管理,而人們是橫向的居住在每個地方,當我們管理城市時,需要給一些部門權力去建立一個數據分析中心,把數據整合起來,建立規則,同時保證數據安全及實現分享,所以怎樣設立這中心是一個難題。第二點是政府官員有很多和人溝通的經驗,卻缺乏和數據工具溝通的經驗。

以紐約為例,市長十分關注這個問題,之後我們在政府非常高的層面設立了一數據分析中心,不僅負責衡量指標,還要提前發現問題並及時解決。此外,要以解決實際問題為出發點,因為我們每天產生巨量數據,數據分析師也很忙。例如我叫了5個年輕同事幫我在市政廳工作,讓他們每天去拜訪內閣秘書長委員會,問他們解決哪3個問題可以最大程度地改善部門工作。

你要做的是鼓勵那些高級官員從不同角度思考問題,例如建收容所給無家可歸者,但這不是問題所在,問題是如何避免人們淪落街頭。或者你是醫院管理者,怎麼樣衡量表現指標,可能和醫院本身無關,卻關乎公眾健康。我希望他們可以持續提出問題,某些部門的解決方案也可用到其他部門。 【紐約智慧城市經驗.三之一】

Recent Posts

See All
選擇胖模型還是胖鞍具?

打開任何人工智能(AI)方案,你會看到兩種完全不同的產品策略在較量:一種叫做胖模型(Fat Model),另一種叫做胖鞍具(Fat Harness)。 胖模型的信念很直白:以更大的大腦解決更多的問題。參數多、數據龐大、算力強,模型自然顯得聰明。這驅動了ChatGPT、Claude和Grok之間的競賽──每一代都宣稱新產品比上一代更強,而企業只要付費就能直接使用,代價是你的AI能力完全綁定在供應商的

 
 
慎防智能代理「無聲」脫軌

試想想,人工智能(AI)系統已在生產環境中完成部署,但究竟要如何防止AI「悄然失靈」?過去3個月,全球超大規模企業在AI基礎設施上的資本支出達到一個前所未有的量級。單憑這一數據,人們或許會得出結論:AI的生產化部署正在全力推進,市場充滿信心。 然而,7月份第一周,來自不同領域的幾個訊號同時浮現,揭示出一個更為複雜的真相。一邊是史無前例的基礎設施投資;另一邊是一群深諳「系統可靠性」的專家──那些專門

 
 
AI預算黑洞 根源在架構設計

過去兩年。美國眾企業不約而同墮入一個速成陷阱: 認為購買了一個模型、聘請幾位演算法工程師、便能成功實現人工智能 (AI) 落地。然而,即使模型選擇正確數據卻 難以整合;數據成功整合,系統卻無法運行;系統成功運行,但業務部門不會操作;即使學會操作,3個月後模型又變得過時。 問題根源其實不在模型,而在架構。猶如建造大樓,若設計圖存在缺陷,再昂貴的材料也難以支撐。許多企業投入巨資購買「鋼筋水泥」(模型和

 
 
bottom of page