城市讓生活更美好，如果它是阿萊克斯·彭特蘭教授眼中的智慧城市。在他所著的《智慧城市》一書中，個體、組織好的想法經由彼此的參與和體驗，基于大數據的挖掘和傳播在其內部產生了一種行為轉變與創新的推動力，這不僅重新塑造了個體和組織智慧，也將幫助我們理解和改善社會。如果再從更高層面基于人性洞察施以數據新政的話，一個具有更好的想法、更智慧同時也更人性化的社會空間自然便可期待。

作者對于智慧城市及作為其理論基礎的社會物理學研究，很可能起源于人工智能學科領域中的群體智能，并且它們是一脈相承的關系。后來，筆者發現在本書“集體智能”這一章節介紹社會互動的物理原理部分也確認了這一點。自1991年意大利學者Dorigo提出蟻群優化（Ant Colony Optimization，ACO）理論開始，群體智能作為一個理論被正式提出。1995年Kennedy 等學者提出粒子群優化算法（Particle Swarm Opti -mization，PSO），此后大部分圍繞ACO和PSO進行的群體智能研究，通過研究分散、自組織的動物群體和人類社會的智能行為，解決了不少原來非常棘手的復雜工程問題。

當然，作者的貢獻不在于對于這些艱深的數理算法問題提出更高的見解，而是告訴我們人力資源和組織行為究竟如何學習和塑造，才能更好地適應這個群體智慧不斷變革、大數據技術日新月異的世界。在另外一本書《完美的群體：如何掌控群體智慧的力量》中，作者蘭·費雪從研究蝗群、蜂群和蟻群進而研究人群，揭開了人類復雜群體行為背后隱藏的簡單秩序。他讓我們相信，只要掌握群體智慧，就能夠從復雜性泥潭中掙脫出來，發現復雜中的簡單之美。對于彭特蘭教授而言，研究社會物理學并出版此書的宗旨更為系統和實用，即如何匯聚關于人類行為的大數據和社會科學理論，進而創造出一門可以并且已經被應用在許多真實場景中的實用科學。因此，對于集體智能的預測，實際上也就是對于個體所組成的團隊表現（效率、產出等）的預測。

作者指出，“對于預測集體智能而言，最重要的因素是話輪輪轉的平等性。相比于話輪轉換分布更為均等的群體，那些由少數個體主導對話的群體擁有更低的集體智能。緊隨其后的重要因素是群體成員的社會智能，這是基于測量他們閱讀他人的社會信號的能力得出的結論。”因此，接下來重要的事情及步驟，是讓激發個體的好想法匯聚同伴共享學習和群體智慧，同時充分利用社會網絡激勵強化社群的合作與互動，進而提高組織的生產率和創意產出，激勵創建速成組織并應對顛覆式變革，最終通過社會動員、校正社會網絡和提升社會參與的方式，共同塑造和維持一個健康、安全和有效的社會。

隨著數字媒體和大數據時代的到來，數據似乎呈現著一切，既可以幫我們解讀頭腦無法理解的復雜情況，也可以彌補我們對直覺的過分自信，還可以減輕欲望對知覺的扭曲程度，但依然有很多不能為數據所捕捉和反映的局限。譬如，作者認為交換優于市場的核心是信任。“如果想要擁有一個公平、穩定的社會，我們就需要尋求人們之間的交換網絡，而不是市場競爭的幫助。”殊不知市場或商業的基礎同樣是信任，在困境中做出基于情感因素的信任決策則不易為數據捕捉和挖掘。另外，作者提出了數據新政以及網絡化社會三大設計準則的方案過于理想化，從MIT實驗室環境到現實環境依然有很長的路要走，網絡空間命運共同體實施起來難度還真不小。不管怎樣，大數據時代人類群體智慧的普羅米修斯之火已經點燃，一個用社會互動與社會探索共筑的更好的城市空間，終歸是值得向往的人間天堂。