07理論的終結？

　　YS：我們時常聽說大數據將帶來理論的終結。從方法論的角度看，我們發現許多數據分析技術，如機器學習，正在逐步挑戰傳統觀點。您認為城市設計的相關理論是否會在新的城市數據環境中面臨終結？

　　AP：這確實是一個問題。但是我并不完全確定機器學習是否能夠幫助找到創造性的范式進而帶來新的可能性，還是它只能用于在已知現實數據中尋找答案。設計師一直以來都試圖尋找創新的可能。機器學習是否能夠幫助預測之前沒有嘗試過的事情？對此我并不知道。

　　或者說，機器學習只擅長于順藤摸瓜地揭示現實世界已經發生的事情。它能通過學習現實世界中存在的好的事情，從而幫助優化那些目前并不好的。但似乎沒辦法舉一反三，并基于經驗，思考出完全不同的行事方法。至少目前來看，還無法做到這一點。

　　現今，人們足智多謀。一旦你在城市設計方案中掌握了機器學習，就能做出不錯的設計成果，你會突然發現，一些建筑師和設計師已經開始了新的顛覆。當他們著眼于一個藝術項目時，他們會通過機器學習做出大相徑庭的東西。人工智能只有在能夠完成某種“顛覆”時才能被真正地被稱作一種智能。這類似于G？del提出的不完備定理。他已經證明世界上沒有一種語言可以闡明數學。這意味著一種開放性：即使充分迭代后仍舊可以不斷地增加新的語言。G？del告訴我們你總還可以建構別種公式。我懷疑對于大數據的諸多議題及它的預測性也存在這種不完備的特性。

　　YS：許多在有限數據條件下被證明很有效的簡明模型，比如空間句法，如何在海量數據涌現的新數據環境下尋找自身理論發展的可能性？

　　AP：新的海量數據可以表征許多城市信息，這確實對于一些已經成功的模型來說存在某種挑戰。但是我想先從一個不同的角度來談這個問題。

　　幾年前，我們曾做過一個項目，借助藍牙感知設備探測手機來記錄個體分布及其步行行為。我們有幾個主要的感知設備能夠識別路過的通信設備的MAC地址。通過這種方式采集的數據具有很好的時空精度。我們可以通過感知器判別誰靠近感知器，誰正好經過，并通過他們的移動速度來判斷他們是駕車還是跑步。我們也可以知道哪些人同時同地出現。

　　我們還可以通過記錄連續的藍牙配對情況來判別同行的人，總是在城市中同來同往的人就有可能是夫妻。我們記錄了18個月的相關數據。在這一段時間里，你可以看到人們來來往往，有些人只停駐一天，他們有可能是游客。而且他們的MAC地址顯示他們來自日本或美國。電子設備的MAC地址會顯示他們來自不同的地區。

　　這樣我們有了許多數據來構建大數據的網絡，接著我們構建了500天的支持藍牙的電子設備之間的有向網絡圖。在該網絡上，我們模擬了一種“病毒傳播”的情景，即當兩個通信設備用戶同時出現在一個空間時，他們便有一定的概率相互傳播手機病毒。

　　傳播的時長會有一定的不同，從一秒到幾分鐘，甚至半個小時不等。因此所有的網絡節點都將根據自身情況獲得一定的傳播性。這很接近于現在的流行病學研究領域的模型，即一種擴散模型。

　　流行病學的模型通常關注的是流感、非典型性肺炎等傳播疾病。根據聯系的網絡中位置與時間的不同，人們在不同地區、不同時間有著不同的被感染概率。我們在根據藍牙設備的聯系關系所構建的網絡中也發現了類似的現象。但是我們嘗試的不是模擬，而是仿真。

　　我們模仿了流行病的傳染機制，它是基于大數據感知手段獲得人們在空間中的共現關系來測度的。這與流行病的傳染是截然不同的，但也十分有趣。我們發現整個網絡在某些地區聯系度非常高，因此哪怕有些人在那個空間只待很短的時間，對整個系統影響也會非常大。

　　我們當時并沒有探索巴斯城的空間結構如何影響不同時間的人們的聯系網絡。我可以想象在巴斯可能是一種情況，在紐約、北京和上海也許又是其他情況。我們可以將基于藍牙大數據的分析與空間句法分析結合起來，但是也許也會涉及你之前提到的時間精度的問題。理解空間對傳播的影響應該會幫助進一步的流行病學分析。但這不僅僅是問題，也是一種解決方案，即回應城市空間設計將如何幫助減少傳染病的相關疫情，以及改變它的影響范圍。但是這也意味著人們之間建設性的互動可能因此而受到影響。因為在流行病傳播的同時人們也在交換著真實有用的信息。

　　因此，一個空間設計有可能阻止或減緩了禽流感的傳播，但同時也限制了經濟的新思想。這說明，要讓一個空間設計得成功絕非易事，也并不是有了數據就能輕易辦到的。所以，我認為新的數據環境和方法并不會危及現有的理論、方法及模型，反而會提供更多可能性去擴展并形成新的理論。對此我是很樂觀的，現有理論會因為新的數據環境及研究方法等而演變，從而找到下一階段發展的新起點。