人工智能融入生态环境治理的机理与路径

叶琪 卢晨晖

(福建师范大学 经济学院，福建 福州 350117)

移动互联、大数据、云计算、区块链等数字信息技术的飞速发展与交互作用形成了组团式、群体性跨越，赋予了新一代人工智能在认知、生成和运用知识方面的超常能力和实用主义，实现了人类在技术创新上的自然、社会和自我的超越[1]。中国正处于“把新一代人工智能作为推动科技跨越发展、产业优化升级、生产力整体跃升的驱动力量”[2]的时期，并快速向经济社会发展各领域渗透，推动传统经济社会发展方式发生着巨大变革，也为治理方式完善与创新提供了新手段。生态环境治理是国家治理的重要组成部分，如何把生态文明制度建设的成果转化为生态环境治理效能有必要在两者间搭建加速催化的手段和纽带。习近平总书记指出要“运用互联网、大数据、人工智能等新技术，促进传统产业智能化、清洁化改造。加快发展节能环保产业，提高能源清洁化利用水平，发展清洁能源”[3]，充分肯定了智能技术在加强污染防治、保护生态环境、发展绿色产业、提升环境优势等方面的重要作用。人工智能与生态环境治理融合有利于优化生态资源配置、提升生态环境治理效率，为2035年生态环境质量实现根本好转、生态环境领域国家治理体系和治理能力现代化基本实现提供有力的保障，为“美丽中国”建设保驾护航。

1 人工智能融入生态环境治理的“聚—环—推”作用机理

随着我国经济转向高质量发展阶段以及生态环境污染总体得到控制，生态环境治理要从制度建立向制度完善转变，从传统依靠要素投入向创新驱动转变，从广泛治理向精细化治理转变。新一代人工智能在培育新动能方面有着重要的支持作用[4]，可以为生态环境治理提供先进的治理技术手段，节约治理成本，提高治理效率，开拓生态环境治理领域的应用平台与空间，为生态环境治理注入新动能和新手段。人工智能技术可以消除政府和公众之间的信息不对称，及时预测和感知突发舆情，通过对汇聚到一起的多种传感器感知到的社会公共情况进行连续监测，智能预警各种公共安全事件[5]。人工智能融入生态环境治理不仅是对传统主要依靠大量物质要素投入的治理方式的极大改进，而且会推动传统产业的绿色化转型和催生新能源、新材料、绿色资源开发、废弃物资源化利用、智能环保设备制造、生态信息网络系统、生态信息供给与咨询服务等新兴产业部门的发展，开辟我国绿色发展新的增长点，协同推进生态环境保护事业发展与经济增长。人工智能融入生态环境治理顺应了我国信息技术创新运用和生态文明建设的趋势，两者具有“聚—环—推”的内在作用机理(见图1)。

图1 人工智能融入生态环境治理的“聚—环—推”作用机理

“聚”：人工智能促进技术、产业、政策集聚，为生态环境治理提供可靠的支撑保障。互联网信息技术的发展、深度学习的推进等成为人工智能发展的技术依托；国家鼓励支持人工智能发展，《新一代人工智能发展规划》对人工智能产业进行战略部署，其中之一就是在生态环境领域的运用；政府工作报告持续多年强调要推动人工智能的研发应用，并出台了一系列政策措施，从顶层设计为人工智能发展构建强有力的政策支撑。人工智能在制造业、服务业等领域的应用，催生了一大批智能化新技术、新模式、新业态，带动了高科技产业和新兴产业的发展，为人工智能与生态环境治理融合提供了重要的产业支撑。人工智能的发展带动了技术、产业和政策等优势集聚，推动人工智能本身技术更替和应用领域的深化，形成了人工智能与生态环境治理相互融合相互推进的稳定三角关系，为生态环境治理方式持续改善和治理水平不断提高提供持续的动力。

“环”：人工智能与生态环境治理的融合形成互动提升的循环机制。人工智能融入生态环境治理并不是单方面的技术手段注入，而是在作用与反作用的互动中形成循环提升路径，持续提升生态环境治理水平。一方面，生态环境治理对象复杂度和难度的不断加大对治理技术提出新要求，环境污染的隐蔽性和扩散性要求对生态环境污染治理更加精准，对处于前沿技术领域的人工智能技术产生强大的磁吸力。人工智能主要从三个层面融入生态环境治理：处于前端的感知层为生态环境监测、观察污染物动态变化、海量信息数据搜集等提供高科技设备和手段；处于中端的网络层由治理方式、治理手段、环境监管等形成紧密的治理网络，实现跨地区、跨部门、跨层级数据共享，促进生态环境监管工作的全国大协同，为政府、企业、社会公众等各主体参与生态环境治理提供更大的平台，强化各主体间的关系；处于后端的数据层为生态环境变化的适时观测和精准把握提供依据，为生态环境治理政策的调整提供可靠依据。另一方面，人工智能也需要融入经济社会发展各领域才能达到社会化、产业化运用的成效，生态文明和美丽中国建设可以为人工智能的运用提供平台与空间，打赢污染防治攻坚战也亟需智能技术支撑，助推生态环境治理高效化和精细化。此外，生态环境治理对人工智能也具有反馈作用，生态环境治理会根据环境污染变化和治理程度的深化对人工智能技术有新的期待和需求，引导人工智能技术的发展方向；同时人工智能也在参与环境治理的实际运用中对可能存在的信息泄露、隐私侵犯、违背法律等漏洞不断修复、改进。人工智能与生态环境治理之间的吸力和推力反复作用与强化，形成了协同提升的效能，两者相互作用的水平与层次不断提升。

“推”：人工智能与生态环境治理融合推动生态环境治理体系和治理能力现代化。生态环境治理体系与治理能力现代化是人工智能与生态环境治理融合的目标指向，是美丽中国的美好愿景，也是建设社会主义现代化强国的目标之一。人工智能融入生态环境治理的各环节会从最初的机械式的调适过程逐渐发展为两者相互适应、相互包容，共同提升。运用人工智能技术将生态环境治理各环节更有机地串联在一起，形成生态环境治理可控、有序的体系，确保各要素在体系内的自由流动与优化配置，共同推动生态环境治理体系与治理能力现代化目标的实现。这一体系包括有效提升治理主体的行动力，促进治理手段科学化、治理目标精准化、治理过程高效化、治理监督规范化，形成严格有序的“行政—执法—监测—司法”管理体制、“法律法规—质量标准—执行约束—监督反馈”法治体系、“主体功能区—生态保护红线—区域统筹”的生态空间管理体制、“政府—社会—公众”多元化主体体制，等等。随着生态环境治理体系各环节运转更灵活、生态环境治理效率更高、成本更低，生态环境治理能力也不断提升，表现为治理观念、治理技术和治理制度的创新，对应的是生态环境治理的凝聚力、作用力和控制力的增强，从事后治理向精准预测和事前防范转变，从事后补救向根源严控转变，持续保障生态环境安全。

人工智能融入生态环境治理的“聚—环—推”作用机制过程，既是生态科技创新的过程，也是绿色发展的过程，适应了生产力与生产关系相互调整、相互适应的发展规律，契合了经济社会发展的一般规律，是政府和市场共同作用的结果，也是技术创新支撑经济社会发展，推动人类文明进步的创新路径。

2 我国人工智能融入生态环境治理的初步成效及机制运行困境

人工智能在生态环境治理领域的运用开启了“智能+生态环境治理”的新时代，如2018年我国生态环境部启动了“千里眼计划”，把京津冀及周边地区划分为若干个细化网格，并利用卫星遥感技术筛选出重点监管的网格，通过对天、空、地、人大数据的智能分析，对生态环境进行立体化的动态监管，实现污染发生原因和环境监管的精准化[6]。中持股份、环能科技、博天环境等环境相关企业不断扩大“互联网+”的利用；聚光科技、先河环保等老牌环保企业也从设备生产转向互联网人工智能运用；中节能天融、北京英视睿达、北京长能、陕西智信、江苏神彩等多个高科技企业已经直接从事环境大数据、物联网、人工智能等领域的应用[7]。2017年，中国科学院生态环境研究中心痕量气体大气化学研究组协同多家单位成功开展了无人机大气立体监测系统实验，填补了我国大气环境监测和研究盲区，使大气监测真正做到立体化、动态化。如今，我国长江流域已经建立了生态修复大数据平台，可以有效整合水利、航运、生态环境等多种类海量数据，利用物联网、三维虚拟仿真、多维度数值模型分析及现场实时监测等前沿技术，为长江生态环境的大保护和大修复提供技术支撑。人工智能与生态环境治理的融合在很多地区、很多领域的广泛应用及取得的较大成效，为我国生态环境治理注入了动力、创新了方式。

由于人工智能在生态环境治理领域运用还处于起步和上升阶段，两者融合机制作用受成本较高、核心关键技术不足、协同性欠缺、后端推动后劲不足、人才缺乏等束缚，机理作用潜能并没有得到充分释放，主要表现在以下几个方面：

2.1 运用于生态环境治理的人工智能技术成本较高

当前，我国人工智能融入生态环境治理还处于起步阶段，许多智能设备和设施的前期投入成本较高，但应用的规模有限，规模效应还没有充分发挥出来，智能技术运用的平均成本居高不下。生态环境治理对人工智能的运用是以大数据为基础和支撑的，但由于自然环境变化的不可抗力性以及生态环境系统性、跨区域性的广泛影响，生态环境的相关数据呈现易变性、差异性等特征，要为生态环境治理提供可靠稳定的数据难度较大，需要借助高性能、高精确度的环境传感器，并进行反复监测和提取。这就要求前期要投入较大规模的资本、技术等生产要素，研发高水平的传感器技术与智能环保设备配套，中期要有配套的设备和较高认知水平的专业人员对数据进行处理分析和拟合操作，后期在设备的日常检查维护和精细化管理中也需要有专业人员负责。可见，我国人工智能融入生态环境治理的技术成本还较高，限制了生态环境治理智能技术运用的积极性，是导致技术推广应用缓慢的因素之一。

2.2 人工智能融入生态环境治理前端自主关键技术支撑不足

人工智能与生态环境治理融合不是物理的、机械的，需要以持续的技术创新为支撑。然而当前人工智能融入生态环境治理的技术支撑还较为薄弱，特别是关键技术还比较缺乏，重大生产装备、重要器件等多为发达国家研发和生产，自主创新技术不足。以人工智能运用中数据信息获取、分析、传输的核心元件环境传感器为例，目前全球传感器市场被美国、日本和德国的几家龙头公司垄断，占据近70%的市场份额，我国中高端传感器80%靠进口，传感器芯片进口更是高达90%。在数据处理方面，目前仍广泛使用的传统SQL数据库难以适应对大规模非结构化数据的存储和处理，海量且复杂的生态环境数据需要有更加先进的数据库进行分析，也要有更先进的人工智能模型进行深入挖掘。缺乏自主核心技术使我国人工智能融入生态环境治理的进程放缓，生态环境治理需求与技术供给相脱节，无法为人工智能与生态环境治理循环机制作用发挥提供可靠的前端基础。

2.3 人工智能融入生态环境治理的系统协同性欠缺

环境污染具有长期性、多样性、复杂性、多变性等特征，不同的生态环境问题治理的侧重点和方式不同，对人工智能的技术要求和运用也各有差异。目前还没有可以满足生态环境治理所有方面需求的通用人工智能系统，一般是生态环境治理的某一方面由专门的人工智能系统支撑，如水、大气、土壤等不同生态领域的治理系统是分别开发的，这不利于生态环境治理数据的共享。一方面会造成系统重复建设，增加系统开发成本，割裂和损害系统的完整性和通用性，数据之间不能共享与合作使用，导致两者循环作用机制的中断；另一方面也会由于不同系统间数据标准、技术、格式的差异使分析结果出现分歧，造成分析数据间的矛盾，使政策制定的依据不明确，割裂了生态环境治理的整体性[8]。此外，人工智能在区域间的运用也缺乏衔接，受行政区域划分的影响以及生态环境治理的区域差异，区域间一体化治理网络系统尚未形成。这些都会造成人工智能与生态环境治理之间的循环作用机制中断，阻碍两者协同提升的进程。

2.4 人工智能融入生态环境治理的后端推动力欠缺

人工智能与生态环境治理融合要实现从感知到分析、决策再到反馈的全方位、全链条的融合，使两者的作用机制更加顺畅，作用效果更加充分。但目前我国人工智能与生态环境治理的融合还处于工具层面的初级阶段，主要是在前端由人为设定的原则进行数据信息收集和分析，侧重于感知层和网络层的融合，后端的数据层分析以及决策主要依靠人工完成，人工智能还不能完全取代行政干预及其主观影响，这可能会导致前端生态环境信息数据的搜集在传递过程中失真，信息传递的时效性降低，后端的分析偏误，难以进行科学预测，最终导致人工智能与生态环境治理的低效融合，无力推动生态环境治理体系与治理能力现代化。此外，人工智能在生态环境治理中的应用主要集中在人工智能产品、仪器、设备等工具手段，在加强公众监督、完善政府治理组织体系和专业性服务等方面还比较欠缺，表明两者融合还处于以工具提供为主的初级和浅层阶段，离推动生态环境治理体系与治理能力现代化作用发挥的深化阶段还有较大的提升空间。

2.5 人工智能融入生态环境治理的复合型人才缺乏

人工智能与生态环境治理融合作用机制的充分发挥归根结底要靠人来推动，无论是前端智能技术的开发对高新技术人才的需求，还是两者循环作用过程中，对既熟悉人工智能技术，又知晓生态环境变化特征规律，能对海量数据的分析结果进行科学客观辨析，还能根据生态环境治理需求进行技术开发的复合型人才的需求数量都越来越大。由于人工智能技术的交叉性，人工智能人才结构上呈现了高端人才和工程师双缺，工程师的缺口甚至达到了500—1 000万[9]。此外，人工智能技术人才主要集中在信息行业，生态环境治理领域的人才主要集中在环境保护和管理部门，人工智能的开发应用主要集中在商业领域，这几类人才之间相互独立、缺乏交集，并且大部分为普通人才，高精尖人才缺乏。因此，我国既懂人工智能技术和应用又熟悉生态环境治理并能对生态环境资源有效开发运用的复合型人才还比较缺乏。

3 人工智能深度融入我国生态环境治理的路径

人工智能的应用使国家治理实现从传统治理到互联网治理再到AI治理的跨级飞跃[10]。人工智能推动生态环境治理进入了“智能+生态环境治理”的时代。应进一步协调人工智能与生态环境治理的关系，破解两者融合的困境，从前端开发、过程协同、后端保障等方面促进人工智能与生态环境治理全链条、全体系的深度融合，构建生态环境治理高效化、智能化的长效机制。

3.1 前端开发：强化人工智能在生态环境治理领域的底层技术支撑

3.1.1 加强人工智能的基础研究

加强中国人工智能基础研究和技术研发是人工智能技术发展与应用的出发点。首先加强前沿基础理论的研究，促进人工智能与神经科学、心理学、生态学、环境学等学科的交叉融合，聚焦人工智能在生态环境治理领域应用的基础性科学问题开展原创科学研究，为两者融合提供前沿理论支撑。其次可以组建人工智能与生态环境治理融合基础研究重点实验室，联合人工智能研发机构、政府生态环境治理相关部门、相关企业等合作开展前瞻性基础研究布局，特别要注重向算法、数据等基础性领域研究倾斜，推进基础研究向纵深发展。建立基础研究领域与应用领域的沟通渠道，促进研究成果转化。再次要加大投资力度，加强新一代智能环保信息基础设施建设，构建有利于关键技术系统集成研发的开源开放开发平台，形成基础研究的良好生态。

3.1.2 提升核心技术创新能力

针对我国人工智能核心关键技术落后和核心部件依赖进口的不足，应加强核心技术研发，提升自主创新能力，为生态环境治理现代化提供更加科学精准的手段。首先，要加大创新要素投入，根据我国生态环境治理的需求加强人工智能在中高端算法、核心器件、芯片等基础层面关键核心技术的原始创新，形成我国生态环境治理的智能核心技术。其次，发展人工智能与生态环境治理融合的经济形态，培育具有重大引领带动作用的人工智能企业和服务产业，充分发挥企业技术创新的主体性和主动性，适应生态环境治理需求变化提升技术创新灵活度。再次，加强与国际领先的人工智能企业的技术创新合作与交流，充分利用国际创新资源提升核心研发能力。

3.2 过程协同：促进人工智能与生态环境治理协同作用的系统化和高效化

3.2.1 积极发展通用人工智能实现生态环境协同化治理

打破生态环境治理的“孤岛效应”，实现人工智能与生态环境治理三个方面的协同：一是实现不同污染物、污染源的综合协同治理，形成治理规模效应，降低治理成本。二是实现政府、企业、个人之间的信息共享，发挥政府的主导作用、企业的积极能动作用和广大公众的参与，相互分工，形成不同主体之间的协同。三是实现不同区域、不同领域的协同治理，形成全国一体化的生态环境治理网络。因此，应积极推动从数据驱动的人工智能向通用人工智能发展，使机器设备能模拟人类学习、决策、想象、创造等。根据生态环境治理不同领域的共性特征，如根据污染治理的共性、绿色产业开发的共性等构建通用的计算模型，改进系统，增强通用性；统一标准，破除行政壁垒，促进不同区域生态环境治理信息网络的连接。此外，可以结合神经科学、脑科学等最新研究成果，根据生态环境治理目标和实践要求，在两者融合的系统开发中反复模拟大脑认知功能，最大限度地接近人类智能水平，增进人工智能的决策能力和反馈能力。

3.2.2 促进人工智能在生态环境治理中的落地应用

人工智能与生态环境治理的融合关键是要确保人工智能的各项技术、工具等在生态环境治理过程中能得以落地应用。首先要着眼于生态环境治理的需求来推动相关人工智能的发展，从技术、产品到解决方案的交付等，人工智能技术企业要与行业需求充分对接，做好应用。其次要推动产学研的密切合作与应用，人工智能技术企业与高校、科研院所在模型、算法等基础研究方面要加强合作交流，对人工智能在生态环境治理中的应用场景进行充分模拟、试验，不断拓展应用领域，确保人工智能在生态环境治理中的应用能更加精确、效率更高。

3.3 后端保障：建立人工智能融入生态环境治理的长效稳定机制

3.3.1 建立统一的数据库打造生态环境治理的信息大平台

在人工智能的背景下，生态环境治理体系的构建是以数据为基础的。生态环境涵盖的范围广泛，包含的数据信息资料多而繁杂，数据本身也会随着生态环境的变化而变化。为了降低数据获取的难度和成本，确保数据间的交互使用，除了开展技术创新增强数据获取的稳定性外，还应建立生态环境治理数据库，不断积累数据信息，实现数据共享。探索使用新一代人工智能、机器学习等模型和技术，建立大数据环保云平台、大数据管理平台和大数据应用平台等，对海量级生态环境数据挖掘分析，研发创新配套的分布式数据库。将社会上的监测仪器设备获取的数据以及发改委、生态环境、农业、林业、水利等不同部门的数据信息纳入平台，制定统一的格式、编码、类型、模型等，促进多源异构数据有机融合，依托时间空间一体化大数据共享平台提升生态环境治理水平。

3.3.2 打造人工智能融入生态环境治理的政策支撑平台

人工智能技术融入生态环境治理初期成本较高，很多企业和机构出于成本考虑不会自主选择技术运用，智能技术的推广和普及较慢，需要政府进行相关基础设施建设和出台自上而下的扶持政策。如进一步加强生态环境保护专项立法，建立严密的生态环境保护法律法规体系，实施严格的生态环境监管，建立全链条、全覆盖的监管体系，通过生态文明体制的完善和监管的严格化倒逼人工智能技术的应用和普及。出台专门针对人工智能融入生态环境治理指导性意见，对主动开展生态环境治理方式和手段智能化改造的企业进行资金补贴、技术指导、数据共享协调等支持。强化不同区域、不同层级政府部门间的沟通协调，共建共享智能基础设施。加强对政策实施效果的评估和反馈，提高政策实施的有效性和决策的科学性。

3.3.3 加快人工智能和生态环境治理“双通”复合型人才培养

要充分发挥人才在推动人工智能与生态环境治理融合中的积极性和能动性，首要是培养通晓人工智能和生态环境治理的“双通”复合型人才。首先要促进人工智能学科与生态学、环境学等学科的交叉融合，在大学教育中开设人工智能专业，并开辟生态环境治理研究与运用方向，学生不仅要学习计算机和人工智能，还要懂生态环境治理的相关理论知识，同时还要选修脑科学等，构建完善的人才培养体系，培养知识全面的复合型人才。其次可以对现有人员进行培训，有针对性地开设培训项目，提升生态环境治理领域人才的信息技术识别和运用能力。再次可以利用国家和地区的人才计划，引进优秀人才，特别是领军人才、青年人才及创新团队的引进。此外，还要面向产业发展多层次培养人工智能创新创业人才，为人工智能与生态环境治理融合提供高质量、专业性的服务。