通过人工智能缓解环境公共卫生风险:机制与边界条件

《Frontiers in Public Health》:Mitigating environmental public health risks via artificial intelligence: mechanisms and boundary conditions

【字体: 大 中 小 】 时间:2026年07月22日 来源:Frontiers in Public Health 4.1

编辑推荐:

  背景:环境污染通过气态排放、废水排放和工业固体废物等多重重叠途径威胁人群健康。人工智能(AI)可改善环境监测、能源管理和生产优化,但其与多维环境公共卫生风险的更广泛关系仍理解不足。本研究考察人工智能水平较高是否与较低的污染相关环境公共卫生风险相关及在何种条件下

  
背景:环境污染通过气态排放、废水排放和工业固体废物等多重重叠途径威胁人群健康。人工智能(AI)可改善环境监测、能源管理和生产优化,但其与多维环境公共卫生风险的更广泛关系仍理解不足。本研究考察人工智能水平较高是否与较低的污染相关环境公共卫生风险相关及在何种条件下相关。 方法:分析2014年至2023年中国30个地区的省级面板数据。从二氧化碳排放、二氧化硫排放、氮氧化物排放、工业废水排放和工业固体废物构建多维环境公共卫生风险指数。将双向固定效应模型与中介分析、异质性和边际效应分析、替代测量、额外控制和缩尾检验、动态面板估计以及面板阈值模型相结合。 结果:在主要固定效应模型中,较高水平的人工智能与较低的环境公共卫生风险相关,且该负相关关系在替代测量、额外数字基础设施控制、缩尾检验和同期政策设定下保持一致。技术支出作为实施路径显现,通过它数字能力可转化为监测系统、清洁设备和环境管理基础设施,而绿色专利反映较长周期的创新过程。环境投资通过提供人工智能部署所需的财务和物质能力加强了负相关关系。电力消耗识别出能源和生产优化的更大潜力,尽管人工智能的贡献随用能条件变化。人工智能在环境规制体制下仍与环境公共卫生风险呈负相关,而其边际贡献随规制强度非线性变化。 结论:人工智能作为一种有条件的环境能力而非自动的技术解决方案发挥作用。当其发展得到技术支出、环境投资、运行实施和协调规制设计的支持时,其公共卫生价值更可能出现。这些发现为理解人工智能如何有助于缓解污染相关环境公共卫生风险提供了一个多维框架。
研究背景方面,环境污染作为可预防公共卫生风险的主要来源,通过大气、水系统和固体废物流释放污染物,形成多种影响人群健康的途径,且不同污染物常同时出现在工业化地区,单一排放类别评估可能无法完整反映与环境公共卫生风险相关的环境条件。现有证据多考察个体污染物、碳排放或特定技术应用,人工智能虽可提供污染物监测、异常排放模式识别、空气质量预测及能源环境资源分配等技术功能,并可通过改善能源管理、促进环境数据整合与加速绿色技术发展支持清洁生产,但其与区域层面更广泛的多重污染相关风险降低是否对应仍不确定。中国省级区域在工业结构、技术能力、能源使用、环境投资和规制强度上差异显著,为考察人工智能是否与较低环境公共卫生风险相关及该关系是否依赖本地资源和规制条件提供了合适情境,同时中国在全球有害排放及相关健康负担中具有重要地位,使其区域暴露控制政策研究具有更广泛公共卫生相关性。
研究人员基于2014年至2023年中国30个省级区域的面板数据开展研究,构建由工业二氧化硫排放、二氧化碳排放、工业废水排放、氮氧化物排放和工业固体废物组成的综合指数以代表污染相关环境公共卫生风险,考察人工智能与该指数的关系,评估技术支出和绿色专利作为拟议传导机制的作用,并分析该关系是否随环境投资、电力消耗和环境规制而变化。研究发现较高人工智能水平在主要双向固定效应模型中与较低环境公共卫生风险相关,该负相关在替代测量、额外数字基础设施控制、缩尾检验和同期政策设定下保持一致;技术支出是将数字能力转化为监测系统、清洁设备和环境管理基础设施的实施路径,绿色专利反映较长周期创新过程;环境投资通过提供人工智能部署所需财务和物质能力加强负相关;电力消耗识别能源和生产优化潜力但人工智能贡献随用能条件变化;人工智能在各环境规制体制下仍呈负相关而其边际贡献随规制强度非线性变化。研究结论表明人工智能是一种有条件环境能力而非自动技术解决方案,其公共卫生价值在数字发展受技术支出、环境投资、运行实施和协调规制设计支持时更易显现,为理解人工智能如何助力污染相关环境公共卫生风险缓解提供了多维框架,论文发表于《Frontiers in Public Health》。
关键技术方法方面,研究采用2014年至2023年中国30个省级区域面板数据,构建基于主成分因子法的环境公共卫生风险(EPHR)指数,涵盖CO2、SO2、NOx、工业废水(WATER)和工业固体废物(ISW);人工智能(AI)指数由研究能力、资金支持与研究开发三维度通过熵权法聚合;运用双向固定效应模型、中介分析(技术支出TE与绿色专利GP)、异质性与边际效应分析、替代测量、额外控制与缩尾检验、动态面板系统广义矩估计(System GMM)及面板阈值模型;变量平稳性采用Levin–Lin–Chu单位根检验,协整采用Kao检验,截面相关采用Pesaran检验,间接效应采用5000次省份聚类Bootstrap。
研究结果部分,首先为人工智能与环境公共卫生风险,基线双向固定效应模型显示AI系数在5%水平显著为负,列(1)为?0.967,列(2)加入控制变量后为?1.109,表明AI指数每提升0.01单位,EPHR指数下降约0.01109单位,支持假设1人工智能与环境公共卫生风险呈负相关。其次为机制分析,技术支出中介路径中AI正向关联TE(β=0.156,p<0.05),TE负向关联EPHR(β=?0.884,p<0.10),Bootstrap偏误校正加速95%置信区间为[?0.475,?0.026]不含零,假设2a获有限支持;绿色专利中介路径中AI正向关联GP(β=1.411,p<0.01),GP负向关联EPHR(β=?0.183,p<0.01),但Bootstrap两类95%置信区间均含零,假设2b未被支持,说明GP属较长周期创新产出,短期省内中介过程不稳定。再次为异质性分析,环境与AI交互项系数为?16.434(p<0.01),边际效应在环境投资25th、中位、75th百分位数分别为?1.015、?1.179、?1.388且显著,假设3a获支持;电力消耗与AI交互项为?1.897(p<0.01),但各代表水平边际效应不显著,假设3b获有限支持。随后为稳健性分析,动态System GMM显示EPHR一阶滞后系数0.872(p<0.001),AI同期系数0.626(p=0.065)为正,说明固定效应与动态估计对时序持久性和内生性处理敏感;替代熵权EPHR指数、增加互联网网页(IW)与IPv4地址控制、1%与99%缩尾及控制国家大数据综合试验区与环境垂直管理改革政策后,AI系数仍显著为负;面板阈值模型支持单一阈值,环境规制(ER)阈值为0.0038,ER≤0.0038时AI系数?2.293(p<0.01),ER>0.0038时AI系数?1.923(p<0.01),绝对幅度下降约16.1%,假设4获支持,呈边际递减而非激活效应。
讨论部分总结指出,主要结果在双向固定效应模型中显示AI与较低污染相关环境公共卫生风险相关,对应智能系统整合监测网络信息、识别异常排放、改善污染预报及缩短风险检测与响应时间、支持能源调度与清洁生产决策等功能;但System GMM中EPHR具强时序持久性且AI同期系数方向为正仅在10%水平显著,说明AI发展的短期能源与调整成本可能先于监测与效率收益显现。技术支出与绿色专利处于创新过程不同阶段,技术支出可支持当前部署,绿色专利环境效益依赖质量、商业化与采纳,短期内省内中介不稳定。异质性结果显示环境投资清晰强化AI负向关联,电力消耗虽扩大优化潜力但本身不代表环境优势且条件效应不显著。环境规制阈值揭示双重规制体制下AI均显著为负但高强度规制下绝对系数减小,反映正式规制与技术赋能环境管理可能存在部分替代与边际递减,需协调政策设计。结论部分翻译为:本研究证明人工智能在支持降低污染相关环境公共卫生风险方面具有有意义潜力,但该潜力取决于数字能力如何转化为环境行动;使用2014年至2023年省级面板数据与涵盖气态排放、工业废水和工业固体废物的多维指数,分析显示在主要双向固定效应模型中较高人工智能水平与较低环境公共卫生风险相关,该负相关在替代熵权风险指数、额外数字基础设施控制、缩尾检验和同期国家政策控制下保持不变;研究结果表明人工智能的价值在于改善环境与工业系统运行,应被理解为可增强污染相关风险管理速度、精确性与协调性的赋能能力而非仅是数字技术;动态分析增加时间限定,环境公共卫生风险显示强持久性而System GMM中人工智能同期系数改变方向且仅在10%显著性水平估计,说明人工智能部署成本与收益实现间可能存在时序差距;机制分析进一步显示人工智能环境贡献依赖实施能力,技术支出提供有限但有意义间接路径证据,绿色专利在不同模型设定下表现不同,其间接效应在混合模型中显著但在控制省级与年度差异后统计不稳定,反映专利属较长周期区域创新能力且其环境效益依赖后续质量、商业化、产业采纳与扩散,人工智能可能通过不同速度渠道影响风险:技术支出支持当前部署,绿色专利通过较慢创新转化过程贡献;区域条件决定人工智能能否转化为环境改善,环境投资提供最清晰支持条件,其负向关联随环境投资增加增强且边际效应在各代表水平显著,说明智能技术需互补财务与实体基础设施,电力消耗提供更有条件边界,高用电增加负载预测与优化潜力但代表性用电水平条件效应不显著,需配合清洁能源结构与有效实施;环境规制引入进一步非线性条件,AI在阈值上下均显著负相关但高规制体制系数绝对幅减小,说明AI与正式规制可能部分解决相同环境低效来源,相对有限规制下智能监测与生产优化可大幅增加额外贡献,较强规制下强制标准与合规投资已实现部分可得改进从而减少AI增量贡献,有效政策应协调规制与技术手段而非假定持续增加任一方会自动产生成比例更大收益;综上结果将人工智能重新定位为有条件环境能力而非自动技术解决方案,其与较低污染相关环境公共卫生风险的关联在地区具备财务资源、基础设施、制度能力与时间以将数字发展转化为运行变化时最明显,本研究主要贡献非仅展示AI是否有益,而是解释该益处何时、通过何种过程及在何种限制下更可能显现,为将AI纳入环境公共卫生策略提供更现实基础,同时认识到技术本身不能立即逆转持续污染结构。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号