自然与人类生活、社会和经济相互关联，但人类活动正威胁着生物多样性。1992年建立的《生物多样性公约》（CBD）旨在指导生物多样性保护、可持续利用和遗传资源利益分享，但生物多样性持续下降。国家生物多样性战略与行动计划（NBSAPs）是实施CBD目标的主要政策工具，包含国家生物多样性目标（NBTs）和国家行动。
2022年通过的《昆明-蒙特利尔全球生物多样性框架》（GBF）旨在到2030年将自然置于恢复之路，并到2050年实现与自然的和谐共生。各国承诺提交更新后的NBSAPs，并与GBF及其目标和指标保持一致。然而，许多国家在制定更新后的NBSAPs和NBTs方面面临挑战，如能力缺口、政治意愿不足和资源有限。
联合国开发计划署（UNDP）与CBD缔约方合作，开发了以人类为中心的AI方法，即NBSAP目标相似性评估，以支持政策对齐。该方法使用OpenAI的GPT-3.5模型，评估NBTs与GBF目标和指标之间的相似性，并提供改进建议。
NBSAP目标相似性评估的主要成果包括：
- 增强国家能力： 54个国家利用该评估加快了对NBTs和其他相关目标的审查，以与GBF保持一致。评估提供了针对每个全球和国家目标之间相似性的定制见解，并提供了增强一致性的建议。
- 使用AI评估全球自然趋势的概念证明： 对提交NBSAPs的GEF合格国家的NBTs进行了评估，发现GBF目标9（可持续管理野生物种以造福人类）、目标10（增强农业、水产养殖、渔业和林业中的生物多样性和可持续性）和目标13（增加遗传资源、数字序列信息和传统知识的利益分享）在之前的NBTs中最为常见。而目标12（加强绿色空间和城市规划以促进人类福祉和生物多样性）、目标17（加强生物安全并分配生物技术的利益）和目标23（确保性别平等并采取性别响应的方法促进生物多样性行动）则较少体现。
- 可量化性和时限性： 只有17%的预COP15 NBTs包含可量化的元素，如数字指标或百分比；59%的NBTs具有时限性。
该方法的局限性包括：
- AI模型的潜在偏见： 大型语言模型可能继承训练数据中的偏见，需要采取措施降低风险。
- 环境影响： LLMs的使用可能产生碳排放，需要考虑更可持续的选项。
- 评估范围有限： 评估仅考虑文本相似性，未涵盖实施差距、指标、监测系统等其他重要因素。
未来研究方向包括：
- 将生物多样性考虑融入其他领域： 如气候变化、灾害风险减少、农业、健康和城市开发等。
- 评估NBSAPs与《巴黎协定》下国家自主贡献（NDCs）之间的协同效应。
- 评估对“GBF实施考虑因素”的遵守情况： 如土著人民和当地社区的贡献与权利、政府整体和全社会的方法、性别问题以及基于人权的方法。
- 加强人类监督机制： 确保基于AI的评估促进减少伤害并推动人权保护。
结论： NBSAP目标相似性评估为利用AI加速国家层面生物多样性政策对接流程和全球层面差距与机遇评估提供了探索。该方法有助于各国履行对CBD的承诺，并为生物多样性政策和规划的发展提供了有价值的见解。
