解决可持续发展中的“人工智能”问题

可持续性 应对可持续性中的“AI” 关键要点 • 人工智能推动可持续发展的潜力与其在各类生态系统中的实施之间正日益脱节。根据美国银行全球研究，人工智能创新与应用的环境可持续性、社会责任和伦理规范正变得越来越重要。 • 根据美国银行全球研究，人工智能可以为广泛的全球性挑战提供解决方案。例如，人工智能有潜力将其产生的温室气体排放量减少高达五倍，同时也有能力解锁教育、健康和粮食的获取途径，并实现长期可持续性目标。 • 尽管人工智能潜力巨大，但如果管理不当，它也会带来一系列风险。这些担忧包括侵犯数据隐私、算法偏见、能源密集型人工智能模型造成的环境影响，以及加剧社会不平等。 人工智能重塑经济、社会与制度随着人工智能（AI）日益嵌入决策和运营流程，根据美国银行全球研究（见展位1），理解其与可持续发展的交叉融合变得既 紧迫又至关重要。积极的一面是，人工智能为加速成果提供了相当大的潜力： • 从环境角度来看，人工智能通过支持更精确的气候建模、优化能源使用、提高资源效率以及促进向低碳产业的转型，助力气候变化减缓与适应。 • 在社会层面，人工智能应用有助于减少偏见、促进多元化，通过诊断工具和个性化医疗改善健康结果，借助自适应学习平台提升教育水平，并支持劳动力培训和安全生产举措。 • 从治理的道德角度来看，人工智能通过自动化审计、实时合规监控和欺诈检测提高了透明度和监督能力，有助于提升企业问责制水平。 按类别划分的风险与机遇 好的，坏的，丑的……以及1万亿美元的机遇美国银行全球研究部门发现，约有10万亿美元市值将利用人工智能来推动经济增长。普华永道（PwC）的另一份报告（2017年 ）估计，到2030年，人工智能可为全球经济贡献高达15.7万亿美元，使GDP增长高达14%。根据同样的分析，将人工智能应用于环境领域可能产生高达5.2万亿美元的提升效应，占全球GDP的3.1%至4.4%范围，同时到2030年可将全球温室气体（GHG）排放减少0.9吉吨（Gt）至2.4吉吨。 尽管存在这种热情，但利用人工智能必须权衡这样一个认识：人工智能并非天生可持续或公平。根据美国银行全球研究（BofA Global Research）的说法，它必须经过有意的设计和实施，以支持负责任的商业行为。 当 Al 回应时尽管人工智能通过优化能源系统、提升教育普及率和增强企业透明度提供了变革性机遇，但如果未能妥善应对，它也引 入了一系列新兴风险。 这些风险涵盖了从环境资源消耗加剧、算法偏见到加剧社会内部及社会间不平等、地缘政治紧张以及劳动力市场动荡（见附表2）。在这些风险中，人工智能对就业的影响代表了最直接、最显著的社会挑战之一，其后果涉及社会公平、工作保障和经济包容性。 图2：人工智能引入了与能源使用、失业和缺乏透明度相关的风险人工智能相关的新兴风险 基于人工智能的解决方案能够带来显著的节能效果，并推动全球能源系统向更可持续的方向发展。该技术可以通过优化能源消耗、提升电网可靠性以及减少排放，来变革能源和公用事业行业。随着可再生能源整合日益加深和数字化程度不断提高，电力网络日益复杂，人工智能的应用也带来了新的发展机遇。 此外，根据美国银行全球研究部（BofA Global Research）的报告，人工智能（AI）应用并不仅限于能源领域。消费品、零售和汽车等行业也预计将通过人工智能赋能的系统，在提高能源效率、优化资源利用和减少浪费方面受益。 尽管人工智能的应用会增加电力消耗，但其减少各行业排放的潜力可能远远超过这一影响。根据国际能源署（IEA）的预测，尽管数据中心的能源需求不断增长，但其排放量预计到2035年仍将保持在全球排放量的1.5%以下。 在其基准情景下，国际能源署（IEA）估计，到2035年，人工智能（AI）和数据中心相关的二氧化碳排放量可能增至3亿吨（Mt）（或在“起飞”情景下增至5亿吨，该情景假设AI的采用增长强于基准情景）（见图3）。然而，AI也有潜力将其产生的二氧化碳排放量减少高达五倍，因为扩大当前AI应用规模可节省高达1.5亿吨的二氧化碳。 波士顿咨询集团的一项独立研究估计，有效利用人工智能到2030年将有助于减少全球温室气体排放的5-10%。这相当于政府间气候变化专门委员会2030年中期减排目标（相对于2010年水平减少45%二氧化碳）的10-20%。 然而，那些足以抵消收益的风险依然存在。例如，由于人工智能导致成本降低而带来的生产增加，或出行方式从公共交通转向自动驾驶汽车，这些都可能推动商品和服务的消费量上升，进而导致整体二氧化碳排放量增加。 尽管大型科技公司对计算资源和服务的需求不断增长，美国银行全球研究部预计，Al（人工智能）的净排放影响很可能为正，特别是随着数据中心越来越多地从低碳能源（包括可再生能源和未来近期的更多核能）获取电力。 此外，随着更大、更新的专注于人工智能的数据中心的建设，能源消耗和碳排放与日俱增，水资源消耗也随之增加。据环境与能源研究所的数据显示，数据中心开发商正越来越多地利用淡水资源，大型数据中心每日可消耗高达五百万加仑的水，相当于一个拥有一万至五万人口小镇的用水量。 数据分析与预测建模以提高能源效率通过先进的数据分析和预测建模，人工智能还支持更精确的预测、故障诊断以及人类任务的自动化（图4）。数据驱动方法 有助于优化电力存储和分配，确保更高的可用性并最大限度地减少能源浪费。 在电力基础设施中，人工智能通过实时检测和响应故障、减少停电并提升系统韧性，增强了电网的可靠性。由人工智能驱动预测工具还能预见极端天气事件或网络威胁带来的中断。 一个使用机器学习生命周期和用例的迭代模型图4：数据分析与预测建模如何提升能源效率 人工智能赋能气候与自然监测人工智能算法分析图像和雷达数据，以改进气候模型、追踪排放和支持灾害预防（图5）。通过分析卫星的地球观测数据， 人工智能还有助于监测甲烷泄漏、森林砍伐和温室气体排放，从而助力气候变化减缓工作。 人工智能赋能解决方案，助力自然与生物多样性利用人工智能与生态专业知识相结合的卫星图像，用于绘制森林砍伐的影响，并提供减少浪费和污染的解决方案。同时，也 存在人工智能驱动的解决方案，帮助企业逐个场地追踪、监测并减少其温室气体排放。 此外，无人机与人工智能结合的解决方案有助于植树造林。通过分析航空数据，无人机能够识别最佳的植树区域，确保将适宜的物种种植在最有可能生长繁茂的地方。这种精准方法提高了植树造林项目的成功率，并改善了恢复生态系统的整体健康状况。 人工智能驱动的气候监测解决方案及相关应用按类型划分 常规任务自动化及机器人取代人类工作人工智能驱动的自动化能够管理资源分配、监控和分析，从而让人类工作者从事更高价值的工作。人工智能自动化常规认知和 体力劳动任务的能力，使许多工作岗位面临风险，特别是在那些重复性、可预测性以及大型数据集可获取性相互关联的行业中。 因此，人工智能正被整合到各行业和各国的经济中，尽管这种整合并非均衡或公平。根据美国银行全球研究，制造业将从装配自动化中受益，而金融服务行业则在利用人工智能进行欺诈检测（图6）。 低技能工作通常包含大量常规和重复性任务，很可能会借助机器人和人工智能实现自动化。这种转变正导致工作岗位的流失。根据美国银行全球研究机构的观点，尽管在许多情况下人工智能预计是补充而非完全取代人类劳动，但自动化和人工智能对于实现公平的社会转型也并非没有风险。 美国劳工统计局（BLS）的一项分析估计，最容易受到影响的岗位是客户服务类职位（见展位7）。例如，快餐自动售货亭可能会取代收银员。 “指尖经济”的兴起“指尖经济”这一概念，更细致地描绘了后疫情时代劳动力的趋势。根据美国银行全球研究，这种趋势是由那些主要通过屏 幕、设备和数字工具与劳动进行交互的工人所驱动，他们往往更多地使用手指而非全身。 这种新经济带来了独特的挑战。例如，许多这类工作将不属于传统劳动保护范围，并且大多只需要有限的技能，这可能导致低工资和工作不安全感。此外，持续的屏幕暴露和生产力压力会影响身心健康。 （公平的）就业转型导航更广泛地说，公平且具有前瞻性的转型必须旨在不仅保护现有工人，还要积极塑造劳动力市场，创造新的优质岗位。因此， 根据美国银行全球研究（BofA Global Research）的说法，许多角色将演变而非消失。 这需要公共和私人层面的协调，并辅以政策框架，以鼓励企业采用人工智能（AI），使其能够提升工人能力并支持就业创造，同时为包容性创新提供激励。如果操作得当，AI的采用可以带来净就业增长，特别是在可再生能源技术、数字医疗、网络安全和AI模型训练等新兴领域。 以及治理。根据博鳌亚洲研究所的研究，这正是再培训和技能提升计划发挥作用的关键之处，尽管这需要政府和雇主在终身学习方面进行大量投资。 解锁教育、健康和食物的获取途径人工智能在广泛的社会成果方面具有变革潜力。从革新医疗保健服务提供方式、扩大教育机会，到提升工作场所的多样 性和包容性，人工智能应用能够推动显著的社会进步。 一项发表于某期刊的2020年研究发现，人工智能（AI）能够支持实现九个联合国可持续发展目标（SDGs）中的67个与社会福祉相关的目标。这相当于人工智能使联合国82%的社会类SDG目标得以实现。由人工智能驱动的技术能够协助提供食物、水、医疗保健和能源等基本服务，并有助于循环经济的发展。 然而，潜在弊端亦存。同一项研究发现，人工智能可能对31个目标产生负面影响，即社会可持续发展目标（SDGs）的38%，尤其涉及不平等目标。这凸显了建立治理、监管和伦理框架的必要性，以确保人工智能的发展与社会可持续进步保持一致。 提升教育获取途径人工智能正成为一项变革性工具，用以提升教育机会与质量。人工智能驱动的平台能够弥合弱势群体在教育机会上的差距，支 持教育工作者，减少课堂中的不平等现象，实现包容性个性化学习体验，并借助数据为教育体系提供决策支持，从而做出更优决策。 然而，根据博鳌全球研究院的研究，人工智能在教育领域的应用必须以伦理原则为指导，包括隐私保护、减轻偏见、透明度和人类监督。与此同时，提升教育普及程度将取决于对数字基础设施和设备的公平获取、教师和管理人员的AI素养与培训，以及尊重文化和语言多样性的本地化解决方案。 到2026年，美国医疗保健费用每年可节省高达1500亿美元。世界卫生组织估计，全球近三分之一的人口无法获得必需药品。在低收入国家，这一比例高达一半。根据美国银行全球研 究，医学研究估计到2026年，美国医疗保健成本每年可节省高达1500亿美元。 癌症诊断水平也有所提高，利用人工智能进行早期乳腺癌检测的准确率达到了91%，而放射科医生的准确率仅为74%。因此，人工智能应通过提升诊断、治疗和行政效率来重新定义医疗保健，同时也要提供更便捷、更快、更好的药物获取途径。人工智能驱动的应用包括早期疾病检测、个性化治疗计划制定、简化医疗行政、人口健康分析以及加速生物医学研究，从而总体上降低成本。 人工智能在农业科技中的应用，以提升农业的生产力和可持续性农业技术（AgTech）涵盖了旨在保护作物、提高效率和产量、增加盈利能力以及建立可持续性和弹性的创新。它包括设备、传 感器、机器人和自动化，所有这些都由人工智能驱动。 通过提升农业生产力与资源利用效率，人工智能驱动的农业技术被视为对小型农户至关重要的工具。这些农户生产了全球超过30%的粮食，但在产量、病虫害管理和气候韧性方面持续面临挑战。康奈尔大学的一项研究（《新农学家：语言模型是作物管理专家》）发现，与传统方法相比，人工智能驱动的作物管理系统可使玉米作物生产的利润提高高达49%。 根据美国银行全球研究，高成本是采用新农业技术最大的障碍。但随着投入成本的上升，农业技术解决方案的吸引力正在增强，其潜力在于减少化学品、劳动力和化石燃料的使用（平均减少25%），同时提高产量。农业技术解决方案应用的增加所带来的规模经济效应可能降低成本，并实现必要的效率提升。 隐私和数据安全面