人工智能的伦理挑战
原标题：人工智能的伦理挑战控制论之父维纳在他的名著《人有人的用处》中曾在谈到自动化技术和智能机器之后，得出了一个危言耸听的结论：“这些机器的趋势是要在所有层面上取代人类，而非只是用机器能源和力量取代人类的能源和力量。很显然，这种新的取代将对我们的生活产生深远影响。”维纳的这句谶语，在今天未必成为现实，但已经成为诸多文学和影视作品中的题材。《银翼杀手》《机械公敌》《西部世界》等电影以人工智能反抗和超越人类为题材，机器人向乞讨的人类施舍的画作登上《纽约客》杂志2017年10月23日的封面……人们越来越倾向于讨论人工智能究竟在何时会形成属于自己的意识，并超越人类，让人类沦为它们的奴仆。
一
维纳的激进言辞和今天普通人对人工智能的担心有夸张的成分，但人工智能技术的飞速发展的确给未来带来了一系列挑战。其中，人工智能发展最大的问题，不是技术上的瓶颈，而是人工智能与人类的关系问题，这催生了人工智能的伦理学和跨人类主义的伦理学问题。准确来说，这种伦理学已经与传统的伦理学旨趣发生了较大的偏移，其原因在于，人工智能的伦理学讨论的不再是人与人之间的关系，也不是与自然界的既定事实（如动物，生态）之间的关系，而是人类与自己所发明的一种产品构成的关联，由于这种特殊的产品――根据未来学家库兹威尔在《奇点临近》中的说法――一旦超过了某个奇点，就存在彻底压倒人类的可能性，在这种情况下，人与人之间的伦理是否还能约束人类与这个超越奇点的存在之间的关系？
实际上，对人工智能与人类之间伦理关系的研究，不能脱离对人工智能技术本身的讨论。在人工智能领域，从一开始，准确来说是依从着两种完全不同的路径来进行的。
首先，是真正意义上的人工智能的路径，1956年，在达特茅斯学院召开了一次特殊的研讨会，会议的组织者约翰・麦卡锡为这次会议起了一个特殊的名字：人工智能（简称AI）夏季研讨会。这是第一次在学术范围内使用“人工智能”的名称，而参与达特茅斯会议的麦卡锡和明斯基等人直接将这个名词作为一个新的研究方向的名称。实际上，麦卡锡和明斯基思考的是，如何将我们人类的各种感觉，包括视觉、听觉、触觉，甚至大脑的思考都变成称作“信息论之父”的香农意义上的信息，并加以控制和应用。这一阶段上的人工智能的发展，在很大程度上还是对人类行为的模拟，其理论基础来自德国哲学家莱布尼茨的设想，即将人类的各种感觉可以转化为量化的信息数据，也就是说，我们可以将人类的各种感觉经验和思维经验看成是一个复杂的形式符号系统，如果具有强大的信息采集能力和数据分析能力，就能完整地模拟出人类的感觉和思维。这也是为什么明斯基信心十足地宣称：“人的脑子不过是肉做的电脑。”麦卡锡和明斯基不仅成功地模拟出视觉和听觉经验，后来的特里・谢伊诺斯基和杰弗里・辛顿也根据对认知科学和脑科学的最新进展，发明了一个“NETtalk”的程序，模拟了类似于人的“神经元”的网络，让该网络可以像人的大脑一样进行学习，并能够做出简单的思考。
然而，在这个阶段中，所谓的人工智能在更大程度上都是在模拟人的感觉和思维，让一种更像人的思维机器能够诞生。著名的图灵测试，也是在是否能够像人一样思考的标准上进行的。图灵测试的原理很简单，让测试一方和被测试一方彼此分开，只用简单的对话来让处在测试一方的人判断，被测试方是人还是机器，如果有30%的人无法判断对方是人还是机器时，则代表通过了图灵测试。所以，图灵测试的目的，仍然在检验人工智能是否更像人类。但是，问题在于，机器思维在作出自己的判断时，是否需要人的思维这个中介？也就是说，机器是否需要先绕一个弯路，即将自己的思维装扮得像一个人类，再去作出判断？显然，对于人工智能来说，答案是否定的，因为如果人工智能是用来解决某些实际问题，它们根本不需要让自己经过人类思维这个中介，再去思考和解决问题。人类的思维具有一定的定势和短板，强制性地模拟人类大脑思维的方式，并不是人工智能发展的良好选择。
二
所以，人工智能的发展走向了另一个方向，即智能增强（简称IA）上。如果模拟真实的人的大脑和思维的方向不再重要，那么，人工智能是否能发展出一种纯粹机器的学习和思维方式？倘若机器能够思维，是否能以机器本身的方式来进行。这就出现了机器学习的概念。机器学习的概念，实际上已经成为发展出属于机器本身的学习方式，通过海量的信息和数据收集，让机器从这些信息中提出自己的抽象观念，例如，在给机器浏览了上万张猫的图片之后，让机器从这些图片信息中自己提炼出关于猫的概念。这个时候，很难说机器自己抽象出来的猫的概念，与人类自己理解的猫的概念之间是否存在着差别。不过，最关键的是，一旦机器提炼出属于自己的概念和观念之后，这些抽象的概念和观念将会成为机器自身的思考方式的基础，这些机器自己抽象出来的概念就会形成一种不依赖于人的思考模式网络。当我们讨论打败李世石的阿尔法狗时，我们已经看到了这种机器式思维的凌厉之处，这种机器学习的思维已经让通常意义上的围棋定势丧失了威力，从而让习惯于人类思维的棋手瞬间崩溃。一个不再像人一样思维的机器，或许对于人类来说，会带来更大的恐慌。毕竟，模拟人类大脑和思维的人工智能，尚具有一定的可控性，但基于机器思维的人工智能，我们显然不能作出上述简单的结论，因为，根据与人工智能对弈之后的棋手来说，甚至在多次复盘之后，他们仍然无法理解像阿尔法狗这样的人工智能如何走出下一步棋。
不过，说智能增强技术是对人类的取代，似乎也言之尚早，至少第一个提出“智能增强”的工程师恩格尔巴特并不这么认为。对于恩格尔巴特来说，麦卡锡和明斯基的方向旨在建立机器和人类的同质性，这种同质性思维模式的建立，反而与人类处于一种竞争关系之中，这就像《西部世界》中那些总是将自己当成人类的机器人一样，他们谋求与人类平起平坐的关系。智能增强技术的目的则完全不是这样，它更关心的是人与智能机器之间的互补性，如何利用智能机器来弥补人类思维上的不足。比如自动驾驶技术就是一种典型的智能增强技术，自动驾驶技术的实现，不仅是在汽车上安装了自动驾驶的程序，更关键地还需要采集大量的地图地貌信息，还需要自动驾驶的程序能够在影像资料上判断一些移动的偶然性因素，如突然穿过马路的人。自动驾驶技术能够取代容易疲劳和分心的驾驶员，让人类从繁重的驾驶任务中解放出来。同样，在分拣快递、在汽车工厂里自动组装的机器人也属于智能增强类性质的智能，它们不关心如何更像人类，而是关心如何用自己的方式来解决问题。
三
这样，由于智能增强技术带来了两种平面，一方面是人类思维的平面，另一方面是机器的平面，所以，两个平面之间也需要一个接口技术。接口技术让人与智能机器的沟通成为可能。当接口技术的主要开创者费尔森斯丁来到伯克利大学时，距离恩格尔巴特在那里讨论智能增强技术已经有10年之久。费尔森斯丁用犹太神话中的一个形象――土傀儡――来形容今天的接口技术下人与智能机器的关系，与其说今天的人工智能在奇点临近时，旨在超越和取代人类，不如说今天的人工智能技术越来越倾向于以人类为中心的傀儡学，在这种观念的指引下，今天的人工智能的发展目标并不是产生一种独立的意识，而是如何形成与人类交流的接口技术。在这个意义上，我们可以从费尔森斯丁的傀儡学角度来重新理解人工智能与人的关系的伦理学，也就是说，人类与智能机器的关系，既不是纯粹的利用关系，因为人工智能已经不再是机器或软件，也不是对人的取代，成为人类的主人，而是一种共生性的伙伴关系。当苹果公司开发与人类交流的智能软件Siri时，乔布斯就提出Siri是人类与机器合作的一个最朴实、最优雅的模型。以后，我们或许会看到，当一些国家逐渐陷入老龄化社会之后，无论是一线的生产，还是对这些因衰老而无法行动的老人的照料，或许都会面对这样的人与智能机器的接口技术问题，这是一种人与人工智能之间的新伦理学，他们将构成一种跨人类主义，或许，我们在这种景象中看到的不一定是伦理的灾难，而是一种新的希望。
（作者：蓝江，系南京大学哲学系教授）
人工智能技术对环境污染的影响机制述评
[关键词]人工智能技术；环境污染；全球价值链分工；经济增长；绿色经济
一、引言
人工智能（ArtificialIntelligence，简称AI）技术诞生于20世纪50年代，被称为世界三大尖端技术之一，在第四次科技革命中处于核心地位，为人类社会创造了巨大的经济效益和社会效益。随着数字革命的兴起，德国、日本、中国、美国、欧盟、英国等国家和国际组织先后制定了相关战略和规划，高度重视人工智能的发展，并投入了大量研发资金来打造新一轮产业竞争优势。
目前，社会各界对人工智能的定义尚未达成普遍共识，不同领域的学者给出了不同的解释。传统的人工智能是指开发创造能够模仿、学习和替代人类智能的“思维机器”，驱使机器学习人类行为的思考方式，让机器做本需要人的智慧才能做到的事情[1][2][3]。芬莱森（Finlayson）（2010）则认为，人工智能作为一种战略技术，其核心内容是建立在数字化、信息化基础上的智能化转型[4]。然而随着理论研究和应用领域的扩大，人工智能已成为涉猎广泛的一门科学，其不仅要依靠计算机算法层面的支持，而且更强调思维能力和自主决策能力，即像人一样理性思考和行动的系统[5][6]。
综上可见，虽然目前学术界对人工智能的概念尚未达成共识，但通过总结文献可以发现一些共性：人工智能应能替代人类来完成具体劳动任务；人工智能应具有学习能力。
改革开放以来，在我国经济快速增长的同时，也产生了严重的环境污染问题，如何提升环境污染治理效率成为困扰地方党委政府的重大难题。人工智能作为一项新的前沿技术，为环境污染治理开辟了新的路径，给环境污染治理带来了新的技术革新。但是，人工智能技术影响环境污染的机制是什么？这是一项值得深入研究的课题。基于此，本文拟对人工智能技术如何影响环境污染的相关研究文献进行梳理，以期为理论界和决策部门提供有益的借鉴与依据。
二、人工智能技术影响环境污染治理的机制
（一）促进技术进步的直接效应
研究表明，人工智能技术作为技术进步的一种具体表现形式，是新一代信息技术的代表，是科学技术发展的一次重大革新[7][8][9]。因此，人工智能通过技术进步会对环境污染治理带来直接效应，即人工智能技术的发展促进污染治理技术的提升。人工智能技术的快速发展催生出了一系列新产品并不断延伸到环保领域，为环境治理带来了新的工具，从而有效降低环境污染（见图1），具体而言：
（图1）直接技术进步效应
其次，人工智能与大数据相结合可以扩大环境监测的时空范围。郎芯玉、张志勇（2019）、张旭等（2020）研究发现，人工智能与大数据的结合降低了水污染数据处理的复杂性和成本[11][12]，通过广泛安装环境污染传感器，增加监测的持续时间和频率，扩大了监测的覆盖面积。人工智能技术在自主检测设备中的应用，大大降低了收集环境信息的难度和成本，比如基于人工智能的无人驾驶飞行器、无人潜航器以及专用于监测空气污染物的街景车，可以对大气、水、土壤等污染信息进行长时间动态检测。
最后，人工智能技术可以为政府和非政府组织的环境预测、决策提供优化方案。即人工智能技术通过对各种环境数据进行定量分析，从而为环境治理主体（政府和非政府组织）提供决策依据。张伟、李国祥（2021）探讨了人工智能技术运用于环境数据分析、案例研究和数学建模，得出人工智能技术发展可以进行环境预测和辅助决策，从而为环境污染治理带来积极效应[13]。
从实践应用来看，当前已有不少政府和企业合作将人工智能用于环境污染治理领域的成功案例。例如2014年国际商业机器公司（IBM）借助人工智能，开发出一种可减缓北京严重空气污染的新方法，名为“绿色地平线”（GreenHorizon），通过综合多个不同模型的大量数据，该系统不仅可以提前预测北京不同地区空气污染的严重程度，还能给出如何将污染降低到最小的具体建议；微软在2017年推出“一切为了地球”（AllforEarth）计划，预计投入5000万美元用于人工智能的环境治理领域；阿里巴巴运用阿里云强大的计算能力，于2020年6月推出应对全球环境恶化的技术方案ET（EvolutionaryTechnology）环境大脑，实现对污染源的智能感知，并建立综合评估模型进行交叉分析，等等。这些现实案例充分证明了人工智能技术的发展会给环境污染治理带来积极效应。
（二）促进技术进步的间接效应
1.人工智能技术、经济增长与环境污染。传统的技术进步是通过带来新的经济增长点、扩大经济规模来影响环境污染治理。人工智能技术的发展同样会带来经济的高速发展、经济规模的扩大，从而对环境污染治理产生影响。
目前现有研究从理论和实证层面都证明人工智能会带来经济增长。以任务模型为代表的理论模型大多认为工业机器人、自动化与人工智能等新兴生产方式会促进经济增长，这一点也得到了相关实证分析的证实。例如，格雷茨（Graets）、迈克尔斯（Michaels）（2018）基于1993-2007年的行业面板数据的计量检验发现，人工智能等新兴生产方式使得经济增长速度提高了0.37%[14]。杨光、侯钰（2020）使用机器人国际联合会（IRF）发布的工业机器人数据证明机器人的使用确实对经济增长具有促进作用，特别是随着人口红利消失，效果将更加显著[9]。阿西莫格鲁（Acemoglu）、雷斯特雷波（Restrepo）（2017）、陈秋霖等（2018）研究发现，在经历快速老龄化的国家中，年轻和中年劳动力的稀缺可以促进机器人(和其他智能化生产)的充分采用，从而促进总产出的增加[15][16]。程承坪、陈志（2021）认为，人工智能技术可以直接和间接带来经济增长，直接增长效应表现为促进劳动生产率的提升和产业链的延长，间接增长效应表现为人力资本供给的增加、市场效率和政府治理效率的提高[17]。阿吉翁（Aghion）等（2017）将人工智能技术引入到商品和服务的生产函数中，得出人工智能技术会带来经济总的平衡增长。在知识的非竞争性导致收益递增的条件下，人工智能技术还可以产生某种形式的奇点，甚至可能带来经济在有限的时间内获得无限的收入[18]。林晨等（2020）从优化资本结构的角度探讨了人工智能技术对经济增长的影响机制，认为人工智能技术的发展可以降低住房和基建支出对居民消费的挤压，使资本更多流向实体经济，成为新的经济增长点[19]。
环境污染问题与经济增长速度有着非常密切的联系。就现有研究而言，经济增长对环境污染的影响大致可分为三个阶段。第一个阶段是1972年以美国学者梅多斯（Meadows）为代表的罗马俱乐部提出的“增长极限说”，该理论认为工业化必然造成对自然和生态环境的极度破坏，通过模拟计算预计2100年到来之前，工业化将达到最高点，但同时人类将面临严重的粮食缺乏、资源枯竭，人口也将停止增长，社会因此而崩溃。第二个阶段是1991年美国经济学家格罗斯曼（Grossman）和克鲁格（Krueger）提出的环境库兹涅茨曲线假说（EKC），认为经济增长与环境污染呈倒“U”型关系，即环境污染随着经济增长由上升到下降的变化趋势，这是最为主流接受的一种假说。该假说认为新技术诞生之后，随着经济高速发展、人均收入不断提高，从而带来污染排放的增多。但随着技术不断成熟，经济进一步增长，一方面，因生产者环保意识提升，主动减少生产过程中的污染物排放；另一方面，政府加大环境规制力度，倒逼生产者采用清洁生产技术，从而使环境污染得到有效控制。第三个阶段是对环境库兹涅茨曲线假说的质疑，部分研究结论证实经济增长与环境污染之间的关系不仅呈现出倒“U”型形态，而且呈现出“U”型、“N”型、单调上升型、单调下降型等形态，不同污染物的排放与经济增长之间的关系也呈现出差异性，这些都对环境库兹涅茨曲线假说提出了挑战[20][21][22]。
总之，学者们从理论和实证层面都已经证明了人工智能技术的发展会带来经济增长和经济规模的扩大，但人工智能通过经济增长对环境污染产生影响的方向尚不明确（见图2），是否符合环境库兹涅茨曲线假说的倒“U”型还需要进一步的实证检验。
（图2）间接技术进步效应
2.人工智能技术、全球价值链分工与环境污染治理。人工智能技术通过改变国际生产分工和贸易模式，提高一国在全球价值链体系中的分工地位，促进价值链升级，进而对一国的环境污染产生影响。一般来说，处于全球价值链高端的国家，主要从事产品研发、品牌销售运营等高技术、高附加值活动，资源消耗水平低，能源利用率高，污染物排放相对较少。相比之下，处于全球价值链低端的国家，则主要从事低附加值和高能耗的加工、装配和制造过程，容易带来大量污染物的排放。因此，全球价值链分工地位的提升将减少一国的环境污染。
人工智能技术如何影响全球价值链分工？在以人工智能技术为代表的新技术革命背景下，全球价值链中各国的地位和国际分工将面临深刻的调整。第一，从成本角度看，人工智能降低了贸易和生产成本，提高了生产效率，提升一国在全球价值链体系中的分工地位。吕越（2020）基于中国行业层面数据的实证研究发现，人工智能技术的采用会显著提升行业的全球价值链位置。究其原因在于人工智能技术的运用能减少低端生产环节的劳动使用量，进而降低了企业的生产成本，提高了企业的劳动生产率[23]。刘亮等（2020）的研究也得出了类似的结论[24]。第二，从创新角度看，人工智能通过技术创新深化了全球价值链分工。刘斌（2010）认为人工智能技术将一国的创新投入和创新产出发挥其引致效应，即引致创新投入（研发投入）和创新产出（专利申请数量）的增加，从而带来一国价值链分工地位的提升[3]。第三，从资源配置角度来看，刘斌（2010）指出人工智能技术的发展带来了劳动和资本两类核心生产要素的配置效率提升，进而促进一国企业全球价值链分工地位升级[3]。总之，无论是国家、行业还是微观企业层面，人工智能都能显著提升一国的全球价值链分工地位，促进一国全球价值链升级。
全球价值链分工地位和参与程度如何影响一国的环境污染治理？近年来，随着全球投入产出表的编制，全球价值链分工测算方法、指标也在不断改进，使得更多国内外学者们开始关注全球价值链分工对环境污染的影响问题。然而大部分文献均基于格罗斯曼（Grossman）和克鲁格（Kruege）的经典模型，将规模效应、结构效应以及技术效应作为控制变量或门槛变量，分析全球价值链分工对碳排放的影响机制。许统生和薛智韵（2011）、余娟娟（2017）、徐辉和苗菊英（2018）则认为全球价值链分工可通过结构、技术与规模效应影响企业污染的水平[25][26][27]。还有部分文献基于构建全球价值链分工位置和参与度指标，讨论其对环境污染的影响。
首先，通过构建全球价值链位置指标，大部分学者得出了全球价值链位置的提升能显著降低一国污染排放的说法，即一国全球价值链位置越高，越处于上游，污染排放越少。陶长琪、徐志琴（2019）分别从行业和国家层面实证分析全球价值链嵌入位置对贸易隐含碳排放的作用，发现全球价值链位置的提升能有效减少碳排放[28]。曲晨耀等（2020）基于2000-2014年17个制造业的面板数据，探讨了全球价值链位置对中国制造业经济绿色转型的影响，研究发现，提高全球价值链位置能够快速推动中国制造业的经济绿色转型[29]。孙传旺（2019）基于2000-2011年全球60个国家的面板数据的实证研究认为，一国的全球价值链位置与其碳效率（carbonefficiency，是对生产主体产生碳足迹效率的一种量化测度方法）存在显著的正相关关系。全球价值链位置与其碳效率的正相关关系在经济发展较为落后的发展中国家尤为显著，这意味着在发展中国家提高全球价值链位置可以更大程度地减少碳排放，减少环境污染[30]。王腊芳等人（2020）计算了中国制造业全球价值链活动的总平均生产长度并检验了全球价值链生产长度对能源强度的影响，其研究结果发现全球价值链总平均生产长度显著影响能源消耗强度，并呈现倒“U”型非线性关系[31]，这在一定程度上表明一国全球价值链位置对污染排放的影响呈先升后降的趋势。
其次，大部分学者的研究表明全球价值链参与度与环境污染呈非线性关系，即全球价值链参与度对环境污染存在门槛效应。具体而言，王静（2019）基于1995-2011年期间62个国家和地区的面板数据，估算了一国全球价值链参与度对二氧化碳排放的影响，研究发现，全球价值链的参与度与人均二氧化碳排放量之间呈现倒“U”型关系[32]。曲晨耀等（2020）通过阈值回归发现，当参与度超过一定阈值时，全球价值链参与度对绿色经济转型的影响由抑制变为促进[29]。王玉燕等（2015）研究发现，全球价值链参与度通过“链中学效应”促进污染减排，但某些行业可能存在“俘获锁定效应”，即被锁定在附加值低且污染高的生产环节，这些行业的全球价值链参与度与污染排放之间可能表现为“U”型关系[33]。杨飞等（2017）的实证研究发现，中国全球价值链参与度对污染排放的影响存在门槛效应[34]。也有研究认为，全球价值链参与度与一国的环境污染存在线性关系，即全球价值链参与度对环境污染有负向影响。赵国梅等（2020）基于2000-2014年42个国家的数据，研究得出，全球价值链参与度与碳排放强度之间存在负向关系，特别地，与发达国家相比，发展中国家的全球价值链参与对隐含碳排放强度的负向影响更大[35]。总之，关于全球价值链分工对环境污染的影响，由于学者们对全球价值链分工指标选取方法的不同，即部分学者采用全球价值链位置指标，部分学者采用全球价值链参与度指标来衡量全球价值链分工程度，因而得出了不同的结论。
综合以上研究，本文提出人工智能技术发展可以通过提升一国全球价值链分工地位，从而降低污染排放的论断，其机理在于：一国处于全球价值链高端的行业多为知识技术密集型产业，技术含量高，污染程度低，而处于全球价值链低端的行业多为能源和资本密集型行业，污染相对较高。人工智能技术的发展及其在工业生产中的运用，将使得一国更多的从事知识技术密集型行业的生产与分工，显著提升一国的全球价值链分工地位，降低污染物排放（见图2）。
三、未来研究方向与研究趋势展望
人工智能技术正在催生第四次工业革命，是第四次工业革命的新引擎，也引发了该命题的学术研究热潮，使得越来越多的学者关注人工智能与技术进步、经济增长、劳动力就业、全球价值链等的关系。人工智能技术目前已广泛应用于环境治理的各个层面，并将给环境污染治理带来变革。但实际上目前关于人工智能技术如何影响环境污染的相关研究尚不多，特别是关于传导机制的研究仍处于空白，只有少量的定性研究指出人工智能技术能够显著改善环境污染，提高环境治理能力。本文通过梳理人工智能技术与经济增长、全球价值链分工、环境污染等相关文献，得出人工智能技术作为新一代信息技术的代表会对环境污染产生直接和间接影响的结论。直接技术进步效应表现在人工智能技术发展催生出的一系列新技术和新产品可用于环境污染治理领域，减少一国的环境污染。间接技术进步效应一是表现为人工智能技术的发展会扩大经济规模，促进经济增长，从而对环境污染产生影响，但影响方向不明确，是否存在倒“U”型关系需进一步检验；二是表现为人工智能技术会提升一国的全球价值链分工地位，促进全球价值链升级，从而降低一国的环境污染。
目前直接研究人工智能对环境污染影响机制、指标构建、数据获取等方面尚存在如下不足，这些也是人工智能技术影响环境污染的进一步研究方向：
一是人工智能技术对环境污染的影响路径、机制复杂，难以用实证模型加以验证。人工智能技术对环境污染的影响既存在直接影响又存在间接影响，同时，在封闭经济环境和开放环境下的影响机制也不一样。人工智能技术直接运用于环境治理，能有效减少环境污染，但同时随着人工智能技术的发展、工业机器人的大量使用，生产力大幅度提高，生产规模扩大，也有可能加剧环境污染，或者存在非线性关系。在开放经济条件下，人工智能技术发展能显著提高一国全球价值链地位，从而减少该国的环境污染，但这一正向效应存在国家和行业异质性，即对于处于不同发展阶段的国家和不同污染和技术密集度的行业的影响效应是不同的。总之，如何将人工智能技术引入环境污染模型仍需进一步探索。
中国对人工智能应用于环境污染的相关研究还较为有限。中国作为最大的发展中国家，以往靠牺牲环境来获取发展速度的经济增长模式带来了巨大的污染治理压力，经济绿色转型发展迫在眉睫。人工智能技术在中国工业生产中的应用将对环境污染带来哪些效应？显然值得进一步深入探讨。
[参考文献]
[1]Minsky,M.1961,“StepsTowardArtificialIntelligent”，ProceedingsoftheIRE,Vo1.49(1).
[2]Min,H.2010,“ArtificialIntelligentinSupplyChainManagement:TheoryandApplications”,internationalJournalofLogistics:ResearchandApplications,Vo1.13(1).
[3]刘斌,潘彤.人工智能对制造业价值链分工的影响效应研究[J].数量经济技术经济研究,2020,(10).
[4]FinlaysonM.A.RichardsW,WinstonP.H.Computationalmodelsofnarrative:Reviewofaworkshop[J].AIMagazine,2010,(2).
[5]Cerka,P.Grigiene,J.andSirbikyte,G.，2015,“LiabilityforDamagesCausedbyArtificialIntelligence”，ComputerLaw&SecurityReview,Vo1.31(3).
[6]Li,D.andY.Du,2017,ArtificialIntelligencewithUncertainty,BocaRaton:CRCpress.
[7]Kromann,L.,J.R.Skaksen,andA.Sorensen.Automation,LaborProductivityandEmployment:ACrossCountryComparison[R].CEBR,CopenhagenBusinessSchool,2011.
[8]Brynjolfsson,E.andL.M.Hitt.Computingproductivity:Firm-levelEvidence[J].ReviewofEconomicsandStatistics,2003,85(4).
[9]杨光,侯钰.工业机器人的使用、技术升级与经济增长[J].中国工业经济,2020,(10).
[10]张文博.环境治理中的人工智能[J].国外社会科学前沿,2019,(10).
[11]郎芯玉,张志勇.浅谈人工智能在水质监测领域的应用[J].计算机产品与流通,2019,(12).
[12]王旭,王钊越,潘艺蓉,罗雨莉,刘俊新,杨敏.人工智能在21世纪水与环境领域应用的问题及对策[J].中国科学院院刊,2020,(9).
[13]张伟,李国祥.环境分权体制下人工智能对环境污染治理的影响[J].陕西师范大学学报(哲学社会科学版),2021,(3).
[14]Graetz,G.andG.Michaels.RobotsatWork:TheImpactonProductivityandJobs[J].ReviewofEconomicsandStatistics,2018,(5).
[15]AcemogluD，RestrepoP.Secularstagnation?Theeffectofagingoneconomicgrowthintheageofautomation[J].AmericanEconomicReview,2017,(5).
[16]陈秋霖,许多,周羿.人口老龄化背景下人工智能的劳动力替代效应：基于跨国面板数据和中国省级面板数据的分析[J].中国人口科学,2018,(6).
[17]程承坪,陈志.人工智能促进中国经济增长的机理——基于理论与实证研究[J].经济问题,2021,(10).
[18]AghionP，JonesB，JonesC.Artificialintelligenceandeconomicgrowth[R].NBERWorkingPaper，2017.
[19]林晨,陈小亮,陈伟泽,等.人工智能、经济增长与居民消费改善：资本结构优化的视角[J].中国工业经济,2020,(2).
[20]OnafoworaOA,OwoyeO.BoundstestingapproachtoanalysisoftheenvironmentKuznetscurvehypothesis[J].EnergyEconomics,2014,(44).
[21]AllardA,TakmanJ,UddinGS,etal.TheN-shapedenvironmentalKuznetscurve:anempiricalevaluationusingapanelquantileregressionapproach[J].EnvironmentalScienceandPollutionResearch,2018,25(6).
[22]LiuK,LinB.ResearchoninfluencingfactorsofenvironmentalpollutioninChina:Aspatialeconometricanalysis[J].JournalofCleanerProduction,2019,206(1).
[23]吕越,谷玮,包群.人工智能与中国企业参与全球价值链分工[J].中国工业经济,2020,(5).
[25]许统生,薛智韵.制造业出口碳排放:总量、结构、要素分解[J].财贸研究,2011,(3).
[26]余娟娟.全球价值链嵌入影响了企业排污强度吗——基于PSM匹配及倍差法的微观分析[J].国际贸易问题,2017,(12).
[27]徐辉,苗菊英.我国制造业承接外包的环境效应[J].环境经济研究,2018,(2).
[28]陶长琪,徐志琴.融入全球价值链有利于实现贸易隐含碳减排吗?[J].数量经济研究,2019,(1).
[29]ChenyaoQu,JunShao,ZhonghuaCheng,CanembeddinginglobalvaluechaindrivegreengrowthinChina’smanufacturingindustry?[J].JournalofCleanerProduction,2020(268).
[30]ChuanwangSun,ZhiLi,TiemengMa,RunyongHe,Carbonefficiencyandinternationalspecializationposition:Evidencefromglobalvaluechainpositionindexofmanufacture[J].EnergyPolicy,2019(128).
[31]LafangWang,YoufuYue,RuiXie,ShaojianWang,HowglobalvaluechainparticipationaffectsChina’senergyintensity[J].JournalofEnvironmentalManagement,2020(260).
[32]JingWang,GuanghuaWan,ChenWang,ParticipationinGVCsandCO2emissions[J].EnergyEconomics,2019(84)1.
[33]王玉燕,王建秀,阎俊爱.全球价值链嵌入的节能减排双重效应——来自中国工业面板数据的经验研究[J].中国软科学,2015,(8).
[34]杨飞,孙文远,张松林.全球价值链嵌入、技术进步与污染排放——基于中国分行业数据的实证研究[J].世界经济研究,2017,(2).
[35]GuomeiZhao,CenjieLiu.Carbonemissionintensityembodiedintradeanditsdrivingfactorsfromtheperspectiveofglobalvaluechain[J].EnvironmentalScienceandPollutionResearch,2020,27(25).
[参考文献]
[1]Minsky,M.1961,“StepsTowardArtificialIntelligent”，ProceedingsoftheIRE,Vo1.49(1).
[2]Min,H.2010,“ArtificialIntelligentinSupplyChainManagement:TheoryandApplications”,internationalJournalofLogistics:ResearchandApplications,Vo1.13(1).
[3]刘斌,潘彤.人工智能对制造业价值链分工的影响效应研究[J].数量经济技术经济研究,2020,(10).
[4]FinlaysonM.A.RichardsW,WinstonP.H.Computationalmodelsofnarrative:Reviewofaworkshop[J].AIMagazine,2010,(2).
[5]Cerka,P.Grigiene,J.andSirbikyte,G.，2015,“LiabilityforDamagesCausedbyArtificialIntelligence”，ComputerLaw&SecurityReview,Vo1.31(3).
[6]Li,D.andY.Du,2017,ArtificialIntelligencewithUncertainty,BocaRaton:CRCpress.
[7]Kromann,L.,J.R.Skaksen,andA.Sorensen.Automation,LaborProductivityandEmployment:ACrossCountryComparison[R].CEBR,CopenhagenBusinessSchool,2011.
[8]Brynjolfsson,E.andL.M.Hitt.Computingproductivity:Firm-levelEvidence[J].ReviewofEconomicsandStatistics,2003,85(4).
[9]杨光,侯钰.工业机器人的使用、技术升级与经济增长[J].中国工业经济,2020,(10).
[10]张文博.环境治理中的人工智能[J].国外社会科学前沿,2019,(10).
[11]郎芯玉,张志勇.浅谈人工智能在水质监测领域的应用[J].计算机产品与流通,2019,(12).
[12]王旭,王钊越,潘艺蓉,罗雨莉,刘俊新,杨敏.人工智能在21世纪水与环境领域应用的问题及对策[J].中国科学院院刊,2020,(9).
[13]张伟,李国祥.环境分权体制下人工智能对环境污染治理的影响[J].陕西师范大学学报(哲学社会科学版),2021,(3).
[14]Graetz,G.andG.Michaels.RobotsatWork:TheImpactonProductivityandJobs[J].ReviewofEconomicsandStatistics,2018,(5).
[15]AcemogluD，RestrepoP.Secularstagnation?Theeffectofagingoneconomicgrowthintheageofautomation[J].AmericanEconomicReview,2017,(5).
[16]陈秋霖,许多,周羿.人口老龄化背景下人工智能的劳动力替代效应：基于跨国面板数据和中国省级面板数据的分析[J].中国人口科学,2018,(6).
[17]程承坪,陈志.人工智能促进中国经济增长的机理——基于理论与实证研究[J].经济问题,2021,(10).
[18]AghionP，JonesB，JonesC.Artificialintelligenceandeconomicgrowth[R].NBERWorkingPaper，2017.
[19]林晨,陈小亮,陈伟泽,等.人工智能、经济增长与居民消费改善：资本结构优化的视角[J].中国工业经济,2020,(2).
[20]OnafoworaOA,OwoyeO.BoundstestingapproachtoanalysisoftheenvironmentKuznetscurvehypothesis[J].EnergyEconomics,2014,(44).
[21]AllardA,TakmanJ,UddinGS,etal.TheN-shapedenvironmentalKuznetscurve:anempiricalevaluationusingapanelquantileregressionapproach[J].EnvironmentalScienceandPollutionResearch,2018,25(6).
[22]LiuK,LinB.ResearchoninfluencingfactorsofenvironmentalpollutioninChina:Aspatialeconometricanalysis[J].JournalofCleanerProduction,2019,206(1).
[23]吕越,谷玮,包群.人工智能与中国企业参与全球价值链分工[J].中国工业经济,2020,(5).
[25]许统生,薛智韵.制造业出口碳排放:总量、结构、要素分解[J].财贸研究,2011,(3).
[26]余娟娟.全球价值链嵌入影响了企业排污强度吗——基于PSM匹配及倍差法的微观分析[J].国际贸易问题,2017,(12).
[27]徐辉,苗菊英.我国制造业承接外包的环境效应[J].环境经济研究,2018,(2).
[28]陶长琪,徐志琴.融入全球价值链有利于实现贸易隐含碳减排吗?[J].数量经济研究,2019,(1).
[29]ChenyaoQu,JunShao,ZhonghuaCheng,CanembeddinginglobalvaluechaindrivegreengrowthinChina’smanufacturingindustry?[J].JournalofCleanerProduction,2020(268).
[30]ChuanwangSun,ZhiLi,TiemengMa,RunyongHe,Carbonefficiencyandinternationalspecializationposition:Evidencefromglobalvaluechainpositionindexofmanufacture[J].EnergyPolicy,2019(128).
[31]LafangWang,YoufuYue,RuiXie,ShaojianWang,HowglobalvaluechainparticipationaffectsChina’senergyintensity[J].JournalofEnvironmentalManagement,2020(260).
[32]JingWang,GuanghuaWan,ChenWang,ParticipationinGVCsandCO2emissions[J].EnergyEconomics,2019(84)1.
[33]王玉燕,王建秀,阎俊爱.全球价值链嵌入的节能减排双重效应——来自中国工业面板数据的经验研究[J].中国软科学,2015,(8).
[34]杨飞,孙文远,张松林.全球价值链嵌入、技术进步与污染排放——基于中国分行业数据的实证研究[J].世界经济研究,2017,(2).
[35]GuomeiZhao,CenjieLiu.Carbonemissionintensityembodiedintradeanditsdrivingfactorsfromtheperspectiveofglobalvaluechain[J].EnvironmentalScienceandPollutionResearch,2020,27(25).
原文引用：喻春娇,李奥.人工智能技术对环境污染的影响机制述评,2022,（01）：50-57
来源：《决策与信息》2022年第01期
作者：喻春娇（1971-），女，湖北京山人，湖北大学商学院教授，博士生导师，经济学博士，湖北开放经济研究中心副主任，主要从事国际贸易理论与政策、国际生产网络研究；李奥（1997-），女，湖北宜昌人，湖北大学商学院硕士研究生。
责编：李利林、编辑：邓汝濛返回搜狐，查看更多
人工智能的利与弊
1、商业价值很高
一般认为，人工智能有三大商用方向：一是信息聚合；二是评估用户情绪反应；三是与用户建立关系，可以通过这三点建立与用户之间的社交纽带，让他们经常回访。怎么做？给用户反馈。第一步就是要收集用户数据，利用人工智能更好地了解用户，基于大数据的分析，为用户创造优质的、长期的个性化体验。企业就能够相应的赚取更多的商业价值；
2、带来更多新的工作机遇
就像曾经脱离了传统农业、传统手工业的大量劳动力，在现代工业生产和城市服务业中找到新的就业机会那样，人工智能的进步也将如此——由当前数据密集型机器学习、通过机器学习与人工智能会话的系统而延伸出的很多领域，将会在未来带来很多工作机遇；
3、人工智能让人类生活更美好
比如说，人工智能的医疗应用惠及大众。我们医生或许难以保持最新治疗方案和方法，也无法了解所有医学例案。人工智能可以在短时间内分析大量数据，精确判断病症，并找到最佳的治疗方案，为人们提供最好的治疗；
二、人工智能带给我们的弊端
1、大规模的失业
人工智能的发展，导致很多人失业。据人力资源和社会保障部2016年新闻发布会介绍，2016年末中国失业率达4.05%，机器人不会犯错，不会累，不需要休息，不需要工资。这完全可以代替很多职业，例如工人，司机等等不需要思想的工作。如此便会导致大批大批的人失业，大批大批的人整日无所事事；
2、对人类的一次大淘汰
人工智能时代的到来可能是对人类的一次大淘汰。机器人对人类的大淘汰，如果处理不好有可能引发核大战，那将是人类的灾难，人类可能因此而灭亡；
3、人才争夺战导致垄断、贫富分化加剧
人工智能时代的到来，必将引发空前的人才争夺战。谁拥有的各类一流人才数量多质量高，谁就能赢得最后胜利。同时这会导致巨头的垄断、贫富分化加剧；
对待人工智能，我们应该以客观的角度去看待它，扬长避短，充分利用人工智能的优点。希望我的理解能够帮助你们更进一步了解人工智能。