《Sustainability》:The Dual Role of Artificial Intelligence in Sustainability Governance: Time–Frequency Evidence from Climate Response and Infectious Disease Attention in China
编辑推荐:
人工智能(AI)越来越被视为可持续治理的关键工具,但其在不同风险领域的作用可能不同。AI并非仅作为预期性工具发挥作用,还可能在风险冲击的驱动下被动地发展。本研究利用2013年1月至2023年12月的中国月度数据,通过分析AI与气候相关政府响应及传染病相关市场关
人工智能(AI)越来越被视为可持续治理的关键工具,但其在不同风险领域的作用可能不同。AI并非仅作为预期性工具发挥作用,还可能在风险冲击的驱动下被动地发展。本研究利用2013年1月至2023年12月的中国月度数据,通过分析AI与气候相关政府响应及传染病相关市场关注之间的时间–频率关系,考察AI在可持续治理中的双重角色。研究人员采用连续小波变换和偏小波相干性方法,并以世界不确定性指数作为控制变量。结果显示,AI行业的发展与两类风险相关信号均呈正相关,但领先–滞后模式存在显著差异。在气候响应领域,该关系从2015–2016年的风险信号领先转变为2020年之后短期频带中的AI行业领先,表明AI相关能力可能已日益嵌入预期性气候治理中。相比之下,传染病相关关注主要领先于AI行业变动,尤其在2017–2018年及COVID-19期间,表明AI在公共卫生风险情境中扮演了更具反应性的角色。这些发现并非提供AI直接降低物理气候风险或流行病学负担的因果证据,而是揭示了AI既作为对可持续性相关风险冲击的响应,又作为前瞻性治理能力的潜在贡献者的双重角色。本研究通过阐明AI从被动危机响应转向预期性风险准备的条件和边界,为AI与可持续治理研究做出了贡献。
**论文解读:人工智能在可持续治理中的双重角色**
**研究背景与问题**
21世纪以来,可持续治理面临日益复杂且相互关联的风险,包括气候灾害、公共卫生紧急事件、经济不确定性及技术冲击。传统以事后响应为主的治理模式难以应对这些复合风险,因此如何使治理系统在风险全面显现之前进行检测、解释和准备,成为可持续发展的关键挑战。气候相关治理响应和传染病相关市场关注是两类核心的可持续性风险信号领域:前者依托连续的气象和环境数据,更适合预测与预警;后者涉及病原体变异、人口流动、医疗能力及行为响应,预期性治理更为困难。人工智能(AI)被广泛视为可持续治理的潜在工具,但现有研究存在三个缺口:多数研究集中于单一风险领域,忽视AI在不同风险中的异质性作用;AI常从静态视角评估,而未考虑治理的时间尺度差异;很少区分AI在风险冲击后是被动响应还是主动预期。因此,本研究提出三个问题:AI行业的发展相对于可持续性风险信号是反应性、适应性还是预期性力量?气候政府响应与传染病市场关注与AI行业发展的关系在时间–频率上是否存在差异?这些差异揭示了AI支持预期性治理的条件和边界是什么?
**研究概述与结论**
本研究采用连续小波变换(CWT)和偏小波相干性(PWC)分析,以世界不确定性指数(WUI)为控制变量,考察2013年1月至2023年12月中国AI行业发展(CSI人工智能指数)与两类风险信号(气候政府响应指数和传染病市场关注指数)之间的动态共动和相位领先–滞后关系。结果表明,AI行业发展与两类风险信号均呈正相关,但时间模式截然不同。在气候响应领域,关系从2015–2016年的反应性模式(CGR领先AI)转变为2020年后的AI领先模式(短期频带),表明AI相关能力可能逐渐嵌入预期性气候治理。在传染病关注领域,IDA始终领先于AI行业发展(尤其在2017–2018年和COVID-19期间),表明AI在公共卫生风险中扮演更被动的角色。这些发现并非提供因果证据,而是揭示了AI的双重角色——既作为风险冲击的响应,又作为前瞻性治理能力的潜在组成部分。论文发表在《Sustainability》。
**关键技术方法**
本研究主要采用连续小波变换(CWT)和偏小波相干性(PWC)分析。使用复Morlet母小波,通过500次蒙特卡洛模拟评估5%显著性水平。将频率带分为短期(1–2年)、中期(2–4年)和长期(4–8年)三类。以世界不确定性指数(WUI)作为控制变量,以降低全球不确定性冲击的干扰。数据来源:CSI人工智能指数(930713)反映中国AI行业资本市场表现;气候政府响应指数(CGR)来自ISETS数据库,基于官方领导留言板222,923条记录,涵盖九类气候事件;传染病市场关注指数(IDA)基于Baker等人(2016)的新闻指数方法,追踪股票市场对传染病爆发的话语关注。样本为2013年1月至2023年12月的中国月度数据,共132个观测值。
**研究结果**
**5.1 AI行业发展与气候政府响应**
图1展示了AI与CGR之间的偏小波相干性及相位差。结果显示,两者在多个时期存在显著正相关,但相位关系随时间与频率变化。2015–2016年,显著相干性主要出现在中期频带(2–4年),相位差集中在(-π/2, 0)区间,表明CGR正向领先于AI,即气候政府响应强度增加后AI行业随之变动,呈现反应性关系。2020年后,短期频带(1–2年)的相位差转为(0, π/2),表明AI正向领先于CGR,尤其在2020–2021年和2022–2023年期间。这一转变与AI在气象预报、空气质量预测、灾害预警、碳监测及能源系统优化等领域应用的扩展一致,提示AI相关能力可能逐渐嵌入预期性气候治理。但需注意,这并非直接物理气候风险降低的因果证据,仅表明AI领先于响应信号。
**5.2 AI行业发展与传染病市场关注**
图2展示了AI与IDA的偏小波相干性及相位差。显著相干性主要出现在2017–2018年的中期频带(2–4年)和2020–2021年的短期频带(1–2年),相位差集中在(-π/2, 0)区间,表明IDA正向领先于AI,即传染病市场关注升高后AI行业随之变动。在COVID-19期间,这一反应性模式尤为突出。未发现任何稳健时期内AI显著领先于IDA。这表明AI在传染病领域主要扮演反应性角色,这可能与公共卫生风险的高度不确定性、机构协调复杂性及行为流行病学动态有关。
**5.3 相位领先–滞后模式总结**
表2归纳了主要相位模式。气候响应领域:2015–2016年CGR领先AI(反应性),2020年后AI领先CGR(预期性)。传染病关注领域:2017–2018年及2020–2021年IDA领先AI(反应性)。这一对比支持AI在可持续治理中的双重角色,并强调其异质性依赖于风险领域特征。
**讨论与结论**
讨论部分指出,AI与风险治理的关系并非单向。气候领域依赖连续数据流(气象、卫星、排放监测),AI更易嵌入预测预警系统;传染病领域则涉及更多不确定性(病原体突变、人口流动、医疗能力、公众行为),使AI更常在风险关注升高后出现。政策含义包括:政府应加强AI在气候监测与预警中的制度整合,但避免公共卫生治理中的技术解决主义;应引导风险驱动的AI创新朝向可持续导向。研究局限包括:所用指标为代理变量,非直接物理风险或AI部署衡量;小波分析不建立因果;样本仅132个月,长期频带探索性;仅控制WUI,未涵盖国内政策等混杂因素;聚焦中国,结论可能不适用于其他制度环境。
结论部分翻译:本研究通过分析2013年至2023年中国AI行业发展、气候政府响应与传染病市场关注之间的时间–频率关系,考察了人工智能在可持续治理中的双重角色。采用连续小波变换和偏小波相干性分析,在控制世界不确定性指数后,识别出局部共动和相位领先–滞后模式。结果显示,AI行业发展与两类风险信号均呈正相关,但时间模式在不同领域存在差异。在气候响应领域,AI行业发展从2015–2016年的反应性模式转变为2020年后的AI领先模式,表明AI相关能力可能已日益与预期性气候治理连接。在传染病关注领域,传染病市场关注在主要显著区域始终领先于AI行业发展,尤其在2017–2018年和COVID-19期间,表明AI在公共卫生风险情境中扮演了更被动的角色。这些发现为AI与可持续治理文献做出贡献,表明AI并非在所有风险领域发挥统一作用;AI既可作为风险关注升高的响应,也可作为前瞻性治理能力的潜在组成部分。研究还强调了在评估AI作用时区分物理风险、治理响应、市场关注和技术发展的重要性。同时,结果应谨慎解释:所用指标为代理变量,小波方法识别的是时间–频率关联而非结构性因果。因此,结果不证明AI直接降低物理气候风险或流行病学负担。未来研究应开发更直接的AI部署与风险结果指标,结合小波分析与因果识别策略,并扩展到跨国情境。尽管存在局限,本研究提供了证据表明AI在可持续治理中的作用是有条件的、异质的,并受特定风险领域特征塑造。