亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        人工智能技術(shù)對(duì)環(huán)境污染的影響機(jī)制述評(píng)

        2022-01-26 08:56:58喻春嬌李?yuàn)W
        決策與信息 2022年1期
        關(guān)鍵詞:綠色經(jīng)濟(jì)人工智能技術(shù)經(jīng)濟(jì)增長

        喻春嬌 李?yuàn)W

        [摘? ? 要] 人工智能技術(shù)作為新一輪工業(yè)革命的核心技術(shù),目前已經(jīng)逐漸應(yīng)用于環(huán)境治理領(lǐng)域并產(chǎn)生了正向效應(yīng)。具體而言,人工智能技術(shù)通過直接和間接兩種方式對(duì)環(huán)境污染治理產(chǎn)生影響。直接技術(shù)進(jìn)步效應(yīng)表現(xiàn)在人工智能催生出的一系列新技術(shù)、新產(chǎn)品、新模式用于環(huán)境污染治理領(lǐng)域,減少環(huán)境污染。間接技術(shù)進(jìn)步效應(yīng)一是表現(xiàn)在人工智能技術(shù)的發(fā)展會(huì)擴(kuò)大經(jīng)濟(jì)規(guī)模,促進(jìn)經(jīng)濟(jì)增長,從而對(duì)環(huán)境污染產(chǎn)生影響,但影響方向不確定;二是表現(xiàn)在人工智能技術(shù)會(huì)提升一國在全球價(jià)值鏈中的分工地位,促進(jìn)全球價(jià)值鏈升級(jí),從而降低一國的環(huán)境污染。目前直接研究人工智能對(duì)環(huán)境污染影響機(jī)制、指標(biāo)構(gòu)建、數(shù)據(jù)獲取等方面存在不足,這也是人工智能影響環(huán)境污染的進(jìn)一步研究方向。

        [關(guān)鍵詞] 人工智能技術(shù); 環(huán)境污染; 全球價(jià)值鏈分工;經(jīng)濟(jì)增長;綠色經(jīng)濟(jì)

        [中圖分類號(hào)] X321? [文獻(xiàn)標(biāo)識(shí)碼] A? [文章編號(hào)] 1002-8129(2022)01-0050-08

        一、引言

        人工智能(Artificial Intelligence,簡稱AI)技術(shù)誕生于20世紀(jì)50年代①,被稱為世界三大尖端技術(shù)之一,在第四次科技革命中處于核心地位,為人類社會(huì)創(chuàng)造了巨大的經(jīng)濟(jì)效益和社會(huì)效益。隨著數(shù)字革命的興起,德國、日本、中國、美國、歐盟、英國等國家和國際組織先后制定了相關(guān)戰(zhàn)略和規(guī)劃,高度重視人工智能的發(fā)展,并投入了大量研發(fā)資金來打造新一輪產(chǎn)業(yè)競爭優(yōu)勢。

        目前,社會(huì)各界對(duì)人工智能的定義尚未達(dá)成普遍共識(shí),不同領(lǐng)域的學(xué)者給出了不同的解釋。傳統(tǒng)的人工智能是指開發(fā)創(chuàng)造能夠模仿、學(xué)習(xí)和替代人類智能的“思維機(jī)器”,驅(qū)使機(jī)器學(xué)習(xí)人類行為的思考方式,讓機(jī)器做本需要人的智慧才能做到的事情[1][2][3]。芬萊森(Finlayson)(2010)則認(rèn)為,人工智能作為一種戰(zhàn)略技術(shù),其核心內(nèi)容是建立在數(shù)字化、信息化基礎(chǔ)上的智能化轉(zhuǎn)型[4]。然而隨著理論研究和應(yīng)用領(lǐng)域的擴(kuò)大,人工智能已成為涉獵廣泛的一門科學(xué),其不僅要依靠計(jì)算機(jī)算法層面的支持,而且更強(qiáng)調(diào)思維能力和自主決策能力,即像人一樣理性思考和行動(dòng)的系統(tǒng)[5][6]。

        綜上可見,雖然目前學(xué)術(shù)界對(duì)人工智能的概念尚未達(dá)成共識(shí),但通過總結(jié)文獻(xiàn)可以發(fā)現(xiàn)一些共性:人工智能應(yīng)能替代人類來完成具體勞動(dòng)任務(wù);人工智能應(yīng)具有學(xué)習(xí)能力。

        改革開放以來,在我國經(jīng)濟(jì)快速增長的同時(shí),也產(chǎn)生了嚴(yán)重的環(huán)境污染問題,如何提升環(huán)境污染治理效率成為困擾地方黨委政府的重大難題。人工智能作為一項(xiàng)新的前沿技術(shù),為環(huán)境污染治理開辟了新的路徑,給環(huán)境污染治理帶來了新的技術(shù)革新。但是,人工智能技術(shù)影響環(huán)境污染的機(jī)制是什么?這是一項(xiàng)值得深入研究的課題?;诖?,本文擬對(duì)人工智能技術(shù)如何影響環(huán)境污染的相關(guān)研究文獻(xiàn)進(jìn)行梳理,以期為理論界和決策部門提供有益的借鑒與依據(jù)。

        二、人工智能技術(shù)影響環(huán)境污染治理的機(jī)制

        (一)促進(jìn)技術(shù)進(jìn)步的直接效應(yīng)

        研究表明,人工智能技術(shù)作為技術(shù)進(jìn)步的一種具體表現(xiàn)形式,是新一代信息技術(shù)的代表,是科學(xué)技術(shù)發(fā)展的一次重大革新[7][8][9]。因此,人工智能通過技術(shù)進(jìn)步會(huì)對(duì)環(huán)境污染治理帶來直接效應(yīng),即人工智能技術(shù)的發(fā)展促進(jìn)污染治理技術(shù)的提升。人工智能技術(shù)的快速發(fā)展催生出了一系列新產(chǎn)品并不斷延伸到環(huán)保領(lǐng)域,為環(huán)境治理帶來了新的工具,從而有效降低環(huán)境污染(見圖1),具體而言:

        首先,人工智能技術(shù)增加了環(huán)境信息的獲取途徑。人工智能圖像、聲音識(shí)別處理技術(shù)具有較廣泛的搜索和分析能力,極大提高了人類對(duì)環(huán)境狀況的感知和觀察能力。張文博(2019)研究發(fā)現(xiàn),可以通過技術(shù)識(shí)別聲音、控制噪聲源來進(jìn)行相關(guān)環(huán)境分析,可通過光譜分析監(jiān)測大氣污染信息,還可以通過圖像識(shí)別來實(shí)現(xiàn)生物多樣性普查[10]。

        其次,人工智能與大數(shù)據(jù)相結(jié)合可以擴(kuò)大環(huán)境監(jiān)測的時(shí)空范圍。郎芯玉、張志勇(2019)、張旭等(2020)研究發(fā)現(xiàn),人工智能與大數(shù)據(jù)的結(jié)合降低了水污染數(shù)據(jù)處理的復(fù)雜性和成本[11][12],通過廣泛安裝環(huán)境污染傳感器,增加監(jiān)測的持續(xù)時(shí)間和頻率,擴(kuò)大了監(jiān)測的覆蓋面積。人工智能技術(shù)在自主檢測設(shè)備中的應(yīng)用,大大降低了收集環(huán)境信息的難度和成本,比如基于人工智能的無人駕駛飛行器、無人潛航器以及專用于監(jiān)測空氣污染物的街景車,可以對(duì)大氣、水、土壤等污染信息進(jìn)行長時(shí)間動(dòng)態(tài)檢測。

        最后,人工智能技術(shù)可以為政府和非政府組織的環(huán)境預(yù)測、決策提供優(yōu)化方案。即人工智能技術(shù)通過對(duì)各種環(huán)境數(shù)據(jù)進(jìn)行定量分析,從而為環(huán)境治理主體(政府和非政府組織)提供決策依據(jù)。張偉、李國祥(2021)探討了人工智能技術(shù)運(yùn)用于環(huán)境數(shù)據(jù)分析、案例研究和數(shù)學(xué)建模,得出人工智能技術(shù)發(fā)展可以進(jìn)行環(huán)境預(yù)測和輔助決策,從而為環(huán)境污染治理帶來積極效應(yīng)[13]。

        從實(shí)踐應(yīng)用來看,當(dāng)前已有不少政府和企業(yè)合作將人工智能用于環(huán)境污染治理領(lǐng)域的成功案例。例如2014年國際商業(yè)機(jī)器公司(IBM)借助人工智能,開發(fā)出一種可減緩北京嚴(yán)重空氣污染的新方法,名為“綠色地平線”(Green Horizon),通過綜合多個(gè)不同模型的大量數(shù)據(jù),該系統(tǒng)不僅可以提前預(yù)測北京不同地區(qū)空氣污染的嚴(yán)重程度,還能給出如何將污染降低到最小的具體建議;微軟在2017年推出“一切為了地球”(All for Earth)計(jì)劃,預(yù)計(jì)投入5000萬美元用于人工智能的環(huán)境治理領(lǐng)域;阿里巴巴運(yùn)用阿里云強(qiáng)大的計(jì)算能力,于2020年6月推出應(yīng)對(duì)全球環(huán)境惡化的技術(shù)方案ET(Evolutionary Technology)環(huán)境大腦,實(shí)現(xiàn)對(duì)污染源的智能感知,并建立綜合評(píng)估模型進(jìn)行交叉分析,等等。這些現(xiàn)實(shí)案例充分證明了人工智能技術(shù)的發(fā)展會(huì)給環(huán)境污染治理帶來積極效應(yīng)。

        (二)促進(jìn)技術(shù)進(jìn)步的間接效應(yīng)

        1. 人工智能技術(shù)、經(jīng)濟(jì)增長與環(huán)境污染。傳統(tǒng)的技術(shù)進(jìn)步是通過帶來新的經(jīng)濟(jì)增長點(diǎn)、擴(kuò)大經(jīng)濟(jì)規(guī)模來影響環(huán)境污染治理。人工智能技術(shù)的發(fā)展同樣會(huì)帶來經(jīng)濟(jì)的高速發(fā)展、經(jīng)濟(jì)規(guī)模的擴(kuò)大,從而對(duì)環(huán)境污染治理產(chǎn)生影響。

        目前現(xiàn)有研究從理論和實(shí)證層面都證明人工智能會(huì)帶來經(jīng)濟(jì)增長。以任務(wù)模型為代表的理論模型大多認(rèn)為工業(yè)機(jī)器人、自動(dòng)化與人工智能等新興生產(chǎn)方式會(huì)促進(jìn)經(jīng)濟(jì)增長,這一點(diǎn)也得到了相關(guān)實(shí)證分析的證實(shí)。例如,格雷茨(Graets)、邁克爾斯(Michaels)(2018)基于1993-2007年的行業(yè)面板數(shù)據(jù)的計(jì)量檢驗(yàn)發(fā)現(xiàn),人工智能等新興生產(chǎn)方式使得經(jīng)濟(jì)增長速度提高了0.37%[14]。楊光、侯鈺(2020)使用機(jī)器人國際聯(lián)合會(huì)(IRF)發(fā)布的工業(yè)機(jī)器人數(shù)據(jù)證明機(jī)器人的使用確實(shí)對(duì)經(jīng)濟(jì)增長具有促進(jìn)作用,特別是隨著人口紅利消失,效果將更加顯著[9]。阿西莫格魯(Acemoglu)、雷斯特雷波(Restrepo)(2017)、陳秋霖等(2018)研究發(fā)現(xiàn),在經(jīng)歷快速老齡化的國家中,年輕和中年勞動(dòng)力的稀缺可以促進(jìn)機(jī)器人(和其他智能化生產(chǎn))的充分采用,從而促進(jìn)總產(chǎn)出的增加[15][16]。程承坪、陳志(2021)認(rèn)為,人工智能技術(shù)可以直接和間接帶來經(jīng)濟(jì)增長,直接增長效應(yīng)表現(xiàn)為促進(jìn)勞動(dòng)生產(chǎn)率的提升和產(chǎn)業(yè)鏈的延長,間接增長效應(yīng)表現(xiàn)為人力資本供給的增加、市場效率和政府治理效率的提高[17]。阿吉翁(Aghion)等(2017)將人工智能技術(shù)引入到商品和服務(wù)的生產(chǎn)函數(shù)中,得出人工智能技術(shù)會(huì)帶來經(jīng)濟(jì)總的平衡增長。在知識(shí)的非競爭性導(dǎo)致收益遞增的條件下,人工智能技術(shù)還可以產(chǎn)生某種形式的奇點(diǎn),甚至可能帶來經(jīng)濟(jì)在有限的時(shí)間內(nèi)獲得無限的收入[18]。林晨等(2020)從優(yōu)化資本結(jié)構(gòu)的角度探討了人工智能技術(shù)對(duì)經(jīng)濟(jì)增長的影響機(jī)制,認(rèn)為人工智能技術(shù)的發(fā)展可以降低住房和基建支出對(duì)居民消費(fèi)的擠壓,使資本更多流向?qū)嶓w經(jīng)濟(jì),成為新的經(jīng)濟(jì)增長點(diǎn)[19]。

        環(huán)境污染問題與經(jīng)濟(jì)增長速度有著非常密切的聯(lián)系。就現(xiàn)有研究而言,經(jīng)濟(jì)增長對(duì)環(huán)境污染的影響大致可分為三個(gè)階段。第一個(gè)階段是1972年以美國學(xué)者梅多斯(Meadows)為代表的羅馬俱樂部提出的“增長極限說”,該理論認(rèn)為工業(yè)化必然造成對(duì)自然和生態(tài)環(huán)境的極度破壞,通過模擬計(jì)算預(yù)計(jì)2100年到來之前,工業(yè)化將達(dá)到最高點(diǎn),但同時(shí)人類將面臨嚴(yán)重的糧食缺乏、資源枯竭,人口也將停止增長,社會(huì)因此而崩潰。第二個(gè)階段是1991年美國經(jīng)濟(jì)學(xué)家格羅斯曼(Grossman)和克魯格(Krueger)提出的環(huán)境庫茲涅茨曲線假說(EKC),認(rèn)為經(jīng)濟(jì)增長與環(huán)境污染呈倒“U”型關(guān)系,即環(huán)境污染隨著經(jīng)濟(jì)增長由上升到下降的變化趨勢,這是最為主流接受的一種假說。該假說認(rèn)為新技術(shù)誕生之后,隨著經(jīng)濟(jì)高速發(fā)展、人均收入不斷提高,從而帶來污染排放的增多。但隨著技術(shù)不斷成熟,經(jīng)濟(jì)進(jìn)一步增長,一方面,因生產(chǎn)者環(huán)保意識(shí)提升,主動(dòng)減少生產(chǎn)過程中的污染物排放;另一方面,政府加大環(huán)境規(guī)制力度,倒逼生產(chǎn)者采用清潔生產(chǎn)技術(shù),從而使環(huán)境污染得到有效控制。第三個(gè)階段是對(duì)環(huán)境庫茲涅茨曲線假說的質(zhì)疑,部分研究結(jié)論證實(shí)經(jīng)濟(jì)增長與環(huán)境污染之間的關(guān)系不僅呈現(xiàn)出倒“U”型形態(tài),而且呈現(xiàn)出“U”型、“N”型、單調(diào)上升型、單調(diào)下降型等形態(tài),不同污染物的排放與經(jīng)濟(jì)增長之間的關(guān)系也呈現(xiàn)出差異性,這些都對(duì)環(huán)境庫茲涅茨曲線假說提出了挑戰(zhàn)[20][21][22]。

        總之,學(xué)者們從理論和實(shí)證層面都已經(jīng)證明了人工智能技術(shù)的發(fā)展會(huì)帶來經(jīng)濟(jì)增長和經(jīng)濟(jì)規(guī)模的擴(kuò)大,但人工智能通過經(jīng)濟(jì)增長對(duì)環(huán)境污染產(chǎn)生影響的方向尚不明確(見圖2),是否符合環(huán)境庫茲涅茨曲線假說的倒“U”型還需要進(jìn)一步的實(shí)證檢驗(yàn)。

        2. 人工智能技術(shù)、全球價(jià)值鏈分工與環(huán)境污染治理。人工智能技術(shù)通過改變國際生產(chǎn)分工和貿(mào)易模式,提高一國在全球價(jià)值鏈體系中的分工地位,促進(jìn)價(jià)值鏈升級(jí),進(jìn)而對(duì)一國的環(huán)境污染產(chǎn)生影響。一般來說,處于全球價(jià)值鏈高端的國家,主要從事產(chǎn)品研發(fā)、品牌銷售運(yùn)營等高技術(shù)、高附加值活動(dòng),資源消耗水平低,能源利用率高,污染物排放相對(duì)較少。相比之下,處于全球價(jià)值鏈低端的國家,則主要從事低附加值和高能耗的加工、裝配和制造過程,容易帶來大量污染物的排放。因此,全球價(jià)值鏈分工地位的提升將減少一國的環(huán)境污染。

        人工智能技術(shù)如何影響全球價(jià)值鏈分工?在以人工智能技術(shù)為代表的新技術(shù)革命背景下,全球價(jià)值鏈中各國的地位和國際分工將面臨深刻的調(diào)整。第一,從成本角度看,人工智能降低了貿(mào)易和生產(chǎn)成本,提高了生產(chǎn)效率,提升一國在全球價(jià)值鏈體系中的分工地位。呂越(2020)基于中國行業(yè)層面數(shù)據(jù)的實(shí)證研究發(fā)現(xiàn),人工智能技術(shù)的采用會(huì)顯著提升行業(yè)的全球價(jià)值鏈位置。究其原因在于人工智能技術(shù)的運(yùn)用能減少低端生產(chǎn)環(huán)節(jié)的勞動(dòng)使用量,進(jìn)而降低了企業(yè)的生產(chǎn)成本,提高了企業(yè)的勞動(dòng)生產(chǎn)率[23]。劉亮等(2020)的研究也得出了類似的結(jié)論[24]。第二,從創(chuàng)新角度看,人工智能通過技術(shù)創(chuàng)新深化了全球價(jià)值鏈分工。劉斌(2010)認(rèn)為人工智能技術(shù)將一國的創(chuàng)新投入和創(chuàng)新產(chǎn)出發(fā)揮其引致效應(yīng),即引致創(chuàng)新投入(研發(fā)投入)和創(chuàng)新產(chǎn)出(專利申請(qǐng)數(shù)量)的增加,從而帶來一國價(jià)值鏈分工地位的提升[3]。第三,從資源配置角度來看,劉斌(2010)指出人工智能技術(shù)的發(fā)展帶來了勞動(dòng)和資本兩類核心生產(chǎn)要素的配置效率提升,進(jìn)而促進(jìn)一國企業(yè)全球價(jià)值鏈分工地位升級(jí)[3]??傊瑹o論是國家、行業(yè)還是微觀企業(yè)層面,人工智能都能顯著提升一國的全球價(jià)值鏈分工地位,促進(jìn)一國全球價(jià)值鏈升級(jí)。

        全球價(jià)值鏈分工地位和參與程度如何影響一國的環(huán)境污染治理?近年來,隨著全球投入產(chǎn)出表的編制,全球價(jià)值鏈分工測算方法、指標(biāo)也在不斷改進(jìn),使得更多國內(nèi)外學(xué)者們開始關(guān)注全球價(jià)值鏈分工對(duì)環(huán)境污染的影響問題。然而大部分文獻(xiàn)均基于格羅斯曼(Grossman)和克魯格(Kruege)的經(jīng)典模型,將規(guī)模效應(yīng)、結(jié)構(gòu)效應(yīng)以及技術(shù)效應(yīng)作為控制變量或門檻變量,分析全球價(jià)值鏈分工對(duì)碳排放的影響機(jī)制。許統(tǒng)生和薛智韻(2011)、余娟娟(2017)、徐輝和苗菊英(2018)則認(rèn)為全球價(jià)值鏈分工可通過結(jié)構(gòu)、技術(shù)與規(guī)模效應(yīng)影響企業(yè)污染的水平[25][26][27]。還有部分文獻(xiàn)基于構(gòu)建全球價(jià)值鏈分工位置和參與度指標(biāo),討論其對(duì)環(huán)境污染的影響。

        首先,通過構(gòu)建全球價(jià)值鏈位置指標(biāo),大部分學(xué)者得出了全球價(jià)值鏈位置的提升能顯著降低一國污染排放的說法,即一國全球價(jià)值鏈位置越高,越處于上游,污染排放越少。陶長琪、徐志琴(2019)分別從行業(yè)和國家層面實(shí)證分析全球價(jià)值鏈嵌入位置對(duì)貿(mào)易隱含碳排放的作用,發(fā)現(xiàn)全球價(jià)值鏈位置的提升能有效減少碳排放[28]。曲晨耀等(2020)基于2000-2014年17個(gè)制造業(yè)的面板數(shù)據(jù),探討了全球價(jià)值鏈位置對(duì)中國制造業(yè)經(jīng)濟(jì)綠色轉(zhuǎn)型的影響,研究發(fā)現(xiàn),提高全球價(jià)值鏈位置能夠快速推動(dòng)中國制造業(yè)的經(jīng)濟(jì)綠色轉(zhuǎn)型[29]。孫傳旺(2019)基于2000-2011年全球60個(gè)國家的面板數(shù)據(jù)的實(shí)證研究認(rèn)為,一國的全球價(jià)值鏈位置與其碳效率(carbon efficiency,是對(duì)生產(chǎn)主體產(chǎn)生碳足跡效率的一種量化測度方法)存在顯著的正相關(guān)關(guān)系。全球價(jià)值鏈位置與其碳效率的正相關(guān)關(guān)系在經(jīng)濟(jì)發(fā)展較為落后的發(fā)展中國家尤為顯著,這意味著在發(fā)展中國家提高全球價(jià)值鏈位置可以更大程度地減少碳排放,減少環(huán)境污染[30]。王臘芳等人(2020)計(jì)算了中國制造業(yè)全球價(jià)值鏈活動(dòng)的總平均生產(chǎn)長度并檢驗(yàn)了全球價(jià)值鏈生產(chǎn)長度對(duì)能源強(qiáng)度的影響,其研究結(jié)果發(fā)現(xiàn)全球價(jià)值鏈總平均生產(chǎn)長度顯著影響能源消耗強(qiáng)度,并呈現(xiàn)倒“U”型非線性關(guān)系[31],這在一定程度上表明一國全球價(jià)值鏈位置對(duì)污染排放的影響呈先升后降的趨勢。

        其次,大部分學(xué)者的研究表明全球價(jià)值鏈參與度與環(huán)境污染呈非線性關(guān)系,即全球價(jià)值鏈參與度對(duì)環(huán)境污染存在門檻效應(yīng)。具體而言,王靜(2019)基于1995-2011年期間62個(gè)國家和地區(qū)的面板數(shù)據(jù),估算了一國全球價(jià)值鏈參與度對(duì)二氧化碳排放的影響,研究發(fā)現(xiàn),全球價(jià)值鏈的參與度與人均二氧化碳排放量之間呈現(xiàn)倒“U”型關(guān)系[32]。曲晨耀等(2020)通過閾值回歸發(fā)現(xiàn),當(dāng)參與度超過一定閾值時(shí),全球價(jià)值鏈參與度對(duì)綠色經(jīng)濟(jì)轉(zhuǎn)型的影響由抑制變?yōu)榇龠M(jìn)[29]。王玉燕等(2015)研究發(fā)現(xiàn),全球價(jià)值鏈參與度通過“鏈中學(xué)效應(yīng)”促進(jìn)污染減排,但某些行業(yè)可能存在“俘獲鎖定效應(yīng)”,即被鎖定在附加值低且污染高的生產(chǎn)環(huán)節(jié),這些行業(yè)的全球價(jià)值鏈參與度與污染排放之間可能表現(xiàn)為“U”型關(guān)系[33]。楊飛等(2017)的實(shí)證研究發(fā)現(xiàn),中國全球價(jià)值鏈參與度對(duì)污染排放的影響存在門檻效應(yīng)[34]。也有研究認(rèn)為,全球價(jià)值鏈參與度與一國的環(huán)境污染存在線性關(guān)系,即全球價(jià)值鏈參與度對(duì)環(huán)境污染有負(fù)向影響。趙國梅等(2020)基于2000-2014年42個(gè)國家的數(shù)據(jù),研究得出,全球價(jià)值鏈參與度與碳排放強(qiáng)度之間存在負(fù)向關(guān)系,特別地,與發(fā)達(dá)國家相比,發(fā)展中國家的全球價(jià)值鏈參與對(duì)隱含碳排放強(qiáng)度的負(fù)向影響更大[35]。總之,關(guān)于全球價(jià)值鏈分工對(duì)環(huán)境污染的影響,由于學(xué)者們對(duì)全球價(jià)值鏈分工指標(biāo)選取方法的不同,即部分學(xué)者采用全球價(jià)值鏈位置指標(biāo),部分學(xué)者采用全球價(jià)值鏈參與度指標(biāo)來衡量全球價(jià)值鏈分工程度,因而得出了不同的結(jié)論。

        綜合以上研究,本文提出人工智能技術(shù)發(fā)展可以通過提升一國全球價(jià)值鏈分工地位,從而降低污染排放的論斷,其機(jī)理在于:一國處于全球價(jià)值鏈高端的行業(yè)多為知識(shí)技術(shù)密集型產(chǎn)業(yè),技術(shù)含量高,污染程度低,而處于全球價(jià)值鏈低端的行業(yè)多為能源和資本密集型行業(yè),污染相對(duì)較高。人工智能技術(shù)的發(fā)展及其在工業(yè)生產(chǎn)中的運(yùn)用,將使得一國更多的從事知識(shí)技術(shù)密集型行業(yè)的生產(chǎn)與分工,顯著提升一國的全球價(jià)值鏈分工地位,降低污染物排放(見圖2)。

        三、未來研究方向與研究趨勢展望

        人工智能技術(shù)正在催生第四次工業(yè)革命,是第四次工業(yè)革命的新引擎,也引發(fā)了該命題的學(xué)術(shù)研究熱潮,使得越來越多的學(xué)者關(guān)注人工智能與技術(shù)進(jìn)步、經(jīng)濟(jì)增長、勞動(dòng)力就業(yè)、全球價(jià)值鏈等的關(guān)系。人工智能技術(shù)目前已廣泛應(yīng)用于環(huán)境治理的各個(gè)層面,并將給環(huán)境污染治理帶來變革。 但實(shí)際上目前關(guān)于人工智能技術(shù)如何影響環(huán)境污染的相關(guān)研究尚不多,特別是關(guān)于傳導(dǎo)機(jī)制的研究仍處于空白,只有少量的定性研究指出人工智能技術(shù)能夠顯著改善環(huán)境污染,提高環(huán)境治理能力。本文通過梳理人工智能技術(shù)與經(jīng)濟(jì)增長、全球價(jià)值鏈分工、環(huán)境污染等相關(guān)文獻(xiàn),得出人工智能技術(shù)作為新一代信息技術(shù)的代表會(huì)對(duì)環(huán)境污染產(chǎn)生直接和間接影響的結(jié)論。直接技術(shù)進(jìn)步效應(yīng)表現(xiàn)在人工智能技術(shù)發(fā)展催生出的一系列新技術(shù)和新產(chǎn)品可用于環(huán)境污染治理領(lǐng)域,減少一國的環(huán)境污染。間接技術(shù)進(jìn)步效應(yīng)一是表現(xiàn)為人工智能技術(shù)的發(fā)展會(huì)擴(kuò)大經(jīng)濟(jì)規(guī)模,促進(jìn)經(jīng)濟(jì)增長,從而對(duì)環(huán)境污染產(chǎn)生影響,但影響方向不明確,是否存在倒“U”型關(guān)系需進(jìn)一步檢驗(yàn);二是表現(xiàn)為人工智能技術(shù)會(huì)提升一國的全球價(jià)值鏈分工地位,促進(jìn)全球價(jià)值鏈升級(jí),從而降低一國的環(huán)境污染。

        目前直接研究人工智能對(duì)環(huán)境污染影響機(jī)制、指標(biāo)構(gòu)建、數(shù)據(jù)獲取等方面尚存在如下不足,這些也是人工智能技術(shù)影響環(huán)境污染的進(jìn)一步研究方向:

        一是人工智能技術(shù)對(duì)環(huán)境污染的影響路徑、機(jī)制復(fù)雜,難以用實(shí)證模型加以驗(yàn)證。人工智能技術(shù)對(duì)環(huán)境污染的影響既存在直接影響又存在間接影響,同時(shí),在封閉經(jīng)濟(jì)環(huán)境和開放環(huán)境下的影響機(jī)制也不一樣。人工智能技術(shù)直接運(yùn)用于環(huán)境治理,能有效減少環(huán)境污染,但同時(shí)隨著人工智能技術(shù)的發(fā)展、工業(yè)機(jī)器人的大量使用,生產(chǎn)力大幅度提高,生產(chǎn)規(guī)模擴(kuò)大,也有可能加劇環(huán)境污染,或者存在非線性關(guān)系。在開放經(jīng)濟(jì)條件下,人工智能技術(shù)發(fā)展能顯著提高一國全球價(jià)值鏈地位,從而減少該國的環(huán)境污染,但這一正向效應(yīng)存在國家和行業(yè)異質(zhì)性,即對(duì)于處于不同發(fā)展階段的國家和不同污染和技術(shù)密集度的行業(yè)的影響效應(yīng)是不同的??傊?,如何將人工智能技術(shù)引入環(huán)境污染模型仍需進(jìn)一步探索。

        二是相關(guān)數(shù)據(jù)可獲得性有待加強(qiáng)。一方面由于人工智能的內(nèi)涵比較廣泛(包括機(jī)器人、語言識(shí)別、圖像識(shí)別、自然語言處理和專家系統(tǒng)等),現(xiàn)有的實(shí)證研究大多使用人工智能的某一分支,如利用機(jī)器人國際聯(lián)合會(huì)發(fā)布的工業(yè)機(jī)器人數(shù)據(jù)。目前對(duì)很多國家特別是發(fā)展中國家而言,人工智能技術(shù)發(fā)展仍處于初級(jí)階段,具體國家-時(shí)間-行業(yè)甚至是微觀企業(yè)層面的統(tǒng)計(jì)數(shù)據(jù)都相對(duì)匱乏。計(jì)算人工智能指標(biāo)的主要難點(diǎn)在于大部分內(nèi)涵都是無形的,難以量化或直接計(jì)算。另一方面,目前關(guān)于全球價(jià)值鏈宏觀測度指標(biāo)的構(gòu)建大多為全球價(jià)值鏈位置指標(biāo)或參與度指標(biāo),而衡量一國全球價(jià)值鏈地位提升或價(jià)值鏈升級(jí)的指標(biāo)相對(duì)落后,無法直接衡量一國行業(yè)或企業(yè)價(jià)值鏈地位的提升,只能采用間接指標(biāo)。總之,從現(xiàn)有文獻(xiàn)來看,采用的數(shù)據(jù)指標(biāo)都比較單一,未來還需要用更直接的衡量指標(biāo)來進(jìn)行實(shí)證檢驗(yàn)。

        中國對(duì)人工智能應(yīng)用于環(huán)境污染的相關(guān)研究還較為有限。中國作為最大的發(fā)展中國家,以往靠犧牲環(huán)境來獲取發(fā)展速度的經(jīng)濟(jì)增長模式帶來了巨大的污染治理壓力,經(jīng)濟(jì)綠色轉(zhuǎn)型發(fā)展迫在眉睫。人工智能技術(shù)在中國工業(yè)生產(chǎn)中的應(yīng)用將對(duì)環(huán)境污染帶來哪些效應(yīng)?顯然值得進(jìn)一步深入探討。

        [參考文獻(xiàn)]

        [1]? Minsky, M.1961,“Steps Toward Artificial Intelligent”,Proceedings of the IRE , Vo1.49(1).

        [2]? Min, H.2010, “Artificial Intelligent in Supply Chain Management: Theory and Applications” , international Journal of Logistics: Research and Applications, Vo1.13 (1).

        [3]? 劉斌,潘彤.人工智能對(duì)制造業(yè)價(jià)值鏈分工的影響效應(yīng)研究[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究, 2020, (10).

        [4]? Finlayson M. A.Richards W, Winston P. H. Computational models of narrative: Review of a workshop[J]. AI Magazine, 2010, (2).

        [5]? Cerka, P.Grigiene, J. and Sirbikyte, G.,2015, “Liability for Damages Caused by Artificial Intelligence”,Computer Law & Security Review , Vo1.31(3).

        [6]? Li, D. and Y. Du, 2017, Artificial Intelligence with Uncertainty, Boca Raton: CRC press.

        [7]? Kromann, L., J. R. Skaksen, and A. Sorensen. Automation, Labor Productivity and Employment: A Cross Country Comparison[R]. CEBR, Copenhagen Business School, 2011.

        [8]? Brynjolfsson, E.? and L. M. Hitt. Computing productivity: Firm-level Evidence [J]. Review of Economics and Statistics, 2003, 85(4).

        [9]? 楊光, 侯鈺.工業(yè)機(jī)器人的使用、技術(shù)升級(jí)與經(jīng)濟(jì)增長[J]. 中國工業(yè)經(jīng)濟(jì), 2020, (10).

        [10]? 張文博. 環(huán)境治理中的人工智能[J]. 國外社會(huì)科學(xué)前沿, 2019,(10).

        [11]? 郎芯玉, 張志勇.淺談人工智能在水質(zhì)監(jiān)測領(lǐng)域的應(yīng)用[J].計(jì)算機(jī)產(chǎn)品與流通,2019,(12).

        [12]? 王旭,王釗越,潘藝蓉,羅雨莉,劉俊新,楊敏.人工智能在21世紀(jì)水與環(huán)境領(lǐng)域應(yīng)用的問題及對(duì)策[J].中國科學(xué)院院刊,2020,(9).

        [13]? 張偉, 李國祥.環(huán)境分權(quán)體制下人工智能對(duì)環(huán)境污染治理的影響[J]. 陜西師范大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版),2021,(3).

        [14]? Graetz, G. and G. Michaels. Robots at Work: The Impact on Productivity and Jobs [J]. Review of Economics and Statistics, 2018, (5).

        [15]? Acemoglu D,Restrepo P. Secular stagnation? The effect of aging on economic growth in the age of automation[J]. American Economic Review, 2017, (5).

        [16]? 陳秋霖,許多,周羿.人口老齡化背景下人工智能的勞動(dòng)力替代效應(yīng):基于跨國面板數(shù)據(jù)和中國省級(jí)面板數(shù)據(jù)的分析[J].中國人口科學(xué), 2018, (6).

        [17]? 程承坪,陳志.人工智能促進(jìn)中國經(jīng)濟(jì)增長的機(jī)理——基于理論與實(shí)證研究[J].經(jīng)濟(jì)問題, 2021,(10).

        [18]? Aghion P,Jones B,Jones C.Artificial intelligence and economic growth[R]. NBER Working Paper,2017.

        [19]? 林晨,陳小亮,陳偉澤,等.人工智能、經(jīng)濟(jì)增長與居民消費(fèi)改善:資本結(jié)構(gòu)優(yōu)化的視角[J]. 中國工業(yè)經(jīng)濟(jì), 2020,(2).

        [20]? Onafowora O A, Owoye O. Bounds testing approach to analysis of the environment Kuznets curve hypothesis[J]. Energy Economics, 2014, (44).

        [21]? Allard A, Takman J, Uddin G S, et al. The N-shaped environmental Kuznets curve:an empirical evaluation using a panel quantile regression approach[J]. Environmental Science and Pollution Research, 2018, 25(6).

        [22]? Liu K, Lin B. Research on influencing factors of environmental pollution in China: A spatial econometric analysis[J]. Journal of Cleaner Production, 2019, 206(1).

        [23]? 呂越, 谷瑋, 包群.人工智能與中國企業(yè)參與全球價(jià)值鏈分工[J]. 中國工業(yè)經(jīng)濟(jì), 2020,(5).

        [24]? 劉亮, 劉軍, 李廉水, 程中華.智能化發(fā)展能促進(jìn)中國全球價(jià)值鏈攀升嗎?[EB/OL].科學(xué)學(xué)研究,2021-01-03. https://doi.org/10.16192/j.cnki.1003-2053.20200915.004.

        [25]? 許統(tǒng)生, 薛智韻.制造業(yè)出口碳排放: 總量、結(jié)構(gòu)、要素分解[J]. 財(cái)貿(mào)研究, 2011, (3).

        [26]? 余娟娟. 全球價(jià)值鏈嵌入影響了企業(yè)排污強(qiáng)度嗎——基于PSM匹配及倍差法的微觀分析[J].國際貿(mào)易問題, 2017, (12).

        [27]? 徐輝, 苗菊英. 我國制造業(yè)承接外包的環(huán)境效應(yīng)[J]. 環(huán)境經(jīng)濟(jì)研究, 2018, (2).

        [28]? 陶長琪, 徐志琴. 融入全球價(jià)值鏈有利于實(shí)現(xiàn)貿(mào)易隱含碳減排嗎? [J].數(shù)量經(jīng)濟(jì)研究, 2019,(1).

        [29]? Chenyao Qu, Jun Shao, Zhonghua Cheng, Can embedding in global value chain drive green growth in China’s manufacturing industry? [J]. Journal of Cleaner Production, 2020(268).

        [30]? Chuanwang Sun, Zhi Li, Tiemeng Ma, Runyong He, Carbon efficiency and international specialization position: Evidence from global value chain position index of manufacture[J]. Energy Policy, 2019(128).

        [31]? Lafang Wang, Youfu Yue, Rui Xie, Shaojian Wang, How global value chain participation affects China’s energy intensity[J]. Journal of Environmental Management, 2020 (260).

        [32]? Jing Wang, Guanghua Wan, Chen Wang, Participation in GVCs and CO2emissions[J]. Energy Economics, 2019(84)1.

        [33]? 王玉燕, 王建秀, 閻俊愛. 全球價(jià)值鏈嵌入的節(jié)能減排雙重效應(yīng)——來自中國工業(yè)面板數(shù)據(jù)的經(jīng)驗(yàn)研究[J]. 中國軟科學(xué), 2015, (8).

        [34]? 楊飛, 孫文遠(yuǎn), 張松林. 全球價(jià)值鏈嵌入、技術(shù)進(jìn)步與污染排放——基于中國分行業(yè)數(shù)據(jù)的實(shí)證研究[J]. 世界經(jīng)濟(jì)研究, 2017,(2).

        [35]? Guomei Zhao, Cenjie Liu. Carbon emission intensity embodied in trade and its driving factors from the perspective of global value chain[J]. Environmental Science and Pollution Research, 2020, 27(25).

        [責(zé)任編輯:李利林]

        猜你喜歡
        綠色經(jīng)濟(jì)人工智能技術(shù)經(jīng)濟(jì)增長
        綠色經(jīng)濟(jì)發(fā)展問題探析
        綠色經(jīng)濟(jì)方法研究
        日本發(fā)展綠色經(jīng)濟(jì)及其對(duì)我國的啟示
        資治文摘(2016年7期)2016-11-23 00:30:52
        新常態(tài)與貴州經(jīng)濟(jì)發(fā)展
        基于物流經(jīng)濟(jì)的區(qū)域經(jīng)濟(jì)增長研究
        中國市場(2016年36期)2016-10-19 03:34:16
        反腐與經(jīng)濟(jì)增長
        中國市場(2016年33期)2016-10-18 12:07:06
        人口結(jié)構(gòu)與中國經(jīng)濟(jì)增長的經(jīng)濟(jì)分析
        商(2016年27期)2016-10-17 05:01:08
        碳排放、產(chǎn)業(yè)結(jié)構(gòu)與經(jīng)濟(jì)增長的關(guān)系研究
        人工智能技術(shù)在智能建筑中的應(yīng)用
        考試周刊(2016年29期)2016-05-28 09:54:07
        人工智能技術(shù)在電氣自動(dòng)化控制中的應(yīng)用思路
        科技視界(2016年10期)2016-04-26 11:31:20
        手机在线观看成年人视频| 久久只精品99品免费久23| 国产色xx群视频射精| 色悠久久久久综合欧美99| 日本免费一区尤物| 扒下语文老师的丝袜美腿| 色综合久久精品中文字幕| 级毛片内射视频| 久久久亚洲精品无码| 午夜丰满少妇性开放视频| 亚洲色婷婷免费视频高清在线观看| 美女福利一区二区三区在线观看| 亚洲一区二区国产一区| 亚洲图片日本视频免费| 国产大学生粉嫩无套流白浆| 久草热这里只有精品在线| 亚洲天堂av大片暖暖| 国产三级不卡视频在线观看| 中文有码亚洲制服av片| 亚洲国产美女精品久久久| 国产丝袜精品不卡| 日韩精品人妻一区二区三区蜜桃臀| 色婷婷一区二区三区四区成人网| 亚洲 另类 日韩 制服 无码| 俺来也俺去啦久久综合网| 久久中文字幕久久久久| 久久精品人妻嫩草av蜜桃| 国产日本精品视频一区二区| 国产精品_国产精品_k频道w| 欧美日韩国产亚洲一区二区三区| av男人的天堂第三区| 亚洲熟女综合色一区二区三区| 久久av无码精品人妻出轨| 成人不卡国产福利电影在线看| 亚洲视频综合在线第一页| 日韩中文字幕有码午夜美女| 久久久久久久岛国免费观看| 美女啪啪国产| 男的和女的打扑克的视频| 久久精品国产亚洲av天| 青青草原精品99久久精品66|