10月14日，浙江农林大学生态文明研究院蒋培副教授撰写的理论文章《人工智能介入生态环境治理的可能路径》发表在《中国社会科学报》上。现将全文转载如下：

人工智能介入生态环境治理的可能路径

蒋培

推进人工智能与生态环境治理的深度融合，是新时代生态环境治理的重要路径，也是推进生态环境治理体系和治理能力现代化的关键步骤。《国务院关于深入实施“人工智能+”行动的意见》指出，要围绕大气、水、海洋、土壤、生物等多要素生态环境系统和全国碳市场建设等，提升人工智能驱动的监测预测、模拟推演、问题处置等能力，推动构建智能协同的精准治理模式。

在人工智能介入生态环境治理的应用过程中，需要聚焦较为紧迫的融合场景。具体而言，人工智能可以介入农业面源污染和人居环境整治两大场景。

第一，人工智能+农业面源污染防治。农业面源污染治理一直面临涉及主体多、污染源散、周期较长等问题。人工智能技术的引入，或将推进农业生产端减少污染物产出，智能管控化肥、农药、畜禽粪污等污染源，提高农业生产要素的精准投入水平；智能识别农业面源污染流域迁移路径和规律，及时推送环境管控提示；加强畜禽粪污的资源化利用技术创新，提高末端治理效率。

第二，人工智能+人居环境整治。人居环境整治存在问题易反复、成本高等问题。人工智能技术的引入，可实现空天地多层次智能感知，对生活污水、生活垃圾排放进行自动识别，加强生活污染源的实时监测；强化生活污染处理设施的运维，构建“识别—派单—处置—复核”的管护闭环，提高污水处理、垃圾清运的精准度，降低处置成本。

当前，人工智能与生态环境治理场景融合依然存在较大发展空间。以美丽乡村建设为例，人工智能在场景融合、打造过程中面临“虚化”问题。具体而言，一是算法模型方面，环保企业开发的大模型训练尚不充分，难以反映面源污染和生活废弃物迁移转化规律，无法溯源污染物与解释污染形成机理。地方政府在乡村环境治理实践中使用的通用模型专业性不强，容易输出错误的结论，甚至编造虚假数据、参数、治理方案，影响乡村环境治理效果。二是数据获取方面，涉及生态环境、农业农村、水利等各政府部门的污染数据来源多样、类型复杂且标准化程度低，这不仅不利于数据的整合、挖掘和利用，还难以保证大模型的训练与算法的运用。三是政策制度方面，各级政府缺少对人工智能算法迭代、数据收集、模型训练等软件方面的财政政策倾斜，尤其是乡村地区的投入更少。政府对社会资本尤其是中小企业参与相关技术开发与应用的机制建设不足，相应的商业运营模式也不成熟。各级政府对生态环境治理人工智能应用的制度规范、审查机制建设滞后，相关技术标准碎片化。四是成果转化方面，高校、科研机构的生态环境治理大模型开发、落地实施需要较长周期，时间成本和经济成本投入较大。产学研合作模式尚不成熟以及复合型人才短缺，制约了人工智能技术在生态环境治理领域的成功落地。

针对上述问题，可以采取以下三方面措施。

第一，加强技术支撑，破解生态环境治理大模型训练不足、数据标准不统一以及技术实用性不强的薄弱环节。一是加强新技术的研发。地方政府和科研院校需加大生态环境治理人工智能技术研发投入。针对错综复杂的生态环境问题，开发有关新污染物、非传统点源污染以及面源污染方面的监测设施设备、在线监测平台以及便携式检测工具等。二是重视数据利用平台建设。规范生态环境治理各领域的数据建设标准，整合年度监测数据、调查数据以及各级政府的政策文件、文献资料等，通过数据识别、筛选与整理，建立数据平台或数据库。三是强化算法优化与大模型训练。加强垂直大模型训练，提高人工智能技术的适用性和可靠性。创新生态环境治理领域的算法应用，促使人工智能技术分类型、分领域、分阶段地应用于实践。

第二，加大政策保障力度，着力解决生态环境治理人工智能技术投入不足、监管机制不健全以及数据审查不严、标准不统一的问题。一是健全政策制度体系。制定生态环境治理领域人工智能应用的合理标准和实施规范，并细化技术应用的流程和明确责任划分的具体规则，确保技术的安全性、可靠性与稳定性。对技术应用的数据安全与隐私保护进行伦理审查，制定专门的法律规范。二是完善监管与评估机制。从风险预防、过程监管、效果评估三方面提高技术应用的可行性、安全性、有效性，并开展效益的综合评价与测定。三是提高政策支持力度。围绕研发资金投入、实施项目落地、科研成果转化以及企业税费减免、财政资金补贴等方面，加大政策制度的倾斜力度，吸引更多的科研院校、企业等参与技术创新与服务推广。

第三，强化产学研合作与人才培养，切实改变生态环境治理人工智能技术落地实施周期长、适用性差的状况。一是注重产学研融合发展。开展企业、政府、科研院校的合作交流，全面推进人工智能与生态环境治理的深度融合。技术企业促进智能技术的迭代升级。政府提供可靠、丰富的治理数据资源以及规范数据收集流程，提高大模型训练的水平和算法应用的准确性。科研院校研发新型的人工智能技术，推动技术的落地转化。二是加强复合型人才培养。注重人工智能赋能生态环境治理培训项目开展，促进管理者和执行者更好地利用智能工具。以社会需求为导向，加强高校人工智能复合型人才的培养。

随着人工智能逐渐介入生态环境治理，生态环境治理的结构、方式和手段发生了一系列新变化，或将更好推进生态环境治理体系和治理能力现代化。