积极创新参与宏观经济治理的方式******

　　作者：王欣

　　据报道，2022年国内有7个城市GDP总量进入2万亿俱乐部，分别为上海、北京、深圳、重庆、广州、苏州和成都。综合分析可以发现，这些城市不仅经济建设取得了显著成就，生态环境保护工作也交出了令人满意的答卷。围绕经济高质量发展，这些城市在发挥生态环境保护的引领、优化和倒逼作用方面，已经做出了不少有益的探索和实践。

　　比如，江苏省苏州市的开发强度高、资源约束紧、转型任务重，以占全国0.09%的国土面积创造出了全国约2.1%的经济总量，而且生态环境质量依然保持稳中向好、持续改善态势。究其原因，就在于充分发挥生态环境保护优化经济发展的作用，做好了经济与生态的“双面绣”。近年来，苏州整治“散乱污”企业（作坊）4.7万余家，为引进高产出、低污染的项目腾挪了发展空间，抓住治污攻坚与高质量发展互促互利的契合点，形成了一招多赢的局面。

　　实践证明，在引领、优化和倒逼经济高质量发展，促进经济社会发展全面绿色转型方面，生态环境保护工作是有力的抓手，也是重要的推手。关键是务必坚持因地制宜、因时制宜，坚持问题导向、结果导向，全面研究、积极创新生态环境保护参与宏观经济治理的方式、手段和途径。

　　首先，增强系统观念。生态环境保护参与宏观经济治理是一项涉及面广、复杂程度高的长期性系统性工程，绝不能局限于传统思想上的污染防治工作。要统筹产业结构调整、污染治理、生态保护、应对气候变化等，协同推进降碳、减污、扩绿、增长，在多重目标中寻求最佳平衡点，既要“清澈见底”也要“鱼翔浅底”，既要“源头治污”也要“源头清洁”，既要“降碳”也要“增汇”。因此，要认识属地生态环境自然禀赋优势，也要紧盯生态环境保护工作短板，充分发挥生态环境保护的引领、优化和倒逼作用，扬长补短，不断增强生态环境保护融入宏观经济的深度和广度、推动经济社会绿色转型的力度和速度。

　　其次，强化攻坚意识。当前，对于生态环境保护参与宏观经济治理、促进经济与环境协同发展，有的人思想认知上还不够全面深刻，甚至仍有误区，而且现实工作中也有这样那样的困难和矛盾。加上治污攻坚的成效尚不够稳固，在推动绿色发展的道路上仍有不少难关要过，因此，务必保持战略定力，面对高污染高耗能产业更新换代等推进难度较大的工作任务，要统筹各部门政策和力量，密切协同。该依法倒逼的绝不后退一步，该帮助优化的要主动上前一步，该鼓励引领的要争取先人一步，确保步步为营。

　　第三，突出创新思维。统筹经济社会发展和生态环境保护，以实现减污降碳协同增效为总抓手，更加自觉地推进绿色发展、循环发展、低碳发展，没有现成的经验做法可供参考和借鉴，况且各地经济社会发展和生态环境保护水平不同，面对的形势和问题也各有所异。因此，务必结合实际，根据属地经济社会发展和生态环境保护的新情况新特点，适时更新理念、创新思维，不断丰富生态环境保护深度参与宏观经济治理的新方式、新手段。比如，国家相继出台了支持绿色发展的财税、金融、投资、价格政策和标准体系，如果简单地照搬硬套，难免出现“水土不服”等问题，这就需要各地进一步完善和细化相关举措，更好地发挥绿色金融的激励与约束作用。（王欣）

聚焦人工智能技术前沿与治理 中外专家学者国际论坛建言献策******

　　中新网北京12月5日电 (记者 孙自法)2021人工智能合作与治理国际论坛“人工智能技术前沿与治理”主论坛，12月5日在清华大学以线上线下结合方式举行，中外人工智能(AI)领域专家学者聚焦人工智能技术前沿与治理这一主题，发表主旨演讲建言献策，并深入研讨交流。

　　美国国家科学院院士、美国艺术与科学院院士、约翰·贝茨·克拉克奖得主、斯坦福大学商学院技术经济学教授、以人为本人工智能研究所副所长苏珊·阿西(Susan Athey)认为，大学在指导人工智能创新方面可以发挥优先引导的关键作用。由于私营部门的技术人员缺乏伦理、哲学方面的训练，难以开发出具有可解释性的算法框架，深化这类研究能够在人工智能治理的问题识别、建立开发实践框架、提供指引等方面发挥重要作用。此外，由于数据可以带来巨大的规模效应，当前“软件即服务”的平台经济模式已非常普及。人工智能和数据需求可能带来“伪”市场集中，因此，未来对“机器换人”的预测非常具有挑战性，需要重新关注和思考人工智能如何用于应对老龄化等公共管理问题，使基于人工智能的公共服务变得更加高效。

　　国际人工智能协会前主席、清华大学人工智能国际治理研究院学术委员约兰达·吉尔(Yolanda Gil)指出，由于人类对智能机制认知不足、智能行为本身的复杂性、观测手段的有限性以及个体知识、职业、信仰、文化背景等的差异性，导致当前人工智能研究中面临着一系列挑战，因此，需要加强人工智能基础研究工作，这需要跨领域、跨学科的共同努力。当前，理解人工智能机理和构建人工智能世界模型是人工智能研究面临的两大挑战。一方面，理解人工智能机理需要构架“感知-思考-行动”的智能模型，加强对大脑思维机理的理解，建议借鉴神经科学研究联合体的有益经验，建立全球性的人工智能研究数据库，形成全球共享的研究社区。另一方面，构建人工智能世界模型则需要建立在人类经验、社会习俗、专业技能的基础上，建议建立类似于自由协作式的知识库，通过全民民众参与，推动知识在全球层面共享。

　　中国科学院院士、清华大学人工智能研究院名誉院长、清华大学人工智能国际治理研究院学术委员张钹表示，由于深度学习等算法存在不可解释性，导致前两代人工智能算法存在着公平性、安全性问题和不可靠、不可信等缺陷。发展第三代人工智能关键在于发展可解释的、鲁棒的人工智能理论和方法，开发安全、可信、可靠、可扩展的人工智能技术，以“数据驱动+知识驱动”构建支持可解释的人工智能算法的深度学习平台，赋能人工智能安全与防御优化。从数据中真正获取智能要靠知识的帮助与引导，并需要政策法规对数据使用的正确规范，充分利用知识、数据、算法和算力四个要素结合，推动人工智能的创新发展。

　　中国工程院院士、北京大学信息科学技术学院院长、鹏城实验室主任、清华大学人工智能国际治理研究院学术委员高文认为，当前人工智能发展处于新一代人工智能向强人工智能发展的关键阶段，至2030年，中国人工智能发展总体要达到世界领先水平。从战略问题看，中美欧三方在人工智能人才、研究、开发、应用、硬件、数据等方面竞争激烈，当前中国人工智能发展在战略政策、数据资源、应用场景、潜力人才方面具有优势，而在基础理论、原创算法、关键部件、国际平台、高级人才等方面还存在短板。从战术问题看，人工智能2.0需采用基于大数据的统计AI解决大规模AI应用需求，鼓励各种可能的强人工智能探索，“可解释机器学习+推理”和“仿生系统+AI大算力”是可能的技术路线图；在安全问题层面，强人工智能的安全风险主要来源于模型的不可解释性、算法和硬件的不可靠性和自主意识的不可控性，人工智能2.0应采用DPI与“防水堡技术”解决数据安全与隐私保护，重视探索人工智能伦理问题，并基于“理论-技术研究-应用”的阶段性采取不同的风险防范策略。

　　美国国家工程院外籍院士、英国皇家工程院外籍院士、清华大学高等研究院双聘教授沈向洋表示，AI已经应用于生活和工作的方方面面，目前甚至在法律上也具有一定的应用，比如美国已经有很多法庭用机器学习和人工智能方法帮助判刑，包括决定刑期这样非常重要的问题。但是我们还无法理解一些AI决策的缘由。未来发展过程中我们不能只看见AI决策的“黑箱”，应该打开“黑箱”，探究和理解其中的具体内容和因果关系，我们一定要做可解释性的AI。同时，他提到负责任的AI应具备公平性、可靠性、隐私性、包容性、透明性和责任性的特点，作为新兴领域，还需要向其他领域学习，从而更好的服务于人类。

　　中国工程院外籍院士、清华大学智能产业研究院院长、人工智能国际治理研究院学术委员张亚勤指出，“碳中和”是人类能源结构的又一次变革。“碳中和”既是可持续发展的必然选择，又是产业结构调整和发展的重大机遇。企业在“碳中和”背景下都面临转型增效的压力。人工智能+物联网是智联网，智联网可以赋能绿色计算，助力“碳中和”。智联网助力“碳中和”主要包括三个环节：首先，由数据驱动和人工智能优化引擎来实现智能决策。其次，多参数全链系统配置优化。最后，通过多源多维异构感知融合实现智能感知。智联网可用于能源融合、降低ICT产业的碳排放和推动新兴产业发展等。他还介绍了智联网赋能的绿色计算平台的框架，该平台包括人工智能驱动节能减排和高能效人工智能系统，应用路径包括绿色园区和工业节能。

　　2021人工智能合作与治理国际论坛由清华大学主办，清华大学人工智能国际治理研究院承办，国际支持机构为联合国开发计划署。论坛为期两天，设有三场主论坛、一场特别论坛和七场专题论坛。“人工智能技术前沿与治理”主论坛由清华大学计算机科学与技术系教授、人工智能研究院常务副院长孙茂松主持。(完)