DOI: https://doi.org/10.3389/fpubh.2025.1739342
PMID: https://pubmed.ncbi.nlm.nih.gov/41607909
تاريخ النشر: 2026-01-13
المؤلف: Mengyu Li وآخرون
الموضوع الرئيسي: الطاقة والبيئة والنمو الاقتصادي
نظرة عامة
تبحث هذه الورقة البحثية في تأثير الذكاء الاصطناعي (AI) على تقليل الملوثات الحضرية وانبعاثات الكربون في الصين، باستخدام بيانات بانل من 282 مدينة على مستوى المحافظة بين عامي 2009 و2023. من خلال استخدام نموذج تعلم آلي مزدوج، تجد الدراسة أن الذكاء الاصطناعي يساهم بشكل كبير في تقليل الانبعاثات، مع معامل انحدار أساسي قدره -0.026. تشمل الآليات المحددة تعزيز كفاءة الطاقة الكلية الخضراء، وتحسين الهياكل الصناعية، وتعزيز الابتكار في التكنولوجيا الخضراء. تم تأكيد قوة هذه النتائج من خلال اختبارات متنوعة، مما يشير إلى أن آثار الذكاء الاصطناعي تكون أكثر وضوحًا في مناطق مثل تجمع بكين-تيانجين-خبى وتجمع تشنغدو-تشونغتشينغ الحضري، بينما تكون أقل أهمية في مناطق مثل دلتا نهر اليانغتسي بسبب القيود الصناعية.
تسلط الاستنتاجات الضوء على الآثار العملية للذكاء الاصطناعي في تحسين جودة البيئة الحضرية، والتي ترتبط ارتباطًا وثيقًا بنتائج الصحة العامة. على وجه التحديد، توضح الدراسة ثلاث مساهمات رئيسية للذكاء الاصطناعي: تعزز كفاءة الطاقة، وتحول الموارد نحو القطاعات ذات التلوث المنخفض، وتسارع الابتكار في التكنولوجيا الخضراء، مما يقلل من المخاطر الصحية المرتبطة بالتلوث. تؤكد الأبحاث على ضرورة وجود سياسات متميزة مصممة لتناسب السياقات الإقليمية، حيث تختلف فعالية الذكاء الاصطناعي في تقليل الانبعاثات عبر التجمعات الحضرية والمناطق الاقتصادية. لا توسع هذه الدراسة فقط تطبيق التعلم الآلي المزدوج في الاقتصاد البيئي، بل تقدم أيضًا رؤى حاسمة لدفع التحول الأخضر في الصين ومبادرات الصحة العامة.
مقدمة
تسلط مقدمة الورقة البحثية الضوء على التحديات البيئية العالمية الملحة، وخاصة انبعاثات غازات الدفيئة وتغير المناخ، التي تفاقمت منذ أوائل القرن الحادي والعشرين. في سياق النمو الاقتصادي السريع للصين وتصنيعها، تواجه البلاد تحديات كبيرة في الحوكمة البيئية، حيث وصلت انبعاثات ثاني أكسيد الكربون إلى 12.6 مليار طن في عام 2023، مما يمثل حوالي 34% من الانبعاثات العالمية. إن الاعتماد على الوقود الأحفوري، الذي يشكل أكثر من 80% من استهلاك الطاقة في الصين، يزيد من التلوث ويعقد الجهود لتحقيق أهداف “الكربون المزدوج”. تجادل الورقة بأن طرق الحوكمة البيئية التقليدية غير كافية، مما يتطلب الابتكار التكنولوجي لتسهيل تحول أخضر شامل للاقتصاد والمجتمع.
يتم التأكيد على دور الذكاء الاصطناعي (AI) كاستراتيجية حاسمة لتقليل التلوث البيئي وانبعاثات الكربون. مع التقدم في تقنيات مثل 5G والبيانات الضخمة، تتماشى قدرات الذكاء الاصطناعي في المراقبة في الوقت الحقيقي واتخاذ القرارات الذكية بشكل جيد مع احتياجات الحوكمة المتطورة لتقليل الانبعاثات. تهدف الدراسة إلى استكشاف ما إذا كان بإمكان الذكاء الاصطناعي تحقيق تأثيرات تآزرية في تقليل الملوثات وانبعاثات الكربون في المدن الصينية، والتحقيق في الآليات الأساسية وتأثير خصائص المدن على هذه التآزرات. باستخدام بيانات بانل من 2009 إلى 2023 ونموذج تعلم آلي مزدوج، تحدد الأبحاث ثلاث طرق يساهم من خلالها الذكاء الاصطناعي في تقليل الانبعاثات: تحسين كفاءة الطاقة، وترقية الهيكل الصناعي، وتعزيز الابتكار التكنولوجي الأخضر. تميز هذه الدراسة نفسها من خلال التركيز على المدن على مستوى المحافظة، مما يكشف عن تباين كبير في آثار الذكاء الاصطناعي عبر التجمعات الحضرية، واستخدام أساليب تحليل متقدمة لتعزيز موثوقية الاستدلال السببي.
نقاش
في قسم النقاش من الورقة البحثية، يستكشف المؤلفون الدور المتعدد الأبعاد للذكاء الاصطناعي (AI) في تعزيز تقليل الملوثات الحضرية وانبعاثات الكربون. يقترحون أن الذكاء الاصطناعي، وخاصة من خلال عددي كثافة الروبوتات الصناعية، يعمل كدافع كبير لتحسين كفاءة الحوكمة البيئية. تحدد الورقة كل من الطرق المباشرة وغير المباشرة التي يساهم من خلالها الذكاء الاصطناعي في تقليل الانبعاثات. بشكل مباشر، يقوم الذكاء الاصطناعي بتحسين عمليات الإنتاج، وتعزيز المراقبة في الوقت الحقيقي، وتحسين استخدام الطاقة، مما يقلل من الانبعاثات الناتجة عن استهلاك الوقود الأحفوري. بشكل غير مباشر، يعزز الذكاء الاصطناعي تحسينات في كفاءة الطاقة الكلية الخضراء، ويحسن الهياكل الصناعية، ويحفز الابتكار التكنولوجي الأخضر، وكل ذلك يساهم في تقليل مستويات التلوث الحضري بشكل تآزري.
يقدم المؤلفون أربع فرضيات لتلخيص نتائجهم: (1) يعزز تطوير الذكاء الاصطناعي بشكل كبير تقليل الملوثات الحضرية وانبعاثات الكربون؛ (2) يتم التوسط في هذا التأثير من خلال تحسين كفاءة الطاقة الخضراء الشاملة؛ (3) يقوم الذكاء الاصطناعي بتحسين الهيكل الصناعي، مما يزيد من حصة القطاع الثالث، مما يسهل بشكل غير مباشر تقليل الانبعاثات؛ و(4) يدفع الذكاء الاصطناعي الابتكار التكنولوجي الأخضر، مما يؤدي إلى زيادة في طلبات براءات الاختراع للاختراعات الخضراء التي تدعم جهود تقليل الانبعاثات. تؤكد الورقة على أهمية دمج الذكاء الاصطناعي في استراتيجيات بيئية أوسع، مشيرة إلى أن تطبيقه يمكن أن يحول بشكل فعال نماذج استخدام الطاقة والتحكم في التلوث في الإنتاج الصناعي، مما يؤدي في النهاية إلى بيئات حضرية أكثر استدامة.
القيود
تعترف الورقة البحثية بعدة قيود في تحليلها لتأثير الذكاء الاصطناعي (AI) على تقليل الملوثات الحضرية وانبعاثات الكربون في المدن على مستوى المحافظة في الصين من 2009 إلى 2023. أولاً، تستخدم الدراسة كثافة تركيب الروبوتات الصناعية كبديل لتطوير الذكاء الاصطناعي، مما يحد من قابليتها للتطبيق على الأتمتة الصناعية ويتجاهل مساهمات تقنيات الذكاء الاصطناعي في نهاية الخدمة والمستهلك، مثل معالجة اللغة الطبيعية والخوارزميات الذكية. وبالتالي، قد لا تعكس النتائج بالكامل إمكانات تقليل الانبعاثات للذكاء الاصطناعي عبر مختلف القطاعات.
ثانيًا، بينما تحدد الدراسة ثلاث آليات أساسية—كفاءة الطاقة الكلية الخضراء، وتحسين الهيكل الصناعي، والابتكار التكنولوجي الأخضر—تفتقر إلى استكشاف مفصل لتفاعلاتها والاختلافات في الآليات عبر مراحل تقليل الانبعاثات المختلفة، مثل تقليل المصدر ومعالجة نهاية الأنبوب. بالإضافة إلى ذلك، فإن تحليل التباين الإقليمي محدود لتجمعات حضرية ومناطق اقتصادية، متجاهلاً العوامل الدقيقة مثل حجم المدينة ومواردها، التي يمكن أن تؤثر على مسارات تكيف التكنولوجيا.
لمعالجة هذه القيود، يُشجع البحث المستقبلي على توسيع نطاق التحليل من خلال دمج بيانات متعددة المصادر لإنشاء مؤشر شامل لتطوير الذكاء الاصطناعي، بما في ذلك تطبيقات الذكاء الاصطناعي في نهاية الخدمة. يجب أيضًا تطوير نماذج تفاعلية لفحص العلاقات بين الآليات المحددة وتحليل آثار الذكاء الاصطناعي عبر مراحل تقليل الانبعاثات المختلفة. علاوة على ذلك، يمكن أن يوفر فحص أكثر دقة للتباين الإقليمي، باستخدام أساليب التحليل المكاني، رؤى حول التأثيرات المختلفة للذكاء الاصطناعي في سياقات حضرية متنوعة، مما يدعم في النهاية صياغة سياسات مستهدفة لتقليل الانبعاثات بشكل فعال.
DOI: https://doi.org/10.3389/fpubh.2025.1739342
PMID: https://pubmed.ncbi.nlm.nih.gov/41607909
Publication Date: 2026-01-13
Author(s): Mengyu Li et al.
Primary Topic: Energy, Environment, Economic Growth
Overview
This research paper investigates the impact of artificial intelligence (AI) on urban pollutant and carbon emission reduction in China, utilizing panel data from 282 prefecture-level cities between 2009 and 2023. Employing a double machine learning model, the study finds that AI significantly contributes to emission reductions, with a core regression coefficient of -0.026. The mechanisms identified include enhancing green total factor energy efficiency, optimizing industrial structures, and fostering green technology innovation. The robustness of these findings is confirmed through various tests, indicating that AI’s effects are particularly pronounced in regions such as the Beijing-Tianjin-Hebei and Chengdu-Chongqing urban agglomerations, while less significant in areas like the Yangtze River Delta due to industrial constraints.
The conclusions highlight the practical implications of AI in improving urban environmental quality, which is closely linked to public health outcomes. Specifically, the study outlines three key contributions of AI: it enhances energy efficiency, shifts resources towards low-pollution sectors, and accelerates green technology innovation, thereby reducing health risks associated with pollution. The research underscores the necessity for differentiated policies tailored to regional contexts, as the effectiveness of AI in emission reduction varies across urban agglomerations and economic zones. This work not only expands the application of double machine learning in environmental economics but also provides critical insights for advancing China’s green transformation and public health initiatives.
Introduction
The introduction of the research paper highlights the pressing global environmental challenges, particularly greenhouse gas emissions and climate change, which have intensified since the early 21st century. In the context of China’s rapid economic growth and industrialization, the country faces significant environmental governance challenges, with carbon dioxide emissions reaching 12.6 billion tons in 2023, accounting for approximately 34% of global emissions. The reliance on fossil fuels, which constitute over 80% of China’s energy consumption, exacerbates pollution and complicates efforts to meet “dual carbon” goals. The paper argues that traditional environmental governance methods are insufficient, necessitating technological innovation to facilitate a comprehensive green transformation of the economy and society.
The role of artificial intelligence (AI) is emphasized as a critical strategy for reducing environmental pollution and carbon emissions. With advancements in technologies such as 5G and big data, AI’s capabilities in real-time monitoring and intelligent decision-making align well with the refined governance needs for emission reduction. The study aims to explore whether AI can achieve synergistic effects in pollutant and carbon emission reduction in Chinese cities, investigating the underlying mechanisms and the influence of urban characteristics on these synergies. Utilizing panel data from 2009 to 2023 and a dual machine learning model, the research identifies three pathways through which AI contributes to emission reduction: improving energy efficiency, upgrading industrial structure, and fostering green technological innovation. This study distinguishes itself by focusing on prefecture-level cities, revealing significant heterogeneity in AI’s effects across urban agglomerations, and employing advanced analytical methods to enhance causal inference reliability.
Discussion
In the discussion section of the research paper, the authors explore the multifaceted role of artificial intelligence (AI) in enhancing urban pollutant and carbon emission reduction. They propose that AI, particularly through the lens of industrial robot density, serves as a significant driver for improving environmental governance efficiency. The paper identifies both direct and indirect pathways through which AI contributes to emission reductions. Directly, AI optimizes production processes, enhances real-time monitoring, and improves energy utilization, thereby reducing emissions from fossil fuel consumption. Indirectly, AI fosters improvements in green total factor energy efficiency, optimizes industrial structures, and stimulates green technological innovation, all of which contribute to a synergistic reduction in urban pollution levels.
The authors present four hypotheses to encapsulate their findings: (1) AI development significantly promotes urban pollutant and carbon emission reduction; (2) this effect is mediated by enhanced overall green energy efficiency; (3) AI optimizes industrial structure, increasing the share of the tertiary sector, which indirectly facilitates emission reductions; and (4) AI drives green technology innovation, leading to a rise in green invention patent applications that further support emission reduction efforts. The paper emphasizes the importance of integrating AI into broader environmental strategies, suggesting that its application can effectively shift the paradigms of energy utilization and pollution control in industrial production, ultimately leading to more sustainable urban environments.
Limitations
The research paper acknowledges several limitations in its analysis of the impact of artificial intelligence (AI) on urban pollutant and carbon emission reduction in prefecture-level cities in China from 2009 to 2023. Firstly, the study employs industrial robot installation density as a proxy for AI development, which restricts its applicability to industrial automation and overlooks the contributions of service-end and consumer-end AI technologies, such as natural language processing and intelligent algorithms. Consequently, the findings may not fully encapsulate the emission reduction potential of AI across various sectors.
Secondly, while the study identifies three core mechanisms—green total factor energy efficiency, industrial structure optimization, and green technology innovation—it lacks a detailed exploration of their interactions and the differences in mechanisms across various emission reduction stages, such as source reduction and end-of-pipe treatment. Additionally, the analysis of regional heterogeneity is limited to urban agglomerations and economic zones, neglecting micro-level factors like city size and resource endowment, which could influence technology adaptation paths.
To address these limitations, future research is encouraged to broaden the scope of analysis by incorporating multi-source data to create a comprehensive AI development index, including service-end AI applications. It should also develop interaction models to examine the relationships among the identified mechanisms and analyze AI’s effects across different emission reduction stages. Furthermore, a more nuanced examination of regional heterogeneity, utilizing spatial analysis methods, could provide insights into the differential impacts of AI in various urban contexts, ultimately supporting the formulation of targeted policies for effective emission reduction.