▋社科新人

青年是國家的希望和民族的未來。上海市一批青年才俊逐漸涵蓋哲學社會科學各學科領域,形成了具有上海特色的青年學人共同體,這對于加強社科理論隊伍建設和繁榮發展哲學社會科學發揮了積極作用。在中共上海市委宣傳部的指導下,上海東方青年學社近日組織評選出了2022—2023年度“上海社科新人”，本報將陸續予以推介,聚焦其傳承學術、創造思想、影響社會的使命擔當。

本期推介的上海社科新人（2022—2023年度）是上海交通大學黨委宣傳部副部長、國際與公共事務學院教授潘浩之。其研究主要關注全球可持續治理、國際傳播、數據驅動城市政策與人工智能交叉領域。潘浩之在美國伊利諾伊大學香檳分校獲得區域規劃博士學位，在博士后工作期間受美國國家超級計算中心（NCSA）首個社會空間超級計算機（ROGER）項目的支持。基于超算技術在社會計算中處理多源異構數據與實現復雜系統中長期預測的方法，潘浩之目前關注生成式人工智能在全球可持續治理中的應用。

原文 ：《技術應用：破解“被消音的災難”困局》

作者 |上海交通大學國際與公共事務學院教授 潘浩之

圖片 |網絡

在全球可持續治理的學術研究與實踐中，最先進的人工智能技術需優先應用于幫助全球最不發達的地區；最前沿的大模型方法需優先應用于解決全球最欠缺標準化數據的問題。當前，美西方主導的全球可持續治理實踐，存在著數據鴻溝和英語霸權。全球南方許多欠發達、非英語國家經歷的極端氣候事件成為了“被消音的災難”：它們真實發生，遭受巨大損失，卻在全球視野和決策體系中近乎隱形。雖然技術賦能潛力巨大，但目前遠未充分釋放以彌合這一鴻溝。本文試圖從多語言、多學科、多模態大模型的應用視角，切入這一核心矛盾，并提出批判性思考。

多語言大模型揭示“被消音的災難”

當前全球可持續治理，特別是在氣候災害領域，深受以英語為主導的信息生態和主要由美西方國家塑造的治理結構的制約。這種“英語霸權”遠不只是溝通障礙，它構成了一個系統性的篩選器。國際主流的氣候災害數據庫（如EM-DAT）嚴重依賴英語信息源。發生在非英語地區，尤其是撒哈拉以南非洲、南亞或偏遠島嶼的災害事件，如果其記錄不是英文的，就極難進入全球視野。

這種語言排斥機制造成了一種“代表性暴力”，系統性地邊緣化了非英語世界的聲音和經驗，并帶來了一系列危害后果。首先，它導致了全球風險認知的嚴重偏差，高估了發達地區的風險，而低估了最脆弱地區的真實威脅。其次，這種數據偏差直接影響了全球資源的分配。例如，國際組織應對氣候災害的政策性投資，因主要依賴英語災損報告，會系統性低估低收入國家的實際氣候風險。例如，同等強度的熱帶氣旋，在菲律賓造成的經濟損失能被完整記錄的比例，遠低于在美國被記錄的比例。這種低估形成了一個惡性循環：欠發達地區國家風險被低估造成獲得的氣候融資和保險賠付不足，從而使得當地監測和應對能力無法提升，當下一次災害來臨時，社會經濟損失更大、記錄更不全。

“被消音的災難”正是上述結構性不平等最直接的體現。它指的是那些在特定地理和文化背景中真實發生的、造成重大破壞的氣候相關極端事件，但由于缺乏監測基礎設施、信息傳播渠道受限（尤其是非英語傳播），或由于本土知識體系未被主流科學和媒體機制所承認，而未能被全球性的災害數據庫、媒體報道和國際援助體系有效捕捉和響應的災難。

這種“消音”是雙重的：一方面是事件的物理存在未被官方記錄（如小規模洪水、區域性干旱）；另一方面是本土的、基于特定語言和文化的風險認知與應對智慧被排除在外。例如，乍得湖畔的牧民、索馬里的部落長老可以通過傳統智慧對自然現象理解，預判旱情與洪水。這些寶貴的本土知識，是脆弱社區數代積累的生存智慧，往往以地方語言口頭傳播或存在于特定文化語境中。然而，它們因為缺乏符合“主流”（即英文、量化、書面化）標準的記錄形式，被排除在全球氣候風險模型和早期預警系統之外。

多語言大模型的應用可以破解“被消音的災難”困局，釋放人工智能在全球可持續治理與公平正義上的潛力。這類人工智能技術的突破性在于其強大的多語言理解與生成能力，使其能夠直接處理和分析海量的非英語信息源，包括本地新聞、社交媒體、社區記錄，甚至嘗試捕捉和轉化部分口述傳統知識。首先，多語言大模型能主動掃描和分析全球范圍內多種語言的公開信息，識別出那些未被主流英文數據庫收錄的氣候事件報告（如區域性洪水、異常干旱、特定作物的災害等）。其次，多語言大模型的核心能力在于“理解”和“轉化”。它們可以將非結構化的本土知識轉化為結構化數據。例如，將乍得湖牧民的經驗性干旱分級與衛星遙感獲取的高分辨率干旱指數結合，能生成更符合當地實際、更精確的預警模型。最后，通過填補關鍵的數據空白和整合本土智慧，多語言大模型為全球南方和最不發達國家提供了更精準的本地化風險圖景。這直接提升了這些國家進行災害風險管理、規劃適應措施以及爭取國際氣候融資時的數據主權和談判能力。

多學科大模型破解學習治理經驗量化困境

全球可持續治理的本質是協調自然系統與社會系統的深度互動，需要多學科視角理解和優化實踐。以蘇丹達爾富爾地區發生的水資源沖突與化解為例：水文模型可量化河水流量變化，政治學能分析條約法律效力，但當地部落與社區通過象征性互動建立信任的傳統儀式等文化緩沖機制，卻因難以量化而被主流模型忽視。這種割裂會導致治理智慧碎片化。例如，當工程師的設計方案未納入人類學家對流域部落祭祀禁漁習俗的解讀，生態保護規則便難以落地；當國際協議忽略社會學者對漸進式信任建立機制的研究，條約執行必然受阻。真正的可持續治理必須融合水文數據、制度設計、文化認知三重維度，方能應對氣候變化下的復雜挑戰。

本文提出的多學科生成式人工智能框架，利用自然語言理解技術將“本土文化適應”與“本地社區參與”嵌入傳統量化學習模型。比如，將彝族祭水祭田神林祭祀等自然崇拜、石/木刻分水傳統水資源管理技術解構為可執行規則，使云南跨境河流治理中的文化智慧轉化為生態算法參數。通過技術適配與制度轉譯將中國環境協同治理的路徑推廣到全球可持續治理中。例如，將中國包含跨境水質聯合監測、聯合執法、生態補償的階梯合作的“漸進式信任建立”策略解構為機器學習特征，生成全球跨境水資源協同治理的磋商路線，為全球可持續發展貢獻中國智慧和中國方案。

多模態人工智能應對數據真空

多模態大語言模型作為人工智能的前沿范式，具備同時解析文本、圖像、音頻等異構數據的能力，其核心突破在于構建跨模態語義關聯。例如將衛星影像中的污染擴散模式與居民健康訪談記錄建立因果映射，或從手機拍攝的煙霧視頻中識別生物質燃料使用特征。這種技術超越了傳統單模態分析的局限，為環境健康風險量化提供了新型認知框架。

當前全球環境治理面臨的關鍵瓶頸是“數據真空”導致的評估盲區。這種真空本質上是結構性監測缺失：一方面，低收入地區普遍缺乏醫療檔案、污染監測站等傳統基礎設施；另一方面，現有定量數據（如遙感影像）難以捕捉質性信息（如居民主觀癥狀、非正規經濟活動）。以尼日爾河三角洲原油泄漏為例，盡管衛星可追蹤地表油污擴散范圍，但當地醫療系統崩潰導致慢性中毒病例未被記錄；同樣，印度貧民窟露天焚燒塑料產生的空氣污染暴露，因無官方健康登記而無法納入全球疾病負擔統計。這些缺失數據恰是弱勢群體生存狀態的核心維度，其被系統性遮蔽直接導致環境正義的失衡。

多模態大語言模型通過創新性數據融合機制突破此困境。在技術實現層面，計算機視覺可解碼居民手機拍攝的炊煙圖像，依據煙霧色度、流動形態等特征精準溯源燃料類型（如區分煤、木材或塑料），使能源貧困測繪精度提升；時空軌跡模型則整合低成本的GPS移動設備數據與紅外遙感地表溫度，重構非洲婦女采集燃料的路徑網絡，暴露其長時間高溫暴露下的生存風險。這些技術將非結構化民間觀察轉化為可量化指標，填補了傳統監測網絡的裂隙。

人工智能在全球可持續治理中的根本價值，在于矯正被英語霸權與數據鴻溝系統性扭曲的知識生產體系。當前美西方主導的治理實踐，因依賴英語信息源和忽視本土認知，導致全球南方脆弱地區的災害遭受雙重遮蔽：災害事件本身因缺乏英文記錄成為“被消音的災難”。同時，地方智慧因非量化形態被排除于主流模型之外。這種結構性失衡不僅造成全球風險地圖失真，更使氣候融資分配持續偏離最需援助的群體。

本文提出的技術路徑直指上述矛盾核心。多語言大模型通過解析本地新聞與口述傳統，將全球南方非英語地區災害更全面地納入全球數據庫，重塑國際機構的風險評估基礎；多學科大模型將索馬里長老的旱情經驗、中國跨境河流協同治理中的“漸進式信任建立”策略轉化為可計算參數，使文化緩沖機制獲得更高的決策權重；多模態大模型則整合手機拍攝的炊煙影像、居民健康敘述與衛星數據，使傳統監測與數據盲區中的生存風險轉化為可行動的政策變量。

當牧民的本土觀測實時修正氣候模型，當邊緣社區的視覺證據直接驅動能源政策，人工智能方能實現其重構全球可持續治理并保障公平正義的價值。技術必須服務于最脆弱群體的可見性，將曾“被消音的災害”與“智慧”轉化為全球可持續治理的重點關注。

治學談：面對世界氣候變化、地緣沖突、糧食安全等挑戰，我聚焦以人工智能破解全球治理的結構性矛盾。中低收入島國、高原及低地近極地區域因語言隔閡、設施匱乏，在“英語霸權”下淪為氣候數據盲區。為此，本人運用“多模態-多語言-多學科”生成式人工智能大模型，挖掘全球所有國家與地區二戰后70余年的可持續治理文字檔案與氣候事件預警信號，結合社會人口數據構建弱勢群體風險圖譜，開發適配全球各地語言文化的智能決策系統；建設開源多語言氣候知識庫，打破數據霸權，賦能邊緣地區議程設置，促進和提升中國可持續協同治理最佳實踐與氣候科技的國際傳播效能及全球話語權。

文章為社會科學報“思想工坊”融媒體原創出品，原載于社會科學報第1960期第3版，未經允許禁止轉載，文中內容僅代表作者觀點，不代表本報立場。

本期責編：潘 顏

《社會科學報》2025年征訂

點擊下方圖片網上訂報↓↓↓