下载掌阅APP，畅读海量书库
立即打开
韧性（resilience）是可持续发展中的重要要求和愿景。韧性的概念于2002年首次被引入城市治理领域。
在2015年联合国大会第七十届会议上通过的《变革我们的世界：2030年可持续发展议程》中，“恢复力”（resilient）一词被置于显著的位置，出现在议程的总要求和愿景当中。《变革我们的世界：2030年可持续发展议程》特别强调建立高质量、复原能力强的基础设施。多个可持续发展目标都与韧性发展密切相关。比如，SDG的目标9要求“建造具备抵御灾害能力的基础设施，促进具有包容性的可持续工业化，推动创新”，这项要求指出了“恢复力”非常重要的含义之一——抵御灾害。又如，SDG的目标11再次强调“建设包容、安全、有抵御灾害能力和可持续的城市和人类住区”。还有，SDG的目标2“消除饥饿，实现粮食安全，改善营养状况和促进可持续农业”也要求执行具有抗灾能力的农作方法。
由此可见，《变革我们的世界：2030年可持续发展议程》中贯穿着对韧性发展的要求。韧性发展已经成为一个重要的发展思路，即正视脆弱性。通过正视困难、风险、冲击、变化，并以适应力、恢复力应对之，使系统损失减少到可承受的程度，使运行不失稳，发展不逆转。
韧性发展的理念正逐步在中国受到认可并被重视。在2022年的G20峰会上，中国强调要推动更加包容的全球发展，推动更加普惠的全球发展，推动更有韧性的全球发展。2022年，习近平总书记在党的二十大报告中强调：“要坚持人民城市人民建、人民城市为人民，提高城市规划、建设、治理水平，加快转变超大特大城市发展方式。实施城市更新行动，加强新型基础设施建设，打造宜居、韧性、智慧城市。”
AI是可持续发展的使能器，助力韧性发展也是AI非常重要的应用领域。在基础设施方面，具有韧性的基础设施是韧性城市的基础，AI在提高基础设施韧性方面可以发挥积极的作用。
AI能够通过结合准确的数据和专业知识来助力韧性发展。AI可以快速、精准地帮助人们发现地下送水管网的泄漏，以实施快速修复。在深圳地区的实验中，AI基于过往的泄漏记录和传感器历史数据，构建了一个具有高适应力的算法，有效缩小了管网泄漏的排查范围，缩短了排查天数，并且把排查精确度从50%提升到了70%～80%。AI还可以预测城市用水需求，帮助实现适时适量地供水。机器学习算法可以利用已有的气象、土壤数据，预测城市植被的需水量，制定合适的灌溉策略。例如，在深圳的公园，AI预测得到四季需水量，为公园提供了更加适配的水资源供给。此外，AI还可以及早、准确地预报特定灾害，帮助实现灾害预防和减损。例如，通过将深度学习的算法与物理知识相结合，AI实现了对天津于桥水库以及深圳湾的赤潮爆发预警。
由以上实际案例可见，AI助力韧性发展的作用毋庸置疑。其中，数据是AI发挥作用的重要基础，及时、准确、全面的数据对AI助力韧性发展至关重要。因此，物联网的发展、多元数据的融合、数据的无偏化处理、数据与专业相关知识（如物理知识）的结合，可以降低算法对数据规模、质量的依赖性，是AI助力韧性发展的重要技术需求和趋势。
近年来，对应于风险情景下的城市（社区）脆弱性与科层刚性治理的局限性，韧性治理成为“韧性城市”“韧性社区”建设的核心策略。许多从不同角度研究韧性治理的学者，都强调治理的韧性表现在多元参与、综合协同、资源整合、技术赋能等几个重要方面。就技术赋能而言，人工智能与韧性治理的关系，包括人工智能作为治理工具和人工智能作为治理对象两个方面，已统一于人工智能在韧性治理中得到负责任的、符合伦理的、依法和适度的应用。
作为第一个全球性的规范框架，联合国教科文组织推出的《人工智能伦理问题建议书》强调了四项核心价值观：第一，尊重、保护和促进人权和基本自由以及人的尊严；第二，环境和生态系统蓬勃发展；第三，确保多样性和包容性；第四，生活在和平、公正与互联的社会中。在此之上，《人工智能伦理问题建议书》又提出了十项原则。对于将AI作为一个治理工具的应用，其中两项特别重要：第一，相称性和不损害原则；第二，人类的监督和决定原则。
清华大学公共管理学院的梁正教授提出的“技术双赋-韧力释放”框架指出，韧性治理通过对AI的赋能和赋权来实现。若要实现AI赋能韧性治理，则需要增强AI的透明性、可解释性、可靠性、鲁棒性，使AI能抗干扰、抗攻击，成为有韧性的AI。AI赋权则必须依法，防止技术异化为权力。AI系统需要能针对具体应用主体和场景，识别法律赋予它的权力边界，并在任何情况下，保证包容、公平无歧视，保证不伤害，保证人类的监督和决定权。
首先，AI韧性是可持续发展的重要要求和愿景，需要将实现韧性发展贯穿于可持续发展的各个方面，这是治理理念的重要提升。其次，助力韧性发展是AI的重要应用领域，AI作为可持续发展的使能器，也会推动AI的韧性发展。最后，AI用于韧性治理一定要依法、适度，贯彻伦理原则，坚持以人为目的，以目的为中心，而不是以工具为中心，要避免技术异化。