復(fù)旦大學(xué)教授吳力波團(tuán)隊與合作者結(jié)合人工智能（AI）技術(shù)，對復(fù)雜政策體系的交互效果開展系統(tǒng)性評估，提出了面向氣候政策效果的全新研究范式，展示了AI賦能社會科學(xué)研究的新路徑，以及在復(fù)雜政策體系分析領(lǐng)域應(yīng)用的重要前景。相關(guān)成果近日發(fā)表于《自然-氣候變化》。

研究團(tuán)隊構(gòu)建了基于AI的全新全球氣候政策量化評估框架，在整合全球100多個國家、超過1萬項氣候政策的基礎(chǔ)上，對全球政策體系進(jìn)行系統(tǒng)分析。面對不同國家實施的差異性碳定價政策，團(tuán)隊利用無監(jiān)督學(xué)習(xí)算法，在高維特征空間中對全球政策進(jìn)行聚類，識別各國政策體系之間的結(jié)構(gòu)差異，捕捉不同國家政策設(shè)計的異質(zhì)性。在此基礎(chǔ)上，團(tuán)隊開展了政策交互機(jī)制分析，涵蓋碳定價政策效果評估、政策組合交互效應(yīng)分析、反事實模擬與政策建議。

研究結(jié)果顯示，在全球平均水平下，碳排放權(quán)交易體系（ETS）和碳稅分別能使排放強(qiáng)度降低約15.4%和8.5%，但在不同政策組合下表現(xiàn)出顯著差異。在多部門碳稅體系中，若配合政府研發(fā)支持及公共基礎(chǔ)設(shè)施建設(shè)，能顯著提升減排效率，表現(xiàn)為協(xié)同增效。在歐盟等成熟的配額總量控制型體系中，新能源補(bǔ)貼往往與碳市場信號產(chǎn)生沖突，通過扭曲價格信號削弱減排動力，體現(xiàn)潛在沖突的特點。對于處于早期階段或低強(qiáng)度的ETS，全國范圍的補(bǔ)貼反而表現(xiàn)出協(xié)同效應(yīng)，因為其在非覆蓋領(lǐng)域的直接減排收益超過了對碳市場的干擾，這是新興市場的機(jī)遇。

團(tuán)隊進(jìn)一步預(yù)測了政策優(yōu)化潛力。如果能完全消除政策間的沖突并實現(xiàn)良好協(xié)同，碳定價的減排效能平均可提升至22.3%。針對尚未實施碳定價的國家，模型提供了“定制化建議”。

團(tuán)隊表示，將AI、大數(shù)據(jù)分析與因果推斷方法相結(jié)合的“AI+政策科學(xué)”全新研究范式，能夠為理解復(fù)雜政策體系提供全新解決方案。