从卫星每日传回的气温与降水异常信号，到分散在各国医院与疾控系统中的公共卫生记录，再到田间地头实时变化的作物长势与土壤水文数据……如何利用好人类积累的海量数据来治理星球健康，已成为一个数据治理命题。

在26日举行的第四届中瑞科研诚信研讨会上，北京大学全球健康发展研究院全球健康特聘讲席教授、世界卫生组织前助理总干事施贺德（Bernhard Schwartländer）表示，当下科学研究面临的最大瓶颈，或许并非数据量的匮乏，而是数据本身的“质地”问题。这些数据往往过于“脏”、杂乱和互不兼容，以至于其中绝大部分根本无法被传统科学方法所利用。

作为北京大学全球健康发展研究院理事会联席主席，施贺德同时也是星球健康轴心系统（PHAS）的发起人之一。这是一个试图引入AI技术，深度整合气候、生态、粮食与公共卫生等多维数据，进而为全球政策制定提供决策支持的跨学科系统。而在该系统的底层架构中，包含着超过48000个复杂的变量。

在接受第一财经记者专访时，施贺德表示，地球健康研究的起点是人类认知的带宽和“数据洪流”之间的落差，“这不是一个简单的人们吃了某种东西然后生病的问题，而是有太多错综复杂的因素同时发生、相互缠绕。极端高温导致作物减产，进而引发食品安全危机，这背后牵扯着一个巨大的连锁反应。作为人类，我们根本无法同时处理成千上万个变量。”

他认为，借助AI和这一系统，人类能在系统中模拟和理解不同的结果，从而在开展商业活动、协同工作以及共同生活之间，找到一个更好的平衡点，做出正确的决策，从而实现各方理念的汇聚与共融。

从“喂养”大模型到构建“验证闭环”

根据国际数据公司（IDC）和高德纳（Gartner）的研究机构的长期跟踪报告，全球数据中有80%至90%属于非结构化数据（如文本、图像、传感器读数、田野记录等形式），因此无法被规整地装入传统统计方法依赖的行列结构，长期处于“被收集却未被使用”的状态。

施贺德表示，传统的科学研究方法需要高度特定、结构化的数据集来构建可供对比的科学框架，上述非结构化数据则会让科研人员陷入瓶颈。因此，PHAS要解决的第一个问题，是让系统具备处理这些原本被弃用信息的能力。但拿到数据只是开始，他称：“这些数据具体意味着什么，往往在最初阶段并不清楚，我们甚至不知道它们对深化理解究竟是有帮助，还是会产生误导。”

在这种情况下，该系统真正的突破口在于建立起一套“验证闭环”机制，即让模型反复运行、反复检验，并将输出结果与现有基准数据、已发表的学术文献以及领域专家的判断交叉比对。“随着迭代推进，系统会自己开辟出新路径并不断完善，每一次闭环运行，需要被剔除的噪音都会更少，因为底层数据结构早已在前一轮被清理和优化过。”他解释称。

“这类系统的核心优势和重大突破是，通过这个过程，科学研究变得更加精准，置信区间也变得更小。”施贺德总结道，更具变革意义的是，还可以允许并引导机器去主动发现那些人类此前未曾察觉的全新路径。最终，人类能够对这颗星球上正在发生的事情获得一个更加全面、宏观的视野。

决策权的不可外包

在技术得到突破后，更现实的问题是，如果PHAS给出的分析或政策建议被采纳但结果出了偏差，责任应该由谁承担？

施贺德的回答相当明确：“我们从不会把数据输进机器后就任由它自主运行。团队致力于打造高度交互式的工具，让政策制定者亲自上手、开展模拟推演，而不是被动接受黑箱式的结论。毕竟，在一个地方行得通的政策，搬到另一个地方未必适用，财政预算、环境条件、社会基础都不尽相同。”

他强调，决策链条的最后一步必须始终留给人类自己来走。“政策制定者必须在最后关头判断，自己究竟能做什么、什么方案最符合当地实际，工具的作用是提供依据，而不是替他们下结论。”他称。

施贺德认为，从星球健康的视角看，若人类不调整现有的商业与发展模式，气候持续升温、作物减产、生态系统紊乱并非危言耸听，但解决方案并非简单粗暴的“立刻关停发电厂、废弃每辆汽车”。在他看来，这一议题常被简化为非此即彼的对立，富裕国家与部分利益方陷入“你不动我也不动”的僵局。

被问及欧盟“监管优先”与美国“市场优先”两种治理路径，哪一种更适合复制到发展中国家时，施贺德认为，无论选哪条路，前提都是把高质量、干净的数据基础打好，更优质的数据对两种路径都是百利而无一害的。

“南方国家往往面临资源匮乏和技术能力不足的困境。因此，我们必须彻底转变思路，避免陷入这种非黑即白的二分法。实际上，这两者我们需要兼顾。已经被开发出来的先进工具必须被派上用场。传统的研究方法为科学的严谨性提供了不可或缺的基石，传统科学的底子越厚实，我们就能越好地利用这些AI工具。但我们必须超越传统的局限，在更高的层次和更大的规模上提供工具，向世人清晰地展示如何在管理这些复杂系统时找到更好的平衡。”他表示。

除了不同经济体之间的资源差距外，施贺德表示，另一大鸿沟是在科研界中传统科学家和人工智能领域专家之间“沟通并不顺畅”的问题。

“他们参加不同的学术会议，在不同的期刊上发表论文，传统科学期刊往往还缺乏专业的审稿机制，去公正评判一项AI驱动的方法论或决策方案。”在他看来，这正是当下最需要打破的壁垒，“如果有一份主流学术期刊能专门拿出一期特刊，聚焦如何让这两种科学路径真正交汇，那将是一件极具价值的事。”

(本文来自第一财经)