《Environmental Impact Assessment Review》：Exploring the role of artificial intelligence in achieving sustainable development goals: A systematic review
编辑推荐：
人工智能助力可持续发展目标（AI-for-SDGs）研究进展与结构失衡问题。基于2016-2024年1452篇文献的计量与网络分析，发现技术驱动（机器学习、遥感工具）主导研究，气候行动（SDG13）、可持续城市（SDG11）、产业创新（SDG9）受关注度高，而和平正义（SDG16）、性别平等（SDG5）、减贫（SDG10）等社会复杂目标关注度不足。研究揭示地理和机构合作失衡，提出需转向社会嵌入性挑战、加强国际协作与伦理评估的框架。
高子彦|庄沐凡|耿勇
上海交通大学环境科学与工程学院，中国上海200240
摘要
人工智能（AI）在推动联合国可持续发展目标（SDGs）方面的变革潜力引起了全球的广泛关注。然而，目前尚缺乏一个综合性的框架来解释AI应用于SDGs研究的快速扩展，包括其背后的驱动因素、结构模式及未来发展趋势。本研究通过对2016年至2024年间发表的1452篇文献进行全面的文献计量学和网络分析，构建了一个新的概念框架，该框架从内部和外部驱动因素、结构维度（主题、地理和方法论-治理）以及未来转型路径的角度阐释了这一领域的动态。研究结果表明，虽然AI相关研究呈现出快速发展的趋势，但发展并不均衡。与AI相关的关键词占据了分析词汇的主导地位（占28.6%），其中机器学习是最常用的方法；AI应用于SDGs的研究越来越多地结合了地理空间工具，如遥感技术。SDG 13（气候行动）、SDG 11（可持续城市）和SDG 9（工业、创新和基础设施）受到了更多关注；相比之下，SDG 16（和平与正义）、SDG 5（性别平等）和SDG 10（减少不平等）等社会复杂目标则受到的关注较少。分析还揭示了地理和机构间的差异，中国、印度和美国在该领域的研究产出和合作网络中占据主导地位。所提出的框架指出，未来的AI应用于SDGs研究应从关注技术可行性转向解决社会性挑战，促进更具包容性的国际合作，并融入对AI的伦理考量和可持续性评估。
引言
可持续性的概念已成为应对21世纪相互关联的系统性挑战的核心议题，这些问题包括环境退化、社会不平等、经济波动和资源短缺（Bonilla等人，2018年）。如今，可持续性不再仅仅被视为一个环境问题，而是一个需要平衡生态边界与社会正义及经济韧性的综合性议题（Giganti和Falcone，2025年）。在此背景下，联合国可持续发展目标（SDGs）提供了一个被广泛采纳的全球框架，包含了17个相互关联的目标，共同应对可持续发展的环境、社会和经济层面（联合国，2023年）。SDGs并非孤立的目标，而是强调各目标之间的系统性联系和权衡。因此，SDGs不仅作为政策议程，也被用作评估可持续性路径和新兴技术及治理策略潜在影响的分析工具。
人工智能（AI）的迅速发展对全球经济、社会和治理体系产生了重大影响（Jacques等人，2018年）。作为一种新兴技术，AI在医疗保健、教育、能源、农业和城市规划等多个领域都具有变革潜力（Lane和Saint-Martin，2021年；世界经济论坛，2018年）。这种广泛的适用性使AI成为讨论如何加速实现SDGs进展的核心。近年来，研究人员和政策制定者越来越重视AI创新与可持续发展之间的协同作用（联合国教科文组织，2021年；Dwivedi等人，2021年）。特别是在支持多个关键SDG目标方面，AI展现出了巨大潜力，尤其是在减缓气候变化（SDG 13）、提高资源效率（SDG 12）和疾病监测（SDG 3）方面（Kaack等人，2022年；Thomaz和Mahler，2024年；Schwalbe和Wahl，2020年）。
然而，AI的应用也伴随着一些挑战，如偏见和伦理风险（Tabbakh等人，2024年）、就业岗位流失（Frank等人，2019年）以及信息和通信技术获取不平等（Lythreatis等人，2022年），这些挑战可能限制全球实现SDGs的进程。这表明AI应被视为一种双重用途的技术，其对SDGs的贡献高度依赖于具体情境。
基于此背景，本研究对2016至2024年间Web of Science Core Collection数据库中的1452篇相关文献进行了全面的文献计量学分析，这一时期既是AI快速发展的时期，也是可持续性讨论日益激烈的时期。通过结合网络分析方法，研究了作者、机构和国家之间的合作模式。本研究的目标有两个：一是提供该领域的整体文献计量学映射；二是将这些实证发现整合成一个解释该领域发展的理论模型（Falcone和Tutore，2025年）。
基于分析所得的实证见解，本研究提出了一个概念框架，从内部和外部驱动因素、结构维度（主题、地理和方法论-治理）以及潜在的转型路径的角度阐释了该领域的动态。特别是，该框架中的方法论-治理维度旨在解决对实现包容性和社会可持续性转型至关重要的社会政治条件（Falcone和Errichiello，2025年）。通过解释当前AI应用于SDGs研究的结构与不平衡状况，该框架可为学者和政策制定者提供启示，帮助他们识别关键点、预见权衡，并设计出既技术先进又具有社会根基的未来研究方向。通过文献计量学映射与理论综合的结合，本研究从描述性分析上升到了对领域发展的解释性建模。
章节片段
关于AI应用于SDGs的文献综述
学术界已有许多综述文章探讨了如何将AI战略性地应用于各个领域以实现SDGs。表1总结了这些现有综述的对比概况。例如，Vinuesa等人（2020年）较早且具有影响力的研究评估了AI在所有17个目标中的正面和负面影响，强调了AI作为推动者及可持续发展变革因素的潜在作用。
方法
研究过程包括四个关键阶段（图1）：确定搜索范围、完善选择标准、应用文献计量学和网络分析方法，最后基于文献计量分析结果构建概念框架（Sauer和Seuring，2023年）。文献计量学分析涵盖了该领域的研究总体表现，包括出版物数量和趋势、引用次数等指标。
选定出版物的关键特征
图2展示了分析文献的文献计量学特征。自2019年以来，年度出版物数量和引用次数均显著增长（图2a）。相关出版物的数量从2016年的3篇增加到2024年的484篇，反映了学术界对AI在可持续性问题应用方面的日益浓厚兴趣。值得注意的是，总引用次数自2019年以来增长了30多倍，2024年达到了10,101次。这一急剧增长表明学术界对该领域的关注度显著提升。
迈向概念框架
前面的文献计量学分析（第3.1-3.5节）为本研究奠定了基础，揭示了AI应用于SDGs研究的快速演变但发展不均衡的现状。本节旨在超越描述性分析，对该领域进行概念化构建，这是迈向理论构建的关键一步（Seuring和Müller，2008年）。为此，将实证发现整合成一个概念框架。该框架如图8所示，其结构包括……
结论
AI在可持续性科学中的快速整合为实现这些SDGs带来了重大机遇和复杂挑战。虽然现有文献探讨了如何将AI战略性地应用于SDGs，但对该跨学科领域内的知识结构、演变趋势及内在不平衡的全面系统评估仍显不足。本研究旨在通过开展全面的文献计量学分析来填补这些空白。
利益冲突声明
作者声明他们没有已知的可能会影响本文研究的财务利益或个人关系。
致谢
本研究得到了中国自然科学基金（72561147302、7208810）、CPSF博士后奖学金计划（GZC20250207）以及上海社会科学院重大项目（2025ZD037）的财政支持。
