背景

在过去几十年间，越来越多的科学研究揭示了生命与环境各方面之间极为复杂的相互作用。这其中涵盖了气候变化、生物多样性丧失、污染、土地与水资源利用、粮食安全以及其他相互关联的威胁 —— 简言之，即人类活动对地球造成的各类干扰的全貌，这些干扰既影响人类福祉，也对生态福祉产生冲击。在地球尺度上，人类、动物、环境等所有参与要素密不可分，共同在全球社会、生态系统和经济体系中形成了相互关联的非线性动态关系。

星球健康科学进一步深化了这一认知，明确界定了 9 个 “行星边界”，并阐明了人类社会可安全运行的范围。目前，部分边界已被突破，另有部分正处于临界状态。尽管学界已明确诸多 “边界突破” 与 “人类福祉” 之间的关联路径（例如通过气候、水资源、粮食、疾病等层面），但仍需开展进一步研究，以识别更多关联路径、量化因果机制与阈值，并分析不同区域和人群所受的差异化影响 —— 最终为制定决策与干预措施提供依据，从而遏制并扭转当前的不利趋势。

此类研究具有高度复杂性，因为各要素间的相互作用呈非线性特征，且唯有将所有方面置于统一框架下分析，才能得出有效结论。人工智能（AI）的快速发展为应对这一挑战提供了新视角，使得近乎无限的数据点能够实现相互作用分析。2024 年，北京大学启动了 “星球健康坐标系统（Planetary Health Axis System, PHAS）”，这一突破性的大型人工智能模型平台，将为星球健康科学的发展提供助力。

星球健康坐标系统（PHAS）的优势

PHAS 是一款从底层设计出发、旨在整合并模拟整个星球健康生态系统的独特大型 AI 模型系统。该系统包含 48000 个涵盖人类、物种、自然及社会维度的国家 - 年份指标，明确纳入了 9 个行星边界，并构建了一个 “四轴健康模型”，用以反映人类、物种、自然与社会健康的整体状态。借助这一庞大的多维度数据框架，PHAS 能够以前所未有的精确度对全球尺度的动态变化进行建模。

通过整合 48000 项指标，该系统可呈现各国、各区域及全球层面 “四轴健康” 的当前状况，估算其与行星边界（即地球生物物理系统内的安全运行极限）的距离，并对风险指标发出预警。更重要的是，依托深度因果建模技术，该系统不仅能复现已被证实的科学关联，还能揭示此前分析中未被发现的新型因果联系与反馈机制。因果人工智能（Causal AI）确保模型聚焦于因果结构，从而产出更具稳健性、可解释性与可靠性的洞见。

整合建模与模拟

核心功能：PHAS 的核心价值在于融合了综合评估与系统建模的实践经验。它通过 “动态一般均衡经济模块”，将地球物理、生态与社会领域的数据整合起来，实现对政策与发展场景的整体性模拟。借助大规模学习算法与风险场景模拟器，PHAS 能够对不同前瞻性场景下的结果进行预测。其动态均衡框架将分散的要素统一到一个连贯的模型中。数据与范围：PHAS 依托庞大的国际数据库，涵盖每个国家每年数千项指标（人口统计、流行病学、经济、土地利用、气候变量等），以及 9 个行星边界的最新数据。这一丰富的数据集为从国家到全球尺度的模拟提供了支撑，并实现了不同主题领域间的跨部门关联。

因果模型引擎：PHAS 的关键创新在于其因果推理引擎。该引擎以 AI 研究为基础，既纳入已知的因果图谱，也对假设的关联进行验证。它不仅能复现已被广泛认可的科学结论（从而验证模型有效性），还能从数据中挖掘此前未被识别的因果路径。在机器学习领域，这一突破意味着模型不再局限于 “相关性分析”，而是迈向了 “因果人工智能”—— 学界普遍认为，这是构建可信模型的关键所在。

验证与可靠性：为提升学习系统的性能，PHAS 采用了多维度的 “专家指导验证层”。在实际操作中，这体现为分阶段的 “人机协同审查”：相关领域的专家会定期核查模型结果、指出数据缺口，并参照已知基准对模型进行校准。事实上，近期研究强调，针对气候 / 健康领域的复杂 AI 模型，必须与人类专家开展协作，才能确保结果偏差更小、可信度更高。PHAS 通过持续的交叉核查践行了这一原则，这一严谨过程类似 “内部同行评审”，有助于增强人们对 PHAS 模拟结果的信心 —— 既确保结果有实证支撑，也为修正留出空间。

交互式仪表盘：PHAS 配备了可扩展的网页版仪表盘界面。用户可通过该界面查询系统数据、测试政策干预效果，并直观查看 “四轴健康” 与 “九项边界” 的相关影响。仪表盘的设计面向科学家、政策制定者及相关机构，通过可调参数与场景分支，让复杂模型变得透明且易于使用。

为何当下需要 PHAS？

星球健康科学正处于关键发展节点。当前，我们拥有丰富的全球数据与前所未有的计算能力，但分析工具却相对滞后。传统框架（如学科专属模型或孤立研究）无法捕捉社会、经济与生物圈之间的复杂关联网络。PHAS 通过为星球健康数据引入 “大型模型方法”，填补了这一空白。它堪称星球健康研究的 “核心枢纽”—— 整合了健康多维度、行星边界与经济维度的数据。

借助这一特性，PHAS 可助力解答重大问题：疫情、极端气候、冲突等相互关联的冲击将如何在不同区域蔓延？何种政策组合能为健康与可持续发展带来更优结果？全球系统中隐藏的 “杠杆点” 位于何处？

更重要的是，PHAS 的设计初衷是为全球科学界提供支持。该系统的研究洞见将定期发布以供同行评审，其模拟场景也将邀请全球专家参与完善。我们设想将 PHAS 打造为一个战略性协作平台：围绕统一的建模核心，汇聚拥有互补专业知识的机构（如气候科学家、经济学家、流行病学家、数据科学家等）。

总而言之，PHAS 是一款为应对当下大规模、高复杂性挑战而打造的突破性大型 AI 模型平台。它的推出恰逢其时，且与全球优先议题高度契合 —— 气候变化、疫情、生物多样性丧失、可持续发展等议题均在行星健康范式下相互交织。在世界卫生大会（World Health Summit）上推出 PHAS，彰显了我们对下一代科学与多边合作的承诺。我们诚邀顶尖科学家与机构参与 PHAS 相关工作 —— 无论是提供数据、完善模型，还是共同设计研究问题 —— 与我们携手守护星球健康。

尽管 PHAS 是为应对 “星球健康” 相关挑战（可称其为当今人类文明面临的最重大威胁）而专门开发的，但在理解全球健康领域其他重大趋势（如慢性病、健康老龄化）背后的复杂流行病学问题时，我们面临着相似的挑战。