هوش مصنوعی نفس را به شهر بازمی‌گرداند

پاییز هر سال، پیش از آنکه مسئولان حتی فرصت کنند جلسه‌ای تشکیل دهند، دود و ذرات معلق کار خودشان را می‌کنند و نفس شهر را می‌گیرند

پاییز هر سال، پیش از آنکه مسئولان حتی فرصت کنند جلسه‌ای تشکیل دهند، دود و ذرات معلق کار خودشان را می‌کنند و نفس شهر را می‌گیرند

جوان آنلاین: پاییز هر سال، پیش از آنکه مسئولان حتی فرصت کنند جلسه‌ای تشکیل دهند، دود و ذرات معلق کار خودشان را می‌کنند و نفس شهر را می‌گیرند. جلساتی که پس از آن تشکیل می‌شود هم بی‎فایده‌است، چراکه نسخه‌های درمان هم همان است که همیشه بوده، از تعطیلی‌های مقطعی گرفته تا توصیه‌های تکراری به مردم برای کمتر بیرون رفتن! اما سؤال جدی این است که چرا در روزگاری که هوش مصنوعی می‌تواند کمک‌کننده باشد، سیاست‌گذاری شهری همچنان با متر و معیار گذشته پیش می‌رود؟!
پرواضح است که هوش مصنوعی تنها برای پیش‌بینی وضعیت هوا نیست، این فناوری، قادر است سهم صنایع و ترافیک در آلودگی را شفاف کند و به سیاست‌گذاری بومی جهت دهد. البته به شرط آن‌که ساختار‌های مدیریتی، پذیرای شفافیت و مسئولیت‌پذیری باشند. «جوان» در گفت‌و‌گو با دکتر مهدی طریقت، پژوهشگر هوش مصنوعی، این موضوع را مورد بررسی قرار داده است. 

به‌نظر شما چرا تصمیم‌های کلان در رابطه با بحران آلودگی هوا همچنان به همان نسخه‌های قدیمی تکیه می‌کنند و از ابزار‌های نوینی مثل هوش مصنوعی بهره نمی‌برند؟
ماندگاری بحران آلودگی هوا در کلانشهر‌های ما را نباید صرفاً یک چالش اقلیمی باریشه‌های جغرافیایی یا صنعتی دانست، بلکه ما با یک مسئله مهم درمدیریت این بحران مواجهیم که ریشه اصلی آن، شکاف عمیق میان ساختار‌های تصمیم‌گیری سنتی و واقعیت‌های پیچیده عصر دیجیتال است. بدنه اجرایی ما همچنان در پارادایم‌های مدیریتی گذشته محبوس مانده و در مواجهه با دینامیک‌های سرسام‌آور آلودگی، به‌جای بهره‌گیری از هوش‌مصنوعی برای پایش دقیق ولحظه‌ای، به همان راه‌حل‌های کلیشه‌ای و آزمون‌وخطا تکیه می‌کند. این مقاومت در برابر گذار به‌حکمرانی داده‌محور، ناشی از هراس مدیران سنتی از پدیده جعبه سیاه الگوریتم‌هاست، جایی که شفافیت داده‌ها جایگزین مصلحت‌اندیشی‌های انسانی می‌شود. تا زمانی که نظام تصمیم‌سازی ما جسارت عبور از شهود فردی به‌سمت تحلیل‌های محاسباتی را پیدا نکند، بهترین ابزار‌های فناورانه نیز پشت سد ساختار‌های دیوان‌سالار و ناکارآمد باقی مانده وبحران صرفاً بازتولید خواهد شد. 
بحران در این است که سیاست‌گذاری‌های کلان در مواجهه با مسائلی نظیر آلودگی هوا، اغلب در چارچوب‌های فکری گذشته محبوس مانده و تمایلی به‌پذیرش ابزار‌های تحلیلی نوین که قادر به‌جابه‌جایی مرز‌های دانش هستند، نشان نمی‌دهد، این امر درنهایت منجر به تولید همانند راه‌حل‌هایی می‌شود که در عمل از کارآیی لازم برای حل یک بحران سیستمی برخوردار نیستند. با وجود آنکه هوش‌مصنوعی پتانسیل شگرفی برای کمک به اهداف توسعه پایدار، از جمله کاهش آلودگی و بهبود کیفیت زندگی، دارد ومی‌تواند حجم عظیمی از داده‌های محیطی و اجتماعی را درلحظه پایش، تجزیه وتحلیل کند، اما تصمیم‌گیران هنوز به‌صورت حداقلی و نه به‌عنوان یک محور اصلی، براین ابزار‌های داده‌محور تکیه می‌کنند. 
اگر بخواهیم صادقانه و بدون ساده‌سازی پاسخ دهیم، ماندگاری بحران آلودگی هوا درشهر‌های بزرگ را باید در یک شکاف مزمن میان پیچیدگی مسئله وسادگی سازوکار‌های تصمیم‌گیری جست‌و‌جو کرد؛ و این شکاف دقیقاً همان مشکلی است که ریشه در مدیریت سنتی و به‌دور از دانش نوین ومقاومت برای ورود به دنیای فناوری دانست. آلودگی هوا پدیده‌ای چندعاملی است که برهم‌کنش همزمان حمل‌ونقل، الگوی مصرف انرژی، ساختار اقتصادی شهر، رفتار اجتماعی و شرایط اقلیمی را در برمی‌گیرد، اما سیاست‌گذاری همچنان بر منطق‌های بخشی، کوتاه‌مدت و واکنشی استوار مانده‌است. نتیجه این می‌شود که هر سال باهمان نسخه‌های تکرارشونده مانند تعطیلی مدارس یا محدودیت‌های مقطعی روبه‌رو می‌شویم، اقداماتی که طبق گزارش‌های سازمان جهانی بهداشت و برنامه محیط‌زیست سازمان ملل، اثر پایدار برکاهش مواجهه شهروندان با آلاینده‌ها ندارند و بیشتر نقش مسکن موقت را ایفا می‌کنند. 
هوش‌مصنوعی در افکار عمومی اغلب به‌پیش‌بینی وضعیت هوا محدود شده‌است. 

اگر بخواهیم از ظرفیت واقعی هوش‌مصنوعی عبور کنیم، این فناوری از چه نقطه‌ای می‌تواند وارد فرایند تصمیم‌سازی شود و چه تفاوتی با ابزار‌های متداول پایش ایجاد کند؟
نقطه عزیمت هوش‌مصنوعی از پایش صرف به‌تصمیم‌سازی، گذار از توصیف وضعیت به تجویز راهکار است. ابزار‌های متداول پایش درکشور ما، نگاهی رو به‌عقب دارند وصرفاً به مدیران می‌گویند که هوا آلوده است، اما هوش‌مصنوعی باقدرت پیش‌بینی‌کنندگی خود، وارد ساحت چرایی و چگونگی می‌شود و پیش از وقوع بحران، سهم دقیق هر متغیر، از ترافیک تا فعالیت‌های صنعتی را مشخص می‌کند. 
هوش‌مصنوعی می‌کوشد پیش از وقوع بحران، روابط پنهان میان متغیر‌هایی مانند ترافیک، مصرف انرژی، فعالیت‌های صنعتی وحتی پیامد‌های سلامت را تحلیل کند و نشان دهد هر تصمیم چه نتایجی در پی خواهد داشت. این گذار به‌معنای حرکت از پاسخ‌های واکنشی به سیاست‌گذاری پیش‌نگر است، رویکردی که بنا برگزارش‌های معتبر برنامه محیط‌زیست سازمان ملل، سازمان جهانی هواشناسی، توان کاهش خطا و هزینه تصمیم‌های کلان را به‌طور معناداری افزایش می‌دهد. 
با این حال، مسئله اصلی فقدان فناوری نیست، بلکه ناتوانی ساختار‌های حکمرانی در پذیرش الگوی تصمیم‌گیری ترکیبی است، الگویی که در آن هوش‌مصنوعی به‌عنوان یک مشاور تحلیلی قدرتمند، سناریو‌های بهینه را برپایه تحلیل حجم انبوه داده‌ها ارائه می‌دهد، اما مسئولیت نهایی و داوری اخلاقی همچنان برعهده انسان باقی می‌ماند. تجربه شهر‌های موفق آسیایی و اروپایی نشان می‌دهد زمانی که هوش‌مصنوعی به صورت شفاف و پاسخگو در فرایند سیاست‌گذاری ادغام می‌شود، امکان تنظیم هوشمند محدودیت‌های ترافیکی، مدیریت حمل‌ونقل عمومی وحتی قیمت‌گذاری انرژی فراهم می‌آید و نتایج آن قابل‌اندازه‌گیری و اصلاح است. 
کلانشهر‌هایی مانند تهران با ترکیبی از عوامل انسانی، صنعتی و مدیریتی روبه‌رو هستند. 

در چنین ساختار پیچیده‌ای، تا چه اندازه می‌توان به توان هوش‌مصنوعی برای ارائه راه‌حل‌های بومی، به‌ویژه در مدیریت حمل‌ونقل وکاهش آلودگی بدون فشار اجتماعی بیشتر، امیدوار بود؟
نگاه رایج، هوش‌مصنوعی را به ابزاری فنی برای تنظیم چراغ‌های راهنمایی یا کنترل ترافیک فرو می‌کاهد، در حالی که اگر این فناوری بدون توجه به عدالت اجتماعی به‌کار گرفته شود، می‌تواند به تشدید نابرابری‌های شهری بینجامد. تجربه‌های موفق نشان می‌دهد هوش‌مصنوعی بومی باید به‌جای سیاست‌های سخت و یکسان‌ساز مانند محدودیت‌های فراگیر تردد، به سمت مدیریت شناور و هوشمند تقاضا حرکت کند، رویکردی که با تحلیل داده‌های واقعی رفت‌وآمد، شرایط اقتصادی محلات والگو‌های مصرف حمل‌ونقل، فشار ترافیکی و هزینه‌های آن را عادلانه‌تر توزیع می‌کند. 
در کلانشهری مانند تهران، که هر مداخله‌ای پیامد‌های اجتماعی و اقتصادی مشخصی دارد، مزیت اصلی هوش‌مصنوعی در توان آن برای شناسایی نقاط گلوگاهی، زمان‌های اوج آلودگی و طراحی راهکار‌های تدریجی و هدفمند است، نه تحمیل محدودیت‌های پرهزینه به‌شهروندان. طبق گزارش‌های بانک جهانی، برنامه محیط‌زیست سازمان ملل و سازمان همکاری‌های اقتصادی و توسعه، چنین رویکردی هم اثربخشی بیشتری در کاهش آلودگی دارد و هم از نظر اجتماعی پذیرفتنی‌تر است. البته باید واقع‌بین بود، هوش‌مصنوعی جایگزین حکمرانی و تصمیم انسانی نیست، بلکه تنها زمانی می‌تواند به‌کاهش آلودگی و بهبود حمل‌ونقل کمک کند که با داده‌های بومی، ارزش‌های اجتماعی و در چارچوبی شفاف وپاسخگو به‌کار گرفته شود. 
شفافیت داده‌ها یکی از پیش‌شرط‌های سیاست‌گذاری دقیق در جهان امروز به‌شمار می‌رود. 

منبع  : جوان آنلاین

برای مشاهده متن کامل خبر کلیک کنید

اشتراک‌گذاری

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *