جوان آنلاین: رئیس اندیشکده حکمرانی هوشمند با تأکید بر ضرورت پیوند میان آمار معتبر، هوش مصنوعی و آیندهپژوهی گفت: استفاده از فناوریهای پیشرفته بدون برخورداری از دادههای دقیق و یکپارچه، نهتنها به تصمیمگیری درست منجر نمیشود، بلکه میتواند با ایجاد تصویری غیرواقعی از آینده، منابع کشور را در مسیرهای نادرست هزینه کند.
سیدطهحسین مدنی در گفتوگو با «جوان»، با اشاره به ظرفیت هوش مصنوعی برای تحلیل دادههای گسترده و بررسی سناریوهای مختلف آینده اظهار کرد: آیندهپژوهی به اطلاعات معتبر و قابل اعتماد وابستگی جدی دارد و هرگونه ضعف در دادههای اولیه میتواند مسیر برنامهریزی و توسعه را از اهداف اصلی منحرف کند. وی افزود: هوش مصنوعی امکان بررسی حجم بزرگی از اطلاعات و ارزیابی متغیرهای متعدد را فراهم کرده است، اما این توانایی زمانی ارزشمند خواهد بود که دادههای ورودی از صحت و اعتبار کافی برخوردار باشند. اگر اطلاعات نادرست یا ساختگی مبنای تحلیل قرار گیرند، خروجی مدلها نیز میتواند گمراهکننده باشد و حتی با ظاهری علمی، سیاستگذاران را به سمت تصمیمهای پرهزینه سوق دهد.
رئیس اندیشکده حکمرانی هوشمند با تشریح تفاوت رویکردهای توسعه، توسعه پایدار و آیندهپژوهی گفت: در الگوی توسعه، وضعیت کشور با کشورهای پیشرو مقایسه میشود و برای رسیدن به جایگاه آنها برنامهریزی صورت میگیرد. توسعه پایدار در کنار اهداف پیشرفت، محدودیتها و پیامدهای جانبی را نیز در نظر میگیرد، اما آیندهپژوهی بر این نکته تأکید دارد که جهان در افق برنامهریزی ممکن است تغییرات بسیار بزرگتری را تجربه کند. بنابراین سیاستگذاری باید علاوه بر وضعیت فعلی، تحولات احتمالی آینده را نیز در محاسبات خود لحاظ کند.
مدنی صنایع موشکی و پهپادی کشور را نمونهای از توجه به مزیتها و فرصتهای آیندهنگرانه دانست و گفت: در مقطعی که آموزش آیندهپژوهی در برخی دانشگاههای کشور تازه در حال گسترش بود، صنعت دفاعی بهجای تمرکز صرف بر حوزههایی مانند ساخت جنگنده، توسعه توانمندیهای موشکی و پهپادی را با توجه به ظرفیتهای موجود دنبال کرد. این تجربه نشان میدهد که شناسایی مزیتها و انتخاب مسیر متناسب با تحولات آینده میتواند به ایجاد توانمندیهای راهبردی منجر شود. وی ادامه داد: اقتصاد ایران نیز به رویکردی مشابه، با محوریت توسعه پایدار مبتنی بر آیندهپژوهی، نیاز دارد. در این مسیر، دادههای خرد و کلان نقش مواد اولیه و الگوریتمهای هوش مصنوعی نقش ابزار پردازش و شبیهسازی را ایفا میکنند. ترکیب این دو ظرفیت میتواند به طراحی سناریوهای دقیقتر برای رشد اقتصادی، اشتغال، سرمایهگذاری و سایر مسائل کلان کمک کند.
مدنی یکی از موانع اصلی تحقق این هدف را ضعف در نظام تولید و استفاده از آمار دانست و افزود: دستگاههای اجرایی اطلاعات فراوانی تولید میکنند، اما این دادهها بهندرت در یک زنجیره تحلیلی منسجم به کار گرفته میشوند. نگاه رفعتکلیفی به آمار، پراکندگی پایگاههای اطلاعاتی، کیفیت نامناسب دادهها و اختلاف میان مراجع رسمی در اعلام شاخصهایی مانند تورم و رشد اقتصادی، امکان تصمیمگیری مبتنی بر شواهد را کاهش داده است. وی هشدار داد: در چنین شرایطی، استفاده از هوش مصنوعی برای ترسیم آینده اقتصاد میتواند به تولید سناریوهایی منجر شود که با واقعیتهای میدانی و ظرفیتهای ملی تناسب ندارند. به همین دلیل، ایجاد همگرایی میان حکمرانی داده، هوش مصنوعی و آیندهپژوهی راهبردی یک ضرورت است. قوانین و اسناد موجود، از جمله قانون مدیریت دادهها و اطلاعات ملی و سند ملی هوش مصنوعی میتوانند زمینه قانونی حرکت در این مسیر را فراهم کنند. رئیس اندیشکده حکمرانی هوشمند با اشاره به کاربردهای تحلیل داده در شناسایی روندهای اقتصادی و اجتماعی گفت: بررسی مستمر شاخصهایی مانند رشد اقتصادی، تشکیل سرمایه، بازار کار و تغییرات جمعیتی میتواند روندهای بلندمدت را آشکار کند. حتی تغییرات محدود در الگوهای مصرف انرژی، تراکنشهای بانکی یا جابهجایی نیروی انسانی متخصص نیز ممکن است نشانهای از تحولات گستردهتر باشد و در صورت شناسایی بهموقع، فرصت اصلاح سیاستها را افزایش دهد.
وی افزود: هوش مصنوعی میتواند با تحلیل همزمان دادههای اقتصادی، اقلیمی، جمعیتی و مهاجرتی، روابط پیچیده و الگوهای پنهان را شناسایی کند. تحلیل اخبار، مصوبات و سایر منابع متنی نیز میتواند برای بررسی متغیرهایی مانند انتظارات تورمی، اعتماد مصرفکننده و سرمایه اجتماعی مورد استفاده قرار گیرد. این فناوری همچنین امکان طراحی و مقایسه سناریوهای مختلف درباره نرخ ارز، اشتغال، رشد اقتصادی و سیاستهای انرژی را فراهم میکند تا پیامدهای احتمالی آنها بر تورم و رفاه خانوارها پیش از اجرای سیاستها بررسی شود.
مدنی با تأکید بر اینکه آیندهپژوهی نباید به تهیه گزارشهای مقطعی محدود بماند، اظهار کرد: سناریوها باید با ورود اطلاعات تازه بهروزرسانی شوند و سامانههای هشدار زودهنگام، انحراف شاخصهای کلیدی از مسیرهای پیشبینیشده را شناسایی کنند. چنین سازوکاری به تصمیمگیران امکان میدهد پیش از تبدیل مشکلات به بحران، سیاستهای خود را اصلاح کنند. وی یکپارچگی و استانداردسازی دادهها را از الزامات این فرایند دانست و گفت: مشخص بودن تعریف شاخصها، منبع اطلاعات، زمان بهروزرسانی و قابلیت مقایسه دادههای دستگاههای مختلف ضروری است. اجرای مؤثر قانون مدیریت دادهها و اطلاعات ملی، اتصال پایگاههای اطلاعات پایه و استفاده از زیرساختهایی مانند مرکز ملی تبادل اطلاعات میتواند به کاهش موازیکاری کمک کند؛ البته این اقدامات به رفع موانع سازمانی و همکاری واقعی دستگاهها وابسته است.
رئیس اندیشکده حکمرانی هوشمند با تأکید بر ضرورت حفاظت از حقوق شهروندان افزود: یکپارچهسازی دادهها باید همراه با حفاظت از حریم خصوصی، کنترل دسترسی، امنیت سایبری و پاسخگویی درباره نحوه استفاده از اطلاعات باشد. همچنین اگر گروههای اجتماعی یا مناطق جغرافیایی در دادهها بهدرستی نمایندگی نشوند، الگوریتمها ممکن است سوگیریهای موجود را بازتولید کنند و به توزیع نامتناسب منابع یا تشدید نابرابریها بینجامند.