به گزارش اصفهان زیبا؛ با وجود تداوم آلودگی هوا و تکرار سیاستهای کوتاهمدت کنترلی، همچنان نقش تحلیلهای هوشمند و مبتنی بر داده در مدیریت این مسئله محدود است. در این شرایط عبور از روشهای سنتی پایش و بهرهگیری از هوشمصنوعی برای شناسایی دقیق منابع آلاینده، راهکاری است که تصمیمگیری در کلانشهرها را از آزمون وخطا بهیقینِ علمی نزدیک میکند. رویکردی که میتواند با شفافسازی سهم دقیق صنایع وترافیک درآلودگی هوا، ابزاری کارآمد برای سیاستگذاری بومی باشد، مشروط برآنکه ساختارهای مدیریتی، الزاماتِ شفافیت ومسئولیتپذیریِ ناشی از آن را بپذیرند.
حال این سؤال مطرح است، درجهانی که هوشمصنوعی بهابزار تصمیمسازی شهری تبدیل شده و باوجود رشد سامانههای پایش ومطرح شدن هوشمصنوعی،چرا همچنان تصمیمهای سیاستی در این حوزه کماثر واغلب واکنشی باقی ماندهاند؟ از طرفی چرا هوشمصنوعی هنوز وارد اتاق تصمیمگیری آلودگی هوا نشده است و چرا درمدیریت یکی از حیاتیترین چالشهای زیستمحیطی، همچنان سهم تحلیل هوشمند و دادهمحور ناچیز است؟
درهمین رابطه با مهدی طریقت، کارشناس و پژوهشگر هوشمصنوعی گفتوگو کردیم و ضرورت گذار به حکمرانی دادهمحور در مدیریت بحران آلودگی هوارا بررسی کردیم. گفتوگویی با تمرکز بر ظرفیتهای فناورانه موجود و بررسی مسیرهای پیشرو به منظور بهرهگیری مؤثر از هوش مصنوعی در مدیریتِ چالشهای زیستمحیطی کشور.
بهنظر شما ریشه ماندگاری بحران آلودگی هوا درشهرهای بزرگ چیست و چرا تصمیمهای کلان همچنان کمتر برتحلیل دادهمحور و ابزارهای نوین مانند هوشمصنوعی استوار شدهاند؟
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، بههمان راهحلهای کلیشهای وآزمون وخطا تکیه میکند.
این مقاومت دربرابر گذار بهحکمرانی دادهمحور، ناشی از هراس مدیران سنتی از پدیده جعبه سیاه الگوریتمهاست؛ جایی که شفافیتِ 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 بامسائلی نظیر آلودگی هوا، اغلب درچارچوبهای فکری گذشته محبوس مانده وتمایلی بهپذیرش ابزارهای تحلیلی نوین که قادر بهجابهجایی مرزهای دانش هستند، نشان نمیدهد؛ این امر درنهایت منجر بهتولید همانندِ راهحلهایی میشود که درعمل از کارآیی لازم برای حل یک بحران سیستمی برخوردار نیستند.
باوجود آنکه هوشمصنوعی پتانسیل شگرفی برای کمک بهاهداف توسعه پایدار، از جمله کاهش آلودگی وبهبود کیفیت زندگی، دارد و میتواند حجم عظیمی از دادههای محیطی واجتماعی را درلحظه پایش، تجزیه وتحلیل کند، اما تصمیمگیران هنوز به صورت حداقلی و نه بهعنوان یک محور اصلی، براین ابزارهای دادهمحور تکیه میکنند. اگر بخواهیم صادقانه وبدون سادهسازی پاسخ دهیم، ماندگاری بحران آلودگی هوا درشهرهای بزرگ را باید در یک شکاف مزمن میان پیچیدگی مسئله وسادگی سازوکارهای تصمیمگیری جستوجو کرد. این شکاف دقیقاً همان مشکلی است که ریشه درمدیریت سنتی و بهدور از دانش نوین ومقاومت برای ورود بهدنیای فناوری دانست. آلودگی هوا پدیدهای چندعاملی است که برهمکنش همزمان حملونقل، الگوی مصرف انرژی، ساختار اقتصادی شهر، رفتار اجتماعی وشرایط اقلیمی را در برمیگیرد، اما سیاستگذاری همچنان برمنطقهای بخشی، کوتاهمدت و واکنشی استوار مانده است. نتیجه این میشود که هر سال باهمان نسخههای تکرارشونده مانند تعطیلی مدارس یا محدودیتهای مقطعی روبهرو میشویم؛ اقداماتی که طبق گزارشهای سازمان جهانی بهداشت وبرنامه محیطزیست سازمان ملل، اثر پایدار برکاهش مواجهه شهروندان باآلایندهها ندارند و بیشتر نقش مسکن موقت را ایفا میکنند.
اگر بخواهیم از ظرفیت واقعی هوشمصنوعی عبور کنیم، این فناوری از چه نقطهای میتواند وارد فرایند تصمیمسازی شود وچه تفاوتی باابزارهای متداول پایش ایجاد میکند؟
نقطه عزیمت هوشمصنوعی از پایش صرف بهتصمیمسازی، گذار از توصیف وضعیت بهتجویز 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 وچگونگی 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 و حتی 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 وهزینه تصمیمهای کلان را بهطور معناداری افزایش میدهد.بااین حال، مسئله اصلی فقدان فناوری نیست، بلکه ناتوانی ساختارهای حکمرانی درپذیرش 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 بهصورت شفاف وپاسخگو درفرایند سیاستگذاری ادغام میشود، امکان تنظیم هوشمند محدودیتهای ترافیکی، مدیریت حملونقل عمومی وحتی قیمتگذاری انرژی فراهم میآید ونتایج آن قابل اندازهگیری واصلاح است.
در چنین ساختار پیچیدهای، تا چه اندازه میتوان بهتوان 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 بهعدالت اجتماعی بهکار گرفته شود، میتواند بهتشدید نابرابریهای شهری بینجامد. تجربههای موفق نشان میدهد هوشمصنوعی بومی باید بهجای سیاستهای سخت و یکسانساز مانند محدودیتهای فراگیر تردد، بهسمت مدیریت شناور وهوشمند تقاضا حرکت کند؛ رویکردی که باتحلیل دادههای واقعی رفتوآمد، شرایط اقتصادی محلات والگوهای مصرف حملونقل، فشار ترافیکی وهزینههای آن را عادلانهتر توزیع میکند. در کلانشهرهایی مانند تهران، اصفهان و … که هر مداخلهای پیامدهای اجتماعی واقتصادی مشخصی دارد، مزیت اصلی هوشمصنوعی در توان آن برای شناسایی نقاط گلوگاهی، زمانهای اوج آلودگی و طراحی راهکارهای تدریجی وهدفمند 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 وتصمیم انسانی نیست، بلکه تنها زمانی میتواند بهکاهش آلودگی وبهبود حملونقل کمک کند که با دادههای بومی، ارزشهای اجتماعی و در چارچوبی شفاف وپاسخگو بهکار گرفته شود.
باتوجه به اینکه هوشمصنوعی میتواند سهم هر بخش حملونقل تا صنعت را مشخص کند، نبود دادههای باز و تصمیمهای مبتنی برتحلیل هوشمند را باید یک چالش فنی دانست یا مسئلهای فراتر از آن؟
اگر نبودِ دادههای باز را فقط یک مشکل فنی بدانیم، در واقع از علت اصلی بحران چشمپوشی کردهایم (داده باز یعنی مردم، پژوهشگران و رسانهها بتوانند اعداد واقعی مربوط به موضوعاتی مثل کیفیت هوا، ترافیک، مصرف سوخت یا سلامت را ببینند، مقایسه کنند و براساس آن سؤال بپرسند). امروز مشکل نه کمبود فناوری و نه ضعف توان محاسباتی است، بلکه مقاومت ساختاری در برابر شفافیتی است که حکمرانی دادهمحور بههمراه میآورد. هوشمصنوعی این توان را دارد که سهم دقیق حملونقل، صنعت، انرژی و حتی الگوهای رفتاری شهری را در آلودگی هوا بهصورت دقیق و بهروز آشکار کند، اما همین شفافیت، مسئولیتپذیری نهادها را افزایش میدهد و این همان نقطهای است که نظامهای تصمیمگیری سنتی در برابر آن مکث میکنند. گزارشهای سازمان جهانی بهداشت، برنامه محیطزیست سازمان ملل و بانک جهانی نشان میدهد داده زمانی به ابزار سیاستگذاری مؤثر تبدیل میشود که شفاف، قابل دسترس وقابل راستیآزمایی باشد. در نبود چنین شرایطی، حتی پیشرفتهترین مدلهای هوشمصنوعی نیز به ابزارهایی نمایشی فروکاسته میشوند و تصمیمها همچنان برپایه برآوردهای کلی ومصلحتهای غیرشفاف گرفته میشود. تجربه کشورهایی که در مهار آلودگی هوا موفق بودهاند تأکید میکند دادههای باز یک انتخاب فناورانه نیست، بلکه تصمیمی سیاسی وحکمرانی است. بهعبارت دیگر، مسئله اصلی نه الگوریتمها، بلکه نبود اراده برای پذیرش قضاوت صریح دادههاست؛ تا زمانی که این اراده شکل نگیرد، واقعیت همچنان پشت درهای بسته تصمیمسازی باقی خواهد ماند.
اگر تحلیلهای هوشمند نشان دهند برخی تصمیمها بهتشدید آلودگی هوا انجامیدهاند، سازوکار پاسخگویی چگونه باید تعریف شود وبدون چنین چارچوبی، آیا هوشمصنوعی میتواند نقشی فراتر از یک ابزار کمکی ایفا کند؟
واقعیت این است که روبهرو شدن بانتایج صریح تحلیلهای هوشمند که میتواند ناکارآمدی سیاستهای گذشته را آشکار کند، بیش از آنکه به زیرساخت فنی نیاز داشته باشد، مستلزم شجاعت مدیریتی وچارچوب حقوقی شفاف است. مسئله اصلی در ارتقای نقش هوشمصنوعی از یک ابزار تحلیلی به یک پشتیبان واقعی تصمیمسازی، ابهام در مسئولیتپذیری است؛ از همینرو، تداوم بحران آلودگی هوا را باید نه یک ضعف فنی، بلکه یک چالش مدیریتی دانست.
تجربه کشورهای موفق، براساس گزارشهای OECD و برنامه محیطزیست سازمان ملل، نشان میدهد مسئولیت تصمیمها نباید به الگوریتمها واگذار شود، بلکه باید بهصورت روشن میان نهادهای سفارشدهنده، مجری و ناظر تقسیم شود. بههمین دلیل، سیاستگذاران و مدیران خبره در کشورهای پیشرفته، معمولاً بهجای اتکای کامل به تصمیمسازی خودکار، رویکردی ترکیبی را ترجیح میدهند که در آن قضاوت نهایی و پاسخگویی برعهده انسان باقی میماند؛ حتی اگر این رویکرد از نظر فنی بهینهترین گزینه نباشد، اما حداقلی از شفافیت، انصاف و پاسخگویی عمومی را تضمین میکند. تا زمانی که چارچوبی حقوقی و اخلاقی برای پاسخگویی در برابر خطاها یا سوگیریهای احتمالی هوشمصنوعی تدوین نشود، این فناوری در حل مسائل کلان کشور، از جمله آلودگی هوا، ناگزیر در حد یک ابزار کمکی باقی خواهد ماند. نقش تعیینکننده هوشمصنوعی نه در دقت محاسبات آن، بلکه در اراده نظام حکمرانی برای پذیرش قضاوت بیطرف دادهها معنا پیدا میکند؛ ارادهای که بدون آن، شفافترین تحلیلها نیز بهگزارشی مشورتی تقلیل مییابند.
آخرین و مهمترین سؤال این است که باتوجه بهتجربه کشورهای مختلف در مدیریت آلودگی هوا، چرا باوجود رشد سامانههای پایش ومطرح شدن هوشمصنوعی، همچنان تصمیمهای سیاستی در این حوزه کماثر واغلب واکنشی باقی ماندهاند؟ وچرا هوشمصنوعی هنوز وارد اتاق تصمیمگیری آلودگی هوا نشده است؟
اگر بخواهیم از تجربه کشورهایی که در مهار آلودگی هوا موفق بودهاند الگو بگیریم، راه حل در خرید فناوری خلاصه نمیشود، بلکه در اصلاح شیوه تصمیمگیری نهفته است. راهحل هوشمصنوعی برای کاهش آلودگی هوا یک پروژه فناورانه نیست، بلکه یک برنامه حکمرانی سه مرحلهای است؛ که اولین مرحله، یکپارچهسازی و شفافسازی دادههاست. کشورهایی مانند کرهجنوبی، هلند و بریتانیا ابتدا دادههای ترافیک، سوخت، صنعت، هواشناسی وسلامت را در یک بستر مشترک وقابل بررسی عمومی تجمیع کردند. بدون دسترسی شفاف بهدادههای واقعی، هوشمصنوعی عملاً بیاثر است.
مرحله دوم، گذار از پایش به تصمیمسازیست. در شهرهایی مانند سئول و لندن، هوشمصنوعی صرفاً کیفیت هوا را گزارش نمیکند، بلکه پیش از اجرا، سناریوهای سیاستی را شبیهسازی میکند؛ مثلاً اگر ساعات کاری تغییر کند، قیمت سوخت اصلاح شود یا ترافیک در یک پهنه خاص مدیریت شود، اثر آن برآلودگی و زندگی مردم چیست. این رویکرد، تصمیمهای پرهزینه و کماثر را حذف کرده است. سومین مرحله فهم این موضوع است که، انسان تصمیمگیر و هوشمصنوعی ناظر بیطرف است.
در الگوهای موفق، تصمیم نهایی همچنان بامدیران است، اما انحراف از توصیههای دادهمحور باید توضیح داده شود. همین الزام پاسخگویی، کیفیت سیاستها را بالا برده و از تکرار خطا جلوگیری کرده است. همین الزام بهتوضیح، مانع تکرار خطا و سیاستهای آزمونوخطا شده است. نتیجه تجربه جهانی روشن است؛ هر جا داده شفاف، هوشمصنوعی بهعنوان ابزار مشورتی الزامآور وشجاعت مدیریتی در کنار هم قرار گرفتهاند، آلودگی هوا مهار شده است و هر جا فناوری بدون اصلاح حکمرانی وارد شده، بحران همچنان ادامه دارد.
