امید به توسعه هوش مصنوعی در دولت چهاردهم

مهدی زارع: چهارم مهر ۱۴۰۳ دکتر افشین، معاون علمی، فناوری و اقتصاد دانش‌بنیان رئیس‌جمهور، در جلسه فوق‌العاده «کاربردپذیری هوش‌ مصنوعی»، با اعلام تدوین برنامه جامع اقدام مشترک ملی هوش مصنوعی تا آخر هفته دوم مهر ۱۴۰۳، بر ضرورت حرکت سنجیده و هماهنگ بخش خصوصی و دولت در حوزه هوش مصنوعی با نگاه به تجارب گذشته تأکید کرد. این جلسه با حضور فعالان بخش خصوصی و با هدف توسعه زیست‌بوم داده، هوش ‌مصنوعی و پاسخ‌گویی به نیازهای اساسی کشور از طریق این فناوری‌ با استفاده از تجارب بخش خصوصی برگزار شد.

در روز جهانی کاهش ریسک سوانح که هر سال در دنیا در 13 اکتبر و در ایران ۲۰ مهرماه برگزار می‌شود، مرور می‌شود که مردم و جوامع در سراسر جهان چگونه ریسک سوانح طبیعی را کاهش می‌دهند. اگرچه حذف کامل ریسک سوانح غیرممکن است، اما پیشگیری و آمادگی می‌تواند تا حد زیادی تاب‌آوری جوامع را بهبود بخشد. یونسکو از تغییر تأکید بر واکنش پس از فاجعه به اقدام قبل از فاجعه حمایت و به کشورها کمک می‌کند تا ظرفیت‌های خود را در مدیریت سوانح و مخاطرات اقلیمی توسعه دهند. برای دستیابی به هدف چارچوب «سندای» برای کاهش ریسک سوانح طبیعی، موضوع روز جهانی کاهش ریسک سوانح (IDDRR) 2024 که مصادف با 13 اکتبر ۲۰۲۴- ۲۲ مهر ۱۴۰۳ است، «نقش آموزش در حفاظت و توانمندسازی جوانان برای آینده‌ای بدون فاجعه» است.

ما می‌توانیم با همکاری هم برای آماده‌سازی و جلوگیری از سوانح در جوامع تلاش کنیم. توسعه روش‌هایی برای پیش‌بینی برخی از سوانح طبیعی، امید‌های زیادی برای کاهش ریسک این سوانح ایجاد کرده است. سامانه‌های مجهز به هوش مصنوعی را می‌توان با کمک داده‌های لرزه‌ای برای تجزیه و تحلیل بزرگا و الگوها و پیش‌بینی زلزله و پس‌لرزه‌ها آموزش داد. از هوش مصنوعی کارهای مختلفی برای پیش‌بینی سیل، فوران‌های آتشفشانی و آتش‌سوزی‌ها در حال انجام است. اکنون محققان دریافته‌اند که می‌توان از هوش مصنوعی برای پیش‌بینی سوانح طبیعی استفاده کرد، به نحوی که هوش مصنوعی می‌تواند وقوع سانحه طبیعی را با استفاده از حجم وسیعی از داده‌های با کیفیت بالا پیش‌بینی کند و جان هزاران نفر از مرگ نجات یابد.

سامانه‌های پیش‌بینی و هشدار پیش‌هنگام و همچنین پاسخ‌های خودکار به کمک، به کاهش خسارات ناشی از سوانح طبیعی کمک می‌کنند. این ابزارها وسیله‌ای برای کمک به اولین پاسخ‌دهندگان هستند و انتظار آن است که با ابزارهای امروزی توسعه‌یافته با هوش مصنوعی واکنش مؤثرتری نشان دهند. پیش‌بینی می‌شود با پیشرفت هوش مصنوعی (AI)، تکثیر حسگرها و گسترش مجموعه داده‌ها، سامانه‌های پیش‌بینی و تشخیص دقیق‌تر و موفق‌تر شوند.

با این حال، همه سوانح به یک اندازه برای هوش مصنوعی قابل دسترس نیستند و این فناوری زمانی که به تجزیه و تحلیل رویدادهایی می‌رسد که دلایل اصلی آن به خوبی درک شده باشد، داده‌های زیادی برای آموزش الگوریتم‌ها وجود دارد و نمونه‌های به اندازه کافی پرتکرار با مدل‌های متداول می‌توانند قابل اعتمادترین پیش‌بینی‌ها را شکل دهند.

سامانه‌های مجهز به هوش مصنوعی را می‌توان با کمک داده‌های لرزه‌ای برای تجزیه و تحلیل بزرگی و الگوهای زلزله و پیش‌بینی مکان زلزله و پس‌لرزه‌ها آموزش داد. سامانه‌های یادگیری ژرف برای تجزیه و تحلیل حجم عظیمی از داده‌های لرزه‌ای استفاده می‌شود تا با هوش مصنوعی برای ارزیابی بزرگا و الگوهای زلزله استفاده شود. گوگل و هاروارد روی یک سامانه هوش مصنوعی کار می‌کنند که می‌تواند پس‌لرزه‌های لرزه‌ای را پیش‌بینی کند. برای ایجاد یک شبکه عصبی، دانشمندان بیش از 

131 هزار زمین‌لرزه و پس‌لرزه را بررسی کردند. شبکه عصبی روی 30 هزار مورد آزمایش قرار گرفت و سامانه از روش‌های استاندارد در پیش‌بینی مکان‌های پس‌لرزه بهتر عمل کرد.

اگر بتوانیم زلزله‌ها را در آینده پیش‌بینی کنیم، مدیران می‌توانند بر این اساس مراحل تخلیه را آغاز کنند. ژاپن در حال حاضر در حال تجزیه و تحلیل عکس‌های این سیاره از طریق ماهواره‌ها به منظور پیش‌بینی سوانح طبیعی است. برای پیش‌بینی احتمال وقوع سوانحی مانند زلزله و سونامی، الگوریتم‌های مبتنی بر هوش مصنوعی تغییرات عکس‌ها را بررسی می‌کنند. علاوه بر این، این سامانه‌‌ها زیرساخت‌های رو به زوال را زیر نظر دارند. سامانه‌های هوش مصنوعی می‌توانند تغییر شکل‌های ساختاری را شناسایی کرده و آسیب‌های ناشی از سقوط ساختمان‌ها و پل‌ها و همچنین فرونشست جاده‌ها را کاهش دهند. یکی از محدودیت‌های هوش مصنوعی این است که می‌تواند از نظر حجم و سرعت عملیات با انسان‌ها رقابت کند، اما از نظر کیفیت پیش‌بینی نه. هوش مصنوعی می‌تواند در موقعیت‌های مختلف اشتباه کند. انسان‌ها داده‌هایی را که به سامانه ارائه می‌شود، جمع‌آوری می‌کنند که می‌تواند نادرست باشد. در نتیجه، نتایج حاصل از هوش مصنوعی ممکن است اشتباه باشد. علاوه بر این، بر اساس روندهای پذیرش هوش مصنوعی، تمایل عمومی آن است که بیش از حد به هوش مصنوعی وابسته شویم. در نتیجه، محققان باید آزمایش‌های مکرری را انجام دهند تا مطمئن شوند فناوری قابل اعتماد و مناسب برای استفاده در دنیای واقعی در دسترس است. مشکل دیگر هوش مصنوعی این است که داده‌ها بر اساس سوابق سوانح طبیعی از گذشته است. در نتیجه، اپلیکیشن‌های مبتنی بر هوش مصنوعی قادر به مقابله با تغییر الگوها و بزرگای سوانح طبیعی مانند سیل و زلزله نیستند. علاوه بر این، هیچ سازوکاری برای گنجاندن اثر تغییرات اقلیمی بر سوانح طبیعی در برنامه‌های فعلی مبتنی بر هوش مصنوعی وجود ندارد. سامانه‌های هوش مصنوعی قادر به تجزیه و تحلیل اثرات تغییرات اقلیمی نیستند؛ زیرا با استفاده از داده‌های تاریخی آموزش دیده‌اند. در نتیجه، هوش مصنوعی برای پیش‌بینی الگوهای بلندمدت در سوانح طبیعی متعدد که تحت اثر تغییرات اقلیمی هستند، مشکل دارد.

فناوری مدرن مانند هوش مصنوعی و یادگیری ماشین در پیش‌بینی سوانح طبیعی مفید خواهد بود. با این حال، قبل از استفاده از هوش مصنوعی در برنامه‌های کاربردی دنیای واقعی، توجه به محدودیت‌های این فناوری بسیار مهم است. دولت چهاردهم برای توسعه هوش مصنوعی در سازمان‌های دولتی به طرحی نیاز دارد که همگانی‌شدن کاربرد آن را تا حد امکان ساده کند. نقشه راه برای کاربرد موفقیت‌آمیز هوش مصنوعی می‌تواند حاوی این مراحل باشد: استخدام متخصصان و محققان هوش مصنوعی، جمع‌آوری داده‌های با کیفیت بالا برای آموزش برنامه‌های مجهز به هوش مصنوعی، کمک‌گرفتن از افراد واجد شرایط که می‌توانند در توسعه هوش مصنوعی کمک کنند، به‌روزبودن و هوش مصنوعی باید به کارکنان دولت آموزش داده شود.