به گزارش ایرنا، سیدطه‌حسین مدنی در نشستی با عنوان «از آمار معتبر تا آینده‌پژوهی هوشمند برای توسعه پایدار اقتصاد ایران» که به مناسبت روز جهانی آمار(۲۸ مهر) با حضور پژوهشگران و کارشناسان و نخبگان علم داده، کلان‌داده، اقتصاد، آینده‌پژوهی، مدیریت و برنامه‌ریزی توسعه برگزار شد، به اهمیت وجود آمار دقیق و قابل اتکا در برنامه‌ریزی‌های توسعه‌ای، اشاره کرد و گفت: آینده‌پژوهی یکی از زمینه‌هایی است که شدیداً به آمار و داده‌های بزرگ درست و قابل اعتماد نیاز دارد و بدون آمار و کلان داده صحیح، ممکن است برنامه‌های توسعه‌ای کاملاً از مسیر درست منحرف شود.

وی ادامه داد: برخورداری از آمار درست و قابل اعتماد، در شرایطی که هوش مصنوعی توانسته بسیاری از محدودیت‌ها را حذف و امکان بررسی داده‌های بیشتری را فراهم کند؛ اهمیت بسیار بیشتری پیدا کرده است. این یعنی اگر به کمک هوش مصنوعی، قیود، محدودیت‌ها، شرایط و داده‌های بسیار زیادی برای آینده‌پژوهی مورد بررسی قرار گیرد اما داده‌ها و آمار ابتدایی دقیق نبوده و یا بدتر ساختگی باشد؛ کار منحرف خواهد شد.

مدنی درباره تعریف آینده‌پژوهی و نمونه‌های موفقی از آن که در کشور بر مبنای داده‌ها و آمار درست و دقیق وجود دارد هم گفت: در این زمینه می‌توان به سه مدل و ادبیات «توسعه»، «توسعه پایدار» و «پیشرفت مبتنی بر سناریو مرجح آینده‌پژوهی» اشاره کرد. در ادبیات توسعه، وضعیت فعلی با شرایط کنونی کشورهای توسعه یافته مقایسه و برای طی ادامه مسیر برنامه‌ریزی می‌شود. ادبیات توسعه می‌گوید که اگر در یک زمینه ما در پله اول قرار داریم و کشورهای توسعه یافته برتر جهان در پله ۳۰ (لبه دانش)، چطور باید برنامه‌ریزی و عمل کرد که طی یک افق مشخص به پله ۳۰ برسیم. ادبیات توسعه پایدار اما معتقد است که باید یک سری محدودیت‌ها را در نظر گرفت و در یک افق مشخص به جای پله ۳۰ به پله ۲۰ رسید تا کمترین آسیب‌های جانبی را به سایر حوزه‌ها وارد کرده و سیستم را ناپایدار و متزلزل نکنیم. اما ادبیات آینده‌پژوهی معتقد است که در افق برنامه‌ریزی شده ممکن است وضعیت جهان از پله ۳۰ به پله ۱۰۰ ارتقا پیدا کند بنابراین باید طوری برنامه‌ریزی کرد که در بازه مورد نظر، به جای پله ۳۰ به پله ۱۰۰ نزدیک شویم.

صنعت دفاعی کشور، نمونه موفقی از آینده‌پژوهی است

رئیس اندیشکده حکمرانی هوشمند افزود: صنایع موشکی و پهپادی کشور، یکی از نمونه‌های موفقی است که می‌توان آن را با ادبیات آینده‌پژوهی تطبیق داد. این موضوع در حوزه دفاعی کشور بسیار جدی گرفته شد آن هم زمانی که تدریس آینده‌پژوهی در برخی دانشگاه‌ها از جمله دانشگاه تهران در مقطع دکتری از دهه ۸۰ به تازگی شروع شده بود. به زبان ساده، آن زمان صنعت دفاعی کشور به جای اینکه بر حوزه‌هایی چون ساخت جنگنده تمرکز کند، تصمیم گرفت با دید آینده‌پژوهانه، به سمت استفاده حداکثری از نقطه مزیت یعنی موشک و پهپاد برود و همین تصمیم باعث شده امروز این بخش در یک وضعیت کاملاً اثرگذار قرار گرفته و بازدارندگی ایجاد کند.

اهمیت آینده‌پژوهی در اقتصاد کشور با تکیه بر آمار دقیق و درست

مدنی با بیان اینکه توجه به ادبیات آینده‌پژوهی به این شکل می‌تواند کشور را نجات دهد، گفت: با توجه به این تجربه موفق، ما در بحث اقتصاد هم باید به سمت «توسعه پایدار مبتنی بر آینده‌پژوهی» حرکت کنیم به خصوص اینکه امروز با کمک هوش مصنوعی می‌توانیم در طراحی سناریوی مرجح، بسیاری از محدودیت‌ها و خطاهای انسانی را حذف کنیم. در این مسیر، «داده‌های خرد و کلان» به مثابه ماده خام و زیربنایی و «الگوریتم‌های هوش مصنوعی» به عنوان موتور پردازشگر و شبیه‌ساز، دو بال اصلی طراحی راهبرد توسعه پایدار اقتصادی محسوب می‌شوند.

وی خاطرنشان کرد: اما باید توجه داشته باشیم که در صورت نبود آمار دقیق و درست، حتی به کار گرفتن پیشرفته‌ترین مدل‌های هوش مصنوعی هم نمی‌تواند کمک کننده باشد و برعکس، با ایجاد «توهم قطعیت»، سیاست‌گذار را به سوی پرتگاه خطاهای استراتژیک سوق می‌دهد. بنابراین، پیوند ارگانیک میان نظام تولید آمار رسمی، حکمرانی یکپارچه داده و روش‌شناسی‌های نوین آینده‌پژوهی، ضرورتی گریزناپذیر برای اقتصاد ایران است.

رئیس اندیشکده حکمرانی هوشمند در ادامه به چالش‌های آمار در کشور اشاره کرد و افزود: دستگاه‌های اجرایی کشور همواره حجم بسیار زیادی از داده‌های خرد و کلان را تولید می‌کنند اما این داده‌ها به ندرت در یک زنجیره ارزش تحلیلی به کار گرفته می‌شوند چون نگاه بسیاری از دستگاه‌ها به تولید آمار یک نگاه تقویمی و رفع تکلیفی است.

وی ادامه داد: این معضل باعث شده که پیوند خوبی میان آمار و سیاست‌گذاری مبتنی بر آینده‌پژوهی برقرار نشود و تصمیمات کلان اقتصادی به جای محاسبات دقیق، بر مبنای آزمون و خطا و برداشت‌های شخصی گرفته شود.

رئیس اندیشکده حکمرانی هوشمند گفت:تصمیم‌سازی در ایران در بخش آمار و داده‌های ورودی با چالش کیفیت پایین داده‌ها، عدم یکپارچگی پایگاه‌های داده و تشتت در مراجع اعلام آمار رسمی نیز مواجه است. تعارضات همیشگی که میان آمارهای بانک مرکزی و مرکز آمار درباره رشد اقتصادی، تورم و... وجود دارد یکی از نمونه‌های این تشتت است.

وی خاطرنشان کرد: حال تصور کنید در چنین فضایی، تصمیم‌ساز بخواهد با استفاده از هوش مصنوعی و نگاه آینده‌پژوهانه، یک سناریوی مرجح برای نزدیک شدن به اقتصاد جهانی ترسیم کند. مسأله‌ای که حتماً به توهم هوش مصنوعی منجر شده و سناریوها و پیش‌بینی‌هایی تولید و با قطعیت ارائه می‌شود که هیچ ریشه‌ای در واقعیت‌های میدانی و ظرفیت‌های ملی اقتصاد ایران ندارند و می‌توانند به اتلاف عظیم منابع ملی و هزینه‌های جبران‌ناپذیر در برنامه‌های توسعه منجر شوند.

ایجاد همگرایی میان آمار، هوش مصنوعی و آینده‌پژوهی

رئیس اندیشکده حکمرانی هوشمند، تصریح کرد: بنابراین با توجه به این مهم، ایجاد همگرایی در «حکمرانی داده»، «هوش مصنوعی» و «آینده‌پژوهی راهبردی» ضرورت دارد. کشور در این حوزه از ظرفیت‌های قانونی خوبی از جمله «قانون مدیریت داده‌ها و اطلاعات ملی» و «سند ملی هوش مصنوعی» نیز برخوردار است.

وی در ادامه به همگرایی داده درست و هوش مصنوعی برای آینده‌پژوهی و بهبود وضعیت اقتصادی کشور اشاره و تصریح کرد: داده‌های مستمر و قابل مقایسه، امکان شناسایی روندهای بلندمدت در حوزه‌هایی مانند رشد اقتصادی، تشکیل سرمایه، بازار کار و تحولات جمعیتی را فراهم می‌کنند. همچنین بررسی تغییرات کوچک اما معنادار در الگوهای مصرف انرژی، تراکنش‌های بانکی یا جابه‌جایی نیروی انسانی متخصص می‌تواند نشانه‌هایی از تحولات بزرگ‌تر اقتصادی و اجتماعی را آشکار کند؛ نشانه‌هایی که در صورت شناسایی به‌موقع، فرصت بیشتری برای پیشگیری یا اصلاح سیاست‌ها در اختیار تصمیم‌گیران قرار می‌دهند.

هوش مصنوعی می‌تواند سناریوهای آینده را دقیق‌تر بررسی کند

رئیس اندیشکده حکمرانی هوشمند با اشاره به ظرفیت‌های هوش مصنوعی در آینده‌پژوهی داده‌محور گفت: حجم و پیچیدگی داده‌های اقتصادی و اجتماعی به‌گونه‌ای است که تحلیل همه روابط میان متغیرها با روش‌های سنتی دشوار و زمان‌بر شده است. هوش مصنوعی می‌تواند با پردازش مجموعه‌های بزرگ و چندمنبعی داده، الگوهای پنهان، همبستگی‌های پیچیده و تغییرات غیرخطی را شناسایی کند و در تشخیص پیشران‌های اصلی تحولات به سیاست‌گذاران کمک برساند.

وی افزود: برای مثال، بررسی هم‌زمان داده‌های اقتصادی، اقلیمی، جمعیتی و مهاجرتی می‌تواند در شناخت ارتباط میان تحولات محیطی، تغییرات تولید کشاورزی، جابه‌جایی جمعیت و پیامدهای اقتصادی مؤثر باشد. همچنین ابزارهای پردازش زبان طبیعی و تحلیل احساسات می‌توانند اطلاعات کیفی موجود در اخبار، مصوبات و سایر منابع متنی برای بررسی متغیرهایی مانند انتظارات تورمی، اعتماد مصرف‌کننده و یا حتی نرخ سرمایه اجتماعی دولت و حاکمیت را تحلیل کنند.

مدنی ادامه داد: یکی از کاربردهای مهم هوش مصنوعی، تولید و مقایسه سناریوهای مختلف آینده است. این فناوری می‌تواند با استفاده از داده‌های تاریخی و مفروضات متفاوت، سناریوهای متعددی درباره متغیرهایی مانند نرخ ارز، اشتغال و رشد اقتصادی طراحی کند. سپس با شبیه‌سازی پیامدهای احتمالی هر سناریو، امکان مقایسه گزینه‌های سیاستی پیش از اجرای آنها فراهم می‌شود.

وی تصریح کرد: برای نمونه، می‌توان پیامدهای احتمالی تغییر سیاست‌های انرژی یا تغییر نرخ ارز را در محیط‌های شبیه‌سازی‌شده بررسی کرد و آثار آنها بر تورم، رفاه خانوارها و گروه‌های درآمدی را مورد ارزیابی قرار داد. چنین رویکردی می‌تواند به کاهش هزینه آزمون‌وخطا در سیاست‌گذاری کمک کند؛ هرچند نتایج مدل‌ها همچنان به کیفیت داده‌ها، مفروضات اولیه و شیوه طراحی آنها وابسته است.

مدنی با تأکید بر ضرورت پایش مستمر سناریوها اظهار کرد: آینده‌پژوهی نباید به تهیه گزارش‌هایی محدود شود که پس از انتشار، ارتباط خود را با فرایند تصمیم‌گیری از دست می‌دهند. در الگوی مطلوب، سناریوها باید با ورود داده‌های جدید به‌روزرسانی شوند و سامانه‌های هشدار زودهنگام بتوانند انحراف شاخص‌های مهم از مسیرهای پیش‌بینی‌شده را شناسایی کنند. این سازوکار به دستگاه‌های مسئول فرصت می‌دهد پیش از تبدیل شدن یک مشکل به بحران، سیاست‌های خود را بازنگری کنند.

انباشت داده بدون یکپارچگی، به تصمیم‌سازی هوشمند منجر نمی‌شود

رئیس اندیشکده حکمرانی هوشمند با اشاره به چالش‌های نظام داده‌ای کشور گفت: مسئله صرفاً کمبود داده نیست؛ بلکه پراکندگی اطلاعات، وجود سامانه‌های جزیره‌ای، داده‌های تکراری و ناسازگار و دشواری تبادل اطلاعات میان دستگاه‌ها نیز از موانع مهم بهره‌گیری مؤثر از داده‌ها به شمار می‌روند. حتی حجم بسیار زیادی از اطلاعات، اگر پاک‌سازی، استانداردسازی و مستندسازی نشده باشد، لزوماً ارزش تحلیلی ایجاد نمی‌کند.

وی افزود: برای استفاده مؤثر از داده‌ها باید مشخص باشد هر شاخص چگونه تعریف شده، از چه منبعی به دست آمده، چه زمانی به‌روزرسانی شده و تا چه اندازه قابلیت مقایسه با اطلاعات سایر دستگاه‌ها را دارد. اگر دو نهاد از تعاریف یا روش‌های محاسباتی متفاوت برای یک شاخص استفاده کنند، پیوند دادن داده‌های آنها ممکن است به نتیجه‌گیری‌های نادرست منجر شود.

مدنی با اشاره به قانون مدیریت داده‌ها و اطلاعات ملی مصوب سال ۱۴۰۱ اظهار کرد: این قانون ظرفیت مهمی برای سامان‌دهی تبادل اطلاعات میان دستگاه‌های اجرایی ایجاد کرده است. تعیین متولیان پایگاه‌های اطلاعات پایه و استفاده از زیرساخت‌هایی مانند مرکز ملی تبادل اطلاعات می‌تواند زمینه اتصال داده‌ها و کاهش موازی‌کاری را فراهم کند؛ اما تحقق این هدف به اجرای مؤثر مقررات، رفع موانع سازمانی، تعیین اولویت‌های روشن و پاسخگو بودن دستگاه‌ها وابسته است.

وی ادامه داد: یکی از موانع مهم دیگر در این مسیر، نگاه بخشی به اطلاعات و تلقی داده به‌عنوان دارایی اختصاصی و محرمانه هر دستگاه است. در حالی که داده‌های حاکمیتی، با رعایت الزامات قانونی و امنیتی، باید بتوانند در خدمت حل مسائل عمومی قرار گیرند. دسترسی کنترل‌شده پژوهشگران، دانشگاه‌ها، اندیشکده‌ها و کسب‌وکارهای فناور به داده‌های غیرحساس و بی‌نام‌سازی‌شده نیز می‌تواند زمینه تولید تحلیل‌های دقیق‌تر و راهکارهای نوآورانه را فراهم کند.

حفاظت از حریم خصوصی و نظارت انسانی ضروری است

مدنی با تأکید بر اینکه یکپارچه‌سازی داده‌ها نباید به نادیده گرفتن حقوق شهروندان منجر شود، گفت: هرچه حجم اطلاعات هویتی، مالی، سلامت و سایر داده‌های حساس در سامانه‌های متصل افزایش یابد، ضرورت حفاظت از حریم خصوصی، کنترل دسترسی و تقویت امنیت سایبری نیز بیشتر می‌شود. توسعه زیرساخت‌های تبادل اطلاعات باید هم‌زمان با تعیین سطوح دسترسی، احراز هویت مطمئن، نظارت مستمر و پاسخ‌گویی روشن درباره نحوه استفاده از داده‌ها پیش برود.

وی افزود: کیفیت و جامعیت داده‌ها در جلوگیری از سوگیری الگوریتمی نیز اهمیت دارد. اگر گروه‌هایی از جامعه، مناطق جغرافیایی یا بخش‌هایی از فعالیت اقتصادی در داده‌های مورد استفاده به‌درستی بازنمایی نشده باشند، خروجی سامانه‌های هوش مصنوعی نیز می‌تواند همان کاستی‌ها را بازتولید و یا حتی تشدید کند. در این صورت، تصمیم‌هایی که ظاهری علمی و محاسباتی دارند، ممکن است به توزیع نامتناسب منابع یا تعمیق نابرابری‌ها بینجامند.

رئیس اندیشکده حکمرانی هوشمند تصریح کرد: به هیچ وجه نباید خروجی هوش مصنوعی را معادل حقیقت قطعی دانست. این سامانه‌ها ممکن است همبستگی‌های کاذب را به‌جای روابط معنادار ارائه کنند یا اطلاعات نادرست را با ظاهری معتبر نمایش دهند. بنابراین، نتایج تحلیل‌ها و سناریوهای تولیدشده باید راستی‌آزمایی شوند و امکان توضیح، ارزیابی و حسابرسی تصمیم‌های مبتنی بر الگوریتم‌ها وجود داشته باشد.

وی ادامه داد: هوش مصنوعی می‌تواند بخش بزرگی از کار پردازش، الگوکاوی و شبیه‌سازی را انجام دهد، اما درک زمینه‌های اجتماعی و سیاسی، ملاحظات اخلاقی، منافع عمومی و الزامات امنیت ملی با ریسک کمتر همچنان به قضاوت انسانی نیاز دارد. در الگوی مطلوب حکمرانی هوشمند، فناوری باید توان کارشناسان و تصمیم‌گیران را افزایش دهد، نه اینکه مسئولیت تصمیم نهایی را از آنها سلب کند.

گذار به آینده‌پژوهی هوشمند نیازمند نقشه راه اجرایی است

مدنی با اشاره به ضرورت اصلاح فرایندهای تولید و استفاده از داده گفت: نخستین گام، ارتقای کیفیت آمارهای رسمی، کاهش مغایرت میان پایگاه‌های اطلاعاتی، به‌روزرسانی مستمر داده‌ها و ایجاد استانداردهای مشترک برای تبادل اطلاعات است. همچنین لازم است مسئولیت هر دستگاه در تولید، نگهداری و به‌روزرسانی داده‌های پایه به‌صورت شفاف مشخص شود و عملکرد آنها در این زمینه مورد ارزیابی قرار گیرد.

وی افزود: در گام بعدی، باید اتصال برخط پایگاه‌های اطلاعات پایه و توسعه داشبوردهای هوشمند برای پایش شاخص‌های کلیدی دنبال شود. ایجاد ظرفیت‌های تخصصی برای تحلیل داده و هوش مصنوعی در دولت، توسعه همکاری میان دستگاه‌های اجرایی و مراکز علمی و تقویت مهارت‌های آماری و داده‌ای مدیران نیز از اقداماتی است که می‌تواند فاصله میان تولید اطلاعات و استفاده از آن در تصمیم‌گیری را کاهش دهد.

مدنی با بیان اینکه آینده‌پژوهی باید از فعالیتی مقطعی و صرفاً پژوهشی به بخشی از چرخه اصلی سیاست‌گذاری تبدیل شود، اظهار کرد: لازم است مسائل راهبردی کشور ابتدا به پرسش‌های مشخص و نیازهای داده‌ای قابل سنجش تبدیل شوند؛ سپس داده‌های مرتبط گردآوری و ارزیابی شوند، پیشران‌ها و عدم‌قطعیت‌ها شناسایی شوند، سناریوهای مختلف با کمک ابزارهای تحلیلی شکل بگیرند و در نهایت، خبرگان و تصمیم‌گیران پیامدهای آنها را بررسی کنند. پس از اجرای سیاست نیز باید نتایج با شاخص‌های از پیش تعیین‌شده سنجیده و سناریوها بر اساس اطلاعات تازه بازنگری شوند.

وی افزود: در این مسیر، ارزیابی موفقیت نباید تنها به تعداد سامانه‌های ایجادشده یا حجم داده‌های ذخیره‌شده محدود بماند. کاهش تناقض‌های آماری، افزایش دسترس‌پذیری و تعامل‌پذیری داده‌ها، بهبود دقت پیش‌بینی‌ها، استفاده مستند از شواهد در اسناد سیاستی و افزایش شفافیت و اعتماد کاربران، از جمله شاخص‌هایی هستند که می‌توانند میزان پیشرفت کشور را نشان دهند.

رئیس اندیشکده حکمرانی هوشمند گفت: پیوند میان آمار معتبر، حکمرانی داده، هوش مصنوعی و آینده‌پژوهی، یک چرخه به‌هم‌پیوسته است و ضعف در هر بخش می‌تواند کارآمدی سایر بخش‌ها را کاهش دهد. سرمایه‌گذاری در فناوری‌های پیشرفته، بدون اصلاح کیفیت داده‌ها و رفع موانع تبادل اطلاعات، به‌تنهایی شناخت راهبردی ایجاد نمی‌کند.

وی در پایان این نشست نخبگانی تأکید کرد: حرکت به سمت حکمرانی هوشمند زمانی به نتیجه می‌رسد که دستگاه‌های اجرایی به اشتراک‌گذاری مسئولانه اطلاعات پایبند باشند، نظام آماری از انسجام و اعتبار کافی برخوردار شود، زیرساخت‌های امن و استاندارد توسعه یابند و نتایج تحلیل‌های داده‌محور به‌طور واقعی در تصمیم‌گیری‌ها مورد استفاده قرار گیرند. چنین رویکردی می‌تواند زمینه تشخیص زودهنگام بحران‌ها، تخصیص مؤثرتر منابع و تدوین سیاست‌هایی متناسب‌تر با واقعیت‌های اقتصادی و اجتماعی کشور را فراهم کند.