جهان امروز با بحران‌هایی روبه‌روست که نه‌تنها پیچیدگی فزاینده دارند، بلکه هم‌زمان در چند حوزه(اقلیم، سلامت، انرژی، غذا) رخ می‌دهند و هم‌افزایی تهدیدهای آن‌ها مدیریت را دشوارتر کرده است. در چنین شرایطی، هوش مصنوعی در حال تبدیل‌شدن به قلب تپنده سامانه‌های پیش‌بینی و واکنش اضطراری است. این فناوری با تکیه بر یادگیری ماشین و تحلیل بلادرنگ داده‌های متنوع، می‌تواند روندهایی را تشخیص دهد که پیش‌تر در لایه‌های پنهان داده‌ها باقی می‌ماندند.
برای مثال، الگوریتم‌های پیشرفته می‌توانند الگوهای پراکندگی بیماری‌های واگیردار را پیش‌بینی کرده یا با ترکیب داده‌های آب‌وهوایی و ترافیکی، مسیر بهینه تخلیه جمعیت را مشخص کنند، اما در کنار این پیشرفت‌ها، خلاءهایی جدی نیز وجود دارد که هنوز به‌درستی مورد توجه قرار نگرفته‌اند. نخست، مسئله عدالت الگوریتمی است. وقتی هوش مصنوعی در توزیع منابع در شرایط اضطراری تصمیم‌گیر می‌شود، باید اطمینان داشت که از منطق‌هایی استفاده می‌کند که نابرابری‌ها را بازتولید نکند. دوم، بسیاری از این الگوریتم‌ها شفاف نیستند و در قالب «جعبه سیاه» عمل می‌کنند؛ در حالی‌که مدیر بحران نیاز دارد دقیقاً بداند چرا یک راهکار پیشنهاد شده است.
افزون بر این، بحران‌ها محیطی مساعد برای انتشار اطلاعات نادرست‌اند. شایعات، اخبار جعلی و دیپ‌فیک‌ها می‌توانند واکنش عمومی را منحرف کنند. توسعه سامانه‌هایی برای شناسایی و خنثی‌سازی این جریان‌های اطلاعاتی مخرب، بخش مغفولی است که نیازمند سرمایه‌گذاری فوری است. نکته آخر، تعامل انسان و ماشین است. اعتماد بیش از حد یا فقدان اعتماد به هوش مصنوعی، هر دو می‌توانند فاجعه‌ساز باشند. باید مدل‌هایی طراحی شود که انسان و ماشین به‌درستی در کنار هم تصمیم بگیرند؛ جایی که نه ماشین به‌تنهایی راهبر باشد و نه انسان تنها.
در همین راستا ایسنا با محسن طاهری، دکترای آینده پژوهی و عضو هیئت علمی دانشگاه اصفهان به گفت‌وگو نشسته که در ادامه حاصل آن را می‌خوانید:
در ۵ تا ۱۰ سال آینده، هوش مصنوعی نقشی حیاتی و چندوجهی در مدیریت بحران‌های پیچیده ایفا خواهد کرد. این فناوری به‌عنوان یک ابزار پیش‌بینی و تحلیل پیشرفته عمل می‌کند و با پردازش حجم عظیمی از داده‌های اقلیمی، زیست‌محیطی و بهداشتی، الگوهایی را شناسایی می‌کند که برای انسان به تنهایی قابل درک نیستند. برای مثال، الگوریتم‌های یادگیری ماشین می‌توانند با دقت بسیار بالاتری وقوع خشکسالی، سیل یا شیوع بیماری‌های همه‌گیر را پیش‌بینی کنند. این توانایی به دولت‌ها و سازمان‌های بین‌المللی اجازه می‌دهد تا اقدامات پیشگیرانه را به موقع انجام داده، منابع را به شکل بهینه‌تری تخصیص دهند و استراتژی‌های موثرتری برای مقابله با بحران تدوین کنند.
علاوه بر پیش‌بینی، هوش مصنوعی به‌عنوان یک دستیار هوشمند در تصمیم‌گیری و بهینه‌سازی عملیات عمل خواهد کرد. در بحبوحه یک بحران، این فناوری می‌تواند بهترین مسیرهای تخلیه جمعیت، کارآمدترین روش‌های توزیع کمک‌های بشردوستانه و بهینه‌ترین استراتژی‌های مهار یک آلودگی زیستی را پیشنهاد دهد. با شبیه‌سازی سناریوهای مختلف و ارزیابی نتایج احتمالی هر اقدام، هوش مصنوعی به رهبران و مدیران بحران کمک می‌کند تا تصمیمات آگاهانه‌تر و سریع‌تری بگیرند. این امر نه‌تنها به کاهش خسارات جانی و مالی منجر می‌شود، بلکه تاب‌آوری جوامع در برابر بحران‌های آینده را نیز به طور قابل توجهی افزایش می‌دهد.
آینده مدیریت بحران به سمت حذف کامل روش‌های انسانی و خودکار شدن پیش نخواهد رفت، بلکه به طور قطع ترکیبی از هوش انسانی و توانمندی‌های ماشین خواهد بود. هوش مصنوعی، با تمام قدرت پردازشی و تحلیلی خود، فاقد ویژگی‌های منحصراً انسانی مانند قضاوت اخلاقی، همدلی، خلاقیت و درک عمیق از زمینه‌های پیچیده اجتماعی، فرهنگی و سیاسی است. در شرایط بحرانی که تصمیمات می‌توانند پیامدهای حیاتی برای جان انسان‌ها داشته باشند، اتکای صرف به الگوریتم‌ها می‌تواند خطرناک باشد. یک سیستم هوش مصنوعی ممکن است بهینه‌ترین راهکار را از منظر لجستیکی پیشنهاد دهد، اما این راهکار لزوماً انسانی‌ترین یا عادلانه‌ترین گزینه نخواهد بود.
در مدل ترکیبی آینده، انسان نقش راهبر، ناظر و تصمیم‌گیرنده نهایی را بر عهده خواهد داشت. انسان‌ها اهداف، چارچوب‌های اخلاقی و اولویت‌ها را برای سیستم‌های هوش مصنوعی تعریف می‌کنند و این سیستم‌ها به‌عنوان دستیاران و مشاوران قدرتمند عمل خواهند کرد. هوش مصنوعی با تحلیل سریع داده‌ها، شناسایی روندها و شبیه‌سازی نتایج، گزینه‌های مختلف را پیش روی مدیران بحران قرار می‌دهد، اما این انسان است که با بهره‌گیری از تجربه، شهود و ارزش‌های انسانی، تصمیم نهایی را اتخاذ می‌کند. این هم‌افزایی که در آن سرعت و دقت ماشین با خرد و درایت انسان ترکیب می‌شود، به مدیریتی کارآمدتر، سریع‌تر و در عین حال انسانی‌تر منجر خواهد شد که هیچ‌کدام به تنهایی قادر به دستیابی به آن نیستند.
با وجود پیشرفت‌های چشمگیر، چندین حوزه حیاتی در تقاطع هوش مصنوعی و مدیریت بحران وجود دارند که هنوز به بلوغ نرسیده‌اند و نیازمند پژوهش و توسعه فوری هستند؛ نخست، اخلاق، سوگیری و عدالت الگوریتمی در شرایط اضطراری که یکی از مهم‌ترین خلاءها، توسعه چارچوب‌های اخلاقی برای تصمیم‌گیری هوش مصنوعی در زمان بحران است. زمانی که منابع(مانند تجهیزات پزشکی یا غذا) محدود هستند، الگوریتم‌ها بر چه اساسی اولویت‌بندی می‌کنند؟ پژوهش‌های عمیقی نیاز است تا اطمینان حاصل شود که مدل‌های هوش مصنوعی، سوگیری‌های اجتماعی یا نژادی موجود را تشدید نکرده و توزیع منابع را به شکلی عادلانه و اخلاقی مدیریت می‌کنند.
دوم، هوش مصنوعی توضیح‌پذیر(XAI) در موقعیت‌های پرفشار است که در بحبوحه بحران، مدیران باید بدانند که چرا هوش مصنوعی یک راهکار خاص را پیشنهاد می‌دهد. مدل‌های فعلی اغلب به‌صورت «جعبه سیاه» عمل می‌کنند. توسعه روش‌های XAI که بتوانند به سرعت و به زبانی قابل فهم، منطق پشت توصیه‌های سیستم را توضیح دهند، برای ایجاد اعتماد و پذیرش مسئولیت تصمیمات حیاتی ضروری است.
سوم، مقابله با اطلاعات نادرست(Disinformation) در مقیاس بحران است که بحران‌ها زمینه‌ساز انتشار سریع اطلاعات نادرست هستند که می‌توانند واکنش عمومی را مختل کنند. نیاز مبرمی به توسعه سیستم‌های هوش مصنوعی پیشرفته برای شناسایی، ردیابی و خنثی‌سازی سریع اطلاعات جعلی، دیپ‌فیک‌ها و کمپین‌های مهندسی‌شده اطلاعاتی وجود دارد که هدفشان ایجاد وحشت یا بی‌اعتمادی در طول بحران‌های زیستی یا اقلیمی است.
چهارم، پویایی اعتماد و همکاری انسان و ماشین (Human-AI Teaming) است که هنوز درک کاملی از نحوه تعامل بهینه انسان و هوش مصنوعی در محیط‌های پراسترس و سریع بحران وجود ندارد. پژوهش‌های بیشتری لازم است تا مشخص شود چگونه می‌توان از «سوگیری اتوماسیون» (اعتماد بیش از حد به ماشین) جلوگیری کرد و اطمینان یافت که هوش مصنوعی به جای تضعیف شهود انسانی، آن را تقویت می‌کند. این حوزه شامل طراحی رابط‌های کاربری است که بار شناختی اپراتورهای انسانی را در شرایط بحرانی کاهش دهد.
با گسترش فناوری‌هایی مانند کلان‌داده، اینترنت اشیا(IoT) و هوش مصنوعی، زیرساخت‌های ملی مدیریت بحران از سیستم‌های واکنشی و جدا از هم، به یک «سیستم عصبی دیجیتال» یکپارچه، هوشمند و پیش‌بینی‌کننده تبدیل خواهند شد. در این آینده، زیرساخت‌های فیزیکی کشور(مانند شبکه‌های برق، آب، حمل‌ونقل و بیمارستان‌ها) به میلیون‌ها سنسور اینترنت اشیا مجهز می‌شوند که به‌طور مداوم داده‌های عملکردی و محیطی را جمع‌آوری می‌کنند. این حجم عظیم از داده(کلان‌داده) به یک مرکز فرماندهی ملی هوشمند سرازیر می‌شود که در آن، الگوریتم‌های هوش مصنوعی وظیفه تحلیل آنی اطلاعات را بر عهده دارند. این سیستم دیگر منتظر وقوع حادثه نمی‌ماند، بلکه با تحلیل الگوها، بحران‌ها را پیش از وقوع پیش‌بینی می‌کند؛ برای مثال، با تحلیل داده‌های لرزه‌نگاری و تنش سازه‌ای، احتمال شکست یک سد را هشدار می‌دهد یا با ترکیب داده‌های هواشناسی و توپوگرافی، مسیر دقیق یک سیلاب را با دقت بالا مدل‌سازی می‌کند.
این تحول، مفهوم پاسخ به بحران را نیز دگرگون می‌کند. به جای هماهنگی‌های انسانی که اغلب با تأخیر همراه است، این زیرساخت هوشمند می‌تواند پاسخ‌های خودکار و بهینه را در لحظه اجرا کند. برای مثال، در صورت پیش‌بینی یک طوفان شدید، سیستم به‌طور خودکار مسیرهای تخلیه را براساس داده‌های ترافیکی آنی بهینه‌سازی می‌کند، هشدارهای هدفمند به تلفن‌های همراه شهروندان در معرض خطر ارسال می‌کند و منابع انرژی را به سمت زیرساخت‌های حیاتی مانند بیمارستان‌ها هدایت می‌کند. علاوه بر این، «دوقلوهای دیجیتال»(Digital Twins) از شهرها و زیرساخت‌های کلیدی ایجاد خواهند شد. این مدل‌های مجازی که با داده‌های لحظه‌ای تغذیه می‌شوند، به مدیران بحران اجازه می‌دهند تا سناریوهای مختلف واکنش را شبیه‌سازی کرده و مؤثرترین استراتژی را پیش از اجرای آن در دنیای واقعی، آزمایش و انتخاب کنند. در نهایت، این زیرساخت یک اکوسیستم زنده و پویا خواهد بود که به‌طور مداوم در حال یادگیری و انطباق برای افزایش تاب‌آوری ملی در برابر بحران‌های آینده است.
