آینده‌نگری در حوزه اقتصاد؛ نیاز به آمار دقیق و هوش مصنوعی برای تحقق توسعه پایدار

به گزارش خبرنگار مهر، سیدطه‌حسین مدنی در گردهمایی‌ای با عنوان «از آمار معتبر تا آینده‌پژوهی هوشمند برای توسعه پایدار اقتصاد ایران» که به مناسبت روز جهانی آمار (۲۸ مهرماه) و با حضور گروهی از پژوهشگران، نخبگان و کارشناسان در زمینه علم داده، کلان‌داده، اقتصاد، آینده‌پژوهی، مدیریت و برنامه‌ریزی توسعه برگزار شد، تصریح کرد که امروزه هوش مصنوعی شرایط مناسبی را برای آینده‌پژوهی در دنیای اقتصاد مهیا نموده است، اما بر این نکته تأکید کرد که بدون دسترسی به داده‌های معتبر، حتی پیشرفته‌ترین و به‌روزترین ابزارهای هوش مصنوعی به‌هیچ‌وجه نمی‌توانند به تصمیم‌گیری‌های درست منجر شوند و این ممکن است فضای سیاست‌گذاری را با تصوری نادرست از آینده، به سمت اشتباهات استراتژیک و هدررفت منابع کلان ملی سوق دهد.

وی همچنین به ضرورت وجود آمار صحیح و قابل اعتماد در برنامه‌ریزی‌های توسعه‌ای اشاره داشت و بیان کرد که آینده‌پژوهی به عنوان یکی از حوزه‌های حساس به آمار و داده‌های کلان معتبر، در غیاب اطلاعات دقیق و صحیح می‌تواند به راحتی از مسیر اصلی خود منحرف شود. مدنی مطرح کرد که در شرایطی که فناوری هوش مصنوعی توانسته است بسیاری از موانع را برطرف کند و امکان بررسی حجم گسترده‌تری از داده‌ها را فراهم آورد، برخورداری از آمار دقیق و معتبر اهمیت بیشتری پیدا کرده است؛ به عبارتی اگر به کمک هوش مصنوعی، محدودیت‌ها و شرایط مختلف تحلیل شوند، اما داده‌های اولیه دقیق و واقعی نباشند، تمامی فرایند با اختلال روبه‌رو خواهد شد.

رئیس اندیشکده حکمرانی هوشمند در توضیح مفهوم آینده‌پژوهی و نمونه‌های موفقی که بر مبنای آمار و اطلاعات درست در کشور وجود دارد، به سه مدل و ادبیات مشخص اشاره کرد: «توسعه»، «توسعه پایدار» و «پیشرفت مبتنی بر سناریو مرجح آینده‌پژوهی». در ادبیات توسعه، وضعیت کنونی کشور با کشورهای توسعه‌یافته مقایسه می‌شود و بر اساس آن برنامه‌ریزی‌های لازم انجام می‌گیرد؛ به عنوان مثال، اگر کشور در سطح نخست قرار داشته باشد و کشورهای پیشرفته در جایگاه سی‌ام (در لبه دانش) قرار گیرند، باید مسیر دستیابی به آن سطح برنامه‌ریزی شود. در ادبیات توسعه پایدار، رویکرد این است که با در نظر داشتن برخی محدودیت‌ها، در افق زمانی معین به جای دستیابی به پله سی‌ام، به پله بیستم برسیم تا کمترین آسیب به سایر حوزه‌ها وارد شود و ثبات سیستم حفظ گردد. از سوی دیگر، ادبیات آینده‌پژوهی معتقد است که ممکن است در افق برنامه‌ریزی‌شده، جایگاه جهانی از پله سی‌ام به صدم ارتقاء یابد، بنابراین باید به گونه‌ای برنامه‌ریزی کرد که در زمان مشخص، به بهبود جایگاه نزدیک‌تر شویم.

مدنی صنعت دفاعی کشور را به عنوان یک نمونه موفق از آینده‌پژوهی معرفی کرد و اضافه کرد که صنایع موشکی و پهپادی ایران، مصداقی است که به‌طور کامل با ادبیات آینده‌پژوهی همخوانی دارد؛ موضوعی که در بخش دفاعی به شدت مورد توجه قرار گرفت، در حالیکه تدریس آینده‌پژوهی در برخی دانشگاه‌ها از جمله دانشگاه تهران از دهه هشتاد تازه آغاز شده بود. به‌طور خلاصه، در آن زمان صنعت دفاعی کشور به جای تمرکز بر ایجاد جنگنده‌ها، با انتخاب رویکردی آینده‌پژوهانه تصمیم گرفت به حداکثر استفاده از توانایی‌های خود در زمینه موشک و پهپاد بپردازد و این انتخاب حکیمانه سبب شد که امروز این حوزه به یک جایگاه تاثیرگذار تبدیل شود و قدرت بازدارندگی زیادی را به‌دست آورد.

وی بر اهمیت ادبیات آینده‌پژوهی به همین روش تأکید کرد و خاطرنشان کرد که با اتکا به این تجربه موفق، در حوزه اقتصاد نیز نیازمند حرکت به‌سوی «توسعه پایدار مبتنی بر آینده‌پژوهی» هستیم؛ به‌ویژه اینکه امروزه به مدد هوش مصنوعی، این امکان وجود دارد که در طراحی سناریوی بهینه، بسیاری از محدودیت‌ها و خطاهای انسانی را کاهش دهیم. در این راستا، «داده‌های خرد و کلان» به عنوان پایه‌های اساسی و «الگوریتم‌های هوش مصنوعی» به عنوان موتورهای پردازش و شبیه‌سازی، به دو بال اصلی در طراحی راهبرد توسعه پایدار اقتصادی شناخته می‌شوند. بدیهی است که در صورت نبود آمار دقیق و معتبر، حتی پیشرفته‌ترین مدل‌های هوش مصنوعی هم نمی‌توانند کارایی داشته باشند و بالعکس، ایجاد پدیده «توهم قطعیت» ممکن است سیاست‌گذاران را به سمت خطرات استراتژیک سوق دهد؛ از این رو، ایجاد ارتباط مؤثر بین نظام تولید آمار رسمی، حکمرانی یکپارچه داده و متدولوژی‌های نوین آینده‌پژوهی، مسئله‌ای اجتناب ناپذیر برای اقتصاد کشور به شمار می‌رود.

رئیس اندیشکده حکمرانی هوشمند در بخش دیگری از سخنان خود به چالش‌های موجود در حوزه آمار در کشور پرداخته و گفت که دستگاه‌های اجرایی به طور دائمی حجم زیادی از داده‌های خرد و کلان را تولید می‌کنند، اما متأسفانه این داده‌ها به ندرت در یک زنجیره ارزش تحلیلی مورد استفاده قرار می‌گیرند، چرا که نگاه بسیاری از دستگاه‌ها به مقوله تولید آمار، نگاهی تقویمی و به‌منظور رفع‌تکلیف است. این معضل ساختاری مانع از ایجاد پیوند مؤثر میان آمار و سیاست‌گذاری مبتنی بر آینده‌پژوهی گردیده است و اتخاذ تصمیمات کلان اقتصادی به جای تکیه بر محاسبات دقیق، عمدتاً بر مبنای آزمون و خطا و برداشت‌های شخصی صورت می‌گیرد. علاوه بر این، تولید تصمیم در ایران در بخش آمار و داده‌های ورودی با مشکلاتی از قبیل کیفیت پایین داده‌ها، عدم یکپارچگی پایگاه‌های اطلاعاتی و تنوع در مراجع رسمی آمار مواجه است که تناقضات دائمی میان بانک مرکزی و مرکز آمار مربوط به نرخ رشد اقتصادی و تورم نمونه‌ای بارز از این تنوع است. حال تصور کنید در چنین فضایی، تصمیم‌ساز بخواهد با استفاده از هوش مصنوعی و دیدگاه آینده‌پژوهانه، سناریویی برای ترسیم شرایط نزدیک به اقتصاد جهانی ایجاد کند؛ این موضوع قطعاً به «توهم هوش مصنوعی» منجر شده و سناریوها و پیش‌بینی‌هایی را تولید می‌کند که هیچ ارتباطی با واقعیت‌های میدانی و ظرفیت‌های اقتصادی ملی ندارد و می‌تواند به از بین رفتن گسترده منابع ملی و هزینه‌های غیرقابل جبران در برنامه‌های توسعه بیانجامد.

مدنی بر ضرورت ایجاد همگرایی بین «حکمرانی داده»، «هوش مصنوعی» و «آینده‌پژوهی استراتژیک» تأکید کرد و یادآور شد که کشور در این زمینه از ظرفیت‌های قانونی خوبی مانند «قانون مدیریت داده‌ها و اطلاعات ملی» و «سند ملی هوش مصنوعی» برخوردار است. وی به همگرایی داده‌های صحیح و هوش مصنوعی برای آینده‌پژوهی و بهبود وضعیت اقتصادی اشاره کرد و بیان داشت که داده‌های مستمر و قابل مقایسه، امکان شناسایی روندهای بلندمدت در حوزه‌هایی چون رشد اقتصادی، تشکیل سرمایه، بازار کار و تحولات جمعیتی را فراهم می‌آورد و نیز بررسی تغییرات کوچک اما معنادار در الگوهای مصرف انرژی، تراکنش‌های بانکی یا جابه‌جایی نیروی انسانی متخصص می‌تواند نشانه‌هایی از تحولات جدی‌تر اقتصادی و اجتماعی را نمایان کند؛ نشانه‌هایی که در صورت شناسایی به‌موقع، فرصت بیشتری برای اصلاح یا تغییر سیاست‌ها به تصمیم‌گیرندگان می‌دهد.

رئیس اندیشکده حکمرانی هوشمند با تأکید بر قابلیت‌های هوش مصنوعی در زمینه آینده‌پژوهی داده‌محور بیان کرد که حجم و تنوع داده‌های اقتصادی و اجتماعی به گونه‌ای است که تحلیل تمام روابط میان متغیرها با شیوه‌های سنتی دشوار و زمان‌بر شده است، در حالی که هوش مصنوعی می‌تواند با پردازش مجموعه‌های کلان و چندمنبعی داده، الگوهای پنهان، همبستگی‌های پیچیده و تغییرات غیرخطی را شناسایی کرده و در شناسایی پیشران‌های اصلی تحولات یاری‌رسان سیاست‌گذاران باشد. به عنوان مثال، تحلیل موازی داده‌های اقتصادی، اقلیمی، جمعیتی و مهاجرتی در درک ارتباط میان تحولات محیطی، تغییرات در تولید کشاورزی، جابه‌جایی‌های جمعیت و پیامدهای اقتصادی مؤثر است و ابزارهای پردازش زبان طبیعی و تحلیل احساسات قادرند اطلاعات کیفی موجود در اخبار، مصوبات و منابع متنی را برای تحلیل متغیرهایی چون انتظارات تورمی، اعتماد مصرف‌کننده یا نرخ سرمایه اجتماعی پردازش کنند. یکی از کاربردهای کلیدی هوش مصنوعی، تولید و ارزیابی سناریوهای مختلف برای آینده با استفاده از داده‌های تاریخی و ملاحظات گوناگون است که می‌تواند شبیه‌سازی و بررسی اثرات تغییر سیاست‌های انرژی یا نرخ ارز را قبل از اجرایی شدن فراهم کند و از این رو به کاهش هزینه‌های ناشی از آزمون و خطا کمک می‌کند؛ هرچند کیفیت خروجی مدل‌ها به داده‌ها و مفروضات وابسته است. مدنی تأکید کرد که بر اهمیت پایش مداوم سناریوها افزود که آینده‌پژوهی نباید به تهیه گزارش‌های مقطعی محدود بماند، بلکه باید سناریوها با ورود داده‌های جدید به‌روز شده و سامانه‌های هشدار زودهنگام، انحراف شاخص‌ها را شناسایی کنند.

وی انباشت داده بدون یکپارچگی را به عنوان یکی از موانع عمده تصمیم‌سازی هوشمند ذکر کرد و گفت که مشکل تنها کمبود داده نیست، بلکه پراکندگی اطلاعات، سیستم‌های جزیره‌ای، داده‌های تکراری و غیرسازگار، دشواری در تبادل اطلاعات و نیز عدم پاک‌سازی، استانداردسازی و مستندسازی داده‌ها از موانع جدی به شمار می‌آیند؛ به گونه‌ای که اگر دو نهاد از تعاریف متفاوتی استفاده کنند، نتایج به‌دست‌آمده نادرست خواهد بود. مدنی با اشاره به قانون مدیریت داده‌ها و اطلاعات ملی مصوب سال ۱۴۰۱، این قانون را مهم دانست، اما تحقق آن را منوط به اجرای مؤثر مقررات، برطرف کردن موانع سازمانی و پاسخگویی دستگاه‌ها عنوان کرد و نگرش بخشی به اطلاعات و دیدن داده‌ها به عنوان دارایی اختصاصی و مخفی را از دیگر موانع برشمرد و تأکید کرد که داده‌های حاکمیتی باید در خدمت حل مسائل عمومی قرار گیرد و دسترسی کنترل‌شده پژوهشگران و کسب‌وکارها به داده‌های غیرحساس نیز باید مهیا گردد.

مدنی حفظ حریم خصوصی و نظارت انسانی را ضروری خواند و تأکید کرد که یکپارچه‌سازی داده‌ها نباید به نقض حقوق شهروندان منجر شود و باید توسعه زیرساخت‌های تبادل اطلاعات هم‌زمان با تعیین سطوح دسترسی، تأیید هویت امن و امنیت سایبری پیش برود. کیفیت و جامعیت داده‌ها در جلوگیری از سوگیری‌های الگوریتمی نیز اهمیت بالایی دارد و نباید خروجی هوش مصنوعی را معادل حقیقت قطعی تصور کرد، چرا که این سیستم‌ها ممکن است همبستگی‌های کاذب ایجاد کنند؛ بنابراین نتایج باید مورد راستی‌آزمایی قرار بگیرد و درک مسائل اجتماعی، سیاسی، ملاحظات اخلاقی و منافع عمومی همچنان نیاز به قضاوت انسانی دارد.

رئیس اندیشکده حکمرانی هوشمند در پایان، جهت‌گیری به سمت آینده‌پژوهی هوشمند را مستلزم وجود نقشه راهی اجرایی شامل بهبود کیفیت آمارهای رسمی، کاهش تناقض‌ها، اتصال آنلاین پایگاه‌ها، توسعه داشبوردهای هوشمند و تبدیل آینده‌پژوهی به یکی از اجزای اصلی چرخه سیاست‌گذاری دانست و خاطرنشان کرد که حرکت به سمت حکمرانی هوشمند زمانی به سرانجام می‌رسد که دستگاه‌های اجرایی به اشتراک‌گذاری مسئولانه اطلاعات متعهد باشند، نظام آماری مستحکم گردد و تحلیل‌های داده‌محور به‌طور واقعی در فرآیند تصمیم‌گیری مورد استفاده قرار گیرد تا زمینه شناسایی زودهنگام بحران‌ها و تخصیص بهینه منابع فراهم شود.