چارچوب استراتژیک برای همسوسازی هوش مصنوعی و اهداف توسعه پایدار

نویسنده: فاطمه جعفری نوبخت

1. مقدمه

جامعه جهانی در یک مقطع حساس قرار گرفته است. در حالی که پیشرفت به سوی اهداف توسعه پایدار سازمان ملل متوقف شده است، یک فناوری با قدرتی بی‌سابقه – هوش مصنوعی – به سرعت در حال تغییر شکل جهان ماست. این مقاله استدلال می‌کند که هوش مصنوعی یک نوشدارو نیست، بلکه یک «شمشیر دولبه» است. از یک سو، فرصت‌های بی‌سابقه‌ای برای پیشبرد اهداف توسعه پایدار فراهم می‌کند و از سوی دیگر، خطرات ذاتی قابل توجهی را به همراه دارد که نیازمند مدیریت دقیق، سیاست‌گذاری آگاهانه و حاکمیت مسئولانه است.

هوش مصنوعی (AI) به عنوان یک فناوری دگرگون‌کننده ظهور کرده است که پتانسیل عظیمی برای حل چالش‌های پیچیده و به هم پیوسته توسعه پایدار، از تغییرات اقلیمی گرفته تا نابرابری در دسترسی به خدمات بهداشتی، ارائه می‌دهد.

برای مقابله با تغییرات اقلیمی با سرعت و مقیاسی که شرایط کنونی ایجاب می‌کند، باید رویکردی داده‌محور اتخاذ کنیم؛ رویکردی که از تمام قدرت هوش مصنوعی و سایر فناوری‌های پیشرفته برای تسریع اکتشافات و نوآوری در مقیاسی واقعاً سیاره‌ای بهره می‌برد.

لوکاس جوپا، دانشمند ارشد محیط زیست، مایکروسافت

هوش مصنوعی را می‌توان به سادگی به عنوان مجموعه‌ای از الگوریتم‌ها و رویکردهای فناورانه تعریف کرد که به ماشین‌ها اجازه می‌دهد عملکردهای شناختی شبه‌انسانی مانند استدلال و یادگیری را انجام دهند. برای بهره‌برداری مسئولانه از این پتانسیل، ابتدا باید فرصت‌های مشخصی را که هوش مصنوعی ارائه می‌دهد درک کنیم، پیش از آنکه با خطرات ذاتی آن روبرو شویم.

2. نوید هوش مصنوعی برای توسعه پایدار: تحلیل فرصت‌ها

برای بهره‌برداری استراتژیک از هوش مصنوعی، سیاست‌گذاران و رهبران کسب‌وکار باید کاربردهای عملی و بالقوه آن را در پیشبرد اهداف توسعه پایدار درک کنند. این درک به هدایت سرمایه‌گذاری‌ها و نوآوری‌ها به سمت مؤثرترین راه‌حل‌ها کمک می‌کند. قابلیت‌های اصلی هوش مصنوعی، از جمله خودکارسازی وظایف، تجزیه و تحلیل کلان‌داده‌ها و افزودن هوش به فرآیندها، آن را به ابزاری منحصربه‌فرد برای مقابله با چالش‌های پیچیده جهانی تبدیل کرده است.

1.2. کاربردها در محیط زیست و اقدام اقلیمی

هوش مصنوعی در حال ایجاد تحول در نحوه مدیریت منابع طبیعی و مقابله با تغییرات اقلیمی است. این فناوری با بهینه‌سازی سیستم‌ها و تقویت نظارت، به حفاظت از سیاره ما کمک می‌کند.

• بهینه‌سازی انرژی‌های تجدیدپذیر:الگوریتم‌های هوش مصنوعی می‌توانند با تحلیل داده‌های آب‌وهوایی، بهره‌وری مزارع بادی و خورشیدی را به حداکثر برسانند. به عنوان مثال، شرکت گوگل و دیپ‌مایند با به‌کارگیری یادگیری ماشین برای مدیریت ظرفیت ۷۰۰ مگاواتی نیروی بادی خود، توانستند ارزش آن را ۲۰ درصد افزایش دهند.
• تقویت نظارت و اجرای قوانین زیست‌محیطی:در برزیل، از هوش مصنوعی برای مبارزه با جنگل‌زدایی غیرقانونی در آمازون استفاده می‌شود. این سیستم‌ها با تحلیل داده‌های ماهواره‌ای، نقشه‌های پیش‌بینی‌کننده‌ای از مناطق پرخطر تهیه می‌کنند که به نهادهای اجرایی اجازه می‌دهد منابع محدود خود را به طور مؤثرتری تخصیص دهند. این رویکرد با افزایش ریسک درک‌شده برای متخلفان، به بهبود بازدارندگی کمک می‌کند.
• حفاظت از تنوع زیستی:هوش مصنوعی ابزارهای قدرتمندی برای مبارزه با شکار غیرقانونی حیات وحش فراهم می‌کند. سیستم‌های نظارتی هوشمند می‌توانند با تحلیل داده‌های حسگرها و پهپادها برای شناسایی فعالیت‌های مشکوک، به محافظان محیط‌زیست در زمان واقعی هشدار دهند.
• بهینه‌سازی مدیریت پسماند:کاربرد هوش مصنوعی در لجستیک مدیریت پسماند نتایج چشمگیری به همراه داشته است. مطالعات نشان می‌دهد که این فناوری می‌تواند منجر به موارد زیر شود:

◦ کاهش مسافت حمل‌ونقل: تا ۳۶.۸٪

◦ صرفه‌جویی در هزینه: تا ۱۳.۳۵٪

◦ صرفه‌جویی در زمان: تا ۲۸.۲۲٪

2.2. کاربردها در سلامت و رفاه انسان

هوش مصنوعی پتانسیل دگرگون کردن نظام‌های بهداشتی را دارد، به‌ویژه در تشخیص بیماری‌ها و افزایش دسترسی به خدمات درمانی.

• تشخیص دقیق‌تر بیماری‌ها:تحقیقات نشان داده‌اند که الگوریتم‌های هوش مصنوعی در تشخیص سرطان پوست با متخصصان پوست برابری می‌کنند یا حتی عملکرد بهتری دارند. همچنین، این فناوری در تشخیص گلوکوم، دومین عامل نابینایی در جهان، کاربردهای مؤثری داشته است.
• افزایش دسترسی به خدمات بهداشتی:در مناطقی که با کمبود شدید کارکنان بهداشتی مواجه هستند، سیستم‌های تشخیصی مبتنی بر هوش مصنوعی می‌توانند به عنوان یک ابزار کمکی قدرتمند عمل کرده و دسترسی به مراقبت‌های اولیه را بهبود بخشند.
• طراحی مداخلات بهداشتی هدفمند:در پروژه کاهش مرگ‌ومیر مادران در اوتار پرادش هند، محققان از الگوریتم‌های یادگیری ماشین برای تحلیل داده‌های مربوط به رفتارها و باورهای مادران استفاده کردند. این تحلیل به طراحی مداخلات مبتنی بر شواهد و مؤثر برای کاهش نرخ مرگ‌ومیر کمک کرد.

3.2. کاربردها در کشاورزی پایدار و امنیت غذایی

با توجه به افزایش جمعیت جهان، تأمین امنیت غذایی یکی از بزرگ‌ترین چالش‌هاست. هوش مصنوعی می‌تواند با افزایش بهره‌وری و کاهش ضایعات، به این هدف کمک کند.

• بهبود بازده محصولات از طریق کشاورزی دقیق:سیستم‌های هوش مصنوعی می‌توانند با تحلیل داده‌های مربوط به خاک، آب‌وهوا و سلامت گیاهان، به کشاورزان توصیه‌های دقیقی برای آبیاری، کوددهی و کنترل آفات ارائه دهند. ابزارهای رباتیک مانند RIPPA می‌توانند به طور خودکار علف‌های هرز را شناسایی و از بین ببرند یا آفت‌کش‌ها را به صورت هدفمند اعمال کنند. سیستم‌های آبیاری هوشمند نیز می‌توانند مصرف آب را بهینه کنند و در نتیجه بازده محصولات را افزایش داده و اثرات زیست‌محیطی را کاهش دهند.
• کاهش ضایعات مواد غذایی:هوش مصنوعی می‌تواند با بهینه‌سازی زنجیره‌های تأمین، از برداشت تا توزیع، پیش‌بینی دقیق‌تری از تقاضا ارائه دهد و به کاهش ضایعات مواد غذایی که تقریباً یک‌سوم کل مواد غذایی تولیدی را تشکیل می‌دهد، کمک شایانی کند.

این مثال‌ها تنها بخش کوچکی از پتانسیل عظیم هوش مصنوعی برای پیشبرد اهداف توسعه پایدار را نشان می‌دهند. با این حال، برای تحقق این وعده‌ها، باید خطرات و چالش‌های ذاتی این فناوری را نیز به دقت مورد بررسی قرار داد.

3. مخاطرات و چالش‌های ذاتی هوش مصنوعی: تحلیل ریسک‌ها

علی‌رغم پتانسیل امیدوارکننده هوش مصنوعی، خطرات قابل توجهی نیز وجود دارد که اگر به درستی مدیریت نشوند، می‌توانند پیشرفت به سوی توسعه پایدار را تضعیف کرده و نابرابری‌های موجود را تشدید کنند. دیدگاه‌ها در این زمینه متفاوت است؛ از خوش‌بینی محتاطانه تا هشدارهای جدی مانند آنچه استفان هاوکینگ مطرح کرد مبنی بر اینکه هوش مصنوعی می‌تواند به پایان بشریت منجر شود. درک این ریسک‌ها برای توسعه مسئولانه و عادلانه هوش مصنوعی یک ضرورت استراتژیک است.

1.3. خطرات اجتماعی-اقتصادی

• سوگیری الگوریتمی و نابرابری:

◦ سیستم‌های هوش مصنوعی از داده‌های موجود یاد می‌گیرند و اگر این داده‌ها منعکس‌کننده سوگیری‌های تاریخی باشند، هوش مصنوعی نیز این سوگیری‌ها را تداوم بخشیده و تقویت خواهد کرد. یک مثال برجسته، فناوری تشخیص چهره است که در شناسایی مردان سفیدپوست بسیار دقیق‌تر از زنان و سایر قومیت‌ها عمل می‌کند. این نقص می‌تواند پیامدهای جدی برای امنیت و حریم خصوصی داشته باشد، مانند شناسایی نادرست افراد بی‌گناه به عنوان مظنونان جنایی.

◦ در خدمات مالی، اگر الگوریتم‌های اعتبارسنجی بر اساس داده‌های تاریخی آموزش ببینند که در آن‌ها گروه‌های خاصی به طور سیستماتیک از دسترسی به اعتبار محروم بوده‌اند، هوش مصنوعی این تبعیض را تکرار خواهد کرد.

◦ کمبود تنوع در میان توسعه‌دهندگان هوش مصنوعی این مشکل را تشدید می‌کند. آمارها نشان می‌دهد که ۸۰٪ از اساتید هوش مصنوعی مرد هستند که این عدم توازن می‌تواند منجر به ایجاد سیستم‌هایی شود که نیازها و واقعیت‌های همه اقشار جامعه را در نظر نمی‌گیرند. برای رهبران کسب‌وکار، این نه تنها یک شکست اخلاقی، بلکه یک ریسک عملیاتی و اعتباری قابل توجه است که می‌تواند مشتریان را بیگانه کرده و نظارت‌های قانونی را به خود جلب کند.

• جابجایی شغلی و تمرکز ثروت:

◦ یکی از بزرگ‌ترین نگرانی‌ها این است که هوش مصنوعی به عنوان یک «قاتل مشاغل» عمل کرده و منجر به نابسامانی اقتصادی و اجتماعی گسترده شود.

◦ تحلیل‌ها نشان می‌دهد که منافع اقتصادی هوش مصنوعی به طور نامتوازن توزیع خواهد شد. بر اساس گزارش PwC، تقریباً ۷۰٪ از تأثیر اقتصادی جهانی هوش مصنوعی تا سال ۲۰۳۰ به چین و آمریکای شمالی اختصاص خواهد یافت. این تمرکز ثروت می‌تواند شکاف بین کشورهای «دارا» و «ندار» را عمیق‌تر کند.

2.3. خطرات زیست‌محیطی

• مصرف انرژی و ردپای کربن:

◦ آموزش و اجرای مدل‌های پیشرفته هوش مصنوعی به مقادیر عظیمی انرژی الکتریکی نیاز دارد. این امر می‌تواند ردپای کربن قابل توجهی به همراه داشته باشد، به‌ویژه اگر انرژی از منابع فسیلی تأمین شود.

◦ به عنوان مثال، تخمین زده می‌شود که فرآیند آموزش مدل زبان بزرگ GPT-3 معادل ۵۵۲ تن متریک دی‌اکسید کربن منتشر کرده است.

◦ این پارادوکس – که در آن ابزاری که برای بهینه‌سازی شبکه‌های انرژی تجدیدپذیر استفاده می‌شود، خود ردپای کربن قابل توجهی دارد – یک چالش اصلی برای سیاست‌گذاران است. بدون زیرساخت‌های محاسباتی سبز، مزایای زیست‌محیطی هوش مصنوعی می‌تواند توسط هزینه‌های عملیاتی خود خنثی شود.

• مصرف آب:

◦ مراکز داده که زیربنای محاسباتی هوش مصنوعی هستند، برای خنک‌سازی سرورهای خود به مقادیر هنگفتی آب شیرین نیاز دارند.

◦ گزارش‌ها حاکی از آن است که مصرف آب شرکت مایکروسافت بین سال‌های ۲۰۲۱ و ۲۰۲۲ به دلیل سرمایه‌گذاری سنگین در هوش مصنوعی مولد، ۳۴٪ افزایش یافته است. این امر در مناطق مواجه با کمبود آب می‌تواند به یک بحران جدی تبدیل شود.

3.3. خطرات حاکمیتی و اخلاقی

• نظارت و حقوق بشر:

◦ کاربردهای هوش مصنوعی در نظارت انبوه، نگرانی‌های جدی در مورد حقوق بشر ایجاد کرده است. به عنوان مثال، استفاده دولت چین از فناوری تشخیص چهره برای نظارت و کنترل اقلیت اویغور، نمونه‌ای بارز از این خطر است.

◦ برد اسمیت، رئیس مایکروسافت، هشدار داده است که “فناوری تشخیص چهره مسائلی را مطرح می‌کند که به قلب حمایت‌های اساسی حقوق بشر مانند حریم خصوصی و آزادی بیان می‌رسد.”

• عدم شفافیت (“جعبه سیاه”):

◦ بسیاری از مدل‌های پیشرفته هوش مصنوعی به صورت «جعبه سیاه» عمل می‌کنند؛ به این معنی که فرآیند تصمیم‌گیری آن‌ها برای انسان‌ها قابل درک نیست. این چالش «توضیح‌پذیری» اعتماد عمومی را، به‌ویژه در حوزه‌های حساسی مانند عدالت کیفری و سلامت، تضعیف می‌کند.

• اطلاعات نادرست و تهدیدات امنیتی:

◦ هوش مصنوعی می‌تواند برای ایجاد دیپ‌فیک (Deepfakes) – ویدئوها و صداهای جعلی بسیار واقع‌گرایانه – به منظور انتشار اطلاعات نادرست و دستکاری افکار عمومی مورد استفاده قرار گیرد.

◦ همچنین، این فناوری می‌تواند توسط هکرها برای نوشتن ایمیل‌های فیشینگ متقاعدکننده‌تر یا توسعه بدافزارهای پیچیده‌تر به کار گرفته شود.

پیمایش این خطرات پیچیده غیرممکن نیست، اما نیازمند یک چارچوب مستحکم برای حاکمیت مسئولانه است که اکنون به تشریح آن می‌پردازیم.

4. چارچوبی برای هوش مصنوعی مسئولانه در خدمت توسعه پایدار

کلید بهره‌برداری از پتانسیل عظیم هوش مصنوعی و در عین حال به حداقل رساندن خطرات آن، در ایجاد یک چارچوب قوی برای توسعه و استقرار مسئولانه نهفته است. نادیده گرفتن اهداف توسعه پایدار در استراتژی‌های ملی هوش مصنوعی صرفاً یک غفلت نیست، بلکه یک شکست استراتژیک است که خطر ایجاد بدهی فناورانه و تشدید شکاف‌های ژئوپلیتیکی را به همراه دارد. اهمیت این چارچوب برای هدایت سیاست‌گذاران، شرکت‌ها و محققان به سمت استفاده اخلاقی، عادلانه و پایدار از این فناوری یک ضرورت فوری است.

1.4. اصول راهنما برای سیاست‌گذاری و حاکمیت

دولت‌ها نقشی حیاتی در شکل دادن به مسیر توسعه هوش مصنوعی دارند. یکی از چالش‌های اصلی این است که استراتژی‌های ملی هوش مصنوعی در بسیاری از کشورها، از جمله قدرت‌های پیشرو مانند چین، بریتانیا و ایالات متحده، به طور کلی اهداف توسعه پایدار (SDGs) را نادیده گرفته‌اند. برای اطمینان از همسویی توسعه هوش مصنوعی با اهداف جهانی، سیاست‌گذاران باید اقدامات مشخصی را در دستور کار قرار دهند.

اقدامات پیشنهادی برای سیاست‌گذاران

حوزه تمرکز	توصیه کلیدی
شفافیت و پاسخگویی	ایجاد الزاماتی برای «توضیح‌پذیری» در سیستم‌های هوش مصنوعی که بر زندگی انسان تأثیر می‌گذارند.
حریم خصوصی داده‌ها	تدوین مقرراتی که از داده‌های شهروندان محافظت کرده و در عین حال امکان نوآوری مسئولانه را فراهم آورد.
کاهش سوگیری	ترویج تنوع در تیم‌های توسعه هوش مصنوعی و الزام به آزمایش مدل‌ها برای شناسایی و کاهش سوگیری.
تأثیرات زیست‌محیطی	ایجاد استانداردهای گزارش‌دهی داوطلبانه یا اجباری برای مصرف انرژی، آب و ردپای کربن مدل‌های هوش مصنوعی.

2.4. الزامات فناورانه و زیرساختی

توسعه موفقیت‌آمیز هوش مصنوعی برای اهداف توسعه پایدار تنها به سیاست‌گذاری محدود نمی‌شود و نیازمند سرمایه‌گذاری در زیرساخت‌ها و ظرفیت‌های انسانی است.

• سرمایه‌گذاری در زیرساخت‌ها:نیازهای محاسباتی هوش مصنوعی مستلزم زیرساخت‌های محاسباتی و الکتریکی قوی است. سرمایه‌گذاری در این حوزه، به ویژه در کشورهایی که بیشترین نیاز را به کاربردهای هوش مصنوعی برای اهداف توسعه پایدار دارند اما فاقد زیرساخت‌های لازم هستند، ضروری است.
• توسعه مهارت‌ها:کمبود متخصصان ماهر یک مانع جدی است. باید افراد بیشتری برای توسعه و استفاده از هوش مصنوعی در حوزه‌های مرتبط با اهداف توسعه پایدار آموزش ببینند. این امر مستلزم سرمایه‌گذاری در برنامه‌های آموزشی و حمایت از متخصصانی است که در این زمینه‌های کمتر سودآور تجاری فعالیت می‌کنند.
• همکاری چندجانبه:چالش‌های توسعه پایدار به قدری پیچیده هستند که هیچ نهادی به تنهایی قادر به حل آن‌ها نیست. کسب‌وکارها، دولت‌ها، دانشگاه‌ها و سازمان‌های غیردولتی باید برای تسریع و مقیاس‌بندی توسعه و استفاده از هوش مصنوعی برای اهداف توسعه پایدار با یکدیگر همکاری کنند.

ایجاد این چارچوب نیازمند یک اقدام جمعی و هماهنگ در سطح ملی و بین‌المللی است تا اطمینان حاصل شود که هوش مصنوعی به ابزاری برای ساختن آینده‌ای بهتر برای همگان تبدیل می‌شود.

5. نتیجه‌گیری: انتخاب مسیری متعادل برای آینده

هوش مصنوعی، به عنوان یک فناوری دگرگون‌کننده، ماهیتی دوگانه دارد. از یک سو، پتانسیل عظیمی برای تسریع پیشرفت به سوی اهداف توسعه پایدار ارائه می‌دهد؛ از بهینه‌سازی انرژی‌های تجدیدپذیر و بهبود تشخیص بیماری‌ها گرفته تا افزایش امنیت غذایی. از سوی دیگر، خطرات جدی در زمینه تشدید نابرابری‌ها از طریق سوگیری الگوریتمی، افزایش نظارت دولتی، جابجایی شغلی و آسیب‌های زیست‌محیطی ناشی از مصرف بالای انرژی و آب به همراه دارد.

مسیر پیش رو از پیش تعیین‌شده نیست؛ بلکه نتیجه مستقیم سیاست‌ها، سرمایه‌گذاری‌ها و چارچوب‌های اخلاقی خواهد بود که ما امروز بنا می‌کنیم. ما می‌توانیم آینده‌ای را معماری کنیم که در آن هوش مصنوعی به عنوان کاتالیزوری برای توسعه عادلانه و پایدار عمل کند، یا اجازه دهیم به شتاب‌دهنده‌ای برای همان بحران‌هایی تبدیل شود که در صدد حل آن‌ها هستیم. مسئولیت این انتخاب – و اقدام بر اساس آن – بر عهده ماست. بنابراین، این یک فراخوان برای اقدام است. رهبران کسب‌وکار، سیاست‌گذاران و دانشگاهیان باید با یکدیگر همکاری کنند تا هوش مصنوعی را به سمت آینده‌ای عادلانه، فراگیر و پایدار هدایت نمایند. این مسئولیت مشترک ماست که این فناوری قدرتمند را برای خیر جهانی شکل دهیم.

درباره نویسنده:

فاطمه جعفری نوبخت، متخصص برجسته و پژوهشگر حوزه مهندسی محیط زیست، با رویکردی نوین دانش کلاسیک این رشته را با فناوری‌های پیشرفته هوش مصنوعی تلفیق کرده و به عنوان پیشگام در زمینه هوش مصنوعی مکانی (GeoAI) شناخته می‌شود. وی با تکیه بر مدرک کارشناسی ارشد مهندسی محیط زیست و درک عمیق از اکوسیستم‌ها، تخصص خود را فراتر از روش‌های سنتی گسترش داده و با ورود به دنیای داده‌ها، فعالیت‌های حرفه‌ای خود را بر کاربرد هوش مصنوعی در علوم محیط زیست متمرکز کرده است. او هم‌اکنون به عنوان مشاور ارشد علوم مکانی در محیط زیست و منابع طبیعی، با استفاده از الگوریتم‌های پیشرفته در پی راهکارهایی برای پایش دقیق، پیش‌بینی تغییرات اقلیمی و مدیریت بهینه منابع است. فاطمه جعفری با باور بنیادین به اینکه «مهم‌ترین توجه انسان‌ها باید به مقوله محیط زیست باشد»، تکنولوژی را ابزاری قدرتمند برای نجات زمین می‌داند و علاوه بر پروژه‌های استراتژیک، با برگزاری مستمر کارگاه‌های آموزشی در زمینه علوم مکانی و زمین، مشتاقانه به انتقال دانش و تربیت نسلی متخصص برای حفاظت از آینده محیط زیست می‌پردازد.