اقتصاد آینده‌نگر؛ نیاز به آمار دقیق و هوش مصنوعی برای تحقق توسعه پایدار
به نقل از خبرنگار مهر، سیدطه‌حسین مدنی در یک نشست تحت عنوان «از آمار معتبر تا آینده‌پژوهی هوشمند برای توسعه پایدار اقتصاد ایران» که به مناسبت روز جهانی آمار (۲۸ مهرماه) و با حضور جمعی از پژوهشگران، کارشناسان و نخبگان حوزه‌های علم داده، کلان‌داده، اقتصاد، آینده‌پژوهی، مدیریت و برنامه‌ریزی توسعه برگزار شد، خاطرنشان کرد که هوش مصنوعی در حال حاضر شرایط بسیار مناسبی برای آینده‌پژوهی در زمینه اقتصاد فراهم کرده است. با این حال، وی تأکید کرد که بدون دسترسی به داده‌های معتبر، حتی پیشرفته‌ترین ابزارهای هوش مصنوعی نیز نمی‌توانند به تصمیم‌گیری‌های درستی منجر شوند، چرا که این امر ممکن است با ایجاد تصاویری نادرست از آینده، سیاست‌گذاران را به سمت خطاهای استراتژیک و هدررفت منابع کلان ملی سوق دهد.
او همچنین به اهمیت وجود آمار دقیق و مستند در برنامه‌ریزی‌های توسعه‌ای اشاره کرد و افزود که آینده‌پژوهی یکی از زمینه‌هایی است که به شدت به آمار و داده‌های کلان درست و قابل اعتماد وابسته است؛ در absence of accurate and big data, development programs may easily deviate from their intended path. مدنی تصریح کرد که دسترسی به آمار دقیق و قابل اعتماد در شرایطی که فناوری هوش مصنوعی بسیاری از محدودیت‌ها را از میان برداشته و امکان بررسی مجموعه بزرگی از داده‌ها را فراهم آورده، از اهمیت بیشتری برخوردار شده است. به عبارت دیگر، اگر با استفاده از هوش مصنوعی، محدودیت‌ها، شرایط و داده‌های مختلف برای آینده‌پژوهی تحلیل شود اما داده‌های اولیه ناموجود، نادرست یا ساختگی باشند، کل فرآیند معیوب خواهد شد.
رئیس اندیشکده حکمرانی هوشمند در ادامه به تعریف آینده‌پژوهی و نمونه‌های موفق موجود در کشور بر اساس آمار و داده‌های دقیق اشاره کرد و گفت که می‌توان به سه مدل و ادبیات مشخص شامل «توسعه»، «توسعه پایدار» و «پیشرفت مبتنی بر سناریو مرجح آینده‌پژوهی» اشاره کرد. در ادبیات مربوط به توسعه، وضعیت کنونی با شرایط کشورهای توسعه‌یافته مقایسه شده و برنامه‌ریزی برای ادامه مسیر انجام می‌شود؛ به این معنا که اگر کشوری در پله اول باشد و کشورهای برتر در پله سی‌ام قرار داشته باشند، برنامه‌ریزی برای دستیابی به پله سی‌ام در یک افق مشخص طراحی می‌شود. اما در ادبیات توسعه پایدار، هدف این است که با توجه به برخی محدودیت‌ها در یک افق زمانی مشخص، به بجای پله سی‌ام، به پله بیستم برسیم تا کمترین آسیب به سایر حوزه‌ها وارد آمده و سیستم دچار ناپایداری نشود. در مقابل، ادبیات آینده‌پژوهی بر این باور است که ممکن است در افق برنامه‌ریزی‌شده، وضعیت جهانی از پله سی‌ام به پله صدم ارتقا یابد، بنابراین باید برنامه‌ریزی به گونه‌ای انجام شود که در بازه زمانی معین، به جای پله سی‌ام، به پله صدم نزدیک شویم.
مدنی صنعت دفاعی کشور را به عنوان یک نمونه موفق از آینده‌پژوهی مطرح کرد و گفت که صنایع موشکی و پهپادی ایران مصداق بارزی است که به وضوح با ادبیات آینده‌پژوهی همخوانی دارد؛ مسئله‌ای که در زمینه دفاعی به شدت مورد توجه قرار گرفت، به‌ویژه در زمانی که آینده‌پژوهی در برخی دانشگاه‌های کشور، از جمله دانشگاه تهران، در مقطع دکتری، از دهه هشتاد به تازگی آغاز شده بود. به عبارتی ساده، در آن دوران صنعت دفاعی کشور به جای تمرکز بر موضوعاتی چون تولید جنگنده‌ها، با رویکردی آینده‌نگر به سمت بهره‌برداری حداکثری از مزیت خود یعنی موشک‌ها و پهپادها حرکت کرد و همین انتخاب هوشمندانه سبب شد که این صنعت امروز در جایگاهی مؤثر قرار گرفته و ظرفیتی قوی برای بازدارندگی ایجاد کند.
وی با تأکید بر اینکه توجه به ادبیات آینده‌پژوهی به این شیوه می‌تواند کشور را از چالش‌ها نجات دهد، گفت که با اتکا بر این تجربه موفق، در حوزه اقتصاد نیز نیاز به جهش به سمت «توسعه پایدار مبتنی بر آینده‌پژوهی» داریم؛ بخصوص که امروز با کمک هوش مصنوعی قادر به حذف بسیاری از محدودیت‌ها و خطاهای انسانی در تدوین سناریوی مرجح هستیم. در این مسیر، «داده‌های خرد و کلان» به عنوان مواد اولیه و «الگوریتم‌های هوش مصنوعی» به عنوان موتور پردازش و شبیه‌سازی، دو عنصر اصلی طراحی راهبرد توسعه پایدار اقتصادی محسوب می‌شوند. با این حال، باید توجه داشت که در غیاب آمار دقیق و صحیح، حتی پیشرفته‌ترین مدل‌های هوش مصنوعی نیز کارا نخواهند بود، و در عوض، با پدیده «توهم قطعیت» مواجه خواهیم شد که سیاست‌گذاران را به سوی پرتگاه خطاهای استراتژیک می‌کشاند؛ بنابراین ایجاد ارتباط ارگانیک بین نظام تولید آمار رسمی، حکمرانی یکپارچه داده و چارچوب‌های نوین آینده‌پژوهی، امری غیرقابل اجتناب برای اقتصاد کشور است.
رئیس اندیشکده حکمرانی هوشمند در بخش دیگری از صحبت‌هایش به چالش‌های حوزه آمار در کشور اشاره کرد و گفت که دستگاه‌های اجرایی همواره حجم زیادی از داده‌های خرد و کلان تولید می‌کنند، اما متأسفانه این داده‌ها به ندرت در یک زنجیره ارزش تحلیلی مورد استفاده قرار می‌گیرند، زیرا نگرش بسیاری از این دستگاه‌ها به تولید آمار، نگاهی تقویمی و برای رفع وظایف است. این نقص ساختاری موجب شده که پیوند مؤثری بین آمار و سیاست‌گذاری مبتنی بر آینده‌پژوهی شکل نگیرد و تصمیمات اقتصادی کلان به جای تکیه بر محاسبات دقیق، بر پایه آزمون و خطا و برداشت‌های فردی اتخاذ شوند. افزون بر این، تصمیم‌گیری در ایران در زمینه آمار و داده‌ها با مشکلاتی مانند کیفیت پایین اطلاعات، عدم یکپارچگی پایگاه‌های داده و تشتت در مراجع آمار رسمی روبه‌روست که تناقضاتی همیشگی مانند اختلاف‌نظر بین بانک مرکزی و مرکز آمار در مورد نرخ رشد اقتصادی و تورم، نمونه‌های بارز این مشکل‌اند. اکنون تصور کنید در چنین شرایطی، تصمیم‌ساز بخواهد با استفاده از هوش مصنوعی و رویکرد آینده‌پژوهانه، سناریویی را برای نزدیکی به اقتصاد جهانی طراحی کند؛ وضعیتی که مطمئناً به «توهم هوش مصنوعی» منجر شده و سناریوها و پیش‌بینی‌هایی را تولید می‌کند که هیچ ریشه‌ای در واقعیت‌های میدانی و ظرفیت‌های ملی اقتصاد ایران ندارند و می‌توانند به اتلاف منابع ملی و تحمیل هزینه‌های غیرقابل جبران در برنامه‌های توسعه منتهی شوند.
مدنی بر اهمیت همگرایی در «حکمرانی داده»، «هوش مصنوعی» و «آینده‌پژوهی استراتژیک» تأکید کرد و یادآور شد که کشور در این زمینه از ظرفیت‌های قانونی مناسبی همچون «قانون مدیریت داده‌ها و اطلاعات ملی» و «سند ملی هوش مصنوعی» بهره‌مند است. او به همگرایی داده‌های صحیح و هوش مصنوعی برای آینده‌پژوهی و بهبود وضعیت اقتصادی اشاره کرد و گفت که داده‌های مستمر و قابل مقایسه، امکان شناسایی روندهای بلندمدت در حوزه‌های مختلف مانند رشد اقتصادی، تشکیل سرمایه، بازار کار و تغییرات جمعیتی را فراهم می‌آورند و بررسی تغییرات کوچک اما معنادار در الگوهای مصرف انرژی، تراکنش‌های بانکی یا جابه‌جایی نیروی کار متخصص می‌تواند نشانه‌هایی از تحولات بزرگ‌تر اقتصادی و اجتماعی را نمایان سازد؛ نشانه‌هایی که در صورت شناسایی به‌موقع، فرصت بیشتری برای پیشگیری یا اصلاح سیاست‌ها در اختیار تصمیم‌گیرندگان قرار می‌دهد.
رئیس اندیشکده حکمرانی هوشمند با تأکید بر قابلیت‌های هوش مصنوعی در آینده‌پژوهی داده‌محور گفت که حجم و پیچیدگی داده‌های اقتصادی و اجتماعی به گونه‌ای است که تحلیل تمام روابط میان متغیرها با روش‌های سنتی دشوار و زمان‌بر شده است، در حالی که هوش مصنوعی می‌تواند با پردازش مجموعه‌های بزرگ و چندمنبعی داده، الگوهای پنهان، همبستگی‌های پیچیده و تغییرات غیرخطی را شناسایی کند و در شناسایی پیشران‌های اصلی تحولات به سیاست‌گذاران یاری بخشد. به عنوان مثال، بررسی همزمان داده‌های اقتصادی، اقلیمی، جمعیتی و مهاجرتی در درک ارتباط میان تحولات محیطی، تغییرات تولید کشاورزی، جابه‌جایی جمعیت و پیامدهای اقتصادی مؤثر است و ابزارهای پردازش زبان طبیعی و تحلیل احساسات نیز می‌توانند اطلاعات کیفی موجود در اخبار، مصوبات و منابع متنی را برای تحلیل متغیرهایی چون انتظارات تورمی، اعتماد مصرف‌کننده یا نرخ سرمایه اجتماعی بررسی کنند. یکی دیگر از کاربردهای کلیدی هوش مصنوعی تولید و مقایسه سناریوهای مختلف آینده با استفاده از داده‌های تاریخی و مفروضات گوناگون است که امکان شبیه‌سازی و بررسی نتایج تغییر سیاست‌های انرژی یا نرخ ارز را قبل از اجرا فراهم می‌آورد و به کاهش هزینه آزمون و خطا کمک می‌کند؛ گرچه خروجی مدل‌ها همیشه بستگی به کیفیت داده‌ها و مفروضات دارد. مدنی بر اهمیت پایش مداوم سناریوها تأکید کرد و گفت که آینده‌پژوهی نباید به تهیه گزارش‌های مقطعی محدود شود؛ بلکه سناریوها باید با ورود داده‌های جدید به‌روزرسانی شده و سیستم‌های هشدار زودهنگام، انحراف شاخص‌ها را شناسایی کنند.
او انباشت داده بدون یکنواختی را به عنوان یکی از موانع بزرگ تصمیم‌گیری هوشمند برشمرد و خاطرنشان کرد که مشکل فقط کمبود داده نیست، بلکه پراکندگی اطلاعات, سیستم‌های جزیره‌ای، داده‌های تکراری و ناسازگار، دشواری تبادل اطلاعات و عدم نظافت، استانداردسازی و مستند کردن اطلاعات از موانع جدی محسوب می‌شوند؛ به‌طوری که اگر دو نهاد از تعاریف متفاوتی استفاده کنند، نتیجه‌گیری نادرست خواهد بود. مدنی با اشاره به قانون مدیریت داده‌ها و اطلاعات ملی مصوب سال ۱۴۰۱، این قانون را به عنوان یک ظرفیت مهم قلمداد کرد ولی تحقق آن را نیازمند اجرای مؤثر مقررات، رفع موانع سازمانی و پاسخگویی دستگاه‌ها دانست و گفت که نگرش بخشی به اطلاعات و تصور داده به عنوان یک دارایی اختصاصی و محرمانه از موانع دیگر به شمار می‌رود و تأکید کرد که داده‌های حاکمیتی باید در خدمت حل مسائل عمومی قرار گیرند و دسترسی کنترل‌شده پژوهشگران و کسب‌وکارها به داده‌های غیرحساس نیز باید تسهیل شود.
مدنی همچنین بر ضرورت حفاظت از حریم خصوصی و نظارت انسانی تأکید کرده و خاطرنشان کرد که یکپارچه‌سازی داده‌ها نباید منجر به نادیده‌گرفتن حقوق شهروندان شود و توسعه زیرساخت‌های تبادل اطلاعات باید همزمان با تعیین سطوح دسترسی، احراز هویت قابل اطمینان و امنیت سایبری پیش برود. کیفیت و تمامیت داده‌ها در جلوگیری از سوگیری الگوریتمی نیز از اهمیت بسزایی برخوردار است و نباید خروجی هوش مصنوعی را معادل حقیقت قطعی تصور کرد، زیرا ممکن است این سیستم‌ها همبستگی‌های کاذب ایجاد کنند؛ لذا نتایج باید مورد راستی‌آزمایی قرار گیرند و درک زمینه‌های اجتماعی، سیاسی و ملاحظات اخلاقی و منافع عمومی هنوز به قضاوت انسانی نیاز دارد.
در پایان، رئیس اندیشکده حکمرانی هوشمند، گذار به آینده‌پژوهی هوشمند را وابسته به نقشه راه اجرایی شامل ارتقای کیفیت آمارهای رسمی، کاهش تضادها، اتصال برخط پایگاه‌ها، توسعه داشبوردهای هوشمند و تبدیل آینده‌پژوهی به بخشی از چرخه اصلی سیاست‌گذاری دانست و تأکید کرد که حرکت به سمت حکمرانی هوشمند زمانی به ثمر می‌نشیند که دستگاه‌های اجرایی بر پایبندی به اشتراک‌گذاری مسئولانه اطلاعات تأکید کنند، نظام آماری از انسجام لازم برخوردار باشد و تجزیه و تحلیل‌های داده‌محور به‌طور واقعی در فرایند تصمیم‌گیری لحاظ شوند تا زمینه‌ای برای شناسایی به موقع بحران‌ها و تخصیص مؤثرتر منابع فراهم آید.
