آینده‌پژوهی اقتصادی؛ ضرورت آمار معتبر و هوش مصنوعی در توسعه پایدار

سیدطه‌حسین مدنی در نشستی با 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 علم داده، کلان‌داده، اقتصاد، آینده‌پژوهی، مدیریت و برنامه‌ریزی توسعه برگزار شد، ضمن بیان اینکه امروز هوش مصنوعی شرایط بسیار مطلوبی را برای آینده‌پژوهی در عرصه اقتصاد فراهم ساخته است، اظهار داشت که با این وجود باید مد نظر داشت که بدون در اختیار داشتن داده‌های معتبر، حتی پیشرفته‌ترین و به‌روزترین ابزارهای هوش مصنوعی نیز قابلیت منتهی شدن به تصمیم‌گیری‌های صحیح را نخواهند داشت و این امر ممکن است با ارائه تصویری اشتباه از آینده، سیاست‌گذاران را به سمت خطاهای استراتژیک و هدررفت منابع کلان ملی سوق دهد. وی در ادامه به اهمیت وجود آمار دقیق و قابل اتکا در برنامه‌ریزی‌های توسعه‌ای اشاره کرد و افزود که آینده‌پژوهی یکی از حوزه‌هایی است که وابستگی شدیدی به آمار و داده‌های بزرگِ درست و قابل اعتماد دارد و در غیاب آمار و کلان‌داده‌های صحیح، برنامه‌های توسعه‌ای کشور به سادگی ممکن است از مسیر اصلی و درست خود منحرف گردند.

مدنی خاطرنشان ساخت که برخورداری از آمار دقیق و قابل اتکا، در شرایطی که فناوری هوش مصنوعی توانسته بسیاری از محدودیت‌ها را کنار زده و امکان بررسی حجم وسیع‌تری از داده‌ها را فراهم کند، از اهمیت به مراتب بیشتری برخوردار شده است؛ بدین معنا که اگر به مدد هوش مصنوعی، قیود، محدودیت‌ها، شرایط و داده‌های متعددی برای آینده‌پژوهی تحلیل شوند اما آمار و داده‌های اولیه ناپدید، دقیق و یا ساختگی باشند، کل جریان کار منحرف خواهد شد. رئیس اندیشکده حکمرانی هوشمند در تشریح تعریف آینده‌پژوهی و نمونه‌های موفقی که در کشور بر مبنای آمار و داده‌های دقیق وجود دارد، عنوان کرد که در این راستا می‌توان به سه مدل و ادبیات مشخص شامل «توسعه»، «توسعه پایدار» و «پیشرفت مبتنی بر سناریو مرجح آینده‌پژوهی» استناد کرد.

در ادبیات توسعه، وضعیت جاری با شرایط فعلی کشورهای توسعه‌یافته سنجیده شده و برای ادامه مسیر برنامه‌ریزی صورت می‌گیرد؛ یعنی اگر کشور در پله نخست قرار داشته باشد و کشورهای برتر جهان در پله سی‌ام (لبه دانش) باشند، چگونگی دستیابی به پله سی‌ام در افقی مشخص ترسیم می‌شود. در ادبیات توسعه پایدار اما رویکرد بر این است که با در نظر گرفتن برخی محدودیت‌ها، در یک افق زمانی مشخص به جای پله سی‌ام به پله بیستم برسیم تا کمترین آسیب‌های جانبی به سایر حوزه‌ها وارد شده و سیستم دچار ناپایداری و متزلزل شدن نگردد.

در مقابل، ادبیات آینده‌پژوهی معتقد است که شاید در افق برنامه‌ریزی‌شده، جایگاه جهان از پله سی‌ام به پله صدم ارتقا یابد، بنابراین باید طوری برنامه‌ریزی کرد که در بازه زمانی مورد نظر، به جای پله سی‌ام به پله صدم نزدیک شویم. مدنی صنعت دفاعی کشور را به عنوان نمونه‌ای بارز و موفق از آینده‌پژوهی معرفی کرد و افزود که صنایع موشکی و پهپادی ایران یکی از مصادیق بارزی است که تطبیق کاملی با ادبیات آینده‌پژوهی دارد؛ موضوعی که در بخش دفاعی بسیار جدی گرفته شد، آن هم در مقطعی که تدریس آینده‌پژوهی در برخی دانشگاه‌های کشور از جمله دانشگاه تهران در مقطع دکتری از دهه هشتاد به تازگی آغاز گشته بود.

به بیان ساده، در آن دوران صنعت دفاعی کشور به جای تمرکز بر حوزه‌هایی نظیر ساخت جنگنده، تصمیم گرفت با رویکردی آینده‌پژوهانه به سمت استفاده حداکثری از نقطه مزیت خود یعنی موشک و پهپاد حرکت کند و همین تصمیم هوشمندانه موجب شد تا امروز این حوزه در جایگاهی کاملاً اثرگذار قرار گرفته و قدرت بازدارندگی بالایی ایجاد نماید. وی با تأکید بر اینکه توجه به ادبیات آینده‌پژوهی به این شیوه می‌تواند کشور را نجات دهد، بیان کرد که با اتکا به این تجربه موفق، ما در حوزه اقتصاد نیز نیازمند حرکت به سمت «توسعه پایدار مبتنی بر آینده‌پژوهی» هستیم؛ به‌ویژه که امروزه با بهره‌گیری از هوش مصنوعی توانایی آن را داریم که در تدوین سناریوی مرجح، بسیاری از محدودیت‌ها و خطاهای انسانی را حذف کنیم.

در این مسیر، «داده‌های خرد و کلان» به منزله ماده خام و زیربنایی و «الگوریتم‌های هوش مصنوعی» به عنوان موتور پردازشگر و شبیه‌ساز، به عنوان دو بال اصلی طراحی راهبرد توسعه پایدار اقتصادی شناخته می‌شوند. با این وجود باید توجه داشت که در صورت نبود آمار دقیق و درست، به‌کارگیری پیشرفته‌ترین مدل‌های هوش مصنوعی نیز کارساز نخواهد بود و بالعکس، با ایجاد پدیده «توهم قطعیت»، سیاست‌گذار را به سمت پرتگاه خطاهای استراتژیک پرتاب می‌کند؛ لذا ایجاد پیوند ارگانیک میان نظام تولید آمار رسمی، حکمرانی یکپارچه داده و روش‌شناسی‌های نوین آینده‌پژوهی، ضرورتی گریزناپذیر برای اقتصاد کشور به شمار می‌رود.

رئیس اندیشکده حکمرانی هوشمند در بخش دیگری از سخنان خود به چالش‌های حوزه آمار در کشور پرداخت و اظهار داشت که دستگاه‌های اجرایی همواره حجم عظیمی از داده‌های خرد و کلان را تولید می‌کنند، اما متأسفانه این داده‌ها به ندرت در یک زنجیره ارزش تحلیلی به کار گرفته می‌شوند، چرا که نگاه بسیاری از دستگاه‌ها به مقوله تولید آمار، نگاهی تقویمی و رفع‌تکلیفی است. این معضل ساختاری سبب شده تا پیوند مطلوبی میان آمار و سیاست‌گذاری مبتنی بر آینده‌پژوهی شکل نگیرد و تصمیمات کلان اقتصادی به جای تکیه بر محاسبات دقیق، بر پایه آزمون و خطا و برداشت‌های شخصی اتخاذ شوند.

افزون بر این، تصمیم‌سازی در ایران در بخش آمار و داده‌های ورودی با چالش‌هایی چون کیفیت پایین داده‌ها، عدم یکپارچگی پایگاه‌های اطلاعاتی و تشتت در مراجع اعلام آمار رسمی روبه‌روست که تعارضات همیشگی میان بانک مرکزی و مرکز آمار پیرامون نرخ رشد اقتصادی و تورم، نمونه بارزی از این تشتت است. حال تصور کنید در چنین فضایی، تصمیم‌ساز قصد داشته باشد با بهره‌گیری از هوش مصنوعی و نگاه آینده‌پژوهانه، سناریویی مرجح برای تقرب به اقتصاد جهانی ترسیم کند؛ مسأله‌ای که قطعاََ به «توهم هوش مصنوعی» منجر شده و سناریوها و پیش‌بینی‌هایی را تولید و با قاطعیت ارائه می‌کند که هیچ ریشه‌ای در واقعیت‌های میدانی و ظرفیت‌های ملی اقتصاد ایران نداشته و می‌توانند به اتلاف عظیم منابع ملی و تحمیل هزینه‌های جبران‌ناپذیر در برنامه‌های توسعه بینجامند.

مدنی ضرورت ایجاد همگرایی در «حکمرانی داده»، «هوش مصنوعی» و «آینده‌پژوهی راهبردی» را مورد تأکید قرار داد و یادآور شد که کشور در این زمینه از ظرفیت‌های قانونی مطلوبی نظیر «قانون مدیریت داده‌ها و اطلاعات ملی» و «سند ملی هوش مصنوعی» بهره‌مند است. وی به همگرایی میان داده‌های صحیح و هوش مصنوعی برای آینده‌پژوهی و ارتقای وضعیت اقتصادی اشاره کرد و گفت که داده‌های مستمر و قابل مقایسه، امکان شناسایی روندهای بلندمدت در حوزه‌هایی مانند رشد اقتصادی، تشکیل سرمایه، بازار کار و تحولات جمعیتی را فراهم ساخته و 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 سازد؛ نشانه‌هایی که در صورت شناسایی به‌موقع، فرصت بیشتری برای پیشگیری یا اصلاح سیاست‌ها در اختیار تصمیم‌گیرندگان قرار می‌دهند.

رئیس اندیشکده حکمرانی هوشمند با اشاره به قابلیت‌های هوش مصنوعی در آینده‌پژوهی داده‌محور تصریح کرد 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 کرده و در تشخیص پیشران‌های اصلی تحولات یاری‌گر سیاست‌گذاران باشد. به عنوان نمونه، بررسی هم‌زمان داده‌های اقتصادی، اقلیمی، جمعیتی و مهاجرتی در شناخت 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 واکاوی متغیرهایی چون انتظارات تورمی، اعتماد مصرف‌کننده یا نرخ سرمایه اجتماعی تحلیل نمایند.

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 پیامدهای تغییر سیاست‌های انرژی یا نرخ ارز را پیش از اجرا فراهم ساخته و به کاهش هزینه آزمون و خطا یاری می‌رساند؛ هرچند خروجی مدل‌ها همواره به کیفیت داده‌ها و مفروضات وابسته است. مدنی با تأکید بر ضرورت پایش مستمر سناریوها افزود که آینده‌پژوهی نباید به تهیه گزارش‌های مقطعی محدود بماند، بلکه سناریوها باید با ورود داده‌های جدید به‌روزرسانی شده و سامانه‌های هشدار زودهنگام، انحراف شاخص‌ها را شناسایی کنند.

وی انباشت داده بدون یکپارچگی را از موانع مهم تصمیم‌سازی هوشمند برشمرد و خاطرنشان ساخت که مسئله صرفاً کمبود داده نیست، بلکه پراکندگی اطلاعات، سامانه‌های جزیره‌ای، داده‌های تکراری و ناسازگار، دشواری تبادل اطلاعات و عدم پاک‌سازی، استانداردسازی و مستندسازی اطلاعات از موانع جدی به شمار می‌روند؛ به گونه‌ای که اگر دو نهاد از تعاریف متفاوتی استفاده کنند، نتیجه‌گیری‌ها نادرست خواهد بود. مدنی با اشاره به قانون مدیریت داده‌ها و اطلاعات ملی مصوب سال ۱۴۰۱، این قانون را ظرفیتی مهم دانست اما تحقق آن را منوط به اجرای مؤثر مقررات، رفع موانع سازمانی و پاسخگویی دستگاه‌ها عنوان کرد و نگاه بخشی به اطلاعات و تلقی داده به عنوان دارایی اختصاصی و محرمانه را از دیگر موانع برشمرد 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 فراهم شود.

مدنی حفاظت از حریم خصوصی و نظارت انسانی را امری ضروری خواند و متذکر شد که یکپارچه‌سازی داده‌ها نباید به نادیده گرفتن حقوق شهروندان بینجامد و توسعه زیرساخت‌های تبادل اطلاعات باید هم‌زمان با تعیین سطوح دسترسی، احراز هویت مطمئن و امنیت سایبری پیش برود. کیفیت و جامعیت داده‌ها در جلوگیری از سوگیری الگوریتمی نیز اهمیت دارد و نباید خروجی هوش مصنوعی را معادل حقیقت قطعی دانست، چرا که این سامانه‌ها ممکن است همبستگی‌های کاذب ایجاد کنند؛ بنابراین نتایج باید راستی‌آزمایی شوند و درک زمینه‌های اجتماعی، سیاسی، ملاحظات اخلاقی و منافع عمومی همچنان به قضاوت انسانی نیاز دارد.

رئیس اندیشکده حکمرانی هوشمند در پایان، گذار به آینده‌پژوهی هوشمند را نیازمند نقشه راه اجرایی شامل ارتقای کیفیت آمارهای رسمی، کاهش مغایرت‌ها، 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 به اشتراک‌گذاری مسئولانه اطلاعات پایبند باشند، نظام آماری از انسجام برخوردار شود و تحلیل‌های داده‌محور به‌طور واقعی در تصمیم‌گیری‌ها به کار گرفته شوند تا زمینه تشخیص زودهنگام بحران‌ها و تخصیص مؤثرتر منابع فراهم گردد.