دانشگاه‌های جهان به خط مقدم «هوش مصنوعی در مدیریت بحران» آمدند/ خیز وزارت علوم برای تاسیس ۱۵ آزمایشگاه مرجع هوش‌مصنوعی

به گزارش خبرگزاری آگاه، با پیشرفت شتابان فناوری، مدیریت بحران از رویکرد‌های سنتی و واکنش‌محور به سمت پیش‌بینی‌های دقیق و پیش‌دستانه حرکت کرده است. امروز هوش مصنوعی نه یک انتخاب، بلکه ضرورتی برای کاهش خسارات جانی و مالی ناشی از بلایای طبیعی و انسان‌ساخت محسوب می‌شود. در همین راستا، برای بررسی آخرین وضعیت پروژه‌های عملیاتی، ظرفیت‌های اقتصادی و جایگاه آموزش عالی در این حوزه، با محمدهادی زاهدی، رئیس انجمن ملی هوش‌مصنوعی ایران گفت‌وگویی داشتیم که در ادامه می‌خوانید.

چه تعداد پروژه عملیاتی هوش مصنوعی در مدیریت بحران (پیش‌بینی، لجستیک، امداد، تحلیل داده) اجرا شده است؟ خروجی عددی داشته‌اند؟

پروژه‌های عملیاتی به‌کارگیری هوش‌مصنوعی در مدیریت بحران از جمله امداد و نجات در دنیا رو به افزایش است، از جمله پروژه‌های شاخص می‌توان به سیستم هشدار سیل گوگل (Flood Hub) اشاره کرد که یک سیستم عملیاتی است و اکنون در بیش از ۱۰۰ کشور جهان فعال بوده و به حدود ۷۰۰ میلیون نفر ساکن مناطق پرخطر، هشدار‌های ۷ روزه سیل ارائه می‌دهد. یک مورد شاخص دیگر، پروژه SAFERS اتحادیه اروپاست که یک سکوی مدیریت یکپارچه برای آتش‌سوزی‌های جنگلی بوده و شامل ۹ سرویس هوشمند مبتنی بر هوش‌مصنوعی است.

علاوه بر این، سازمان ملل نیز در نوامبر ۲۰۲۴ یک ابتکار جهانی برای تاب‌آوری در برابر بلایای طبیعی با استفاده از راهکار‌های هوش‌مصنوعی (Global Initiative on Resilience to Natural Hazards through AI Solutions) راه اندازی کرده است که نشان‌دهنده عزم بین‌المللی برای استفاده گسترده از این فناوری است.

در کشور ما نیز جمعیت هلال احمر در یک سال گذشته توجه ویژه‌ای به حوزه هوش‌مصنوعی معطوف داشته است و پروژه‌هایی در دست برنامه ریزی و اجرا دارد. ستاد توسعه فناوری و کابرد هوش‌منصوعی نیز در جلسات سال ۱۴۰۴ خود اعتبار ویژه‌ای برای تعریف چندین پروژه در حوزه امداد و نجات تخصیص داد و طی فراخوانی که از سوی ستاد و معاونت علمی و فناوری ریاست جمهوری اعلام شد، شرکت‌ها، دانشگاه‌ها و محققین طرح‌های خود را جهت بررسی به این ستاد اعلام داشتند که امیدواریم در سال ۱۴۰۵ شاهد انتخاب طرح‌های ارسالی و اجرایی شدن آن باشیم.

مهم‌ترین حوزه‌هایی که هوش مصنوعی می‌تواند در دوران پس از بحران بیشترین صرفه‌جویی اقتصادی ایجاد کند کدام‌اند؟ آیا برآوردی از میزان کاهش هزینه‌ها وجود دارد؟

در این زمینه می‌توان به «پیشگیری و آمادگی» اشاره کرد. گزارش‌ها حاکی از آن است که سرمایه‌گذاری در زیرساخت‌های مقاوم در برابر بلایا با کمک هوش‌مصنوعی، به ازای هر یک دلار سرمایه‌گذاری، به طور میانگین ۱۳ دلار در هزینه‌های آتی بلایا صرفه‌جویی می‌کند. «ارزیابی و بازسازی خسارات» مورد دیگر است، استفاده از تصاویر ماهواره‌ای و پهپادی مبتنی بر هوش مصنوعی برای ارزیابی سریع و دقیق خسارات به جاده‌ها، پل‌ها و ساختمان‌ها، فرآیند بازسازی را تسریع کرده و به طور مستقیم در هزینه‌ها صرفه‌جویی می‌کند. از «بهبود لجستیک امداد» هم می‌توان در این راستا نام برد. الگوریتم‌های هوش مصنوعی می‌توانند لجستیک امداد را با پیش‌بینی مناطق آسیب‌دیده و بهینه‌سازی توزیع منابع، ساده‌سازی و عادلانه کنند.

صرفه‌جویی ۷۰ میلیارد دلاری با هوش مصنوعی در مدیریت بلایا

طبق گزارش مشترک Deloitte و IFC، پیاده‌سازی گسترده هوش‌مصنوعی در زیرساخت‌های مقاوم در برابر بلایا می‌تواند تا سال ۲۰۵۰ سالانه حدود ۷۰ میلیارد دلار در هزینه‌های مستقیم بلایا صرفه‌جویی کند (حدود ۱۵ درصد از خسارات پیش‌بینی شده)، با پذیرش گسترده‌تر و بهبود قابلیت‌های هوش‌مصنوعی، این رقم می‌تواند تا ۱۱۵ میلیارد دلار در سال افزایش یابد که معادل حذف نزدیک به یک‌سوم از کل خسارات مرتبط با بلایا است.

طبق داده‌های موجود، بازار فناوری‌های هوش مصنوعی در مدیریت بحران در جهان چه اندازه است و پیش‌بینی رشد آن تا ۵ یا ۱۰ سال آینده چقدر است؟

بازار فناوری‌های هوش‌مصنوعی در مدیریت بحران و امداد در حال رشد سریعی است. اندازه بازار در سال ۲۰۲۵ معادل ۴ میلیارد دلار بوده است. همچنین، پیش‌بینی رشد ۱۰ ساله نشان می‌دهد که این بازار تا سال ۲۰۳۵ به ۲۰ میلیارد دلار برسد و نرخ رشد مرکب سالانه (CAGR) آن حدود ۱۷.۵ درصد باشد.

برخی منابع دیگر پیش‌بینی کرده‌اند بازار «مدیریت حوادث و شرایط اضطراری» تا سال ۲۰۳۰ به ۲۲۴.۷ میلیارد دلار برسد، اما این رقم کل بازار است و هوش مصنوعی تنها بخشی از آن را تشکیل می‌دهد.

در حوزه آموزش عالی، چند دانشگاه یا مرکز تحقیقاتی در دنیا به‌طور تخصصی در حوزه مدیریت بحران با هوش مصنوعی متمرکز هستند؟

گزارش‌ها نشان می‌دهد که دانشگاه‌ها و مرکز تحقیقاتی متعددی در دنیا به طور تخصصی روی این حوزه کار می‌کنند. نمونه‌هایی از این مراکز در سال‌های اخیر فعال شده‌اند. برای مثال، مرکز تحقیقاتی Eratosthenes (قبرس) با بودجه اتحادیه اروپا روی یکپارچه‌سازی هوش مصنوعی با تصاویر ماهواره‌ای برای کاهش خطر بلایا کار می‌کند. دانشگاه ووهان (چین) آزمایشگاه ملی تحقیقات زنجیره بلایا را با قابلیت‌های هوش مصنوعی راه‌اندازی کرده است. مؤسسه فناوری گاندی‌ناگار (IIT Gandhinagar) هند «مرکز فرماندهی و تاب‌آوری هوش‌مصنوعی (ARC)» را برای مدیریت مخاطره بلایای اقلیمی با استفاده از داده‌های برخط راه اندازی کرده است. دانشگاه کشاورزی و مکانیک تگزاس (Texas A&M) آمریکا پروژه‌ای به ارزش ۱ میلیون دلار برای ایجاد شبکه آموزشی «هوش مصنوعی مکانی در مدیریت بحران (GeoAI)» راه‌اندازی کرده است. دانشگاه کیوشو (ژاپن) دارای آزمایشگاه مهندسی پیشگیری از بلایای ژئو (Geo-disaster Prevention Engineering Laboratory) با استفاده از فناوری‌های هوش مصنوعی، هواپیما‌های بدون سرنشین و اینترنت اشیا را راه اندازی کرده است

تصویب راه‌اندازی دانشکده پدافند غیرعامل در دانشگاه گیلان

در کشور ایران نیز تاسیس دانشکده پدافند غیرعامل در دانشگاه گیلان مصوب شده و رشته مدیریت بحران در مقطع کارشناسی ارشد در تعدادی از دانشگاه‌های کشور راه اندازی شده است. علاوه بر این پژوهشگاه‌های تخصصی نیز در نظام آموزش عالی بر موضوعات مرتبط با حوزه مدیریت بحران فعالیت دارند از جمله پژوهشگاه بین المللی زلزله شناسی و مهندسی زلزله و پژوهشکده مدیریت خطرپذیری و بحران که ذیل این پژوهشگاه تشکیل شده است.

برای تربیت نیروی متخصص در این حوزه، سالانه چه تعداد فارغ‌التحصیل در رشته‌های مرتبط با هوش مصنوعی و مدیریت بحران در جهان وارد بازار کار می‌شوند؟

آماری دقیقی برای تعداد سالانه فارغ‌التحصیلان دارای دانش و مهارت در حوزه تقاطع این دو حوزه آموزشی (هوش مصنوعی و مدیریت بحران) در دنیا و کشور وجود ندارد، اما می‌توان از پژوهشگاه علوم و فناوری اطلاعات ایران (ایرانداک) خواست که براساس پایان‌نامه و پارسه‌های ثبت شده در سامانه‌های آن پژوهشگاه، تخمینی از فارغ‌التحصیلان دارای مهارت و دانش در این حوزه ارائه دهند. 

در حوزه آموزش عالی، چه برنامه‌ای برای تربیت نیروی متخصص در هوش‌مصنوعی برای مدیریت بحران و بازسازی وجود دارد و هدف‌گذاری عددی آن چیست؟

برنامه عملیاتی وزارت‌علوم برای تربیت نیروی انسانی متخصص در هوش مصنوعی براساس تکالیف بالادستی از جمله سند ملی هوش مصنوعی و تقسیم کار ملی است که در ستاد توسعه فناوری و کاربرد هوش مصنوعی مصوب شده است. در این اسناد هدف‌گذاری‌های مشخصی تعریف شده است. مهم‌ترین بخش‌های مرتبط با این حوزه شامل ایجاد و بازنگری رشته‌ها با ایجاد رشته‌های راهبردی بین‌رشته‌ای هوش مصنوعی در مقاطع مختلف (با تأکید بر تحصیلات تکمیلی)، راه اندازی آزمایشگاه‌های تخصصی با تدوین و اجرای برنامه ملی برای حمایت از پژوهش‌های بنیادی در حوزه هوش‌مصنوعی که شامل راه‌اندازی حداقل ۱۲ آزمایشگاه تخصصی توسعه مدل‌های بنیادین و ۳ آزمایشگاه تخصصی ارزیابی مدل‌های بنیادین است. افزایش سهم پذیرش دانشجویان در تمامی مقاطع در حوزه‌های مرتبط با هوش مصنوعی از دیگر تکالیف بالادستی است؛ لیکن در تربیت نیروی متخصص در حوزه هوش‌مصنوعی و مدیریت بحران، می‌توان براساس نیاز‌های سازمانی از جمله دانستن نیاز‌های سازمان‌هایی مثل سازمان مدیریت بحران، سازمان پدافند غیرعامل، سازمان همیاری و شهرداری‌های کشور، نهاد نظامی و انتظامی، نسبت به تعریف دوره‌های کوتاه مدت تخصصی در قالب آموزش‌های آزاد و تخصصی اقدام کرد و تاکید کرد که در طراحی نظام آموزش عالی هوشمند، توسعه رشته‌ها باید تقاضا محور و مبتنی بر آمایش سرزمینی انجام پذیرد.

چه تعداد پایگاه داده یا پروژه ملی داده برای توسعه هوش مصنوعی در کشور ایجاد شده و آیا برای شرایط بحران هم داده‌های خاصی جمع‌آوری می‌شود؟

در کشور ما، با وجود چالش‌هایی نظیر تحریم‌ها و محدودیت دسترسی به داده‌های بین المللی، پروژه‌هایی برای مدیریت بحران کلید خورده است از جمله طراحی و راه‌اندازی سیستمی برای ارائه خدمات عادلانه به مردم در بلایای طبیعی که در توزیع عادلانه خدمات به آسیب دیدگان کمک می‌کند یا پروژه‌های مهمی که در ذیل زیست بوم‌های دیجیتال دولت تعریف شده‌اند. در پروژه دیگری استفاده از داده‌های ماهواره‌ای و هوش‌مصنوعی برای نقشه‌برداری سیل استفاده شده است. اما باید به یاد داشت یکی از مهم‌ترین الزامات برای توسعه مدل‌های هوش‌مصنوعی در کشور، دسترسی به داده‌های بومی و امن است؛ لذا باید پروژه‌هایی برای ایجاد بازارگاه داده و سکو‌های اشتراک داده ایمن تعریف کرد و برنامه ریزی کرد تا زیرساخت‌های داده‌ای برای شرایط بحران ایجاد شوند.

انتهای خبر/256275/