کمبود داده، پاشنه آشیل هوش مصنوعی در مدیریت زلزله

اگرچه هوش مصنوعی در بسیاری از کشورهای جهان به یکی از ارکان اصلی مدیریت بحران تبدیل شده و از آن برای پیش‌بینی مخاطرات، ارزیابی ریسک و تصمیم‌سازی استفاده می‌شود، اما تحقق این ظرفیت در گرو وجود داده‌های دقیق، به‌روز و قابل دسترس است؛ موضوعی که به گفته کارشناسان، همچنان یکی از چالش‌های جدی کشور به شمار می‌رود.

علی بیت‌الهی، رئیس بخش زلزله‌شناسی مهندسی و خطرپذیری مرکز تحقیقات راه، مسکن و شهرسازی در گفت‌وگو با سیناپرس با بیان اینکه عملکرد سامانه‌های هوش مصنوعی کاملا وابسته به اطلاعات ورودی است، اظهار کرد: مهم‌ترین خلا موجود برای استفاده از هوش مصنوعی در مدیریت زلزله، کمبود داده‌های رقومی، استاندارد و قابل دسترس است. هوش مصنوعی بر پایه داده‌ها کار می‌کند و اگر اطلاعات کافی، همگون و قابل استفاده در اختیار آن قرار نگیرد، طبیعی است که خروجی‌های آن نیز از دقت لازم برخوردار نخواهد بود.

وی افزود: در بسیاری از موارد، سازمان‌های مختلف اطلاعات تخصصی خود را منتشر نمی‌کنند یا داده‌ها با فرمت‌های متفاوت و غیرقابل استفاده در اختیار پژوهشگران قرار می‌گیرد. در چنین شرایطی، سامانه‌های مبتنی بر هوش مصنوعی نمی‌توانند تحلیل دقیقی از وضعیت موجود ارائه دهند.

هوش مصنوعی بدون داده، تصمیم درست نمی‌گیرد

بیت‌الهی با اشاره به تجربه شخصی خود در استفاده از سامانه‌های هوش مصنوعی گفت: بارها هنگام استفاده از این سامانه‌ها مشاهده کرده‌ام که با ارائه اطلاعات تکمیلی، پاسخ‌ها اصلاح شده و حتی خود سامانه به اشتباه اولیه‌اش پی برده است. این موضوع نشان می‌دهد که مشکل از الگوریتم‌ها نیست، بلکه از کمبود اطلاعات پایه ناشی می‌شود.

وی تاکید کرد: تمامی سامانه‌های مبتنی بر شبکه‌های عصبی و هوش مصنوعی بدون استثنا به لایه‌های مختلف اطلاعاتی وابسته هستند. اگر این اطلاعات وجود نداشته باشد یا ناقص باشد، هیچ الگوریتمی قادر به ارائه تحلیل دقیق نخواهد بود. به همین دلیل، کمبود داده را مهم‌تر از هر چالش دیگری در توسعه هوش مصنوعی می‌دانم.

این پژوهشگر حوزه زلزله همچنین به برخی محدودیت‌های فنی از جمله سرعت اینترنت، دسترسی به سامانه‌های مختلف و محدودیت‌های استفاده از برخی خدمات اشاره کرد و گفت: این موارد نیز در کنار کمبود داده، روند بهره‌گیری از ظرفیت‌های هوش مصنوعی را با چالش مواجه کرده است.

ایران هنوز برای استفاده گسترده از هوش مصنوعی آماده نیست

رئیس بخش زلزله‌شناسی مهندسی و خطرپذیری مرکز تحقیقات راه، مسکن و شهرسازی با اشاره به وضعیت موجود کشور اظهار کرد: با شناختی که از شرایط فعلی دارم، معتقدم هنوز سازوکار و آمادگی لازم برای بهره‌گیری گسترده از فناوری‌های هوش مصنوعی در مدیریت خطر زلزله در کشور وجود ندارد.

وی ادامه داد: تحقق این هدف مستلزم ایجاد ارتباطی منسجم میان دستگاه‌های مدیریت بحران، مراکز پژوهشی، دانشگاه‌ها و نهادهای اجرایی است. همچنین باید سرمایه‌گذاری هدفمند و بلندمدتی در این حوزه انجام شود؛ موضوعی که متاسفانه تاکنون آن‌گونه که باید مورد توجه قرار نگرفته است.

ضرورت ایجاد سامانه ملی لایه‌های اطلاعاتی مدیریت ریسک

بیت‌الهی مهم‌ترین پروژه مورد نیاز کشور در این حوزه را ایجاد یک سامانه جامع اطلاعاتی برای مدیریت ریسک دانست و گفت: نخستین گام، تشکیل سامانه‌ای از لایه‌های اطلاعاتی مدیریت ریسک در سطح ملی است؛ سامانه‌ای که بتواند همه اطلاعات مورد نیاز برای تحلیل خطر را در کنار یکدیگر قرار دهد.

وی توضیح داد: این لایه‌های اطلاعاتی باید شامل داده‌هایی مانند توپوگرافی، شیب زمین، مناطق مستعد ریزش، پهنه‌های دارای خطر روانگرایی، مخاطرات ثانویه زلزله، موقعیت دقیق گسل‌ها، سوابق زمین‌لرزه‌های گذشته، وضعیت ساختمان‌ها، زیرساخت‌ها، شریان‌های حیاتی، آثار تاریخی، مسیرهای دسترسی، امکانات امداد و نجات و سایر اطلاعات تصمیم‌ساز باشد.

به گفته این عضو هیات علمی مرکز تحقیقات راه، مسکن و شهرسازی، زمانی که این اطلاعات در قالب یک سامانه ملی، استاندارد و به‌روز در اختیار پژوهشگران و مدیران قرار گیرد، هوش مصنوعی می‌تواند تحلیل‌هایی دقیق‌تر و قابل اعتمادتر ارائه کند و به ابزاری مؤثر برای تصمیم‌سازی در مدیریت بحران تبدیل شود.

آمارهای قدیمی، مانعی برای تحلیل دقیق

بیت‌الهی در ادامه با اشاره به قدیمی بودن برخی داده‌های آماری کشور گفت: یکی از نمونه‌های مهم، توقف سرشماری‌های منظم نفوس و مسکن است. آخرین آمار جامع کشور مربوط به سال ۱۳۹۵ است و اکنون حدود یک دهه از آن می‌گذرد؛ در حالی که طی این سال‌ها وضعیت ساخت‌وساز، کیفیت ساختمان‌ها و حتی بافت بسیاری از شهرها و روستاها تغییر کرده است.

وی افزود: هوش مصنوعی نمی‌تواند این تغییرات را به‌صورت خودکار تشخیص دهد و اگر داده‌های به‌روز در اختیار آن قرار نگیرد، تحلیل‌ها نیز بر مبنای اطلاعات قدیمی انجام می‌شود. در نتیجه ممکن است منطقه‌ای همچنان پرخطر ارزیابی شود، در حالی که ساختمان‌های آن نوسازی شده‌اند یا برعکس، مناطقی که امروز آسیب‌پذیرتر هستند به درستی شناسایی نشوند.

وی در پایان تاکید کرد: توسعه هوش مصنوعی در مدیریت زلزله، پیش از هر چیز به ایجاد زیرساخت‌های اطلاعاتی، به‌روزرسانی مستمر داده‌های ملی و همکاری میان دستگاه‌های مختلف نیاز دارد. بدون فراهم شدن این بستر، نمی‌توان انتظار داشت سامانه‌های هوش مصنوعی نقش موثری در کاهش خطرپذیری و افزایش تاب‌آوری کشور ایفا کنند.

خبرنگار: فرزانه صدقی