«دستیار هوش مصنوعی» دولت؛ از شکار ۷۰۰ تعارض قانونی تا ساخت دوقلوی دیجیتال وزارتخانه‌ها

به گزارش خبرنگار گروه دانشگاه خبرگزاری دانشجو، محمدباقر غزنوی، ناظر پروژه «دستیار هوش مصنوعی»، بعدازظهر ۲۱ مرداد در نشست خبری معاونت علمی و فناوری ریاست‌جمهوری، از آغاز عملیاتی شدن ایده‌ای خبر داد که هدف آن بهره‌گیری از ابزار‌های پیشرفته هوش مصنوعی در بدنه اجرایی دولت است؛ ابزار‌هایی که قرار نیست جایگزین تصمیم‌گیران شوند، بلکه در نقش «یار تصمیم‌ساز» با تحلیل داده‌ها و پیش‌بینی سناریوها، مسیر تصمیم‌سازی را بهینه کنند.

به گفته او، برای تحقق این هدف، ساختاری مثلثی با مشارکت دانشگاه‌ها، وزارتخانه‌ها و سازمان‌های مرتبط و معاونت علمی شکل گرفته و تاکنون بیش از ۱۱ وزارتخانه، استانداری و سازمان به این همکاری پیوسته‌اند.

غزنوی توضیح داد: وزارتخانه‌ها سال‌هاست پروژه‌های فناوری اطلاعات را اجرا کرده‌اند و بعضی حتی داشبورد‌های مدیریتی دارند، اما بخش‌هایی از این سامانه‌ها یا غیرفعال است یا ناقص. «دستیار هوش مصنوعی» با تکمیل این کاستی‌ها، قابلیت‌های تحلیلی و پیش‌بینی‌گر را به آنها اضافه می‌کند.

این پروژه در چهار مرحله شامل فاز صفر، یک، دو و سه طراحی شده است. فاز صفر و یک به‌طور عملی در قالب یک گروه دیده می‌شوند. در فاز صفر، دانشگاه‌ها موظف به گردآوری و دسته‌بندی قوانین مرتبط با وزارتخانه یا سازمان هدف شدند؛ قوانینی که بسیاری از آنها از قبل در مراکزی مانند مرکز پژوهش‌های مجلس (به‌صورت CD) و معاونت حقوقی دولت (به شکل دیجیتال و سرویس جست‌و‌جو) موجود بود. قوانین گردآوری‌شده برای تأیید نهایی به وزارتخانه مربوطه ارسال می‌شد تا تعامل دانشگاه و دستگاه اجرایی ساختارمند شود.

ناظر پروژه افزود: میزان همکاری وزارتخانه‌ها در این بخش یکسان نبود. در مرحله بعد، دانشگاه‌ها مأمور شناسایی تعارض‌ها و تناقضات قانونی شدند؛ از اختلاف در مهلت‌های قانونی مشابه تا تعارض منافع، که می‌تواند مشکلات حقوقی ایجاد کند. او گفت: بسیاری از نهاد‌های تصمیم‌گیر هنگام وضع مصوبه یا قانون، به همه قوانین مرتبط دسترسی ندارند و همین مسئله منجر به تصویب مقررات ناسازگار می‌شود؛ نمونه بارز آن، تفاوت مهلت‌های دو ماهه و شش ماهه در قوانین مشابه است. هرچند ابزار‌های عمومی برای شناسایی تعارضات وجود دارد، اما سامانه جامعی برای قوانین داخلی پیش‌تر ساخته نشده بود.

به گفته غزنوی، با همکاری دانشگاه‌ها، دسته‌بندی انواع تعارضات و سطوح آن مشخص شد و حتی در برخی موارد دانشگاه‌ها جلوتر از تیم‌های نظارت معاونت عمل کردند. تاکنون حدود ۷۰۰ تعارض قانونی شناسایی شده که در سه سطح قابل بررسی و حل است؛ بخشی از این فرایند نیز با ابزار‌های ماشینی قابل پیاده‌سازی است.

وی تأکید کرد: در صورت تکمیل فاز صفر و یک – که تاکنون بیش از ۵۰ درصد دانشگاه‌ها در آن مشارکت داشته‌اند – وزارتخانه‌ها صاحب یک سامانه هوش تجاری (BI) اختصاصی می‌شوند. پس از جلب اعتماد دستگاه‌ها، فرآیند‌های داخلی آنها وارد سامانه خواهد شد و «دستیار هوش مصنوعی» قادر خواهد بود پیامد‌های هر تصمیم و اثرات زنجیره‌ای آن بر سایر بخش‌ها را پیش‌بینی کند؛ موضوعی که معاونت علمی بار‌ها بر اهمیت آن تأکید کرده است.

غزنوی گفت: پیش‌بینی پیامد‌ها از اواخر فاز دو آغاز می‌شود و در فاز سه، تمامی فرآیند‌های قابل اجرا در سیستم ثبت خواهد شد؛ به این معنا که در صورت ورود یک فرآیند از سوی واحد حساس یک وزارتخانه به سامانه، امکان حذف داده یا تغییر ارقام وجود ندارد و همه اطلاعات در چارچوب سیستم پردازش می‌شود.

به گفته او، در این مرحله «دوقلوی دیجیتال» وزارتخانه‌ها شکل می‌گیرد؛ ابزاری که پیش از اجرای تصمیم، زنجیره واکنش‌ها و پیامد‌های آن را شبیه‌سازی می‌کند. در حالی که امروز این پیش‌بینی‌ها عمدتاً بر اساس تجربه و شهود انسانی انجام می‌شود، هدف پروژه آن است که این مسیر بر پایه داده و مدل‌های دقیق هدایت شود.

غزنوی ساختار نهایی این طرح را شامل فدراسیونی از «دستیار‌های هوشمند» اختصاصی برای دستگاه‌های مختلف دانست که در عمق لایه کارشناسی فعالیت می‌کنند. او گفت: این دستیار‌ها در مراحل اولیه کارکردی مشابه پیشخوان اطلاعات دارند، اما با تکمیل فازها، نقش راهبردی آنها در تصمیم‌سازی مدیران ارشد پررنگ‌تر خواهد شد.

وی در پایان افزود: در آغاز همکاری دانشگاه‌ها با وزارتخانه‌ها، برخی دستگاه‌ها درخواست‌های کوتاه‌مدت یا روزمره داشتند؛ مانند خلاصه‌سازی فرآیند‌های اتوماسیون یا نامه‌نگاری نمونه. با این حال، تصمیم‌گیری‌های کلان تنها زمانی ممکن است که مدل داده‌ای کامل و دقیق در سامانه ثبت شود. در چنین شرایطی، «دستیار هوشمند رئیس‌جمهور» یا سایر مقامات عالی می‌توانند با تکیه بر تحلیل جامع داده‌ها، پیشنهاد‌ها و پیش‌بینی‌های دقیق ارائه دهند و کل زنجیره تصمیم‌سازی – از پردازش داده تا شبیه‌سازی – به‌صورت یکپارچه عمل کند.