به گزارش خبرنگار مهر؛ آلودگی هوا در دهه اخیر به یکی از بنیادی‌ترین تهدیدها علیه سلامت عمومی بدل شده است و جایگاه آن در رتبه‌بندی عوامل مرگ‌ومیر جهانی به مرتبه‌ای رسیده که حتی از ریسک مصرف دخانیات و الگوهای تغذیه‌ای ناسالم نیز پیشی گرفته است. افزایش تراکم ذرات معلق ناشی از فعالیت‌های صنعتی، رشد مصرف سوخت‌های فسیلی، گسترش حمل‌ونقل مبتنی بر انرژی‌های آلاینده و شتاب‌گیری روند گرم شدن کره زمین در اثر تغییرات اقلیمی، همگی موجب شده‌اند وضعیت کیفیت هوا در بسیاری از مناطق جهان به مرزی برسد که سلامت تنفسی، قلبی و شناختی میلیون‌ها نفر به شکل روزمره تهدید شود.
در کنار این روندها، تشدید آتش‌سوزی‌های گسترده در جنگل‌ها که پیامد تخریب زیست‌بوم‌ها و افزایش دما به شمار می‌رود، موج تازه‌ای از ریزذرات را وارد جو می‌کند که به صورت فرامرزی جابه‌جا می‌شود و بر کیفیت هوا در مناطق دوردست اثر می‌گذارد. هم‌زمان، فناوری‌های نوظهور به ویژه هوش مصنوعی با سرعتی بی‌سابقه در حال تحول سازوکارهای صنعتی، شهری و ارتباطی هستند و این تحول پرسشی اساسی را مطرح کرده است: نقش این فناوری قدرتمند در حفاظت از کیفیت هوا و تحقق عدالت زیست‌محیطی چیست و چگونه می‌توان از ظرفیت آن برای پایش دقیق‌تر، پیش‌بینی عالمانه‌تر و مداخله هدفمندتر در مسیر کاهش آلودگی بهره گرفت.
آلودگی هوا؛ تهدیدی فراتر از دخانیات و تغذیه ناسالم
داده‌های علمی نشان می‌دهد آلودگی هوا سالانه موجب بیش از ده میلیون مرگ در سطح جهان می‌شود و ۹۹ درصد جمعیت زمین در معرض سطوحی از آلودگی هوا قرار دارند که بر سلامت بدن و عملکرد شناختی اثر می‌گذارد. بر اساس برآوردهای صورت گرفته، با وجود پیشرفت خودروهای برقی و افزایش آگاهی نسبت به پایداری، گزارش آژانس حفاظت محیط زیست آمریکا روشن می‌کند که صنایع، نیروگاه‌های برق و بخش حمل‌ونقل در مجموع ۷۸ درصد آلودگی کربنی هوا را تولید می‌کنند. در چنین شرایطی، جمعیت کم‌درآمد، کودکان، سالمندان و جوامع بومی در معرض بیشترین آسیب قرار دارند.
هوش مصنوعی و ظرفیت آن برای دگرگونی پایش و پیش‌بینی آلودگی
کاربرد هوش مصنوعی و کلان داده‌ها در حوزه محیط زیست به شکل چشمگیری در حال گسترش است. مدل‌های پیشرفته پیش‌بینی آلودگی که بر پایه تحلیل رفت‌وآمد و الگوهای مکانی فعالیت‌های صنعتی توسعه یافته‌اند، توانسته‌اند دقت برآورد آلودگی را به صورت میانگین ۱۷.۵ درصد افزایش دهند؛ رقمی که برای سیاست‌گذاری شهری و مداخله در مناطق آسیب‌پذیر اهمیت چشمگیری دارد. بر همین اساس، سنسورهای پوشیدنی جدید، همچون ابزار طراحی‌شده در دانشکده بهداشت عمومی دانشگاه ییل، به افراد امکان می‌دهد میزان مواجهه با ترکیبات شیمیایی محیطی را اندازه‌گیری کنند و تصویری دقیق از وضعیت آلاینده‌های اطراف خود به دست آورند.
همکاری‌های نوآورانه برای عدالت زیست‌محیطی و هوای پاک
بر اساس گزارش مجمع جهانی اقتصاد، ابتکار «Equal Air Collaborative» که با مشارکت شرکت‌ها و نهادهای پیشرو در زمینه مقابله با آلودگی هوا شکل گرفته، با هدف ترویج راه‌حل‌های مشترک برای مقابله با بحران آلودگی در این حوزه طراحی شده است. این ابتکار بر کاربرد هوش مصنوعی در شبکه‌سازی داده‌ها، شناسایی آلاینده‌های ناشناخته و طراحی سازوکارهای نظارت مردمی تکیه دارد.
پروژه «Equal Air Project» که توسط شرکت «Coupa» و با همکاری نهادهای غیرانتفاعی چون «Earth Watch» و «Sustainable Silicon Valley» و دانشکده بهداشت عمومی دانشگاه ییل انجام شده است، نمونه‌ای از پایش میدانی هوشمند آلودگی هوا به شمار می‌رود که با استفاده از سنسورهای پراکنده در منطقه خلیج سان‌فرانسیسکو نشان داد کیفیت هوای نقاط مختلف حتی در یک محدوده جغرافیایی کوچک تفاوت‌های چشمگیر دارد.
هوش مصنوعی، بهره‌وری اقتصادی و کیفیت هوا
تحلیل اقتصادی بسیاری از متخصصان نشان می‌دهد که آلودگی هوا علاوه بر مضرات بی‌شمار در حوزه سلامت فردی، پیامدهای گسترده‌ای بر بهره‌وری نیروی کار نیز دارد. در سطح جهانی بیش از یک میلیارد و دویست میلیون روز کاری در اثر آلودگی هوا از بین می‌رود و پیش‌بینی می‌شود این رقم تا سال ۲۰۶۰ به حدود سه میلیارد و هشتصد میلیون روز برسد. کسب‌وکارها به ویژه در حوزه فناوری اطلاعات که نیروی انسانی نخبه و متخصص نقش اساسی در ارزش‌آفرینی آن‌ها دارد با هر میزان افت سلامت و عملکرد شناختی کارکنان ممکن است زیان قابل توجهی متحمل شوند.
آلودگی‌های پنهان و نقش هوش مصنوعی در آشکارسازی آن‌ها
یکی دیگر از ابعاد کمتر شناخته‌شده بحران آلودگی هوا، وجود آلاینده‌هایی است که هنوز در چارچوب‌های نظارتی رسمی تعریف نشده‌اند. به عنوان مثال، ذرات معلق ناشی از لاستیک خودروها نمونه‌ای از آلاینده‌های بسیار خطرناک است که اثرات آن در بسیاری از مقررات محیط زیستی لحاظ نشده است. در همین راستا، الگوریتم‌های یادگیری ماشین با توانایی پردازش داده‌های حجیم می‌توانند این آلاینده‌های پنهان را شناسایی کنند و مسیر سیاست‌گذاری و مدیریت آلودگی هوا را به‌سوی مقابله مؤثر با انواع جدید آلاینده را هدایت کنند.
پیچیدگی اثرات زیست‌محیطی خودِ هوش مصنوعی
به زعم طیف گسترده‌ای از کارشناسان، هوش مصنوعی تنها یک ابزار حل مسئله نیست و درک پیامدهای زیست‌محیطی، چرخه کامل توسعه و بهره‌برداری از آن برای سیاست‌گذاری مؤثر، ضرورتی انکارناپذیر دارد. زیرساخت‌های پردازشی مورد نیاز برای مدل‌های یادگیری عمیق و سامانه‌های داده‌محور به توان محاسباتی قابل توجهی وابسته هستند و این توان محاسباتی در عمل به معنای مصرف برق گسترده، توسعه مراکز داده و افزایش تقاضا برای شبکه‌های خنک‌سازی است. رشد تعداد مراکز داده در سطح جهان که به دلیل رقابت فزاینده در حوزه هوش مصنوعی شتاب گرفته است به افزایش مصرف برق در مقیاس ملی و منطقه‌ای منجر شده و همین روند نگرانی‌هایی درباره تشدید فشار بر شبکه انرژی و آلودگی ناشی از تولید برق ایجاد کرده است.
بر اساس یافته‌های علمی پژوهش‌های انجام‌شده در چین، افزایش مصرف برق در ارتباط مستقیم با کاهش شاخص کیفیت هوا قرار دارد؛ زیرا هر سطح اضافی از مصرف انرژی که از طریق نیروگاه‌های مبتنی بر سوخت‌های فسیلی تأمین شود، میزان بیشتری از ذرات معلق و گازهای آلاینده را وارد جو می‌کند. این واقعیت نشان می‌دهد توسعه هوش مصنوعی بدون تدابیر کاهش مصرف انرژی می‌تواند اثرات معکوس بر سلامت محیط زیست داشته باشد. علاوه بر این، تولید سخت‌افزارهای پیشرفته مانند تراشه‌های پردازشی ویژه یادگیری ماشین نیازمند استخراج فلزات نادر، صرف انرژی بالا در فرایندهای صنعتی و ایجاد زنجیره تأمین پیچیده‌ای است که هر یک پیامدهای زیست‌محیطی خاص خود را دارد.
با توجه به این چالش‌ها، آینده توسعه هوش مصنوعی نیازمند رویکردی است که مدیریت انرژی را در محور اصلی قرار دهد. طراحی تراشه‌های کم‌مصرف، توسعه مراکز داده مبتنی بر انرژی‌های تجدیدپذیر، استفاده از سامانه‌های تهویه و خنک‌سازی با بهره‌وری بالا و پیاده‌سازی معماری‌های محاسباتی بهینه از جمله اقداماتی است که می‌تواند اثرات منفی زیست‌محیطی هوش مصنوعی را کاهش دهد. همچنین لازم است سیاست‌گذاری‌های ملی و بین‌المللی مسیر توسعه فناوری را به سمت الگوهایی هدایت کند که بین نیازهای محاسباتی و الزامات پایداری محیط زیستی توازن برقرار می‌نمایند.
جمع‌بندی
جهان آینده با سرعتی بی‌سابقه به سمت کاربرد گسترده هوش مصنوعی حرکت می‌کند و همین روند ضرورت بازاندیشی در نسبت میان توسعه فناوری و سلامت عمومی را دوچندان می‌سازد. بحران آلودگی هوا که اکنون از مهم‌ترین تهدیدهای زیست‌محیطی و سلامت انسانی محسوب می‌شود، نمونه بارزی از مسئله‌ای است که بدون استفاده از ابزارهای تحلیلی پیشرفته و قابلیت‌های پردازش داده‌های کلان پاسخ‌های کارآمد نخواهد یافت. بنابراین، می‌توان نتیجه گرفت که هوش مصنوعی با توانایی مدل‌سازی پیشرفته، آشکارسازی الگوهای پنهان و افزایش دقت پایش میدانی قادر است زیرساخت سیاست‌گذاری را به گونه‌ای متحول کند که مداخلات محیط زیستی از حالت واکنشی به مرحله پیش‌نگر ارتقا یابد.
ترکیب ظرفیت‌های نهادی، همکاری شبکه‌ای میان بخش خصوصی، دانشگاه‌ها و نهادهای عمومی و بهره‌گیری از توان تحلیلی هوش مصنوعی زمینه‌ای فراهم می‌کند که تحقق هوای پاک نه یک آرمان بلندمدت و دور از دسترس، بلکه مسیری قابل برنامه‌ریزی و قابل ارزیابی شود. یافته‌های پروژه‌هایی مانند «Equal Air Collaborative» نشان می‌دهد که استفاده سازمان‌یافته از داده‌های محیطی و روش‌های یادگیری ماشین قادر است نابرابری‌های زیست‌محیطی را آشکار کند و امکان طراحی سیاست‌های هدفمند برای کاهش آسیب‌پذیری جوامع کم‌برخوردار را فراهم آورد.
در نهایت، به نظر می‌رسد که در چنین چارچوبی، مشارکت فعال سیاست‌گذاران، نوآوران و پژوهشگران در این جریان همکاری یک ضرورت محسوب می‌شود زیرا تنها با تداوم این همکاری است که می‌توان افقی شکل داد که در آن توسعه فناوری با سلامت عمومی در تعارض قرار نگیرد و به تقویت عدالت زیست‌محیطی کمک کند.
