آیا هوش مصنوعی می‌تواند بحران‌های اجتماعی را پیش‌بینی کند؟

بحران‌های اجتماعی معمولاً ناگهانی به نظر می‌رسند، اما در واقع پیش از ظهور، نشانه‌هایی از خود باقی می‌گذارند: افزایش فشار معیشتی، بیکاری، تورم، شکاف طبقاتی، کاهش اعتماد عمومی، مهاجرت، افت سرمایه اجتماعی، تنش‌های سیاسی و حتی تغییر الگوهای گفت‌وگو در فضای عمومی. مسئله اصلی این است که آیا می‌توان این نشانه‌ها را زودتر دید و پیش از تبدیل شدن آن‌ها به بحران، برایشان تصمیم گرفت؟
پروژه پست‌داک «پیش‌بینی بحران‌های اجتماعی با استفاده از روش‌های یادگیری ماشین و هوش مصنوعی» دقیقاً از همین نقطه اهمیت پیدا می‌کند. این پروژه بر این فرض استوار است که بحران‌های اجتماعی فقط رخدادهای احساسی و لحظه‌ای نیستند، بلکه اغلب حاصل انباشت داده‌های اقتصادی، سیاسی، جمعیتی، فرهنگی و رفتاری‌اند. اگر این داده‌ها به‌درستی جمع‌آوری، پاک‌سازی و تحلیل شوند، می‌توان از آن‌ها برای شناسایی الگوهای هشداردهنده استفاده کرد.
هوش مصنوعی در اینجا قرار نیست آینده را پیشگویی کند. تفاوت مهمی میان «پیشگویی» و «پیش‌بینی علمی» وجود دارد. پیشگویی ادعای قطعیت دارد، اما پیش‌بینی علمی با احتمال سروکار دارد. یعنی مدل‌های یادگیری ماشین می‌توانند بگویند در یک منطقه، گروه اجتماعی یا بازه زمانی، احتمال بروز نارضایتی، اعتراض، خشونت، مهاجرت یا بی‌ثباتی بیشتر شده است؛ اما نمی‌توانند با قطعیت بگویند بحران دقیقاً چه روزی و با چه شدتی رخ خواهد داد.
تجربه‌های جهانی نشان می‌دهد که استفاده از یادگیری ماشین برای هشدار زودهنگام بحران، فقط یک ایده نظری نیست. سامانه CAST متعلق به ACLED با استفاده از مدل‌های یادگیری ماشین، رخدادهای خشونت سیاسی را در دوره‌های چهار هفته‌ای آینده و در سطوح مختلف جغرافیایی، از استان تا کشور، پیش‌بینی می‌کند و هر هفته پیش‌بینی‌های تازه منتشر می‌کند. این سامانه از داده‌هایی مانند روندهای خشونت، بازیگران فعال، سرریز خشونت از مرزها، متغیرهای جمعیتی و شاخص‌های نهادی استفاده می‌کند.
در اروپا نیز پروژه ViEWS با حمایت اتحادیه اروپا از الگوریتم‌های یادگیری ماشین برای تحلیل داده‌های اجتماعی، اقتصادی، سیاسی و سوابق خشونت استفاده کرده است تا احتمال بروز منازعه در کشورها و مناطق مختلف را ارزیابی کند. این پروژه برای هر کشور یا منطقه، نوعی امتیاز ریسک تولید می‌کند و هدف آن کمک به دولت‌ها و سازمان‌های انسانی برای اقدام پیشگیرانه پیش از وخیم شدن شرایط است.
اما اهمیت چنین پروژه‌ای برای ایران از آنجا بیشتر می‌شود که بحران‌های اجتماعی در کشور معمولاً تک‌عاملی نیستند. فشار اقتصادی، تورم، بیکاری، نابرابری، مسائل محیط زیستی، بحران آب، شکاف نسلی، مهاجرت نخبگان، کاهش امید اجتماعی و قطبی‌شدن سیاسی می‌توانند به‌صورت هم‌زمان عمل کنند. در چنین شرایطی، روش‌های سنتی تحلیل اجتماعی که معمولاً بر چند شاخص محدود تکیه می‌کنند، ممکن است نتوانند تصویر کامل بحران را نشان دهند. در محتوای پژوهشی پیشین این مجموعه نیز بارها بر پیوند میان تورم، بیکاری، حمایت اجتماعی، ثبات سیاسی و فشارهای اجتماعی تأکید شده است.
یادگیری ماشین این امکان را فراهم می‌کند که حجم بزرگی از داده‌ها هم‌زمان بررسی شود. برای مثال، داده‌های اقتصادی می‌توانند در کنار داده‌های جمعیتی، شاخص‌های رفاهی، تغییرات قیمت، نرخ بیکاری، الگوهای مهاجرت، داده‌های سلامت، داده‌های آموزشی، شکایات مردمی، اخبار محلی و حتی روندهای عمومی فضای مجازی تحلیل شوند. نتیجه چنین تحلیلی، ساخت یک «نقشه ریسک اجتماعی» است؛ نقشه‌ای که نشان می‌دهد کدام مناطق یا گروه‌ها در معرض آسیب و بحران بیشتری قرار دارند.
با این حال، هوش مصنوعی به‌تنهایی راه‌حل بحران نیست. گزارش مرکز پژوهشی کمیسیون اروپا درباره آینده هشدار زودهنگام منازعه تأکید می‌کند که یادگیری ماشین در پیش‌بینی خشونت سیاسی امیدبخش بوده، اما در پیش‌بینی آغاز بحران‌های کاملاً تازه، به‌ویژه در جوامعی که پیش‌تر آرام بوده‌اند، همچنان محدودیت دارد. این گزارش همچنین بر ضرورت شفافیت مدل‌ها، کیفیت داده‌ها و ترکیب تحلیل الگوریتمی با تخصص انسانی تأکید می‌کند.
این نکته برای ایران بسیار حیاتی است. اگر داده‌ها ناقص، جانبدارانه یا قدیمی باشند، خروجی هوش مصنوعی نیز می‌تواند گمراه‌کننده باشد. هوش مصنوعی همان‌قدر که می‌تواند به سیاست‌گذار هشدار بدهد، در صورت استفاده نادرست می‌تواند باعث برچسب‌زنی، سوءبرداشت یا تصمیم‌های ناعادلانه شود. بنابراین پروژه‌های پیش‌بینی بحران اجتماعی باید همزمان با دقت فنی، از نظر اخلاقی، حقوقی و اجتماعی نیز کنترل شوند.
یکی از مهم‌ترین چالش‌ها، تبدیل هشدار به اقدام است. بسیاری از سامانه‌ها می‌توانند ریسک را نشان دهند، اما اگر سیاست‌گذار پس از دریافت هشدار اقدامی نکند، پیش‌بینی بی‌اثر می‌ماند. مرور علمی سامانه‌های هشدار زودهنگام منازعه نشان می‌دهد که این حوزه هنوز به شفافیت بیشتر، دسترسی بهتر به داده و همکاری میان سامانه‌های مختلف نیاز دارد. یعنی مسئله فقط ساخت مدل نیست؛ مسئله ساختن سازوکاری است که پیش‌بینی را به تصمیم، و تصمیم را به پیشگیری تبدیل کند.
در ایران، چنین پروژه‌ای می‌تواند به جای نگاه امنیتی صرف به بحران، نگاه سیاستی و پیشگیرانه ایجاد کند. اگر مدل‌ها نشان دهند که در یک منطقه، ترکیب بیکاری جوانان، افزایش قیمت مسکن، کاهش دسترسی به خدمات عمومی و افت شاخص‌های رفاهی در حال تولید نارضایتی است، سیاست‌گذار می‌تواند پیش از تبدیل شدن نارضایتی به بحران، مداخله کند؛ مثلاً با حمایت معیشتی، ایجاد فرصت شغلی، تقویت خدمات عمومی، اصلاح سیاست‌های محلی یا گفت‌وگوی اجتماعی.
به بیان ساده، هوش مصنوعی می‌تواند چشم سیاست‌گذار را تیزتر کند، اما جای عقلانیت، عدالت و تصمیم انسانی را نمی‌گیرد. بحران اجتماعی فقط با داده فهمیده نمی‌شود؛ باید زمینه‌های تاریخی، فرهنگی، منطقه‌ای و روانی جامعه را هم شناخت. به همین دلیل، بهترین مدل پیش‌بینی بحران مدلی است که علوم داده را با جامعه‌شناسی، اقتصاد، علوم سیاسی، روان‌شناسی اجتماعی و شناخت میدانی ترکیب کند.
در جمع‌بندی می‌توان گفت هوش مصنوعی می‌تواند بحران‌های اجتماعی را تا حدی پیش‌بینی کند، اما نه به معنای پیشگویی قطعی آینده. ارزش اصلی آن در شناسایی زودهنگام نشانه‌ها، اندازه‌گیری احتمال خطر، کشف الگوهای پنهان و کمک به تصمیم‌گیری پیشگیرانه است. اگر این فناوری با داده‌های معتبر، شفافیت، نظارت اخلاقی و اراده واقعی برای اصلاح سیاست‌ها همراه شود، می‌تواند از یک ابزار فناورانه به ابزاری برای حکمرانی هوشمند و کاهش رنج اجتماعی تبدیل شود.
به بیان روشن، هوش مصنوعی بحران را حل نمی‌کند؛ اما می‌تواند پیش از آنکه بحران به خیابان، خانواده، اقتصاد و امنیت عمومی برسد، زنگ خطر را به صدا درآورد. هنر سیاست‌گذاری در این است که این زنگ خطر را بشنود و پیش از دیر شدن، اقدام کند.


منابع:
ACLED، روش‌شناسی سامانه هشدار منازعه CAST، دسترسی در سال ۲۰۲۶.
CORDIS، پروژه ViEWS، استفاده از یادگیری ماشین برای شناسایی خشونت سیاسی و پیش‌بینی منازعه، اتحادیه اروپا، ۲۰۲۳.
Rød، Espen Geelmuyden؛ Gåsste، Tim؛ Hegre، Håvard، ۲۰۲۴، مرور و مقایسه سامانه‌های هشدار زودهنگام منازعه، International Journal of Forecasting، دوره ۴۰، شماره ۱، صص. ۹۶–۱۱۲.
Joint Research Centre، آینده هشدار زودهنگام منازعه، کمیسیون اروپا، ۲۰۲۵.