استیون گلداسمیت، استاد سیاست‌گذاری شهری دانشگاه هاروارد، در یادداشتی تحلیلی تأکید می‌کند که هوش مصنوعی می‌تواند با پیوند دادن اطلاعات پراکنده میان دستگاه‌های دولتی و شهروندان، به ایجاد درک مشترک از مسائل محلی، تقویت حکمرانی مشارکتی و بازسازی اعتماد عمومی کمک کند.
به گزارش پایگاه خبری حکمرانی هوشمند به نقل از پایگاه Data-Smart City Solutions دانشگاه هاروارد، این یادداشت با عنوان «استفاده از هوش مصنوعی برای ایجاد زمینه مشترک در حکمرانی» در ۳۱ اوت ۲۰۲۶ منتشر شد. گلداسمیت در این مطلب توضیح می‌دهد که شهروندان و مقام‌های شهری گاهی درباره یک مسئله واحد، برداشت‌های متفاوتی دارند؛ زیرا هر گروه بر اساس تجربه‌ها، اطلاعات و نیازهای خود به موضوع نگاه می‌کند.
او با اشاره به تجربه دوران شهرداری خود در ایندیاناپولیس می‌نویسد که افتتاح یک پارک جدید به‌جای استقبال عمومی، با اعتراض برخی ساکنان روبه‌رو شد؛ زیرا زمین‌های بسکتبال و سروصدای شبانه آن در بخشی از پارک قرار گرفته بود که همسایگان مسن‌تر را ناراضی می‌کرد. به باور او، این تجربه نشان می‌دهد که حتی یک پروژه عمومی با هدف مثبت نیز ممکن است به دلیل تفاوت نگاه مدیران و مردم، با واکنش منفی مواجه شود.
هوش مصنوعی به‌عنوان پیونددهنده اطلاعات پراکنده
گلداسمیت معتقد است هوش مصنوعی می‌تواند نقش یک ابزار ایجادکننده زمینه مشترک را بر عهده بگیرد؛ ابزاری که اطلاعات پراکنده میان افراد، مکان‌ها و نهادها را به هم پیوند می‌دهد و تصویری مشترک از نیازها و شرایط محلی ایجاد می‌کند.
به گفته او، چنین تصویری به شهروندان و مدیران اجازه می‌دهد سناریوهای مختلف را با یکدیگر بررسی کنند؛ از چگونگی دسترسی افراد به حمایت‌های اجتماعی تا تعیین محل مناسب برای ایجاد ایستگاه اتوبوس. این فرایند می‌تواند به مردم کمک کند احساس کنند نیازهایشان دیده می‌شود و در تصمیم‌هایی که بر زندگی روزمره آنان تأثیر می‌گذارد، نقش دارند.
شناسایی دقیق‌تر نیازهای شهروندان
یکی از کاربردهای مورد اشاره در این یادداشت، استفاده از هوش مصنوعی برای تجمیع اطلاعات مرتبط با نیازهای خانوارهاست. اطلاعات مربوط به مسکن، سلامت، حمایت‌های اجتماعی و اشتغال ممکن است در سامانه‌های جداگانه نگهداری شود و همین پراکندگی، ارزیابی جامع وضعیت افراد را دشوار کند.
به نوشته گلداسمیت، هوش مصنوعی می‌تواند به کارکنان خدمات اجتماعی در سازمان‌دهی اسناد، شناسایی اطلاعات ناقص و بررسی شرایط دریافت حمایت‌ها کمک کند.
او به تجربه ایالت نیوجرسی اشاره می‌کند که در آن، اطلاعات پراکنده افراد در سامانه‌های دولتی، از جمله برنامه کمک غذایی SNAP و برنامه درمانی Medicaid، برای دستیابی به تصویری کامل‌تر از وضعیت خانوارها به یکدیگر پیوند داده می‌شود. به گفته دیو کول، مدیر ارشد نوآوری این ایالت، این اقدام به شناسایی سالانه حدود ۱۰۰ هزار خانواده واجد شرایطی کمک کرده است که در غیر این صورت ممکن بود به حمایت‌های مورد نیاز خود دسترسی پیدا نکنند.
گلداسمیت همچنین به استفاده از چت‌بات‌های مبتنی بر هوش مصنوعی در شهر ممفیس اشاره می‌کند؛ ابزارهایی که به سازمان‌های اجتماعی امکان می‌دهند هنگام ارائه خدمات به شهروندان، درباره حمایت‌های دیگر نیز اطلاعات ارائه کنند.
درک مشترک از مسائل محله‌ها
این یادداشت بر اهمیت دسترسی آسان به داده‌های مکانی نیز تأکید دارد. اطلاعات مربوط به ترافیک، مسکن، زیرساخت، آلودگی، سلامت عمومی و ایمنی زمانی برای تصمیم‌گیری مفیدتر خواهد بود که ارتباط میان آن‌ها در یک محدوده مشخص بررسی شود.
گلداسمیت می‌نویسد شهر دیترویت در حال بررسی ابزارهایی است که به شهروندان و مقام‌های محلی اجازه می‌دهد با استفاده از زبان طبیعی، پرسش‌هایی درباره شرایط محیطی مطرح کنند؛ برای مثال، کیفیت هوای اطراف مدرسه یک کودک را با مدارس دیگر مقایسه کنند یا منابع ترافیکی و صنعتی مؤثر بر تشدید آسم را شناسایی کنند.
در بوستون نیز ابزار «OpenContext: هوش مصنوعی برای داده‌های باز بوستون» به کارکنان و شهروندان اجازه می‌دهد بدون نیاز به مهارت‌های تخصصی جست‌وجو در پایگاه‌های داده، با زبان ساده اطلاعات محلی را بررسی کنند.
به اعتقاد نویسنده، این ابزارها می‌توانند اختلاف‌نظرها درباره وجود یا شدت یک مشکل را به سمت بررسی شواهد مشترک هدایت کنند و زمینه تصمیم‌گیری مبتنی بر اطلاعات را فراهم آورند.
تحلیل بازخورد عمومی با کمک هوش مصنوعی
بخش دیگری از یادداشت به شیوه دریافت و تحلیل نظرات مردم اختصاص دارد. بازخوردهای شهروندان از مسیرهای مختلفی مانند سامانه‌های ثبت نظر، جلسات عمومی، تماس‌های خدمات شهری و دادخواست‌ها دریافت می‌شوند؛ اما حجم بالای این اطلاعات ممکن است بررسی کامل آن‌ها را برای کارکنان دشوار کند.
هوش مصنوعی می‌تواند نظرات را دسته‌بندی کند، موضوعات پرتکرار را شناسایی کند، نگرانی‌های مشترک را خلاصه کند و موارد متفاوت را از دیدگاه‌های غالب جدا سازد. به این ترتیب، تصمیم‌گیران می‌توانند تصویر جامع‌تری از مطالبات عمومی به دست آورند و صرفاً تحت تأثیر پرصداترین گروه‌ها یا چند تجربه محدود قرار نگیرند.
گلداسمیت به تجربه شهر شوگرلند در ایالت تگزاس اشاره می‌کند که از تحلیل احساسات داده‌های ناشناس شبکه‌های اجتماعی برای برجسته‌کردن استقبال عمومی از یک خدمت جدید حمل‌ونقل استفاده کرد. همچنین، شهر بولینگ گرین در ایالت کنتاکی از هوش مصنوعی برای دریافت نظام‌مندتر نظرات مردم، تحلیل آن‌ها و استفاده از این اطلاعات در تصمیم‌گیری بهره می‌گیرد.
از شنیدن نظرات تا پاسخ‌گویی واقعی
به اعتقاد گلداسمیت، هدف نهایی صرفاً جمع‌آوری نظرهای شهروندان نیست؛ بلکه دولت‌های محلی باید بتوانند نشان دهند که بازخوردهای دریافت‌شده چگونه بر تصمیم‌ها و اقدامات بعدی اثر گذاشته‌اند.
او استدلال می‌کند که هوش مصنوعی، در صورت استفاده هدفمند، می‌تواند به شکل‌گیری دیدگاهی مشترک میان دولت و مردم کمک کند؛ دیدگاهی که در آن طرفین مسئله را بر پایه اطلاعات قابل بررسی و فهم مشترک دنبال می‌کنند.
بر اساس این تحلیل، تکرار چرخه‌های دریافت بازخورد، اقدام و اطلاع‌رسانی درباره نتایج می‌تواند به تقویت اعتماد عمومی کمک کند. در چنین الگویی، حکمرانی هوشمند فقط به استفاده از فناوری‌های پیشرفته محدود نمی‌شود، بلکه بر پیوند دادن داده‌ها با مشارکت شهروندان، تصمیم‌گیری پاسخ‌گو و حل مشترک مسائل شهری استوار است.
انتهای پیام
