Developed in conjunction with Joomla extensions.

نقش هوش مصنوعی در صلح

زهرا شریف زاده عضو هیئت تحریریه مجله ایرانی روابط بین الملل

لحظاتی وجود دارد که تغییر در محیط، رویکردهای تثبیت شده را به چالش می کشد و و بنوعی نوآوری کلیدی محسوب می شود. همه‌گیری کووید-19، بخش‌های زیادی از نیروی کار جهانی  از جمله کسانی که صلح را ایجاد می‌کنند مجبور به راه‌های جدیدی برای همکاری آنلاین کرد. البته، بسیاری از تلاش‌ها برای جلوگیری از درگیری و ایجاد صلح تا حدودی بر استفاده از مجموعه‌ای از فناوری‌های دیجیتالی متنوع متکی بوده است، معمولا شیوه های اصلی ایجاد صلح همچنان به عنوان "انسان محور" تلقی می شود و بسیاری از متخصصان از جمله لانز والیبا(2018)بر این عقیده هستند که  فناوری فقط باید نقش حاشیه ای در تسهیل فرآیندهای صلح ایفا کند.

همچنانکه هلمو لر(2019) می گوید:"  تلاش‌های بین‌المللی برای ایجاد صلح معمولاً توسط یک هنجار «نرم» مهم دیگر هدایت می‌شوند، یعنی اینکه فرآیندهای صلح باید با در نظر گرفتن دیدگاه‌ها و نیازهای همه طرف‌های درگیری، نه تنها دیدگاه‌های طرف‌های درگیر قدرتمند، فراگیر باشد.» به نظر می‌رسد همه‌گیری کووید-19 تعادل بین این دو اصل را تغییر داده است. امروزه، تعداد قابل توجهی از موارد وجود دارد که در آن میانجی ها  از فناوری‌های دیجیتالی در تلاش خود برای مشارکت گسترده‌تر استفاده می‌کنند، مانند اجرای مشاوره در برنامه‌های پیام‌رسان یا توسعه ابزارهای جمع آوری اطلاعات توسط بسیاری از افراد یا برای جمع‌آوری داده‌ها درباره شایعات.

در واقع،  دیجیتال فراگیر  می‌تواند طیف وسیعی از اهداف استراتژیک  از تقویت مشروعیت فرآیندها و نتایج گرفته تا توانمندسازی ذینفعان خاص و محافظت از گروه‌های آسیب‌پذیر را در بر گیرد. در عین حال، نگرانی‌های فزاینده‌ای در مورد محرومیت‌ها و سلسله مراتب جدید ناشی از این اتکای جدید به فناوری‌های دیجیتال و مبتنی بر اینترنت وجود دارد. و در این میان فناوری‌های مبتنی بر هوش مصنوعی می‌توانند تجزیه و تحلیل کارآمدتری با روش‌های جدید ارائه دهند که به چالش‌های مقابله با حجم عظیمی از داده‌هایی که  در چارچوب درگیری‌های مسلحانه و فرآیندهای صلح تولید می‌شوند پاسخ می‌دهند  علیرغم تمام  تلاش‌ها برای افزایش مشارکت از طریق فناوری استفاده از روش‌های مبتنی بر هوش مصنوعی ممکن است با هدف فراگیر کردن فرآیندهای صلح در تنش قرار گیرد.

 به عنوان مثال، هوش مصنوعی رویکردهای جدیدی را برای اداره جمعیت ها بدون نیاز به مشارکت آنها در فرآیندهای دموکراتیک امکان پذیر می کند با این حال، تصمیمات سیاسی تولید شده توسط سیستم‌های هوش مصنوعی معمولاً غیرقانونی تلقی می‌شوند .توجه به این نکته مهم است که روش‌های هوش مصنوعی نمی‌توانند نتایج معنی‌داری را بدون در جریان نگه داشتن انسان‌ها ایجاد کنند . در جایی که تحلیل مبتنی بر هوش مصنوعی بدون مشارکت استفاده می‌شود، ممکن است خروجی‌های ضعیفی نیز تولید کند. بسیاری از روش‌های موجود، مانند تجزیه و تحلیل احساسات، توسط شرکت‌های بخش خصوصی برای کسب درآمد از داده‌های استخراج‌شده از رسانه‌های اجتماعی ایجاد شده‌اند. این روش‌ها به مشارکت فعال کاربران نیاز ندارند: آنها داده‌هایی را جمع‌آوری نمی‌کنند که عمداً توسط کاربران برای اطلاع‌رسانی یک فرآیند ارائه ‌شود،بلکه داده‌هایی را که در جریان تعاملات آنلاین روزانه خود تولید می‌کنند، جمع‌آوری می‌کنند. این داده ها را عمدا ارائه نمی کنند، اما به طور غیرمستقیم برای ایجاد ارتباط بین آنچه انجام می دهند و آنچه می خواهند استفاده می شود.

و در این میان محدودیت‌ها نمایان می‌شود، به‌عنوان مثال، وقتی با تبلیغات آنلاین هدفمندی مواجه می‌شوند که محصولاتی را تبلیغ می‌کنند بگونه ای است که  کاملاً با آنچه ما می‌خواهیم یا نیاز نداریم، تبلیغ می شود.

البته، کسانی که از فناوری دیجیتال در ایجاد صلح استفاده می کنند، بعید است که مفاد توافقنامه صلح را بر اساس تجزیه و تحلیل ترجیحات کاربر جمع آوری شده از طریق تجزیه و تحلیل پست ها یا توییت های فیس بوک، آزمایش کنند. در واقع، امیدوارکننده ترین اکتشافات هوش مصنوعی برای تجزیه و تحلیل تعارض، مشارکت فعال،  از طریق ترکیب گروه های متمرکز آنلاین، با ابزارهای هوش مصنوعی اراده می شوذ.

با این حال، چالش های بیشتری در تطبیق ابزارهای تحلیلی ارائه شده در بازار دیجیتال با الزامات صلح وجود دارد. به عنوان مثال، یادگیری ماشینی در تلاش است تا اطلاعات متنی پیچیده‌تر از نظر معنایی، مانند نظرات و استدلال‌ها را معنا کند. ابزارها و روش‌های موجود در تشخیص الگوها در قالب‌ داده نسبتاً ساده، قوی هستند، اما اغلب نمی‌توانند پیچیدگی فرآیندهای صلح و کثرت دیدگاه‌های طرف‌های درگیری را به‌اندازه کافی نشان دهند. آنها همچنین اغلب نتایجی با قابلیت اطمینان نسبتاً پایین تولید می کنند.

همچنین می‌دانیم که کد الگوریتمی توسعه‌یافته از طریق یادگیری ماشینی ممکن است گروه‌های جمعیتی خاصی را در تجزیه و تحلیل، کم وبیش نمایش دهد و حتی تبعیض قائل شود. مثلا، صدا به طور بالقوه در زبان‌های مختلف بیان می‌شود، اما مدل‌های موجود فرآیند زبان طبیعی (NLP) فقط در چند زبان به خوبی کار می‌کنند  بنابراین بخش‌هایی از جمعیت که فقط می‌توانند در زبان‌های محلی شرکت کنند کمتر قابل مشاهده است.

همچنین این  نگرانی وجود دارد که چگونه انتخاب مدل‌های هوش مصنوعی و در دسترس بودن داده‌ها، طیف سؤالاتی را که می‌توان پرسید و پاسخ داد، محدود می‌کند. در حالی که اکنون مجموعه های کلان داده در مورد رویدادهای درگیری مسلحانه، مانند مرگ و میر در جنگ وجود دارد، اغلب به دست آوردن مقادیر کافی از داده ها در مورد ویژگی های پیچیده تر، حساس یا غیررسمی یک درگیری، مانند تصورات مردم در مورد طرف های درگیری یا بر اساس جنسیت، دشوار است.

در نهایت، استفاده از داده ها برای تصمیم گیری سیاسی، از جمله داده های تولید شده به کمک هوش مصنوعی، به خطر سیاسی شدن داده ها، به ویژه در زمینه هایی که با فاجعه یا خشونت مشخص می شود، مواجه می گردد.این بدان معناست که باید به راه‌هایی دیگر روی آورد که از طریق آن خروجی‌های هوش مصنوعی می‌توانند توسط میانجی‌گران تولید و استفاده شوند، به گونه‌ای که طرف‌های درگیری آن‌ها را بپذیرند و بتوان از آنها به شیوه‌ای سازنده استفاده کرد.

در حقیقت هوش مصنوعی این پتانسیل را دارد که فرآیندهای مشارکتی را تضعیف کند. اما حتی اگر اینطور نباشد، احتمالاً نحوه درک انسان ها را از درگیری‌های مسلحانه و نحوه توسعه گزینه‌های حل منازعه  تغییر خواهد کرد. البته، تأثیرات فناوری بر پویایی ساختن صلح به صورت کد، برای آن موضوع نوشته نشده است. در واقع فن آوری های مورد استفاده در ایجاد صلح با ملاحظات، برنامه ها و اهداف خاصی که برای آنها مورد استفاده قرار می گیرند، تکامل می یابند. در نتیجه، راه‌هایی برای متناسب کردن فناوری‌های مبتنی بر هوش مصنوعی با رویکردها و تعهدات هنجاری افرادی که قصد استفاده از آن‌ها را دارند، وجود دارد. سه راه وجود دارد که جامعه میانجی صلح باید در مورد مشارکت بیشتر استفاده از فناوری‌های مبتنی بر هوش مصنوعی متمرکز شود:طراحی هوش مصنوعی فراگیر،جمع آوری داده های فراگیر،تجزیه و تحلیل داده های فراگیر

بیشتر روش های مبتنی بر هوش مصنوعی مربوط به تجزیه و تحلیل تعارض از برنامه های موجود توسعه یافته خارج از حوزه میانجیگری صلح مشتق می شوند. در دسترس بودن این روش‌ها دامنه کاربردهای احتمالی مانند تجزیه و تحلیل احساسات یا تشخیص شی را تعیین می‌کند و بنابراین به طور بالقوه بر درک ما از چیستی تحلیل تعارض و نحوه انجام آن تأثیر می‌گذارد. مقابله با این روند با توسعه روش های مبتنی بر تقاضا بسیار مهم است. این ممکن است، در میان راه‌های دیگر، با مشارکت دادن میانجی‌گران داخلی در فرآیندهای طراحی برای طراحی روش‌هایی که متناسب با زمینه‌های صلح‌آمیز است، به دست آید. برای مثال، در زمینه‌ای مانند سودان جنوبی، جایی که درگیری‌های محلی بر سر منابع طبیعی و گاو نقش مهمی دارد.( مونداری؛ قبیله ای در سودان جنوبی است که برای گاوهای شاخدار خود جان می دهند. آنکوله واتوسی، نژادی از گاوهای شاخ‌دار به نام «گاوهای پادشاه». قبیله مونداری که در کنار رود نیل زندگی می کنند، تمام وقت خود را با این حیوانات می گذرانند) آیا می‌توانیم ابزارهایی را توسعه دهیم که چنین پویایی‌هایی را برای درک رابطه آن‌ها با عوامل محیطی و رویدادها در روند صلح رسمی ایجاد کند؟

چالش دیگر مربوط به مجموعه داده هایی است که هم برای آموزش الگوریتم ها و هم برای تجزیه و تحلیل تعارض واقعی با پشتیبانی ماشین استفاده می شود. تلاش‌ها برای توسعه شاخص‌های مبتنی بر جامعه راه‌های جدیدی را برای تعیین خطرات و احتمال خشونت بر اساس برداشت‌های محلی نشان داده‌اند و ممکن است بینش‌هایی در مورد نحوه انتخاب شاخص‌ها و منابع داده مربوطه ارائه دهد . پس از شناسایی این موارد، به همان اندازه مهم است که اطمینان حاصل شود که جمع آوری داده ها مورد توجه قرار نمی گیرد. در جایی که جمعیت‌های متاثر از تعارض در ارائه داده‌ها دخالت دارند، مانند نظرسنجی‌ها یا پلتفرم‌های جمع‌سپاری، سیگنال مهمی دریافت می‌کنند که صدایشان «شنیده می‌شود». این ممکن است انتظارات را در مورد تغییر افزایش دهد، که باید به دقت مدیریت شود. با این حال، رویکردهای فراگیر برای جمع‌آوری داده‌ها  اطمینان می‌دهد که مردم درگیر باقی می‌مانند و احساس می‌کنند که بخشی از تغییرات سیاسی هستند که ممکن است از روند صلح حاصل شود. آنها جمع آوری داده ها را بخشی از فرآیندهای بزرگتر تغییر اجتماعی و سیاسی می دانند که به طور فعال افراد متاثر از درگیری را درگیر می کند.

در نهایت، هنگامی که واسطه ها یا میانجی ها  از داده‌های تولید شده توسط ماشین استفاده می‌کنند، طرف‌های درگیری و سایر ذینفعان ممکن است نتایج تجزیه و تحلیل داده‌های تولید شده توسط ماشین و در واقع مشروعیت روش‌ها را زیر سوال ببرند. این خطر با این واقعیت افزایش می‌یابد که درک روش‌های هوش مصنوعی اغلب برای مخاطبان عادی دشوار است و برخی حتی برای کسانی که آن‌ها را طراحی و اجرا می‌کنند در جعبه سیاه باقی می‌مانند. نمایندگان طرف های درگیری همچنین ممکن است استفاده از داده های تولید شده توسط ماشین را به عنوان تهدیدی برای نقش خود به عنوان نمایندگان اصلی منافع رای دهندگان خود درک کنند. بنابراین، ارتباط و اثربخشی روش های مبتنی بر هوش مصنوعی به تعامل سازنده طرفین با آنها بستگی دارد. این را می توان از طریق رویکردهای مشارکتی در تجزیه و تحلیل داده ها به دست آورد، که در آن نمایندگان طرف های درگیری در بررسی عملیات ماشین و خروجی های آنها مشارکت دارند. این امر مستلزم استفاده از روش‌های استنتاج شفاف و قابل توضیح است که به ما کمک می‌کند بفهمیم چگونه ابزارهای مبتنی بر هوش مصنوعی به نتایج خاصی می‌رسند. در نهایت، مهم است که داده ها را عملی کنیم و شانس اینکه واقعاً از جستجوی یک راه حل سیاسی حمایت کند، افزایش یابد.

تحریریه مجله ایرانی روابط بین الملل

یادداشت

حسین علی فام دانشجوی دکتری علوم سیاسی،گرایش مسائل ایران-دانشگاه آزاداسلامی ...
دکتر امیر هوشنگ میرکوشش دبیر علمی کمیته صلح و روابط بین الملل(انجمن علمی ...
سیدقائم موسوی دکتری علوم سیاسی
رضا میرزایی کارشناس ارشد روابط بین الملل
سیدقائم موسوی دکتری علوم سیاسی
شیلا سیف الدینی

مفاهیم و نظریه ها

زهرا شریف زاده عضو هیئت تحریریه مجله ایرانی روابط بین الملل
زهرا شریف زاده عضو هیئت تحریریه مجله ایرانی روابط بین الملل

گفتگو

 فرزاد رمضانی بونش/ تحلیل گر ارشد منطقه در مصاحبه با مجله ایرانی روابط بین ...
دکتر سیامک‌کاکایی کارشناس مسائل قفقاز در گفتگو با مجله ایرانی ...

مطالب پربازدید

دکتر امیر هوشنگ میرکوشش
دکتر امیر هوشنگ میرکوشش
دکتر امیر هوشنگ میرکوشش
متن سخنرانی دکتر امیر هوشنگ میرکوشش به مناسبت 18 می روز جهانی موزه و میراث ...
دکترامیرهوشنگ میرکوشش

ویدیو

banvid

تبلیغات

banmon

تمامی حقوق برای مجله ایرانی روابط بین الملل محفوظ است ©2021 iirjournal.ir. All Rights Reserved

Please publish modules in offcanvas position.