گزارش والاستریت ژورنال از شکاف در اتحاد طلایی مایکروسافت و اوپنایآی
سم آلتمن، مدیرعامل اوپنایآی، زمانی از رابطهاش با مایکروسافت به عنوان «بهترین همکاری عرصه فناوری»…
۹ اردیبهشت ۱۴۰۴
۹ اردیبهشت ۱۴۰۴
زمان مطالعه : ۴ دقیقه
حادثه آتشسوزی گسترده در بندرعباس که منجر به خسارات مالی و زیستمحیطی قابل توجهی شد، بار دیگر ضعف سیستمهای نظارتی سنتی را آشکار کرد. به گفته کارشناسان ۷۰ درصد از چنین حوادثی در جهان با استفاده از فناوریهای دیجیتال قابل پیشگیری هستند. در بررسی نقش راهبردی هوش مصنوعی در مدیریت بحران، به ضعفهای جدی در سیستمهای نظارتی و کمبود استفاده از فناوریهای نوین، بهویژه هوش مصنوعی، در صنایع استراتژیک و بنادر کشور پی بردهایم.
بر اساس گزارشهای اولیه حادثه بندرعباس، چند ضعف کلیدی مشهود بود: فقدان سیستمهای هوشمند هشداردهی، نظارت لحظهای ناکافی، عدم استفاده از دادههای تاریخی و پیشبینیکننده برای ارزیابی ریسک و ناتوانی سیستمهای مانیتورینگ سنتی در شناسایی سریع نقطه آغاز آتشسوزی. این عوامل باعث شد واکنش به بحران با تأخیر مواجه شود و زمان طلایی برای مهار آتش از دست برود. در نتیجه، حادثهای که میتوانست مهار شود، به فاجعهای بزرگ تبدیل شد. این تجربه بار دیگر ضرورت تحول دیجیتال و بهرهگیری از هوش مصنوعی در حوزه ایمنی صنایع کشور را اثبات میکند.
سیستمهای حرارتی سنتی پس از ۳۰ دقیقه حریق را تشخیص دادند، درحالی که فناوریهای مبتنی بر بینایی کامپیوتری، مثل سیستمهای استفاده شده در پالایشگاههای ژاپن در کمتر از ۱۰ ثانیه هشدار میدهند. یا پلتفرمهای هوش مصنوعی مانند IBM Watson در آرامکو عربستان با تحلیل دادههای هواشناسی و مواد شیمیایی ۶۰ درصد از حوادث را پیش بینی میکنند.
با توجه به تجربیات جهانی و نیازهای حیاتی صنایع کشور، تأکید میکنم که هوش مصنوعی میتواند در چهار حوزه کلیدی شامل؛ پایش هوشمند و شناسایی زودهنگام خطرات، راهاندازی سیستمهای هشدار سریع و خودکار، بهینهسازی مدیریت منابع در شرایط بحران، پیشبینی و ارزیابی ریسک از طریق دادهکاوی نقش مؤثری ایفا کند. به کارگیری این فناوریها میتواند از تکرار حوادثی نظیر حادثه بندرعباس جلوگیری کند و تابآوری صنایع کشور را به شکل چشمگیری افزایش دهد.
استفاده از دوربینهای مجهز به بینایی کامپیوتری برای تشخیص دود، حرارت غیرعادی یا مواد اشتعال زا، نصب سنسورهای IoT همراه با الگوریتمهای یادگیری ماشین برای رصد مداوم محیط و استفاده از سیستمهای مشابه در بنادر سنگاپور و روتردام تا ۹۰ درصد از حوادث را پیش از وقوع شناسایی میکنند. همچنین هوش مصنوعی میتواند با تحلیل دادههای لحظهای، هشدارهای خودکار به واحدهای امدادی، یکپارچهسازی با پلتفرمهای مدیریت بحران برای کاهش تأخیر در واکنش استفاده از الگوریتمهای بهینهسازی مسیر برای رسیدن سریعتر آتشنشانی به محل حادثه، استفاده از رباتهای امدادگر هوشمند در محیطهای پرخطر، تحلیل دادههای تاریخی و محیطی برای پیشبینی نقاط بحرانی و شبیهسازی سناریوهای مختلف با هوش مصنوعی پیشبینیکننده ایفای نقش نماید.
در بنادر هوشمند از قبیل بندر روتردام هلند که از شبکه سنسورهای IoT + AI برای رصد دما و گازهای سمی استفاده میکند. در ۵ سال گذشته ۹۵ درصد از حوادث را پیش از وقوع شناسایی کرده است یا در پالایشگاه ریاض عربستان، دوربینهای مجهز به الگوریتم YOLOv7 هرگونه نشت مواد اشتعالزا را در کمتر از یک ثانیه تشخیص میدهند. اخیرا در کالیفرنیا، سیستم AI-FireNet با هماهنگی خودروهای خودران آتشنشانی، زمان پاسخگویی را از ۲۰ به ۷ دقیقه کاهش داده است.
برای پیادهسازی فناوریهای نوین و هوش مصنوعی با چالشهایی شامل؛ کمبود زیرساختهای دیجیتال، محدودیتهای بودجهای، کمبود نیروی متخصص و فقدان زیرساختهای قانونی و حریم خصوصی مواجه هستیم. این موارد باعث موانع اصلی استفاده از هوش مصنوعی در مدیریت بحران شده است.
بر اساس گزارش مرکز آمار ایران، تنها ۱۵ درصد از صنایع کشور به زیرساختهای ابری (Cloud) دسترسی دارند. برای هوشمندسازی و ارتقای ایمنی صنایع، توسعه مراکز داده ملی به ویژه در مناطق صنعتی، راهاندازی آکادمیهای تخصصی هوش مصنوعی برای تربیت نیروی انسانی ماهر و استفاده از صندوقهای سرمایهگذاری خطرپذیر ضروری است. همچنین، مشارکت فعال بخش خصوصی، مشابه مدل موفق هند در پروژه “AI for Safety”، میتواند نقش مؤثری در این مسیر ایفا کند.
باتوجه به تجربیات جهانی و موفقیت هوش مصنوعی در بحرانها، رباتهای AI-SAR در زلزله و سونامی ۲۰۲۲ ژاپن جان ۱۲۰۰ نفر را نجات داد. همچنین پلتفرم BurnPro 3D در آتش سوزیهای کالیفرنیا با تحلیل تصاویر ماهوارهای، مسیر گسترش آتش را با دقت ۹۲٪ پیشبینی میکرد و در صنایع نفت نروژ استفاده از دوقلوهای دیجیتال حوادث را ۷۵ درصد کاهش داده است.
در ایران تدوین سند ملی هوش مصنوعی در ایمنی صنعتی با همکاری سازمانهای مرتبط، اجباری شدن استانداردهای هوشمندسازی در بنادر، پالایشگاهها و مراکز صنعتی، تشکیل تیمهای واکنش سریع هوشمند در مناطق استراتژیک، همکاری با شرکتهای بینالمللی برای انتقال فناوری و راهاندازی آزمایشگاههای ملی شبیهسازی بحران با محوریت هوش مصنوعی میتواند ازجمله راهکارها و پیشنهادات کلیدی برای تسریع تحول دیجیتال صنایع ایران باشد.