🤝 هوش مصنوعی برای خیر عمومی؛ فراتر از طرح آزمایشی و تبلیغات
گزارش جدید مؤسسه هوش مصنوعی انسان‌محور دانشگاه استنفورد نشان می‌دهد همکاری آزمایشگاه‌های هوش مصنوعی و سازمان‌های غیرانتفاعی زمانی می‌تواند تأثیر اجتماعی پایدار ایجاد کند که فراتر از اجرای یک پروژه کوتاه‌مدت باشد.
این گزارش بر چهار ضرورت تأکید می‌کند:
🔹 تقویت ظرفیت فنی و داده‌ای سازمان‌ها
🔹 شفافیت، نظارت و ارزیابی مستقل
🔹 تأمین مالی زیرساخت‌ها و نیروی انسانی، نه فقط ابزارها
🔹 برنامه‌ریزی برای تداوم راهکارها پس از پایان همکاری
پیام اصلی: فناوری زمانی به خیر عمومی خدمت می‌کند که ساختار همکاری، پاسخ‌گویی و پایداری آن نیز به‌درستی طراحی شده باشد.
شبکه اطلاع‌رسانی روابط‌عمومی ایران (شارا) || مؤسسه هوش مصنوعی انسان‌محور دانشگاه استنفورد در گزارشی با عنوان «فراتر از طرح‌های آزمایشی و روابط‌عمومی؛ چه عواملی مشارکت‌های هوش مصنوعی برای خیر عمومی را موفق می‌کند؟» که در ۷ اکتبر ۲۰۲۶ منتشر شده است، به بررسی همکاری میان آزمایشگاه‌های پیشرو هوش مصنوعی و سازمان‌های غیرانتفاعی برای حل مسائل اجتماعی می‌پردازد.
این گزارش نشان می‌دهد که استفاده از هوش مصنوعی در حوزه‌هایی مانند سلامت جهانی، تغییرات اقلیمی، کمک‌های بشردوستانه و توسعه، به‌سرعت در حال گسترش است؛ بااین‌حال، هنوز درک روشنی از چگونگی شکل‌گیری این مشارکت‌ها، منافع طرفین و عوامل مؤثر بر موفقیت یا شکست آن‌ها وجود ندارد.
گزارش بر پایه مصاحبه با ۳۶ نفر از ۲۴ سازمان، شامل آزمایشگاه‌های هوش مصنوعی، سازمان‌های غیرانتفاعی، تأمین‌کنندگان مالی بشردوستانه و کارشناسان مستقل، و بررسی چهار مطالعه موردی عمیق تهیه شده است.
همکاری موفق؛ پیوند اهداف مکمل
بر اساس یافته‌های گزارش، سازمان‌های غیرانتفاعی معمولاً به دنبال تخصص فنی، منابع مالی و راهکارهایی هستند که به پیشبرد مأموریت اجتماعی آن‌ها کمک کند. در مقابل، آزمایشگاه‌های هوش مصنوعی علاوه بر تلاش برای ایجاد تأثیر اجتماعی، از این همکاری‌ها برای آزمودن فناوری در محیط‌های واقعی، بهبود مدل‌ها، دسترسی به کاربران و گسترش استفاده از محصولات خود بهره می‌برند.
بنابراین، این مشارکت‌ها صرفاً رابطه‌ای یک‌سویه میان اهداکننده و دریافت‌کننده کمک نیستند. هر دو طرف از همکاری منافع قابل‌توجهی به دست می‌آورند و ساختار تصمیم‌گیری و نظارت باید این منافع متقابل را در نظر بگیرد.
خطر افزایش شکاف میان سازمان‌ها
یکی از یافته‌های مهم گزارش این است که آزمایشگاه‌های هوش مصنوعی اغلب عمیق‌ترین همکاری‌های خود را با سازمان‌های غیرانتفاعی برخوردار از ظرفیت فنی بالا، نیروی متخصص، داده‌های آماده و ارتباطات گسترده برقرار می‌کنند. این همکاری‌ها نیز عمدتاً از طریق روابط موجود و معرفی تأمین‌کنندگان مالی شکل می‌گیرند.
ازآنجاکه بسیاری از سازمان‌های غیرانتفاعی فاقد چنین امکاناتی هستند، این الگو می‌تواند شکاف در دسترسی به فناوری و فرصت‌های بهره‌گیری از هوش مصنوعی را افزایش دهد. گزارش از تأمین‌کنندگان مالی می‌خواهد منابع را فراتر از شمار محدودی از سازمان‌های نمونه توزیع کنند و به تقویت ظرفیت سازمان‌های کمتر برخوردار نیز توجه داشته باشند.
عوامل موفقیت و موانع همکاری
گزارش، ظرفیت فنی داخلی، آمادگی داده‌ها، تعریف روشن مسئله، تعیین چشم‌انداز محصول، سنجش نتایج و بهبود مستمر را از عوامل موفقیت در سازمان‌های غیرانتفاعی می‌داند. بومی‌سازی راهکارها و مشارکت‌دادن گروه‌های مرتبط در فرایند طراحی نیز اهمیت دارد.
در سوی دیگر، آزمایشگاه‌های هوش مصنوعی باید نیازهای سازمان‌های همکار را به‌درستی بشناسند و حمایت فنی متناسب با نیاز واقعی آن‌ها ارائه کنند. ارزیابی عملکرد، هزینه‌ها و امکان سفارشی‌سازی مدل‌ها از جمله موضوعاتی است که باید در طراحی همکاری لحاظ شود.
از مهم‌ترین موانع نیز می‌توان به نامشخص‌بودن منابع مالی پس از پایان حمایت اولیه، مبهم‌بودن تعهدات و ساختار نظارت، تفاوت در افق‌های زمانی و شیوه‌های کاری و وابستگی به افراد به‌جای فرایندهای سازمانی اشاره کرد.
گزارش همچنین درباره فشار ناشی از این تصور هشدار می‌دهد که فناوری به‌تنهایی قادر به حل مسائل اجتماعی است. موفقیت به شناخت درست مسئله، مشارکت ذی‌نفعان و ارزیابی مستمر وابسته است.
شفافیت و پایداری؛ دو شرط ضروری
بسیاری از مشارکت‌ها بر اعتماد متقابل یا توافق‌های غیرالزام‌آور استوارند و گاهی دامنه واقعی همکاری و مسئولیت‌های طرفین را به‌روشنی مشخص نمی‌کنند. از سوی دیگر، رویه‌هایی مانند ارزیابی مستقل، مشورت عمومی و شفافیت درباره استفاده از داده‌ها و هوش مصنوعی کمتر از حد لازم به‌صورت رسمی برقرار می‌شوند.
این گزارش تأکید می‌کند که برنامه‌ریزی برای تداوم راهکارها نباید به پایان پروژه موکول شود. آزمایشگاه‌های هوش مصنوعی باید از ابتدا برای کاهش تدریجی حمایت و انتقال مسئولیت‌ها برنامه داشته باشند و ابزارها، زیرساخت‌های داده و قابلیت‌های ارزیابی را به‌گونه‌ای توسعه دهند که سازمان‌های غیرانتفاعی بتوانند پس از پایان همکاری نیز از آن‌ها استفاده کنند.
توصیه‌هایی برای تأمین‌کنندگان مالی
تأمین‌کنندگان مالی نهادی می‌توانند با گردهم‌آوردن شرکا، هماهنگ‌کردن سرمایه‌گذاری‌ها و حمایت از زیرساخت‌های مشترک، نقش مهمی در موفقیت این همکاری‌ها ایفا کنند. بااین‌حال، تمرکز منابع بر چند سازمان برخوردار از ظرفیت بالا یا مشروط‌کردن کمک‌های مالی به استفاده از راهکارهای اختصاصی یک شرکت، می‌تواند انتخاب‌های سازمان‌های غیرانتفاعی را محدود کند.
گزارش پیشنهاد می‌کند منابع مالی به زیرساخت‌های داده، نیروی مهندسی داخلی و توانایی سنجش و ارزیابی اختصاص یابد. همچنین ارزیابی‌های مستقل و گزارش‌دهی عمومی باید در پروژه‌های بزرگ مرتبط با ارائه‌دهندگان تجاری، به‌عنوان شرطی استاندارد مورد توجه قرار گیرند.
نقش ارتباطات در ایجاد اعتماد عمومی
یافته‌های این گزارش برای سازمان‌های فعال در حوزه مسئولیت اجتماعی و ارتباطات نیز اهمیت دارد. توضیح روشن اهداف پروژه، بیان محدودیت‌های فناوری، شفاف‌سازی مسئولیت‌ها و پاسخ‌گویی به پرسش‌های ذی‌نفعان می‌تواند به تقویت اعتماد عمومی کمک کند.
در این چارچوب، موفقیت یک پروژه را نباید تنها با معرفی فناوری جدید یا اجرای یک طرح آزمایشی سنجید. معیار مهم‌تر آن است که راهکار تا چه اندازه به حل مسئله واقعی کمک می‌کند، نتایج آن چگونه ارزیابی می‌شوند و آیا سازمان بهره‌بردار پس از پایان حمایت اولیه توان ادامه فعالیت را دارد یا خیر.
جمع‌بندی گزارش روشن است: هوش مصنوعی زمانی می‌تواند در خدمت خیر عمومی قرار گیرد که فناوری با ظرفیت‌سازی سازمانی، تأمین مالی پایدار، نظارت شفاف و ارزیابی مبتنی بر شواهد همراه شود.
منبع: مؤسسه هوش مصنوعی انسان‌محور دانشگاه استنفورد، ۷ اکتبر ۲۰۲۶
پیوند گزارش اصلی: https://hai.stanford.edu/assets/files/hai-report-what-makes-ai-for-good-partnerships-work.pdf
منبع فارسی: شارا ـ شبکه اطلاع‌رسانی روابط‌عمومی ایران