داده‌محوری پیش‌نیاز تحول در حمل‌ونقل/ هوش مصنوعی راه حل فوری است؟

گروه اقتصاد خبرگزاری آنا، علی ضیائی، مدیر اندیشکده حمل‌ونقل ایران- هوش مصنوعی را نمی‌توان راه‌حل فوری تمام مشکلات بخش حمل‌ونقل کشور دانست. این فناوری تنها در صورتی می‌تواند منشأ تحول باشد که داده کافی و باکیفیت در اختیار آن قرار گیرد. در شرایطی که داده‌های کشور پراکنده است و سازمان‌ها اطلاعات خود را با یکدیگر به اشتراک نمی‌گذارند، حتی پیشرفته‌ترین فناوری‌های هوش مصنوعی نیز قادر به ایجاد تحول واقعی نخواهند بود.

بر این اساس، مسیر درست پیش روی سیاست‌گذاران این است که در گام نخست داده‌ها جمع‌آوری و استانداردسازی شوند، در گام دوم امکان دسترسی و تبادل اطلاعات میان سازمان‌های مرتبط فراهم آید و تنها پس از طی این مراحل، ابزار‌های تحلیلی و هوش مصنوعی برای پردازش اطلاعات به کار گرفته شوند.

کارکرد‌های مؤثر هوش مصنوعی پس از زیرساخت داده

اگر این مراحل به درستی اجرا شود، هوش مصنوعی می‌تواند در حوزه‌های گوناگونی نقش مؤثر ایفا کند. پیش‌بینی تقاضای سفر و بار، بهینه‌سازی مسیرها، مدیریت ظرفیت ناوگان، کاهش سفر‌های خالی، مدیریت مصرف سوخت، برنامه‌ریزی تعمیرات و نگهداری، مدیریت ترافیک و ارتقای بهره‌وری شبکه حمل‌ونقل از جمله این حوزه‌ها به شمار می‌رود.

بهره‌وری اولویت فوری حمل‌ونقل کشور

در همین زمینه، افزایش بهره‌وری باید پیش از هر موضوع دیگری مورد توجه سیاست‌گذاران قرار گیرد. کشور ظرفیت‌های قابل توجهی در بخش حمل‌ونقل دارد، اما بخشی از این ظرفیت به دلیل ضعف در مدیریت اطلاعات و نبود یک نظام داده‌محور به شکل مطلوب مورد استفاده قرار نمی‌گیرد.اگر ظرفیت‌های موجود با بهره‌گیری از دیجیتال‌سازی و داده‌محوری فعال شوند، بدون آنکه نیاز به انتظار برای ورود فناوری‌های پیچیده باشد، می‌توان شاهد افزایش چشمگیر بهره‌وری در شبکه حمل‌ونقل بود.

مسئله اصلی هوش مصنوعی نیست

بر پایه این تحلیل، در شرایط فعلی مسئله اصلی حمل‌ونقل کشور نه هوش مصنوعی، بلکه نبود بسیاری از الزامات اولیه برای بهره‌گیری از آن است. بخش قابل توجهی از زیرساخت‌های حمل‌ونقل کشور همچنان در مرحله ماقبل هوش مصنوعی قرار دارد.

به بیان دقیق‌تر، نخست باید اراده لازم برای ایجاد نظام یکپارچه داده، اشتراک‌گذاری اطلاعات، دیجیتال‌سازی فرآیند‌ها و رفع تعارض منافع شکل بگیرد و پس از آن است که می‌توان از هوش مصنوعی به عنوان فناوری تحول‌آفرین برای افزایش بهره‌وری و کاهش هزینه‌ها در بخش حمل‌ونقل استفاده کرد.