دانش بومی در عصر هوش مصنوعی؛ فرصتی تازه برای نوآوری و توسعه فناوری

در دنیای پرشتاب امروزی، پیوند میان تجربه های انباشته نسل ها و فناوری های پیشرفته، راه را برای حل چالش های پیچیده هموار کرده است. تلفیق دانش بومی با هوش مصنوعی، نه بازگشتی به گذشته، بلکه فرصتی ارزشمند برای خلق نوآوری های کارآمد در حوزه های گوناگون به شمار می رود.

پیوند دانش بومی با هوش مصنوعی و فناوری های نوین می تواند زمینه ساز شکل گیری نسل تازه ای از نوآوری ها در حوزه های کشاورزی، محیط زیست، صنایع معدنی و مدیریت منابع طبیعی باشد. تجربه انباشته نسل ها، در صورت مستندسازی، اعتبارسنجی علمی و تحلیل هوشمند، می تواند به منبعی ارزشمند برای حل مسائل امروز و توسعه محصولات و خدمات فناورانه تبدیل شود.

توسعه فناوری های نوین و گسترش کاربرد هوش مصنوعی، فرصت تازه ای برای بازنگری در جایگاه دانش بومی و تجربه های انباشته جوامع انسانی فراهم کرده است. دانشی که طی نسل ها و در جریان زندگی، کار و تعامل انسان با محیط شکل گرفته، اکنون می تواند در کنار ابزارهای علمی و محاسباتی برای شناسایی الگوها، پیش بینی پدیده ها و طراحی راهکارهای نوآورانه مورد استفاده قرار گیرد.

دانش بومی مجموعه ای از تجربه ها، مهارت ها، روش ها و شناخت هایی است که جوامع در طول زمان و متناسب با شرایط جغرافیایی، اقلیمی، فرهنگی و اقتصادی خود توسعه داده اند. شناخت ویژگی های منابع آب، تشخیص تغییرات محیطی، روش های سنتی کشاورزی، مدیریت مراتع، نگهداری دام، شناخت مواد طبیعی و مهارت های حرفه ای از جمله زمینه هایی هستند که دانش بومی در آنها نقش داشته است.

با این حال، بخشی از این دانش به صورت شفاهی یا در قالب تجربه های فردی باقی مانده و کمتر به شکل نظام مند ثبت و تحلیل شده است. در مواردی نیز با درگذشت افراد باتجربه یا تغییر شیوه های زندگی، احتمال از دست رفتن بخشی از این سرمایه دانشی افزایش می یابد. فناوری های نوین می توانند برای ثبت، طبقه بندی، تحلیل و انتقال این تجربه ها به نسل های بعدی به کار گرفته شوند.

 

هوش مصنوعی چگونه می تواند به دانش بومی کمک کند؟

هوش مصنوعی، تحلیل داده ها و فناوری های دیجیتال این امکان را فراهم می کنند که تجربیات پراکنده به اطلاعات ساختاریافته تبدیل شوند و روابط احتمالی میان پدیده ها با دقت بیشتری مورد بررسی قرار گیرند.

برای نمونه، تجربه کشاورزان درباره زمان کشت، وضعیت خاک، تغییرات فصلی و نشانه های کمبود آب را می توان در کنار داده های هواشناسی، تصاویر ماهواره ای و اطلاعات حسگرهای محیطی تحلیل کرد. نتیجه چنین فرایندی ممکن است به شناسایی الگوهای جدید، بهبود پیش بینی شرایط محیطی و توسعه سامانه های هوشمند مدیریت منابع آب و کشاورزی منجر شود.

در این الگو، دانش بومی منبعی برای شناسایی مسئله و طرح فرضیه است و فناوری های نوین ابزارهایی برای بررسی، اندازه گیری و ارزیابی آن فراهم می کنند. البته تجربه های سنتی لزوما در همه شرایط معتبر نیستند و نتایج حاصل از تحلیل هوش مصنوعی نیز باید با داده های قابل اتکا و روش های علمی ارزیابی شوند.

یکی دیگر از کاربردهای هوش مصنوعی، مستندسازی دانش شفاهی است. ضبط و پیاده سازی روایت های افراد باتجربه، شناسایی اصطلاحات تخصصی محلی، دسته بندی روش های سنتی و ایجاد پایگاه های اطلاعاتی می تواند به حفظ دانش در معرض فراموشی کمک کند. در مراحل بعد، این اطلاعات با رعایت حقوق صاحبان دانش می توانند در اختیار پژوهشگران و مراکز نوآوری قرار گیرند.

 

از تجربه های محلی تا فناوری های کاربردی

ترکیب دانش بومی و فناوری های جدید تنها به کشاورزی و محیط زیست محدود نمی شود. در صنایع مختلف نیز تجربه های انباشته کارکنان و متخصصان می تواند در کنار ابزارهای دیجیتال، زمینه ساز بهبود عملکرد و توسعه راهکارهای جدید باشد.

در صنایع معدنی، برای مثال، کارکنان باتجربه ممکن است نشانه هایی از تغییر شرایط عملیاتی، رفتار مواد یا عملکرد تجهیزات را بر اساس تجربه شناسایی کنند. ثبت این مشاهدات و مقایسه آنها با داده های حسگرهای لرزش، دما، فشار و جریان می تواند به طراحی مدل های تشخیص ناهنجاری و نگهداری و تعمیرات پیش بینانه کمک کند.

در سیستم های انتقال مواد معدنی نیز تجربه اپراتورها درباره رفتار تسمه نقاله، تغییرات بار، شرایط محیطی و نشانه های اولیه خرابی، در صورت ثبت و بررسی فنی، می تواند به تکمیل سامانه های پایش هوشمند کمک کند. در چنین رویکردی، تجربه انسانی در کنار داده های عملیاتی قرار می گیرد و امکان استفاده موثرتر از فناوری فراهم می شود.

این الگو همچنین می تواند در صنایع غذایی، تولید محصولات محلی، گردشگری فرهنگی و مدیریت منابع طبیعی مورد استفاده قرار گیرد. برای نمونه، شناخت بومی از گیاهان، شرایط اقلیمی و روش های سنتی تولید، در صورت بررسی علمی، ممکن است به بهبود کیفیت محصولات، توسعه خدمات تخصصی یا شناسایی فرصت های تازه کسب و کار منجر شود.

 

ضرورت اعتبارسنجی علمی و رعایت حقوق صاحبان دانش

با وجود ظرفیت های موجود، پیوند دانش بومی و هوش مصنوعی با چالش هایی نیز همراه است. نخستین چالش، تشخیص تفاوت میان تجربه معتبر، برداشت شخصی و باورهای اثبات نشده است. ثبت یک تجربه به معنای تایید علمی آن نیست و استفاده از آن در طراحی فناوری باید بر اساس شواهد، آزمایش و ارزیابی مستمر صورت گیرد.

چالش دیگر، کیفیت و کفایت داده هاست. اگر اطلاعات جمع آوری شده ناقص، جانبدارانه یا محدود به شرایط خاصی باشد، سامانه های هوش مصنوعی ممکن است به نتایج نادرست برسند. از این رو، ثبت شرایط شکل گیری دانش، تعیین محدوده کاربرد آن و مقایسه نتایج با داده های مستقل اهمیت زیادی دارد.

موضوع مهم دیگر، حقوق فرهنگی و اقتصادی جوامع صاحب دانش است. دانش بومی صرفا یک منبع اطلاعاتی برای استفاده تجاری نیست. جمع آوری، انتشار یا بهره برداری اقتصادی از آن باید با توجه به رضایت آگاهانه جوامع مربوط، شرایط دسترسی، حقوق مالکیت فکری و سازوکارهای منصفانه تقسیم منافع انجام شود.

همچنین لازم است مشخص شود چه اطلاعاتی قابلیت انتشار عمومی دارند و کدام بخش از دانش، به دلایل فرهنگی، اجتماعی یا اقتصادی، باید تحت محدودیت دسترسی باقی بماند. مشارکت واقعی صاحبان دانش در طراحی پروژه ها و تصمیم گیری درباره نحوه استفاده از نتایج، می تواند از تبدیل این فرایند به استخراج یک طرفه اطلاعات جلوگیری کند.

 

نوآوری در نقطه تلاقی سه نوع دانش

می توان برای پیوند دانش بومی و فناوری های نوین، الگویی متشکل از سه بخش در نظر گرفت: دانش بومی، دانش علمی و دانش فناورانه.

دانش بومی به شناسایی مسئله ها، شناخت شرایط محلی و ارائه تجربه های اولیه کمک می کند. دانش علمی، روش های اندازه گیری، آزمایش و اعتبارسنجی را در اختیار پژوهشگران قرار می دهد. دانش فناورانه نیز امکان تبدیل یافته ها به محصول، خدمت، فرایند یا سامانه ای قابل استفاده را فراهم می کند.

ترکیب این سه بخش می تواند به شکل گیری رویکردی میان رشته ای در نوآوری منجر شود؛ رویکردی که در آن، تجربه های تاریخی نه بدون بررسی پذیرفته می شوند و نه صرفا به دلیل سنتی بودن کنار گذاشته می شوند، بلکه متناسب با موضوع، قابلیت ارزیابی و استفاده از آنها بررسی می شود.

برای عملیاتی کردن این رویکرد، می توان پروژه های آزمایشی محدودی را در حوزه هایی مانند مدیریت آب، کشاورزی هوشمند، پایش محیط زیست و نگهداری تجهیزات صنعتی تعریف کرد. در این پروژه ها، ابتدا یک مسئله واقعی مشخص می شود، سپس تجربه های مرتبط گردآوری و مستند می شوند و در ادامه، با کمک متخصصان علمی و فناورانه مورد ارزیابی قرار می گیرند. در صورت تایید نتایج، توسعه نمونه اولیه و بررسی امکان تجاری سازی آن در دستور کار قرار می گیرد.

ارزیابی اقتصادی نیز باید از ابتدای پروژه مورد توجه باشد. کاهش هزینه، افزایش بهره وری، کاهش مصرف منابع، بهبود دقت پیش بینی و ایجاد فرصت های شغلی از جمله شاخص هایی هستند که می توانند برای سنجش نتایج مورد استفاده قرار گیرند. در کنار این شاخص ها، حفظ حقوق فرهنگی و مشارکت اقتصادی صاحبان دانش نیز باید بخشی از معیارهای موفقیت باشد.

 

ضرورت ایجاد سازوکارهای همکاری

توسعه این حوزه به همکاری میان دانشگاه ها، شرکت های فناور، مراکز پژوهشی، صنایع، نهادهای محلی و جوامع صاحب دانش نیاز دارد. دانشگاه ها می توانند در اعتبارسنجی علمی و طراحی روش های پژوهش مشارکت کنند، شرکت های فناور ابزارهای دیجیتال و سامانه های هوشمند را توسعه دهند و جوامع محلی نیز دانش، تجربه و شناخت زمینه ای خود را در اختیار فرایند حل مسئله قرار دهند.

در این میان، ایجاد پایگاه های اطلاعاتی استاندارد، تدوین اصول اخلاقی گردآوری داده ها، تعریف چارچوب های دسترسی و بهره برداری و طراحی الگوهای شفاف تقسیم منافع می تواند زمینه همکاری پایدار را فراهم کند.

همچنین لازم است سیاست های حمایتی و برنامه های تامین مالی نوآوری، پروژه هایی را که به شکل مسئولانه از دانش بومی در توسعه فناوری استفاده می کنند، مورد توجه قرار دهند. حمایت از طرح های آزمایشی، تسهیل همکاری دانشگاه و صنعت و ایجاد مسیرهای مشخص برای تجاری سازی نتایج پژوهش می تواند به تبدیل ظرفیت های موجود به دستاوردهای عملی کمک کند.

 

دانش بومی؛ سرمایه ای برای آینده

در دنیایی که سرعت تحول فناوری افزایش یافته است، توجه به دانش بومی به معنای بازگشت به گذشته نیست؛ بلکه فرصتی برای استفاده آگاهانه از تجربه های تاریخی در حل مسائل امروز است. هوش مصنوعی و فناوری های نوین می توانند به ثبت و تحلیل این تجربه ها کمک کنند، اما ارزش نهایی آنها به کیفیت داده ها، اعتبارسنجی علمی، شناخت شرایط محلی و رعایت حقوق صاحبان دانش وابسته است.

پیوند دانش بومی، علم و فناوری زمانی به نوآوری پایدار منجر می شود که تجربه انسانی به عنوان نقطه آغاز شناخت مسئله در نظر گرفته شود، روش های علمی اعتبار آن را بررسی کنند و فناوری امکان تبدیل نتایج به راهکارهای کاربردی را فراهم آورد.

چنین رویکردی می تواند علاوه بر حفظ بخشی از میراث دانشی جوامع، فرصت هایی برای توسعه محصولات و خدمات جدید، افزایش بهره وری، مدیریت بهتر منابع و گسترش همکاری میان جوامع محلی و بخش فناوری ایجاد کند. در این مسیر، چالش اصلی صرفا دسترسی به فناوری پیشرفته نیست؛ بلکه ایجاد سازوکاری است که دانش، تجربه، علم و نوآوری را در خدمت حل مسائل واقعی قرار دهد.

 

شهرام سلطانی _ پژوهشگر فناوری های نوین