پردازش زبان طبیعی و هوش مصنوعی راهکاری به حکومت‌های دمکراتیک

اجزای مدل پیشنهادی خام
اجزای مدل پیشنهادی خام


خلاصه

استفاده از سیستم پردازش زبان طبیعی، سیستم تخصیص منابع بهینه با منابع شفاف و مشخص و محدود، سیستم تشخیص کلاهبرداری، سیستم تشخیص ناهنجاری و سیستم اتوماسیون پردازش داده ها برای سنجش بازده سازمان‌ها و افراد به منظور گذار به سوی دمکراسی توزیع شده و واقعی.


با گسترش راه‌حل‌های مبتنی بر هوش مصنوعی در صنایع مختلف، امروز این حوزه از دانش، قدم‌های پراز تردیدی به‌سوی علوم انسانی و اجتماعی برداشته است که از میان آنها می‌توان به مدل‌سازی‌های آماری جمعیتها، افکارسنجی، انسان‌شناسی آماری و جامعه‌شناسی کمی اشاره کرد‌. یکی از حوزه‌های بسیار نوپا در هوش مصنوعی با ظرفیت بالا برای رشد بیش از پیش حوزه‌ی پردازش زبان طبیعی می‌باشد که در واقع هدف آن فهم نوشتارها و زبان انسان‌ها از طریق استخراج الگوهای مشخص و فهم مفاهیم حاکم بر آنها می‌باشد. مستقیم به مبحث مورد نظر برویم، برای ایجاد یک دمکراسی منطقی و معنادار در یک کشور نیازمند شنیدن نظرات و نیازهای تمامی اقشار و افراد و طبقات اجتماع هستیم ولی آیا صندوق‌های رای به تنهایی این مهم را محقق می‌کند؟ آیا منتخبین مردم قادر به پاسخگویی مناسب با مجموعه‌ای از ذهن‌ها و انرژی‌های محدود خواهند بود؟ به باور نگارنده این مهم دست نیافتنی نخواهد بود مگر با استفاده از زیست بوم جدید ایجاد شده در زمینه‌های پردازش داده‌ها و هوش مصنوعی بخصوص یک راهکار مبتنی بر پردازش زبان طبیعی برای مثال سیستمی مشابه سیستم BERT در زبان انگلیسی که به دقت‌های بسیار بالایی در فهم متون دست پیدا کرده است،در واقع هدف معرفی یک راه‌حل پایدار و مقاوم برای پاسخگویی به مساله‌ی دمکراسی توزیع شده در کشورهایی با شفافیت مالی و عزم برای تحقق بهینه‌ی دمکراسی می‌باشد. این دو فرض بسیار اساسی و کلیدی است، چرا که این راهکار قابل دسترس در صورتی فعلیت می‌یابد که هم شفافیت مالی و هم عزم برای بهبود و بهینه کردن وجود داشته باشد.

در این راه حل، مردم با اتصال به سامانه‌ای بربستر اینترنت مشکلات و خواسته‌های خود را حتی بصورت روزانه و ساعتی بیان می‌کنند، این خواسته‌ها و مشکلات در مرحله‌ی‌ اول با پردازش زبان طبیعی دارای فهم برای ماشین می‌شوند و با خوشه بندی‌هایی دقیق دسته بندی معنایی می‌شوند و برای هر کدام ازدسته‌ها که متشکل از بردارهای هزاران درخواست هم‌راستاست، وزراتخانه‌ی مسئول شناسایی شده و ازطریق سیستم اتوماسیون به مدیران میانی ارجاع داده می‌شود، در اینجا با یک الگوریتم بهینه‌ی تخصیص منابع روبرو هستیم که ورودی‌های به آن دسته‌های مشکلات، نظرات و درخواست‌های مردم( دمکراسی)، میزان بودجه یا منابع در دسترس کشور( شفافیت مالی)، و منافع و مصالح جمعی که با استناد به اصول اولیه‌ی حاکمیت که از طریق مردم منتخب شده است می‌باشد؛ در این مرحله پس از اندازه گیری اهمیت درخواست مورد نظر متناسب با بودجه های در دسترس و همچنین اولویتی که از طریق سیاستهای کلی دولت منتخب معرفی شده است، بازده عملکرد سازمان، افراد و وزارتخانه های متبوع بصورت روزانه و ماهانه مورد ارزیابی قرار می‌گیرد و فرد یا افراد درخواست دهنده می‌توانند پیشرفت کار و بازده آن را مشاهده کنند. به باور نگارنده در حکومت‌داری نسل بعد مردم صرفا به الویت‌های حاکمان خود رای خواهند داد، یعنی به سیستم اولویت بندی و تخصیص منابع به طوری که ممکن است برای یک جناح خاص بهداشت آموزش عمومی و فرهنگ اولویت‌های اصلی آنها باشد که این هم با شفافیت مالی و حتی ضرایب مشخص برای تخصیص منابع برای هر بخش قابل راستی آزمایی است و در کفه‌ی دیگر دولتی با محوریت اقتصاد، سیاست خارجه و.... بنظر می‌رسد این مشخصه‌ها در بسیاری از موارد همبستگی و علیت شدیدی با یکدیگر داشته باشند و حتی قابل تفکیک نباشند ولی با سعی و خطا و جمع‌آوری داده‌های مناسب در طی سالهای عمر یک حاکمیت میتوان آن را به بهینه‌ترین حالت خود که تا به حال جوامع آن را تجربه نکرده اند نزدیک کند) .

از چالشهای این مدل مفهومی، میتوان به امکان بایاس کردن درخواست ها به سمت موردی خاص با ایجاد گروه‌هایی خارج از ساختار نیاز واقعی و یا ایجاد نیازهای کاذب برای افراد و تاثیرگذاری بر تخصیص منابع اشاره کرد که بنظر با الگوریتمهای آماری پیچیده تری شامل شناسایی کلاهبرداری(fraud detection)، تشخیص ناهنجاری (anomaly detection)، و سیستمهای مبارزه با اخبار جعلی میتوان بر آنها چیره گشت.

این صورت‌بندی یک حکومت همانطور که مشخص است در مقیاس کوچک‌تر شاکله‌ی کلی شرکتها و بنگاه های موفق داخلی و خارجی هم هست، و شاید تنها نوآوری آن را توزیع شده کردن دمکراسی با ایجاد ساختارهای پردازشی مدرن که از طریق شاخه‌ی پردازش زبان طبیعی در اختیار ما قرار گرفته است باشد.