هوش مصنوعی، آزبست و انقلاب صنعتی پنجم؛ فرصتی برای کارآفرینی محیطزیستمحور

فواد شیرانی؛ دکترای مدیریت کارافرینی و پژوهشگر حوزه اقتصاد و کارآفرینی
طبق برآورد سازمان جهانی بهداشت، سالانه بیش از ۱۰۷ هزار نفر در جهان بر اثر قرار گرفتن در معرض آزبست جان خود را از دست میدهند؛ رقمی معادل جمعیت یک شهر تاریخی مثل فلورانس.
آزبست، همان فیبر سفیدرنگی که زمانی «طلای صنعتی» نامیده میشد، حالا قاتلی پنهان است که در عایقهای حرارتی و حتی ساختمانهای قدیمی نفس میکشد. آزبست (آسِبست) دیگر یک هشدار علمی دور از زندگی روزمره نیست و امروز بار سنگینی از مرگ و ناتوانی را بر جوامع تحمیل میکند و سالهای از دسترفته زندگی (DALYs) را افزایش میدهد.
در صنعت خودرو، همچنان بخش قابلتوجهی از لنتها، واشرها و قطعات مقاوم در برابر حرارت با ترکیبات آزبست ساخته میشوند. همین امر باعث میشود که هر بار ترمزگیری یا فرسایش قطعات، ذرات میکروسکوپی این ماده وارد هوا شود و به شکل تدریجی، ریهها و سیستم تنفسی انسان را در معرض بیماریهای خطرناکی چون آزبستوز و سرطانهای ریوی قرار دهد.
اما جهان در آستانهی یک نقطهی عطف ایستاده است: انقلاب صنعتی پنجم که ترکیبی از ظرفیتهای هوش مصنوعی، حسگرهای ارزانقیمت و تحلیلهای مبتنی بر داده را فراهم آورده که بهسادگی میتواند بازی را عوض کند. از شناسایی و پایش مستقیم ذرات و مواد خطرناک در فضاهای شهری تا یافتن و اولویتبندی سازهها و قطعاتی که باید ایمنسازی یا بازیافت شوند.
پژوهشهای اخیر نشان دادهاند که با ترکیب تصاویر هوایی، طیفسنجی موجکوتاه (SWIR) و الگوریتمهای یادگیری ماشین میتوان پوششهای سقفی یا مصالح حاوی آزبست را با دقت عملیاتی تشخیص داد و با بیناییماشین میتوان ذرات و الیاف آزبست را در تصاویر میکروسکوپی شناسایی کرد، توانمندیهایی که برای برنامهریزی پاکسازی ایمن و ارزان ضروریاند. اگر انقلاب صنعتی چهارم با دیجیتالیسازی و اینترنت اشیا شناخته میشد، اکنون در عصر پنجم، هوش مصنوعی نقشی کلیدی در ترکیب «فناوری پیشرفته» با «انسانمحوری» ایفا میکند و یکی از نخستین میدانهای نبرد، مبارزه با آزبست است.
تجربه تاریخی کشورهای پیشرو نشان داده که ممنوعیت یا کنترل آزبست، همراه با برنامههای ملی حذف و جبران، میتواند از وقوع «نسل بعدی قربانیان» جلوگیری کند. تجربه ژاپن نمونهای آکنده از درسآموزی است: آسیب دیرهنگام از مصرف گسترده آزبست، نیاز به قانونگذاری، جبران و پاکسازی را برجسته کرد.
درعینحال، منشاء آلودگی شهری تنها کارخانجات قدیمی نیست؛ تحقیقات علمی کلاسیک و گزارشهای نوین نشان میدهد که تعویض یا نصب نادرست قطعات حاوی این ماده میتواند ریسک مواجهه شغلی و خانوادگی را افزایش دهد و حتی امروزه موضوع ذرات ناشی از فرسایش (non-exhaust emissions) بهعنوان یک چالش زیستمحیطی جدید مطرح است.
شهرهای پیشرو دنیا نشان میدهند که ترکیب حسگرهای گسترده، پلتفرمهای داده باز و الگوریتمهای پیشبینی، میتواند بهسرعت اطلاعاتی عملیاتی برای مدیران شهری و کارآفرینان تولید کند:
- بارسلونـا: با پلتفرمِ «Sentilo» و شبکهای از هزاران حسگر، دادههای هوا، نویز، ترافیک و دیگر شاخصها در مقیاس محلهای جمعآوری میشوند و پروژههای تحقیقاتی مبتنی بر هوش مصنوعی مثلاً مدلهای پیشبینی کیفیت هوا مانند «AIR-URBAN» به تصمیمگیری و سیاستگذاری کمک میکنند؛ مدلها و پلتفرمهای باز در عمل زمینه رشد اکوسیستم استارتاپی و خدمات شهری را فراهم کردهاند و همین اطلاعات، به استارتاپهای محلی امکان داده تا سیستمهای پایش هوا و حملونقل سبز را توسعه دهند.
- لندن: پروژه «Breathe London» با شبکه حسگرهای محلی، نصب حسگرها روی خودروهای نقشهبردار و حتی کولهپشتی دانشآموزان، به سیاستگذاران و مدارس دادههای دقیق در سطح خیابان ارائه داد که به مدارس نشان داد کدام مسیرهای پیادهروی امنترند و به سیاستگذاران هشدار داد کدام محلات نیاز فوری به مداخله دارند. این شیوه، امکان اولویتبندی پاکسازی و برنامهریزی آموزشی و حفاظتی را میسر ساخت.
- توکیو و سئول: متروپلهای بزرگ آسیایی سیستمی از ایستگاههای پایش دائمی و مدلهای پیشبینی مبتنی بر یادگیری عمیق برای تخمین PM2.5 و سایر آلایندهها دارند؛ در سئول اخیراً مدلهای مبتنی بر شبکههای عصبی برای پیشبینی ماهانه ۵ توسعه یافتهاند. ظرفیتهایی که در شناسایی نقاط پرخطر و زمانبندی عملیات پاکسازی حیاتی است.
مقررات ملی و استانداردها در ایران در سالهای گذشته به سمت ممنوعیت بعضی کاربردهای آزبست حرکت کردهاند (مثلاً در حوزه لنتهای ترمز)، اما فاصله میان قانون، پایش و اجرای محلی هنوز برای بسیاری از شهرها چالشی بزرگ است.
اگر هدف تبدیل این تهدید به موتور رشد سبز است، باید همزمان در سه جبهه حرکت کرد:
- پایش و شناسایی هدفمند: راهاندازی شبکه حسگرهای محلی (ترکیبی از ایستگاههای مرجع و سنسورهای ارزان) و استفاده از مدلهای AI برای اولویتبندی ساختمانها و محلههای دارای مصالح خطرناک. تجربه Sentilo و Breathe London الگویی عملیاتی برای این کار ارائه میدهد.
- ابزارهای شناسایی سریع مواد: حمایت از پروژههای کاربردی مبتنی بر ماشین و طیفسنجی، تصاویر هوایی و تحلیل میکروسکوپی خودکار) برای تهیه نقشههای خطر و کاهش هزینههای بازرسی). پژوهشهای اخیر نشان میدهد دقت عملیاتی این روشها در سطحی است که میتوانند وارد عملیات دولتی-خصوصی شوند.
- تحفیفها و بازار سبز برای کارآفرینان: ایجاد مشوقهای مالیاتی و برنامههای استارتاپی (شتابدهنده «نانواستارتاپهای محیطزیستی») برای شرکتهای دانشبنیان که سامانههای پایش، مواد جایگزین و زنجیرههای بازیافت قطعات حاوی آزبست را توسعه میدهند. این مسیر هم سلامت عمومی را بهبود میبخشد و هم فرصتهای صادرات فناوری سبز را فراهم میکند. (نمونه بارسلونا نشان داده که پلتفرمهای باز میتوانند اکوسیستم نوآوری را تقویت کنند).
حذف آزبست صرفاً یک پروژهی بهداشتی نیست. استارتاپها میتوانند با توسعهی حسگرهای هوشمند، طراحی مواد جایگزین و حتی بازیافت ایمن قطعات حاوی آزبست، بازارهای چند میلیارد دلاری را هدف قرار دهند. تجربهی اروپا نشان داده که سرمایهگذاری در فناوریهای پاک نهتنها هزینهها را کاهش میدهد، بلکه اشتغال سبز و صادرات فناوری را نیز بهدنبال دارد.
جمعبندی
آزبست هنوز در نفس بسیاری از شهرهای جهان حضور دارد. اما حالا که هوش مصنوعی میتواند او را شناسایی و مهار کند، انتخاب روشن پیش روی ماست: یا اجازه دهیم این قاتل خاموش همچنان قربانی بگیرد، یا او را به نقطهی شروعی برای کارآفرینی سبز و آیندهای پایدار بدل کنیم.
برای ایران نیز این موضوع اهمیتی دوچندان دارد. خودروسازی بهعنوان یکی از صنایع مادر، سالهاست با چالش استانداردهای زیستمحیطی دستبهگریبان است. ورود هوش مصنوعی به کنترل آلایندهها میتواند همزمان دو گره را باز کند: کاهش هزینههای اجتماعی ناشی از بیماریهای شغلی و زیستمحیطی و ایجاد بستر تازهای برای نوآوری صنعتی. اگر سیاستگذاری ملی از این فرصت حمایت کند، کارآفرینی سبز میتواند به یکی از محورهای نوسازی صنعت خودرو در ایران بدل شود.
در نهایت، داستان آزبست و هوش مصنوعی تنها یک نمونه از آیندهای است که انقلاب صنعتی پنجم پیش روی ما میگذارد: آیندهای که در آن فناوری نه در تقابل با انسان، بلکه در خدمت او و محیط زیست قرار میگیرد. این همان نقطهای است که کارآفرینی، علم و سیاست میتوانند دست به دست هم دهند تا از بحران، فرصت بسازند.