| نقش هوش مصنوعی توضیح‌پذیر در مدیریت مخاطرات محیطی با رویکرد امنیت ملی |
| کد مقاله : 1339-NERS |
| نویسندگان |
|
فریبا قربانی خوشنود *1، مهدی راستگو2، حمید شریفها زواره2 1شهرداری فردیس 2سازمان مدیریت بحران کشور |
| چکیده مقاله |
| با توجه به افزایش پیچیدگی مخاطرات محیطی در شهرهای ایران و تأثیر مستقیم آن بر امنیت ملی، این پژوهش به تشریح یک چارچوب هوش مصنوعی توضیح‌پذیر برای مدیریت بحران شهری می‌پردازد. رویکرد پیشنهادی، مدل‌سازی میزان خطرپذیری با استفاده از الگوریتم‌های یادگیری ماشینی (نظیر XGBoost و RF) را با روش‌های توضیح‌پذیری (نظیر SHAP و LIME) ترکیب کرده و در بستر حکمرانی هوشمند شهری قرار می‌دهد. در واقع از یک سو، قدرت پیش‌بینی مدل‌های پیشرفته هوش مصنوعی برای تحلیل میزان خطرپذیری مخاطرات محیطی به کارگیری شده و از سوی دیگر، با استفاده از هوش مصنوعی توضیح‌پذیر، شفافیت و قابلیت اعتماد لازم برای تصمیم‌سازی در سطوح کلان مدیریتی و امنیتی فراهم می‌گردد. در این راستا، داده‌های چندمنبعی شامل لایه‌های مکانی، شاخص‌های جمعیتی و ویژگی‌های زیرساختی جمع‌آوری و یکپارچه شده‌اند. روش‌های توضیح‌پذیری، متغیرهای کلیدی مؤثر بر میزان خطرپذیری شامل تراکم جمعیت، فاصله از گسل، کیفیت ساخت‌وساز و دسترسی به مراکز امدادی را به صورت شفاف تبیین می‌کنند. از منظر امنیت ملی، تحلیل‌ها حاکی از آن است که عدم تاب‌آوری شهری می‌تواند منجر به ناپایداری اجتماعی، فشار بر منابع ملی، و تضعیف حاکمیت در مناطق بحرانی گردد. هوش مصنوعی توضیح‌پذیر با افزایش شفافیت تصمیم‌گیری، بهبود تخصیص منابع، و تقویت هماهنگی بین‌سازمانی، نه تنها کارایی مدیریت بحران، بلکه توانمندی نظام حکمرانی و امنیت ملی را ارتقا می‌بخشد. براین‌اساس، تدوین سند ملی هوش مصنوعی در راستای تاب‌آوری، پیگیری تقویت تاب‌آوری شهری، توسعه پژوهش‌های کاربردی درخصوص هوش مصنوعی توضیح‌پذیر و ایجاد مرکز ملی فرماندهی هوشمند مدیریت بحران، از جمله اقدامات حائز اهمیت برای تقویت امنیت ملی کشور است. |
| کلیدواژه ها |
| هوش مصنوعی توضیح‌پذیر، مخاطرات محیطی، امنیت ملی، تاب‌آوری شهری. |
| وضعیت: پذیرفته شده |
