هوش مصنوعی؛ فرشتۀ نجات مسکن یا ماشین تولید تبعیض؟

بسم الله الرحمن الرحیم

مقاله‌ی جدیدی با عنوان«هوش مصنوعی برای مسکن شهری عادلانه: بینش‌هایی از متخصصان برنامه‌ریزی پایدار در ایالات متحده»که در سال ۲۰۲۵ منتشر شده است، تلاش می‌کند به این سوال پاسخ دهد. این پژوهش که بر اساس نظرسنجی از ۲۳۷ متخصص برنامه‌ریزی شهری در آمریکا شکل گرفته، ادعاهای بزرگی دارد؛ اما وقتی ذره‌بین نقد را روی آن می‌گیریم، با ترکیبی از«پیش‌بینی‌های خوش‌بینانه » و «هشدارهای حیاتی» روبه‌رو می‌شویم.

شروع ماجرا: زخمی کهنه بر پیکر شهر

بحران مسکن در آمریکا فقط کمبود خانه یا گرانی اجاره نیست؛ بلکه ریشه در یک بی‌عدالتی تاریخی عمیق دارد. لکن اگر نقشۀ شهرهای آمریکا، از لس‌آنجلس گرفته تا دیترویت را نگاه کنید، الگوی نابرابری فریاد می‌زند. محله‌هایی که دهه‌هاست زیر فشار فقر، آلودگی صوتی و کمبود خدمات له شده‌اند، در کنار مناطقی قرار دارند که با هجوم سرمایه، شیک و بورژوآ شده‌اند. پیش از آنکه ببینیم هوش مصنوعی قرار است چه کند، باید سه مفهوم کلیدی را که در اتمسفر این مقاله موج می‌زند، بشناسیم؛ اولین مفهوم مهم در جامعه شناسی شهری و ارتباطات شهری، «اعیانی‌سازی» است؛ به زبان ساده یعنی وقتی یک محله قدیمی و ارزان ناگهان پر از گالری،کافه و پاساژهای شیک می‌شود! شاید مثال ملموسش در پاییتخت خودمان تهران، شمیران(امام‌زاده قاسم)، یوسف آباد، فرحزاد و سی‌تیر باشد. در واقع طبقه‌ی متوسط، به دلیل ارزان بودن این منطقه شروع به زندگی و فعالیت‌های اجتماعی، فرهنگی و... در این مناطق می‌کنند و همین پدیده در طولانی مدت باعث بالا رفتن قیمت آن منطقه می‌شود؛ به طوریکه ساکنین قدیمی دیگر از پس هزینه‌های زندگی در آن منطقه برنمیایند و اصطلاحا«اخراج نرم» صورت می‌گیرد. مفهوم بعدی اصطلاحا «خط‌کشی‌های دولت روی زمین» است. در واقع دولت تعیین می‌کند کدام منطقه مسکونی، تجاری و غیره باشد. ابزاری که گاهی برای حفظ نظم است و گاهی برای جداسازی فقرا از ثروتمندان! ودر نهایت مفهوم«خط قرمز دیجیتال»،که نسخه‌ی ارتقا یافته‌ی ردلاینینگ سنتی است. میشود از آن به عنوان نسخه مدرن و خطرناک تبعیض نیز نام برد. اگر در زمان قدیم بانک‌ها روی نقشه دور محله‌های فقیر یا سیاه‌پوست خط قرمز می‌کشیدند تا وام ندهند، حالا الگوریتم‌ها بی‌سروصدا و نامرئی همان کار را می‌کنند.

وعده‌های شیرین: وقتی هوش مصنوعی وارد میدان می‌شود

یکی از جمله‌های کلیدی مقاله این است که:«اگر ابزارهای تصمیم‌گیری قدیمی بمانند، نتیجه همان نابرابری‌های قدیمی خواهد بود.» پس هوش مصنوعی در این نقطه به عنوان بازیگر جدید وارد می‌شود. طبق یافته‌های این پژوهش، سیاست‌گذاران شهری به ۴ دلیل علاقه‌مند به هوش مصنوعی شده‌اند؛ دلیل اول، پیش‌بینی بحران است، دلیلش منطقی است، هوش مصنوعی قبل از اینکه قیمت‌ها منفجر شود، هشدار می‌دهد. دلیل بعدی هوش مصنوعی به عنوان«آزمایشگاه سیاست‌گذاری است»، لکن نتیجه تصمیمات را قبل از اجرا شبیه‌سازی می‌کند و چه چیزی بهتر از آزمون و خطا قبل از هزینه‌دهی‌های گزاف، و در نهایت تخصیص هوشمند منابع و عدالت محیط‌زیستی که این روزها سروصدای زیادی کرده است. آمارهای ارائه شده در مقاله (مانند ادعای کمک به ساخت ۱۲۰۰ واحد مسکونی در شیکاگو یا افزایش ۱۰ درصدی مسکن ارزان در سیاتل) روی کاغذ جذاب‌اند و وسوسه‌انگیز، اما آیا واقعیت کف خیابان هم همین‌قدر شیرین و مدینه‌ی فاضله است؟

نیمه‌ی خالی لیوان: هشدارهای ترسناک

اینجاست که مقاله از یک گزارش فنی خشک فاصله می‌گیرد و به یک مانیفست اخلاقی نزدیک می‌شود. پژوهشگران هشدار می‌دهند که «داده‌ها ناقص‌اند و خروجی می‌تواند سوگیرانه باشد.» اگر هوش مصنوعی را با داده‌های تاریخی مالکیت تغذیه کنیم، او تبعیض را یاد می‌گیرد و با سرعتی بیشتر بازتولید می‌کند. چراکه الگوریتم طبق همان داده‌های سمی گذشته است. از طرفی شکاف مهارتی کاملا هویدا است، شهرداری‌های ثروتمند پول و متخصص دارند تا از هوش مصنوعی استفاده کنند، اما شهرهای فقیر جا می‌مانند و فاصله عمیق‌تر می‌شود. و اما از همه مهم‌تر! جعبه سیاه بی‌اعتمادی! مهم ‌ترین مسئله‌ای که می‌تواند کاربرد هوش مصنوعی را تغییر دهد. در واقع اقلیت‌ها، گروه‌های کم‌درآمد، ان جی او‌ها و مورد تبعیض قرارگرفتگان گذشته به مدل‌های پیچیده کامپیوتری اعتماد ندارند و فرآیند برایشان واضح نیست. آن‌ها می‌پرسند: «چرا الگوریتم درخواست وام مرا رد کرد؟» در صورتیکه اگر روند قابل فهم، با داده‌های شفاف، بدون ابهام و با مشارکت مردمی پیش رود، هوش مصنوعی به برگ برنده‌ای بزرگ تبدیل می‌شود. در واقع مسئله، مسئله‌ی اعتماد و داده‌های پاک است.

نقد و بررسی تحلیلی: زیر پوست اعداد

با نگاهی ژورنالیستی و آکادمیک به این مقاله، می‌توان آن را در دو کفه ترازو سنجید. نقطه‌ی قوت مقاله، استحکام روش‌شناسی آن است. پژوهش از نظر آماری قرص و محکم است، به نظر می‌رسد پرسش‌نامه‌ها دقیق طراحی شده‌اند و نرخ پاسخ‌دهی ۷۱ درصدی متخصصان، اعتباری بالا به یافته‌ها داده است. همچنین استفاده از روش ترکیبی باعث شده تا مقاله فقط مشتی عدد نباشد و صدای کارشناسان و دغدغه‌های انسانی در تحلیل‌های کیفی شنیده شود. اما به جهت محتوایی، خلأهای جدی دیده می‌شود. لکن خوش‌بینی‌های بیش از حد، اشکال اساسی محتوایی مقاله است. تمرکز مقاله بیشتر روی نمونه‌های موفق است و کمتر به شکست‌های پروژه‌های هوشمند پرداخته است. ادعاهایی مثل موفقیت‌های بزرگ در شیکاگو و سیاتل، در برخی منابع خبری مستقل با تردید مواجه‌اند و به نظر می‌رسد کمی اغراق شده باشند. مسئله‌ی بعدی تعریف مفاهیم و حدود و ثغو آن‌ها در مقاله است. برای مثال، ابهام گسترده در تعریف «عدالت» وجود دارد. مقاله می‌گوید هوش مصنوعی باید عادلانه باشد، اما تعریف عملیاتی دقیقی از «عدالت» در کدنویسی ارائه نمی‌دهد. عدالت برای چه کسی؟ توسعه‌دهنده مسکن یا مستاجر کم‌درآمد؟ و در نهایت جای خالی بومی‌سازی به چشم می‌خورد. با وجود نویسندگان ایرانی، مقاله کاملاً در اتمسفر ایالات متحده سیر می‌کند. جای یک بخش تطبیقی خالی است؛ اینکه آیا این مدل‌ها در خاورمیانه یا شهرهایی مثل تهران با چالش‌های خاص داده‌ای خودشان، قابل اجرا هستند یا خیر؟

کلام آخر: عدالت، کدنویسی نمی‌شود!

پیام نهایی این پژوهش برای مدیران شهری روشن است: عدالت یک خروجی الگوریتمی نیست؛ یک انتخاب انسانی، سیاسی و اخلاقی است. هوش مصنوعی نمی‌تواند عدالت تولید کند، فقط می‌تواند ابزاری برای آن باشد. اگر داده‌ها پاک‌سازی نشوند، اگر مردم در فرآیند تصمیم‌گیری حضور نداشته باشند و اگر شفافیت و کیفیت فدای سرعت شود، هوش مصنوعی به جای فرشته نجات، به بزرگترین تهدید برای عدالت اجتماعی تبدیل خواهد شد.همانطور که ۷۸٪ کارشناسان این تحقیق موافقند هوش مصنوعی مفید است، اما ۸۳٪ آن‌ها نگران اخلاق هستند؛ ما نیز باید نگران باشیم که مبادا اختیار شهر را به دست«جعبه‌های سیاه» بسپاریم.

پریسا کاظمی‌مطلق

منبع:

Sharaj Sharifi, M., et al. (2025). Artificial Intelligence for equitable urban housing: Insights from US sustainable planning experts.