۱ مقدمه: رویای دیجیتال و واقعیت آنالوگ 1
هوش مصنوعی به پزشکی وعده داده است: تشخیصِ سریع‌تر، درمانِ شخصی‌شده، و پیش‌بینیِ بیماری پیش از آنکه خود را نشان دهد. اما این وعده بر یک پیش‌فرضِ بنیادین استوار است که به‌ندرت گفته می‌شود: اینکه داده‌ها، جریان دارند. اگر داده‌ها در حصارهای سیاسی، حقوقی و تجاری حبس شوند، دقیق‌ترین الگوریتم‌های جهان نیز به سیستم‌هایی کور تبدیل می‌شوند که با اطمینانِ کامل، تصمیم‌های نادرست می‌گیرند.
نگاهِ من به این مسئله از نقطه‌ای متفاوت آغاز می‌شود. سال‌ها کار در حوزه‌های کیهان‌شناسی، تحلیلِ پایداریِ سازه‌ها و پایشِ رفتارِ سیستم‌های پیچیده، به من آموخته است که حیات، در جوهرِ خود، یک «سیستم اطلاعاتی» است؛ سیستمی که بقای آن نه در انباشتِ داده، بلکه در تداومِ «شارِ اطلاعاتی» (Information Flux) — یعنی تبادلِ پیوسته‌ی اطلاعات با محیط — رقم می‌خورد. جانداری که تبادلِ اطلاعات با محیط را قطع کند، می‌میرد؛ تمدنی هم که جریانِ اطلاعاتِ حیاتیِ خود را تکه‌تکه کند، دقیقاً همان سرنوشت را تجربه می‌کند، فقط در مقیاسی بزرگ‌تر و با تأخیری دردناک‌تر.
دو دستورِ کارِ جهانی — امنیتِ جهانیِ سلامت (GHS) و پوششِ همگانیِ سلامت (UHC) — ده‌ها سال به موازاتِ هم، بی‌آنکه به‌راستی هم‌راستا شوند، پیش رفته‌اند؛ پاندمی کرونا نشان داد حتی کشورهایی که بالاترین نمره‌های آمادگی را داشتند، به‌سبب ناهماهنگی و تکه‌تکه‌بودنِ ساختارها در برابر بحران کم‌آوردند. نظام‌های سلامتی که ظرفیت‌های امنیتِ جهانیِ سلامت را با خدماتِ سلامتِ همگانی هم‌راستا کردند — مانند وِنِتو در ایتالیا یا تایوان با پوششِ ۹۹٫۹ درصدیِ بیمه و پلتفرم‌های اطلاعاتیِ یکپارچه — به‌طورِ چشمگیری بهتر عمل کردند. این تجربه، همان چیزی است که در این مقاله «همگرایی» می‌نامیم.
این مقاله از زاویه‌ی مهندسیِ سیستم، چهار گام را در می‌نوردد: پارادوکسِ پیچیدگی، فروریزشِ همگرایی، افسانه‌ی جزایرِ امن و در نهایت، راهکاری که «جراحیِ تمدنی» می‌نامیم. ادعای اصلی ساده اما سنگین است: پزشکیِ هوشمندِ امروز، نه به دلیلِ ضعفِ فناوری، بلکه به دلیلِ ناهمگراییِ ساختاریِ بسترِ آن شکست می‌خورد.
در مهندسیِ سیستم‌های پیچیده، اصلی وجود دارد که می‌گوید: افزایشِ پیچیدگی در یک زیرسیستم، تا زمانی که همگرایی در کلِ سیستم برقرار نباشد، منجر به افزایشِ کارایی نمی‌شود؛ بلکه دقیقاً عکسِ آن عمل می‌کند. پزشکیِ نوین در حالِ حاضر گرفتارِ همین پارادوکس است.
ما در حالِ تزریقِ حجمی انبوه از تکنولوژی‌های هوشمند به سیستمِ سلامت هستیم. هزینه‌ها به‌صورتِ نمایی رشد می‌کنند و داده‌های بیومتریک در مقیاسِ پتابایت تولید می‌شوند. اما اگر از لنزِ «اصولِ اطلاعاتیِ وجود» به این مسئله نگاه کنیم، می‌بینیم که این رشدِ کمی در «داده»، لزوماً به «ارزشِ اطلاعاتی» بیشتر برای بقای تمدن منجر نشده است. چرا؟
دلیلش ساده اما تکان‌دهنده است: تضادِ فاز بینِ سیستمِ بیولوژیک و ساختارِ سیاسی. بدنِ انسان و اکوسیستمی که در آن تنفس می‌کنیم، یک شبکه‌ی اطلاعاتیِ متصل و پیوسته است. ویروس‌ها، باکتری‌ها و جهش‌های ژنتیکی، مرزهای ملی را به رسمیت نمی‌شناسند. با این حال، سیستمِ درمانیِ ما در قفسِ «جزایرِ حاکمیتی» — کشورها و ساختارهای سیاسیِ ایزوله — حبس شده است.
وقتی داده‌های فوق‌پیچیده و هوشمند را در محیطی که از نظرِ سیاسی گسسته است به کار می‌گیریم، در واقع داریم «شارِ اطلاعاتی» را در یک شبکه‌ی متخلخل و دارایِ نشت به جریان می‌اندازیم. نتیجه این می‌شود: «آنتروپیِ سیستمی». به جای اینکه هوش مصنوعی برای ارتقای سلامتِ کلِ تمدن استفاده شود، انرژیِ سیستم صرفِ مدیریتِ اصطکاک‌های بین‌مرزی، رقابت‌های تسلیحاتیِ بیولوژیک و پنهان‌کاریِ داده‌ها می‌شود.
این وضعیتِ معکوس، کشوری مانند ایالات متحده را هم شامل می‌شود؛ کشوری با پیشرفته‌ترین آزمایشگاه‌ها و شرکت‌های فناورانه، اما با نظامِ نظارتِ سلامتِ تکه‌تکه که در آن هر ایالت، سیستمِ خودش را اداره می‌کند. پژوهشِ منتشرشده در لنست نشان داد همین ناهماهنگی، توانِ کشور را در برآوردِ دقیق و پیش‌بینیِ اثرِ کرونا فلج کرد و پاسخ‌هایی مانند آزمایش و ردیابیِ تماس را به تأخیر انداخت. یعنی پیچیدگیِ فناورانه، جای خالیِ همگراییِ ساختاری را پر نکرد؛ آن را نمایان‌تر کرد.
در واقع، ما دچارِ یک «تله‌ی پیچیدگی» شده‌ایم. هرچه تکنولوژیِ پزشکی پیچیده‌تر می‌شود، نیاز به «همگراییِ ساختاری» بیشتر احساس می‌شود؛ اما چون این ساختار فراهم نیست، هوش مصنوعی عملاً به جای «درمانگر»، به «ابزارِ پایشِ تدافعی» در جزایرِ ایزوله تبدیل شده است. این پارادوکس، همان موتورِ محرکی است که ما را آرام‌آرام به سمتِ «فروریزشِ همگرایی» سوق می‌دهد.
بسیاری تصور می‌کنند فروپاشیِ سیستم‌های سلامت، یک رویدادِ ناگهانی و فاجعه‌بار است؛ اما در نگاهِ سیستمی، فروپاشی‌ها معمولاً حاصلِ انباشتِ تدریجیِ «ناهمگرایی» هستند. ما در حالِ حرکت به سمتِ یک «نقطه‌ی بحرانی» (Critical Threshold) هستیم که در محاسباتِ ما، در حدودِ ۴۰٪ گسستگیِ داده‌ها رخ می‌دهد.
وقتی همگراییِ داده‌های حیاتی — از توالی‌های ژنتیکی گرفته تا الگوهای اپیدمیولوژیک — به دلیلِ دیوارکشی‌های سیاسی و رقابت‌های جزیره‌ای، به زیرِ ۶۰٪ برسد (یعنی ۴۰٪ داده‌ها در حصار باشند)، هوش مصنوعی عملاً «کور» می‌شود. الگوریتم‌ها برای «بهینه‌سازی» نیاز به «داده‌های کلان» دارند. وقتی این داده‌ها در سیستم‌های جزیره‌ای حبس می‌شوند، «شارِ اطلاعاتی» به‌شدت افت می‌کند و آنتروپیِ سیستم به قدری بالا می‌رود که مدل‌های پیش‌بینی، خروجی‌های متناقض و مخربی ارائه می‌دهند.
در اینجا، آستانه‌ی بحرانی و سقوطِ کارآمدی را می‌توان در یک نمودارِ مفهومی دید:
نمودار فروریزش همگرایی
شکل ۱: نمودار فروریزش همگرایی. تا زمانی که همگراییِ اطلاعاتی در سطحِ قابلِ قبولی باقی می‌ماند، سیستمِ سلامت دارایِ تاب‌آوری (Resilience) است. اما پس از عبور از آن «آستانه‌ی ۴۰٪»، منحنیِ کارآمدی دچارِ «سقوطِ آزاد» می‌شود. این یعنی ما در حالِ نزدیک‌شدن به نقطه‌ای هستیم که تکنولوژیِ پزشکی، نه‌تنها اثرِ مثبتِ خود را از دست می‌دهد، بلکه به دلیلِ «داده‌های ناقص»، به عاملی برای تشخیص‌های غلط و اتلافِ منابعِ تمدنی تبدیل می‌شود.
پاندمی کرونا، یک پیش‌نمایشِ زنده از همین سقوط بود. کشورهایی که بر نمره‌های بالا در شاخصِ امنیتِ سلامتِ جهانی تکیه کرده بودند، در لحظه‌ی آزمونِ واقعی دچارِ کمبودِ هماهنگی شدند؛ بریتانیا در ادغامِ ظرفیت‌های نظارت و ردیابی ناکام ماند، و اسپانیا در تأمینِ به‌موقعِ ظرفیتِ آزمایش و تجهیزاتِ محافظتی دیر کرد. داده‌های ناقص، تصمیم‌های ناقص تولید کرد — و تصمیمِ ناقص در مقیاسِ تمدن، یعنی تلفاتِ انسانی.
ما نباید فریبِ «پیشرفت‌های نقطه‌ای» — مثل یک داروی جدید یا یک ابزارِ جراحیِ هوشمند — را بخوریم. اگر ساختارِ کلیِ جریانِ اطلاعاتِ بیولوژیک در جهان «ناهمگرا» باقی بماند، این پیشرفت‌ها تنها مسکن‌هایی هستند که لحظه‌ی سقوطِ نهایی را به تأخیر می‌اندازند، اما مانعِ آن نمی‌شوند. ما عملاً داریم روی ستونی بنا می‌کنیم که پایه‌هایش در حالِ فرسایش است.
در مهندسیِ سازه، مفهومی داریم به نامِ «ایزولاسیونِ لرزه‌ای» که برای محافظت از ساختمان در برابرِ زلزله به کار می‌رود؛ این روش عالی است، اما فقط تا زمانی که خودِ زمین (بستر) نلرزد. بسیاری از سیاست‌گذارانِ نظامِ سلامت، به‌غلط تصور می‌کنند که می‌توانند با تکیه بر ثروت، دیوارهای دیجیتال یا تکنولوژیِ برتر، کشور یا سازمانِ خود را در برابرِ فروپاشیِ سیستمِ سلامتِ جهانی «ایزوله» کنند. این یک خطای استراتژیک و یک «افسانه‌ی فناورانه» است.
واقعیت این است که در عصرِ «شارِ اطلاعاتیِ یکپارچه»، هیچ جزیره‌ای امن نیست. چرا؟ به چند دلیلِ ساختاری:
الف) نشتِ آنتروپی (Entropy Leakage): سیستم‌های بیولوژیک برخلافِ سازه‌های مکانیکی، «مرز» ندارند. ویروس‌ها، باکتری‌ها و حتی جهش‌های ژنتیکی، «ماده‌ی اطلاعاتی» هستند که مدام در اتمسفرِ تمدن در حالِ حرکت‌اند. وقتی یک «جزیره» سعی می‌کند با پنهان‌کاریِ داده‌های اپیدمیولوژیک یا ایزوله‌سازیِ هوش مصنوعیِ بومی، خود را محافظت کند، در واقع در حالِ مسدودکردنِ کانال‌های ورودیِ اطلاعات است. نتیجه‌ی این کار، «آنتروپیِ محلی» را به‌شدت بالا می‌برد. سیستمِ هوش مصنوعیِ این جزیره، چون از ورودی‌های جهانی محروم است، در یک «حلقه‌ی یادگیریِ ناقص» می‌افتد؛ مثل این است که نقشه‌ی راه را برای یک مسیرِ باز طراحی کنید، در حالی که سیل تمامِ جاده‌های اطراف را شسته است.
ب) پارادوکسِ ایمنیِ کوتاه‌مدت (The Short-term Safety Paradox): ما فکر می‌کنیم با ذخیره‌ی دارو، واکسن و تکنولوژی، در حالِ ساختنِ «پناهگاه» هستیم. اما از دیدگاهِ سیستمی، ما در حالِ ایجادِ «نقاطِ تمرکزِ تنش» هستیم. وقتی یک سیستمِ بزرگ (تمدنِ جهانی) در حالِ فروپاشی است، این جزایرِ امن به جای کمک، به «هدف‌های نهاییِ بحران» تبدیل می‌شوند؛ چون سایرِ سیستم‌ها، انرژیِ باقی‌مانده‌ی خود را برای دسترسی به این جزایر صرف می‌کنند. این تمرکزِ فشار، عملاً سیستم‌های ایزوله را سریع‌تر از سیستم‌های باز، درهم می‌شکند.
در اینجا، مکانیسمِ این حلقه‌ی بازخوردِ شکست را می‌توان دید:
چرخه بازخورد شکست
شکل ۲: چرخه‌ی بازخوردِ شکست. تلاش برای ایزوله‌سازی، یک «حلقه‌ی بازخوردِ منفی» ایجاد می‌کند: جزیره سیگنال‌های هشدار را مسدود می‌کند، مدل‌هایش غیرواقعی می‌شوند، بحران شدیدتر می‌شود، و جزیره باز هم بیشتر حصار می‌کشد. ایزولاسیونِ داده‌ای، دقیقاً یعنی «قطعِ دسترسی به الگویِ پیش‌بینیِ شکست».
ج) خطایِ «سنسورهای محلی» در برابرِ «فاجعه‌ی جهانی»: هوش مصنوعیِ یک جزیره (مثلاً یک کشورِ توسعه‌یافته) با داده‌های «نرمالِ» همان منطقه آموزش دیده است. اما اگر کلِ تمدن واردِ فازِ «بی‌ثباتیِ سیستمی» شود، آن داده‌های نرمال دیگر اعتبار ندارند. این هوش مصنوعی، مانندِ مهندسی است که فقط ساختمان‌های ضدزلزله طراحی کرده، اما ناگهان با طوفانی روبرو می‌شود که کلِ فیزیکِ محیط را تغییر داده است. او با ابزارهای دقیقش، «خطاهایِ دقیق» مرتکب می‌شود.
شواهدِ تجربی نیز همین را می‌گوید: ایتالیا با نظامِ دسترسیِ همگانیِ قوی، اما با ضعفِ هماهنگی، شاهدِ فشارِ نامتناسبِ بحران بر لومباردی — یکی از ثروتمندترین مناطقِ اروپا — بود؛ در حالی که وِنِتو، با یکپارچه‌سازیِ مراکزِ مراقبتِ اولیه و تشخیصِ خانگی، وضعیتِ به‌مراتب بهتری داشت. تفاوتِ سرنوشتِ دو منطقه‌ی یک کشور، هیچ‌چیز به جز «ساختارِ اتصال» نبود.
نتیجه‌گیریِ این بخش: تکیه بر افسانه‌ی جزیره، باعث می‌شود زمانِ طلایی برای واکنشِ هماهنگ از دست برود. ما در یک اقیانوسِ متلاطم هستیم؛ نمی‌توانیم فقط سهمِ خودمان از کشتی را ضدآب کنیم. اگر بدنه‌ی اصلیِ تمدن غرق شود، ضدآب‌بودنِ یک کابین، تنها مرگِ ما را چند دقیقه به تأخیر می‌اندازد. این «همگرایی» یک انتخابِ اخلاقی نیست، بلکه یک «ضرورتِ فیزیکی» برای بقای نوعِ بشر در عصرِ داده است.
ما در این مقاله نشان دادیم که بحرانِ سلامتِ امروز، نه یک بحرانِ پزشکی، بلکه یک «بحرانِ ساختاری» و یک «پارادوکسِ همگرایی» است. ابزارهای هوش مصنوعیِ ما، مانندِ تیغِ جراحیِ فوق‌دقیقی هستند که ما در حالِ استفاده از آن در تاریکی و در محیطی آلوده هستیم؛ محیطی که به جای «همگراییِ اطلاعاتی»، درگیرِ «تفرقه‌ی سیاسی» است.
«جراحیِ تمدنی» که ما از آن سخن می‌گوییم، به معنایِ تغییر در کدهای ژنتیکی نیست؛ بلکه تغییر در «معماریِ جریانِ اطلاعات» در سطحِ تمدن است. ما نیازمندِ گذار از دورانِ «پزشکیِ جزیره‌ای» به دورانِ «پزشکیِ شبکه‌ای» هستیم. این جراحی سه گامِ کلیدی دارد:
۱. تخلیه (Extraction): حذفِ موانعِ سیاسی و دیوارهای داده‌ای که جریانِ اطلاعاتِ حیاتی را کند می‌کنند. داده‌های سلامتِ بشر باید به عنوان یک «داراییِ عمومیِ جهانی» (Global Commons) تعریف شوند، نه ابزاری برای رقابت‌های ژئوپلیتیک.
۲. پیوند (Integration): بازطراحیِ ساختارِ درمان بر اساسِ «اصولِ اطلاعاتیِ وجود». همان‌طور که در فیزیک، تبادلِ شارِ اطلاعاتی، پایداریِ یک سیستم را تضمین می‌کند، در پزشکی نیز پایداریِ سیستمِ سلامتِ تمدنی در گروِ گردشِ آزاد و امنِ اطلاعاتِ بیولوژیک در سرتاسرِ شبکه است. تجربه‌ی تایوان — با پلتفرمِ اطلاعاتیِ یکپارچه و ادغامِ کاملِ داده‌های پزشکی در پاسخ به پاندمی — نشان داد این پیوند، یک آرمانِ نظری نیست؛ یک معماریِ قابلِ اجراست.
۳. پایش (Monitoring): جایگزینیِ «جزایرِ امن» با «شبکه‌های همگرایِ هوشمند». ما باید به سمتِ الگوریتم‌هایی برویم که «خردِ جمعیِ سیستمی» را بیش از «بهینه‌سازیِ محلی» تقویت می‌کنند.
اگر این جراحیِ ساختاری را انجام ندهیم، هوش مصنوعیِ ما نه یک راهِ نجات، بلکه کاتالیزوری برای فروپاشیِ نهایی خواهد بود. ما در نقطه‌ی عطفِ یک تکاملِ شناختی هستیم؛ جایی که یا باید یاد بگیریم به عنوانِ یک «سیستمِ واحد» نفس بکشیم و داده رد و بدل کنیم، یا در میانِ دیوارهای داده‌ای که خودمان ساخته‌ایم، محصور بمانیم.
