ویرگول
ورودثبت نام
دکتر امیرحسین حاجی گل
دکتر امیرحسین حاجی گلپژوهشگر پزشکی هسته‌ای، هوش مصنوعی و سلامت شهری | علاقه‌مند به شهرهای هوشمند، مدیریت شهری مبتنی بر داده و توسعه پایدار | تلاش برای تبدیل دانش به راهکارهای عملی برای سلامت جامعه
دکتر امیرحسین حاجی گل
دکتر امیرحسین حاجی گل
خواندن ۶ دقیقه·۳ ماه پیش

نبض تهران | شماره ۶ شهر هوشمند، شهر سالم

Hajigol Insights | Tehran 1410

تهران ۱۴۱۰ | Hajigol Insights

تهران برای آینده فقط به خیابان‌های بیشتر، سامانه‌های دیجیتال بیشتر یا تجهیزات هوشمند بیشتر نیاز ندارد؛ تهران به تصمیم‌های هوشمندتر نیاز دارد.

شهروند زمانی هوشمندسازی را احساس می‌کند که برای دریافت یک خدمت زمان کمتری صرف کند، دسترسی عادلانه‌تری داشته باشد، هزینه‌های غیرضروری کاهش پیدا کند و مدیریت شهری بتواند پیش از تبدیل‌شدن یک مشکل به بحران، آن را شناسایی و مدیریت کند.

این نگاه، مفهوم «شهر هوشمند» را یک قدم جلوتر می‌برد:

از Smart City به Smarter & Healthier City؛ از شهر هوشمند به شهر هوشمندتر و سالم‌تر.

پژوهش‌های جدید سال ۲۰۲۶ نیز همین مسیر را دنبال می‌کنند و بر پیوند هوش مصنوعی با حکمرانی شهری، محیط‌زیست، سلامت، مشارکت شهروندی، عدالت و پایداری تأکید دارند.

تهران؛ شهری که سلامت در تمام تصمیم‌های آن حضور دارد

وقتی از سلامت صحبت می‌کنیم، نباید فقط بیمارستان و درمان را ببینیم.

سلامت یک شهروند به کیفیت هوای تنفسی، زمان سفر، دسترسی به فضای سبز، کیفیت مسکن، آلودگی صوتی، دسترسی به خدمات، شرایط اقتصادی و حتی میزان استرس روزمره او نیز وابسته است.

سازمان جهانی بهداشت نیز سلامت شهری را موضوعی بین‌بخشی می‌داند و بر ارتباط میان حمل‌ونقل، محیط‌زیست، مسکن، آلودگی و نابرابری با سلامت مردم تأکید دارد.

بنابراین سؤال تهران ۱۴۱۰ نباید فقط این باشد:

«چگونه تهران را هوشمند کنیم؟»

بلکه سؤال مهم‌تر این است:

چگونه تهران را هوشمندتر کنیم تا زندگی مردم سالم‌تر، عادلانه‌تر و کم‌هزینه‌تر شود؟

هوش مصنوعی؛ ابزار تصمیم‌گیری، نه جایگزین انسان

هوش مصنوعی قرار نیست جای مدیر شهری، پزشک یا شهروند را بگیرد.

ارزش اصلی AI در مدیریت شهری، توانایی آن در تحلیل حجم بزرگی از داده‌ها و تبدیل آن‌ها به اطلاعات قابل استفاده برای تصمیم‌گیری است.

برای مثال تصور کنیم داده‌های مربوط به:

  • آلودگی هوا

  • ترافیک

  • جمعیت

  • سالمندی

  • مراکز درمانی

  • حمل‌ونقل عمومی

  • فضای سبز

  • خدمات اورژانس

  • شرایط محیطی

  • و الگوی استفاده از خدمات شهری

در یک چارچوب داده‌محور با یکدیگر تحلیل شوند.

در چنین شرایطی، مدیریت شهری می‌تواند به جای اینکه فقط بپرسد:

«امروز چه مشکلی ایجاد شده؟»

بتواند بپرسد:

«کدام منطقه احتمالاً در آینده نزدیک با چه مشکلی مواجه خواهد شد و اکنون چه اقدامی باید انجام دهیم؟»

این یعنی عبور از:

مدیریت واکنشی → مدیریت پیش‌بینانه

از داده تا تصمیم؛ مدل پیشنهادی تهران ۱۴۱۰

در Hajigol Insights می‌توان یک چارچوب مفهومی برای این مسیر پیشنهاد کرد:

HAI–Tehran 1410

H | Health

سلامت و کیفیت زندگی شهروند

A | Artificial Intelligence & Analytics

هوش مصنوعی و تحلیل داده

I | Infrastructure

زیرساخت، حکمرانی داده و اجرای شهری

چرخه پیشنهادی:

DATA

↓

AI & ANALYTICS

↓

PREDICTION

↓

URBAN DECISION

↓

IMPLEMENTATION

↓

IMPACT ASSESSMENT

این چرخه یک اصل مهم دارد:

هر فناوری شهری باید در نهایت به یک نتیجه قابل اندازه‌گیری برای شهروند منجر شود.

پزشکی هسته‌ای و مهندسی پزشکی چه ارتباطی با شهر هوشمند دارند؟

اینجا نقطه‌ای است که فناوری پزشکی با مدیریت شهری به یکدیگر نزدیک می‌شوند.

در سال‌های اخیر، هوش مصنوعی در تصویربرداری پزشکی به سمت بازسازی هوشمند، تحلیل کمی، افزایش کیفیت اطلاعات تصویری و کاهش زمان برخی فرآیندهای تصویربرداری حرکت کرده است.

تجربه پزشکی هسته‌ای نیز نشان می‌دهد که ارزش یک فناوری صرفاً در تولید داده نیست؛ بلکه در استخراج اطلاعات قابل اعتماد از داده و تبدیل آن به تصمیم بهتر است.

همین منطق را می‌توان به شهر منتقل کرد.

در تصویربرداری پزشکی:

داده → پردازش → تصویر → اطلاعات → تصمیم بالینی

و در شهر هوشمند:

داده → تحلیل → پیش‌بینی → تصمیم شهری → اثر اجتماعی

بنابراین مهندسی پزشکی، هوش مصنوعی و مدیریت شهری الزاماً حوزه‌های جدا از هم نیستند؛ نقطه اتصال آنها می‌تواند داده، سلامت و کیفیت زندگی انسان باشد.

پیشنهاد اول: اطلس هوشمند سلامت تهران

یکی از پروژه‌های قابل بررسی برای تهران ۱۴۱۰، ایجاد یک:

Tehran Urban Health Atlas

است.

یک سامانه تحلیلی که بتواند وضعیت سلامت و عوامل مؤثر بر آن را در سطح مناطق و محله‌های تهران نمایش دهد.

برای مثال:

شاخص

پرسش مدیریتی

آلودگی هوا

کدام مناطق در معرض ریسک بیشتری هستند؟

دسترسی

فاصله شهروندان تا خدمات سلامت چقدر است؟

سالمندی

کدام مناطق نیاز بیشتری به خدمات سالمندی دارند؟

حمل‌ونقل

زمان دسترسی به خدمات چقدر است؟

فضای سبز

دسترسی محلات به فضای سبز چگونه است؟

خدمات اورژانس

کدام مناطق به تقویت دسترسی نیاز دارند؟

عدالت سلامت

سرمایه‌گذاری در کدام مناطق اولویت بیشتری دارد؟

این سیستم باید در سطح جمعیت و منطقه طراحی شود و حریم خصوصی شهروندان و حکمرانی مسئولانه داده از اصول اصلی آن باشد.

پیشنهاد دوم: نقشه عدالت سلامت تهران

یک شهر عادلانه الزاماً شهری نیست که در تمام مناطق امکانات یکسان داشته باشد.

گاهی عدالت یعنی:

منابع بیشتر در جایی قرار بگیرند که نیاز بیشتری وجود دارد.

بنابراین می‌توان یک Health Equity Map برای تهران طراحی کرد تا مناطقی که از نظر دسترسی به خدمات، محیط سالم، حمل‌ونقل یا زیرساخت‌های سلامت در وضعیت نامطلوب‌تری قرار دارند، شناسایی شوند.

پژوهش‌های ۲۰۲۶ در حوزه AI و سلامت شهری نیز نشان می‌دهند که موضوعاتی مانند نابرابری فضایی، عدالت اجتماعی، سوگیری الگوریتمی و نمایندگی ناکافی شهرهای کشورهای در حال توسعه از چالش‌های مهم این حوزه هستند.

پیشنهاد سوم: مدیریت شهری پیش‌بینانه

یکی از مهم‌ترین تغییرات آینده می‌تواند تبدیل مدیریت شهری از واکنش به مشکل به پیش‌بینی مشکل باشد.

برای مثال، سیستم‌های تحلیلی می‌توانند به‌صورت مفهومی برای پیش‌بینی:

  • افزایش تقاضای خدمات

  • نقاط دارای فشار بیشتر بر حمل‌ونقل

  • مناطق با ریسک بالاتر آلودگی

  • نیاز آینده به خدمات سالمندی

  • یا نیاز به توسعه برخی زیرساخت‌ها

استفاده شوند.

البته AI نباید بدون نظارت انسانی تصمیم نهایی بگیرد.

هوش مصنوعی باید تصمیم را بهتر کند، نه اینکه مسئولیت تصمیم را از انسان بگیرد.

پیشنهاد چهارم: داشبورد سلامت شهری تهران

تصور کنیم مدیر شهری در یک صفحه بتواند تصویری از وضعیت شهر داشته باشد:

کیفیت هوا | حمل‌ونقل | دسترسی سلامت | فضای سبز | سالمندی | خدمات اضطراری | رضایت شهروندان

اما مهم‌تر از نمایش عدد، امکان مقایسه و ارزیابی روندهاست.

برای مثال:

آیا یک پروژه شهری طی شش ماه گذشته واقعاً کیفیت زندگی مردم را بهتر کرده است؟

این همان نقطه‌ای است که «داده» از یک گزارش آماری به ابزار حکمرانی تبدیل می‌شود.

پیشنهاد پنجم: پروژه‌های کوچک، نتیجه‌های قابل اندازه‌گیری

یکی از اشتباهات رایج در هوشمندسازی این است که ابتدا به دنبال یک پروژه بسیار بزرگ می‌رویم.

برای تهران بهتر است مسیر دیگری نیز بررسی شود:

Pilot → Evaluation → Scale-up

یعنی:

مرحله اول

اجرای یک پروژه کوچک در یک یا دو منطقه.

مرحله دوم

اندازه‌گیری اثر واقعی.

مرحله سوم

اصلاح مدل.

مرحله چهارم

توسعه پروژه در مقیاس بزرگ‌تر.

این روش می‌تواند هزینه شکست پروژه‌های بزرگ را کاهش دهد و تصمیم‌گیری را به شواهد واقعی نزدیک‌تر کند.

مهم‌ترین خطر؛ تکنولوژی بدون مردم

ممکن است شهری هزاران سنسور، سامانه و الگوریتم داشته باشد اما شهروند همچنان برای دریافت یک خدمت ساده ساعت‌ها منتظر بماند.

پس تعداد نرم‌افزارها و تجهیزات هوشمند، معیار موفقیت شهر هوشمند نیست.

معیار واقعی باید این باشد:

آیا زندگی مردم بهتر شده است؟

آیا:

زمان کمتر شده؟

هزینه کمتر شده؟

دسترسی عادلانه‌تر شده؟

آلودگی کاهش یافته؟

تصمیم‌گیری سریع‌تر شده؟

خدمات دقیق‌تر شده؟

رضایت شهروندان افزایش یافته؟

اگر پاسخ منفی باشد، صرفاً دیجیتال‌بودن یک پروژه نمی‌تواند آن را موفق تلقی کند.

پژوهش‌های ۲۰۲۶ نیز هشدار می‌دهند که موفقیت AI در شهرها باید همراه با حکمرانی مسئولانه، عدالت محیطی، مشارکت و اعتمادپذیری باشد.

نقشه راه پیشنهادی تهران ۱۴۱۰

۱۴۰۶–۱۴۰۷ | زیرساخت داده

استانداردسازی داده‌ها، تعیین شاخص‌های شهری، حکمرانی داده و ایجاد زیرساخت مناسب.

۱۴۰۷–۱۴۰۸ | اجرای پروژه‌های آزمایشی

انتخاب چند مسئله مشخص و اجرای پروژه‌های کوچک و قابل اندازه‌گیری.

۱۴۰۸–۱۴۰۹ | توسعه پروژه‌های موفق

گسترش مدل‌هایی که اثر واقعی خود را نشان داده‌اند.

۱۴۰۹–۱۴۱۰ | تهران هوشمندتر و سالم‌تر

اتصال داده، AI، محیط‌زیست، حمل‌ونقل، سلامت و مشارکت شهروندی در یک چارچوب یکپارچه.

۸ شاخص برای سنجش موفقیت

برای اینکه هوشمندسازی از شعار فاصله بگیرد، می‌توان برای هر پروژه شاخص مشخص تعریف کرد:

۱. کاهش زمان دریافت خدمت

۲. کاهش هزینه شهروند

۳. افزایش دسترسی

۴. کاهش نابرابری منطقه‌ای

۵. کاهش ریسک‌های محیطی

۶. افزایش بهره‌وری مدیریت شهری

۷. افزایش رضایت شهروند

۸. افزایش شفافیت و پاسخ‌گویی

این شاخص‌ها می‌توانند مبنای ارزیابی سالانه پروژه‌های هوشمندسازی تهران قرار گیرند.

جمع‌بندی؛ تهران ۱۴۱۰ چه شهری باید باشد؟

تهران آینده نباید فقط شهری با فناوری بیشتر باشد.

باید شهری باشد که:

بهتر می‌بیند،

دقیق‌تر تحلیل می‌کند،

زودتر پیش‌بینی می‌کند،

منصفانه‌تر منابع را تخصیص می‌دهد،

و در نهایت:

انسان‌محورتر تصمیم می‌گیرد.

هوش مصنوعی به‌تنهایی تهران را نجات نخواهد داد.

اما ترکیب:

علم + داده + هوش مصنوعی + مدیریت + زیرساخت + مشارکت مردم + اخلاق

می‌تواند مسیر جدیدی برای توسعه شهری ایجاد کند.

WHO نیز در رویکرد جدید خود به سلامت شهری، بر پیوند سلامت با حمل‌ونقل، اقلیم، تحول دیجیتال، داده، حکمرانی و مشارکت جامعه بیان کرده است.بنابراین شاید مهم‌ترین سؤال برای تهران ۱۴۱۰ این نباشد که:

«چقدر هوشمند شده‌ایم؟»

بلکه باید بپرسیم:

«چقدر زندگی مردم را بهتر کرده‌ایم؟»

و این شاید مهم‌ترین معیار برای سنجش آینده تهران باشد.

تهران ۱۴۱۰

از شهر هوشمند به شهر سالم، تاب‌آور و انسان‌محور

دکتر امیرحسین حاجی گل

نبض تهران | شماره ۶

Hajigol Insights

تحلیل و پیشنهاد اجرایی بر پایه ادبیات علمی و پژوهش‌های روز حوزه هوش مصنوعی، سلامت شهری و شهرهای هوشمند

هوش مصنوعیتهران هوشمندتهرانتورم
۳
۰
دکتر امیرحسین حاجی گل
دکتر امیرحسین حاجی گل
پژوهشگر پزشکی هسته‌ای، هوش مصنوعی و سلامت شهری | علاقه‌مند به شهرهای هوشمند، مدیریت شهری مبتنی بر داده و توسعه پایدار | تلاش برای تبدیل دانش به راهکارهای عملی برای سلامت جامعه
Hajigol Insights
Hajigol Insights
رسانه تخصصی دکتر امیرحسین حاجی‌گل برای انتشار مقالات، تحلیل‌ها و دیدگاه‌های مبتنی بر شواهد در حوزه هوش مصنوعی، پزشکی هسته‌ای، فناوری سلامت، شهر هوشمند، مدیریت شهری، نوآوری، توسعه پایدار و آینده‌پژوهی.
شاید از این پست‌ها خوشتان بیاید