كيف يمكن للذكاء الاصطناعي والتعلم الآلي التنبؤ بالمخاطر الاجتماعية وشرحها لتحقيق عمليات تنموية أكثر فاعلية

عندما توجهت حكومة جنوب أفريقيا إلى برنامج البنك الدولي الخاص بتمويل أنشطة التصدي لمخاطر الكوارث  لفتح آفاق تتجاوز الكوارث الطبيعية وتتناول المخاطر الاجتماعية مثل العنف الاجتماعي الذي تتكبد جنوب أفريقيا بسببه 45.6 مليار دولار سنوياً، أي ما يعادل 13% من إجمالي الناتج المحلي، كنا قد باشرنا بالفعل استكشاف هذا التحدي المعقد. وقد تعاملنا مع الطريقة الديناميكية التي تتداخل فيها المخاطر الاجتماعية مع الطوارئ الصحية العامة، والتجارة، والصراعات، والطقس القاسي، وتصوّرات الناس بشأنها في مختلف المواقع—وهو مزيج يُعرف عادةً بـالأزمات المتعددة.

وبفضل الدعم المالي من الصندوق الاستئماني لتمويل المخاطر (RFU) وصندوق تمويل الدرع العالمي، قمنا باكتشاف إمكانيات الذكاء الاصطناعي في قياس المخاطر الاجتماعية، والتنبؤ بها، وشرحها بهدف تعزيز جاهزيتنا وزيادة الأثر التنموي. وكان أملنا أنه إذا نجحت نماذج الذكاء الاصطناعي في التنبؤ بدقة بالتغيرات في الظواهر الاجتماعية وتحديد العوامل المسببة لها، فإننا سنتمكن بشكل أكثر فاعلية وكفاءة من تعديل طبيعة الأنشطة التنموية ونطاقها وموقعها وتوقيتها قبل حدوث الأزمات.

لقد أدركنا أن التنبؤ بالسلوك البشري يتطلب دراسة عميقة وتفصيلية وخاصة بالسياق للعلاقات الديناميكية المعقدة بين ملايين الأبعاد الواقعية وتصوراتها (الشكل 1). وكان التحدي الذي واجهناه ينحصر في التعرف على الظواهر المناسبة واستنباط البيانات الملائمة لقياسها، أي مجموعات البيانات التي تتمتع بمعدل تواتر كافٍ وسجل تاريخي يمكّن نموذج التعلم الآلي من مراقبة عدد كافٍ من أحداث التغير. وبالنسبة لبعض الظواهر مثل التفاوت في أحجام السكان أو مستويات الجريمة، اضطر فريق علوم البيانات لدينا إلى استخدام الذكاء الاصطناعي لتحليل التقارير الصحفية المتعلقة بالجريمة وصور الأقمار الصناعية للمباني القائمة للحصول على البيانات المناسبة واستخدامها ضمن النماذج الخاصة بنا.

الشكل 1: العوامل المستندة إلى علوم اجتماعية والتي تم دمجها في نموذج العمل الخاص بنا

المصدر: البنك الدولي

حدّد فريق العلوم الاجتماعية لدينا أبعاد العالم الطبيعي والمبني والاجتماعي، إلى جانب اللغة العملية المرتبطة به عبر الإنترنت، مما أدى إلى إثراء عملية جمع البيانات لدعم ثلاثة نماذج من شأنها إثبات المفاهيم والتصورات للتنبؤ بالعنف في جمهورية الكونغو الديمقراطية، والتغيرات السكانية في منطقة القرن الأفريقي، والتباينات في مستويات الجريمة في دولة جزرية صغيرة نامية. وفي الوقت الراهن، تُسهم نماذج الذكاء الاصطناعي التي تُعنى بدراسة محددات المخاطر الاجتماعية في تحسين تصميم وتنفيذ سياسات البنك الدولي وعملياته في أفريقيا (مناطق أخرى)، إلى جانب التحليل اللاحق.

في جمهورية الكونغو الديمقراطية

بالتركيز على ثلاث مقاطعات في شرق جمهورية الكونغو الديمقراطية، التي عانت تاريخياً من الصراعات، وهي كيفو الشمالية، وكيفو الجنوبية، وإيتوري، توقع النموذج الأول تغييرات في عدد أحداث الصراع، وحدد من بين آلاف من المتغيرات الواردة في النموذج، أبرز الظواهر التي ترتبط بالتغيير. وشملت تلك الظواهر المشاعر حول مواضيع حساسة مثل الأراضي والتعدين، والهوية والحوكمة، وحجم الاحتياطيات الحكومية الرسمية، وأسعار السكر، وحجم صادرات النحاس.

يوفر النموذج بيانات تحليلية عن الكونغو، ومنها تقييم البنك الدولي للمخاطر والصمود، جنباً إلى جنب مع طبيعة الأنشطة التي يدعمها البنك الدولي، وحجمها، وموقعها، وترتيبها، وتوقيتها، بما في ذلك مشروع تحقيق الاستقرار والتعافي في شرق جمهورية الكونغو الديمقراطية (STAR Est) الذي يشتمل على آلية لتمويل المخاطر تستجيب لمستويات الصراع المُلاحظ أو المتوقع.

في منطقة القرن الأفريقي

في المناطق الحدودية التي تعاني من ندرة البيانات في القرن الأفريقي، حيث تلتقي إثيوبيا وكينيا والصومال، قام فريقنا بإنتاج بيانات شهرية على مدى خمس سنوات حول المباني المشيدة في 56 بلدة ومدينة، مستخدماً صور الأقمار الصناعية كمؤشر يعتمد عليه في تحليل التغيرات السكانية. كما توقع نموذج ثانٍ التغيرات في هذه البيانات الافتراضية، بينما يظهر الشكل 2 تأثير أحداث الصراع، والعوامل الاقتصادية والبيئية، إلى جانب التصورات المجتمعية لها، على التغيرات السكانية. وقد ساهمت هذه البيانات في تصميم مشروع الحد من المخاطر والشمول وتعزيز قيمة الاقتصادات الرعوية في القرن الأفريقي، والذي يعمل حالياً على إيجاد أسلوب تكيف نموذجي للتنبؤ بعناصر سلسلة الإمداد الخاصة بالماشية التي تؤثر على مواطن الضعف والمخاطر التي يعاني منها الرعاة الزراعيين. كما أن هذه النموذج يعطي المعلومات والتوجيهات المفيدة لتصميم نموذج للتنبؤ بمخاطر النزوح لأغراض  المرحلة الثانية من مشروع الاستجابة الإنمائية لتأثيرات النزوح في إثيوبيا.

الشكل 2. ارتباط العوامل التي حددها النموذج بالتغيرات في حجم السكان بالمناطق الحدودية للقرن الأفريقي 

في دولة جزرية صغيرة نامية

ركزنا بعد ذلك على التنبؤ وتفسير عدد الأيام حتى وقوع الاضطرابات الاجتماعية القادمة والتغير في مستويات الجريمة في دولة جزرية صغيرة نامية. وحدد خبراء العلوم الاجتماعية مستويات الجريمة باعتبارها أحد المحركات المحتملة للاضطرابات؛ غير أننا فوجئنا بعدم توفر بيانات عن الجريمة بمعدل كافٍ من التكرار والتواتر والأحداث التاريخية. أدى ذلك إلى استخدمنا نموذج لغوي واسع النطاق لإنتاج هذه البيانات من التقارير الإخبارية الإلكترونية. ثم قمنا بتطوير نموذج تنبؤي يقدر التغيرات اليومية في هذه البيانات بدقة تصل إلى 87.1% (الشكل 3). كما قمنا بتحليل النموذج لتحديد العوامل الأكثر تأثيراً في التغيرات. وباستخدام هذا النموذج، تمكنا من إنتاج البيانات والتنبؤ بها وتحديد العوامل المرتبطة بها، مما ساهم في قياس معدلات الجريمة لإثراء مؤشر السياسات القطرية والمؤسسات  للبنك الدولي فيما يخص الجريمة والعنف لدعم إعداد وتطوير محفظة مشاريع البنك الدولي.

الشكل 3: أداء النموذج التنبؤي مقابل المستويات الفعلية للجريمة المبلّغ عنها 

المصدر: البنك الدولي

نجحت السياسة الاجتماعية والممارسات الخاصة بأوضاع الهشاشة والصراع والعنف في دفع هذا النموذج قدما لدعم أول آلية في العالم لتوفير التمويل لمواجهة مخاطر النزوح، مما أتاح لحكومة أوغندا تعزيز قدرات تقديم الخدمات العامة مسبقاً قبل وصول اللاجئين بدلاً من الاستجابة بعد ذلك.

هذه النماذج المبتكرة تُبرز قدرة الذكاء الاصطناعي على إحداث تحول جذري في أسلوب قياس البنك الدولي وتفهمه وتوقعه للمخاطر الاجتماعية، مما يساهم في تحسين نتائج التنمية عبر مجموعة واسعة من التطبيقات، كما يظهر في الشكل 4. وفي المرحلة المقبلة، نخطط لتبادل مزيد من التفاصيل عن هذه النماذج أثناء استخلاص الدروس العملية المستفادة من العمليات.

الشكل 4: السياسات والعمليات واستخدام المعارف في نماذج الذكاء الاصطناعي التنبؤية والإيضاحية