از «هوش مصنوعی برای شهر» تا «حکمرانی شهری با هوش مصنوعی»: چرا مسئله اصلی دیگر فناوری نیست؟
از «هوش مصنوعی برای شهر» تا «حکمرانی شهری با هوش مصنوعی»: چرا مسئله اصلی دیگر فناوری نیست؟
چکیده
هوش مصنوعی به سرعت در حال ورود به برنامه ریزی و مدیریت شهری است؛ از پیش بینی ترافیک و پایش محیط زیست گرفته تا Digital Twin، تحلیل کاربری زمین، پیش بینی مخاطرات اقلیمی و بهینه سازی خدمات شهری. بااین حال، پرسش اصلی دیگر این نیست که آیا شهرها باید از هوش مصنوعی استفاده کنند؟ بلکه این است که هوش مصنوعی تحت چه شرایطی می تواند بدون تضعیف عدالت، شفافیت و پاسخ گویی، وارد فرآیند تصمیم گیری شهری شود؟
پژوهش های جدید در سال ۲۰۲۶ نشان می دهند که اغلب کاربردهای فعلی AI در مدیریت شهری هنوز بیشتر در نقش سیستم های پشتیبان تصمیم عمل می کنند و ظرفیت تحلیلی مدیران و برنامه ریزان را افزایش می دهند، نه اینکه جایگزین آنها شوند. در عین حال، مطالعات جدید درباره حکمرانی اقلیمی در پاریس نشان می دهند که ورود AI می تواند تنش هایی میان سرعت و پاسخ گویی، بهینه سازی و ارزش های اجتماعی، و تصمیم گیری تکنوکراتیک و مشارکت دموکراتیک ایجاد کند.
بر این اساس، این مقاله مفهوم «حکمرانی شهری هوشمند مسئولانه» (Responsible Urban AI Governance) را مطرح می کند؛ رویکردی که در آن AI نه به عنوان تصمیم گیرنده نهایی، بلکه به عنوان بخشی از یک نظام اجتماعی فنی متشکل از داده، الگوریتم، متخصص، نهاد و شهروند عمل می کند.
کلیدواژه ها: هوش مصنوعی شهری، حکمرانی شهری، برنامه ریزی شهری، عدالت فضایی، حکمرانی اقلیمی، شهر هوشمند، AI Governance.
۱. مسئله دیگر «داشتن AI» نیست
در سال های گذشته، بسیاری از شهرها تلاش کردند خود را به عنوان Smart City معرفی کنند.
سنسورها نصب شدند.
داده ها جمع آوری شدند.
داشبوردهای مدیریتی ایجاد شدند.
Digital Twinها توسعه یافتند.
و اکنون نیز هوش مصنوعی به این مجموعه اضافه شده است.
اما یک سوال مهم همچنان باقی است:
آیا داشتن فناوری پیشرفته الزاما به معنای داشتن حکمرانی بهتر است؟
پاسخ لزوما مثبت نیست.
ممکن است شهری میلیون ها داده در اختیار داشته باشد، اما تصمیم های آن همچنان ناعادلانه باشد.
ممکن است الگوریتمی بتواند بهترین مسیر ترافیکی را پیدا کند، اما اثر آن بر محله های کم برخوردار را نادیده بگیرد.
ممکن است AI بتواند مناطق دارای ریسک گرمایی را شناسایی کند، اما نتواند پاسخ دهد که چه کسی باید اولویت دریافت مداخله را داشته باشد و چرا.
بنابراین، مسئله اصلی از:
AI for Cities
به:
Governance of AI for Cities
در حال تغییر است.
۲. از «شهر هوشمند» به «شهر الگوریتمی»
مفهوم Smart City عمدتا بر استفاده از فناوری برای افزایش کارایی خدمات شهری تمرکز داشت.
اما اکنون با پدیده ای جدید مواجه هستیم:
AI Urbanism
یعنی شهری که در آن الگوریتم ها نه تنها داده ها را تحلیل می کنند، بلکه به تدریج در نحوه تعریف مسئله، اولویت بندی، پیش بینی و انتخاب گزینه های سیاستی نیز اثر می گذارند.
پژوهشی در سال ۲۰۲۶ درباره «حکمرانی با هوش مصنوعی» نشان می دهد که AI در حال ایجاد شبکه ای از نظام های دانشی جدید در شهرهاست؛ از مدل های پیش بینی و Digital Twinها گرفته تا سیستم های تصمیم یار و سایر ابزارهای الگوریتمی. این پژوهش هشدار می دهد که رویکردهای زیرساختی هنوز بر بسیاری از کاربردهای Urban AI غالب اند و ابعاد اخلاقی و تعاملی به اندازه کافی در آنها ادغام نشده اند.
این یعنی:
آینده شهر هوشمند فقط درباره فناوری هوشمندتر نیست؛ درباره حکمرانی هوشمندتر فناوری است.
۳. AI چه چیزی را بهتر می کند؟
نباید نقش AI را کوچک شمرد.
هوش مصنوعی می تواند توانایی شهرها را در چند حوزه به شدت افزایش دهد:
تحلیل
پردازش حجم عظیمی از داده های شهری.
پیش بینی
شناسایی روندها و احتمال وقوع رویدادها.
شبیه سازی
آزمایش سناریوهای مختلف پیش از اجرای سیاست.
پایش
تشخیص تغییرات محیطی و فضایی در زمان نزدیک به واقعی.
بهینه سازی
یافتن گزینه های بهتر برای تخصیص منابع.
تصمیم یار
ارائه شواهد و گزینه های مختلف برای مدیران.
پژوهش جدید درباره کاربرد AI در برنامه ریزی و حکمرانی شهری نیز نشان می دهد که بخش بزرگی از کاربردهای موجود دقیقا در همین سطح قرار دارند: افزایش ظرفیت تحلیلی و اداری انسان ها.
بنابراین، مسئله این نیست که AI مفید نیست.
مسئله این است که:
AI باید بداند کجا کمک کند و کجا نباید تصمیم بگیرد.
۴. نقطه خطر: وقتی «بهینه ترین» گزینه لزوما «بهترین» گزینه نیست
فرض کنیم یک الگوریتم برای کاهش ترافیک طراحی شده است.
هدف الگوریتم:
کمینه کردن زمان سفر.
ممکن است سیستم پیشنهاد دهد یک خیابان خاص گسترش یابد.
از منظر ریاضی، تصمیم بسیار خوبی است.
اما اگر توسعه آن خیابان باعث:
تخریب فضای عمومی،
افزایش آلودگی در یک محله کم برخوردار،
جابجایی ساکنان،
یا
کاهش ایمنی عابران
شود، آیا هنوز می توان گفت این بهترین تصمیم شهری است؟
اینجاست که تفاوت میان:
Optimization
و
Good Governance
آشکار می شود.
AI می تواند یک تابع هدف را بهینه کند.
اما شهر مجموعه ای از ارزش ها و منافع متعارض است.
۵. اقلیم؛ مهم ترین میدان آزمایش AI شهری
تغییر اقلیم یکی از حوزه هایی است که AI می تواند در آن بیشترین ارزش عملی را ایجاد کند.
برای مثال، AI می تواند:
مناطق پرخطر سیلابی را شناسایی کند،
الگوهای گرمای شهری را پیش بینی کند،
مصرف انرژی را تحلیل کند،
تغییرات پوشش گیاهی را پایش کند،
و
اثربخشی سناریوهای سازگاری را ارزیابی کند.
پژوهش جدیدی درباره طراحی شهری مقاوم در برابر سیلاب، چارچوب Human-Centred AI را پیشنهاد کرده است که AI را با مشارکت شهروندان، سازوکارهای نهادی و نوآوری در سیاست های کاربری زمین ترکیب می کند. این مطالعه تاکید دارد که قابلیت فنی به تنهایی کافی نیست و عدالت، شفافیت، پاسخ گویی و مشارکت باید بخشی از ساختار تصمیم گیری باشند.
این یک تغییر مهم است:
Climate AI نباید فقط بگوید کجا خطر وجود دارد؛ باید کمک کند تصمیم بگیریم چگونه و برای چه کسانی با آن خطر مواجه شویم.
۶. یک مسئله مهم تر: «چه کسی» در داده دیده می شود؟
هر الگوریتمی به داده نیاز دارد.
اما داده ها خنثی نیستند.
اگر یک سیستم حمل ونقل عمدتا از داده های کاربران خودرو استفاده کند، ممکن است نیازهای افراد بدون خودرو را کمتر ببیند.
اگر داده های مربوط به مصرف انرژی از ساختمان های رسمی جمع آوری شوند، ممکن است الگوهای مصرف در سکونتگاه های غیررسمی یا کم درآمد به خوبی دیده نشوند.
اگر داده های مربوط به گرما فقط دمای سطح زمین را اندازه گیری کنند، ممکن است تفاوت میان:
خطر اقلیمی
و
آسیب پذیری اجتماعی
نادیده گرفته شود.
بنابراین:
AI می تواند داده های موجود را بسیار هوشمندانه تحلیل کند؛ اما اگر بخشی از جامعه در داده ها دیده نشده باشد، هوشمندترین الگوریتم نیز نمی تواند آن را به درستی نمایندگی کند.
۷. از «داده محوری» به «عدالت داده ای»
این موضوع ما را به مفهوم مهم تری می رساند:
Data Justice
عدالت داده ای یعنی فقط درباره کیفیت داده صحبت نکنیم؛ بلکه بپرسیم:
چه کسی داده تولید می کند؟
چه کسی در داده دیده می شود؟
چه کسی داده را کنترل می کند؟
چه کسی از تحلیل آن سود می برد؟
و:
چه کسی ممکن است از تصمیم الگوریتمی آسیب ببیند؟
این پرسش ها به ویژه در برنامه ریزی شهری اهمیت دارند، زیرا تصمیم های فضایی مستقیما بر دسترسی مردم به:
مسکن،
حمل ونقل،
فضای سبز،
خدمات عمومی،
فرصت های اقتصادی
و
امنیت محیطی
اثر می گذارند.
۸. مطالعه موردی مهم: پاریس و AI در سیاست اقلیمی
یک پژوهش تازه درباره تجربه پاریس، نکته بسیار مهمی را آشکار می کند.
پژوهشگران نشان داده اند که ورود AI به اقدامات اقلیمی شهری صرفا یک تغییر تکنولوژیک نیست؛ بلکه وظایف، مسئولیت ها و حتی شیوه های تصمیم گیری کارکنان شهری را تغییر می دهد.
در این مطالعه، سه منطق در کنار یکدیگر دیده می شوند:
منطق تکنوکراتیک
بهینه سازی و افزایش سرعت.
منطق سیاسی
قدرت، اختیار و تصمیم گیری.
منطق اخلاقی
پاسخ گویی، عدالت و کنترل دموکراتیک.
مشکل زمانی ایجاد می شود که منطق اول بر دو منطق دیگر غلبه کند.
در این صورت، ممکن است AI تصمیم ها را:
سریع تر
و
دقیق تر
کند، اما در عین حال:
کمتر قابل بحث،
کمتر شفاف،
و
کمتر دموکراتیک
شود.
۹. بنابراین AI باید «قابل اعتراض» باشد
یکی از ویژگی های مهم حکمرانی شهری آینده باید این باشد:
Algorithmic Contestability
یعنی شهروند یا گروه اجتماعی باید بتواند درباره یک تصمیم الگوریتمی سوال کند.
برای مثال:
چرا این محله اولویت بیشتری گرفته است؟
چرا این پروژه در منطقه دیگری اجرا نشده؟
چه داده ای باعث این تصمیم شده؟
چه شاخص هایی در مدل استفاده شده اند؟
آیا داده ها ممکن است سوگیری داشته باشند؟
چه کسی مسئول تصمیم نهایی است؟
اگر پاسخ این پرسش ها روشن نباشد، AI به یک Black Box شهری تبدیل می شود.
و Black Box برای حکمرانی دموکراتیک خطرناک است.
۱۰. پیشنهاد یک مدل پنج لایه برای حکمرانی مسئولانه AI
بر اساس پژوهش های جدید، می توان یک چارچوب مفهومی پنج لایه برای Responsible Urban AI Governance پیشنهاد کرد:
لایه ۱ — Data
داده های متنوع، باکیفیت و نماینده جامعه.
↓
لایه ۲ — Algorithm
مدل های شفاف، قابل ارزیابی و متناسب با مسئله.
↓
لایه ۳ — Expert
تفسیر و ارزیابی توسط برنامه ریزان و متخصصان.
↓
لایه ۴ — Citizen
مشارکت، گفت وگو و امکان نقد تصمیم.
↓
لایه ۵ — Institution
پاسخ گویی حقوقی، اخلاقی و سیاسی.
در این مدل:
AI در مرکز حکمرانی نیست؛ در داخل اکوسیستم حکمرانی قرار دارد.
۱۱. از «Human-in-the-Loop» به «Human-in-the-Governance»
تا امروز اصطلاح Human-in-the-Loop بسیار مورد استفاده قرار گرفته است.
اما برای برنامه ریزی شهری شاید این مفهوم کافی نباشد.
زیرا مسئله فقط این نیست که انسان در پایان فرآیند یک تصمیم را تایید کند.
انسان باید در تمام چرخه حضور داشته باشد:
تعریف مسئله
↓
انتخاب داده
↓
طراحی مدل
↓
تفسیر نتایج
↓
مقایسه سناریوها
↓
گفت وگو با شهروندان
↓
تصمیم گیری
↓
ارزیابی پیامدها
بنابراین می توان مفهوم جدیدی را پیشنهاد کرد:
Human-in-the-Governance
یعنی انسان نه فقط در حلقه تصمیم، بلکه در ساختار حکمرانی AI حضور داشته باشد.
۱۲. AI نباید فقط شهر را «کارآمدتر» کند؛ باید آن را «عادلانه تر» کند
یکی از خطرهای اصلی در مسیر شهرهای هوشمند این است که موفقیت با معیارهایی مانند:
سرعت،
کاهش هزینه،
افزایش بهره وری،
کاهش زمان سفر
و
بهینه سازی منابع
تعریف شود.
اما شهر خوب فقط شهر کارآمد نیست.
شهر خوب باید:
عادلانه،
تاب آور،
قابل دسترس،
شفاف،
پاسخ گو
و
مشارکت پذیر
نیز باشد.
پژوهش های اخیر درباره شهر ۱۵ دقیقه ای نیز نشان داده اند که نزدیکی خدمات به تنهایی تضمین کننده عدالت فضایی نیست و باید هم زمان دسترسی، کیفیت فضای عمومی و تاب آوری اقلیمی مورد توجه قرار گیرد.
این اصل درباره AI نیز صدق می کند:
AI should optimize for urban justice—not only urban efficiency.
۱۳. آینده: شهر «AI-Enabled» یا شهر «AI-Governed»؟
می توان دو مسیر متفاوت را تصور کرد.
مسیر اول: AI-Enabled City
AI به شهر کمک می کند:
سریع تر،
ارزان تر،
و
دقیق تر
عمل کند.
اما ساختار حکمرانی تقریبا همان ساختار قبلی باقی می ماند.
مسیر دوم: AI-Governed City
AI وارد ساختار تصمیم گیری، سیاست گذاری و مدیریت شهری می شود.
اما این مسیر بدون چارچوب های اخلاقی، حقوقی و مشارکتی می تواند خطرناک باشد.
بنابراین گزینه مطلوب تر شاید چیزی میان این دو باشد:
AI-Augmented Democratic City
شهری که در آن AI ظرفیت تصمیم گیری انسان را افزایش می دهد، اما اختیار، پاسخ گویی و مشروعیت همچنان انسانی و نهادی باقی می مانند.
نتیجه گیری
هوش مصنوعی می تواند یکی از بزرگ ترین تغییرات تاریخ برنامه ریزی شهری را رقم بزند.
اما این تغییر صرفا به معنای استفاده بیشتر از الگوریتم ها نیست.
مسئله اصلی این است که:
چه نوع حکمرانی باید در عصر الگوریتمی ایجاد کنیم؟
پژوهش های جدید در سال ۲۰۲۶ نشان می دهند که AI می تواند تاب آوری شهری را تقویت کند، تحلیل های اقلیمی را بهبود دهد، سناریوهای پیچیده را شبیه سازی کند و ظرفیت تصمیم گیری مدیران شهری را افزایش دهد.
اما همین مطالعات نشان می دهند که بدون شفافیت، عدالت، مشارکت، پاسخ گویی و نظارت انسانی، AI ممکن است به جای حل مشکلات حکمرانی، آنها را به شکل جدیدی بازتولید کند.
بنابراین آینده مطلوب شهرها نه:
AI versus Humans
و نه:
AI replaces Planners
بلکه:
AI + Planners + Citizens + Institutions
است.
شاید مهم ترین تغییر پارادایمی آینده این باشد:
شهر هوشمند واقعی، شهری نیست که بیشتر تصمیم هایش را هوش مصنوعی بگیرد؛ شهری است که می داند کدام تصمیم ها را می توان به AI سپرد، کدام تصمیم ها نیازمند قضاوت انسانی اند، و چگونه می توان این دو را به صورت شفاف، عادلانه و پاسخ گو در کنار یکدیگر قرار داد.
منابع
- Hintz, M. J., Kaack, L. H., Creutzig, F., & Vitale, T. (2026). Framing artificial intelligence as a policy instrument in urban climate action: Practitioners' perspectives from Paris. Cities, 107414.
- Augmentation or automation? The expanding role of artificial intelligence in urban planning and governance. (2026). Journal of Urban Technology, 33, 221–238.
- Gorzka, J., Burda, I., Józekowski, J., & Nyka, L. (2026). Revolutionizing flood resilience: Human-centred AI for adaptive and regenerative urban design. Land Use Policy, 170, 108218.
- Kaiser, Z. R. M. A. (2026). Adaptive, ethical and responsible AI governance for smart cities and nations. Discover Cities, 3, 172.
- Governing with artificial intelligence: Mapping the knowledge systems shaping urban intelligence. (2026). Technology in Society, 86, 103321.
- Azadgar, A., Sepe, M., Gańcza, A., Lorens, P., Luciani, G., & Nyka, L. (2026). Integrating AI and spatial analysis for resilient and inclusive 15-minute cities: A case study of Gdańsk. Cities, 173, 107011.
