مهدی باصولی: چرا «کلان‌داده‌ها» سوخت اصلی آینده گردشگری هستند؟

خلاصه کلیدی:
محدود ساختن هوش مصنوعی به چت‌بات‌های متنی یا ابزارهای تولید تصویر، نوعی نگاه تقلیل‌گرایانه (Reductionist View) به یک فناوری تحول‌آفرین است. کارکرد واقعی هوش مصنوعی در صنعت گردشگری، ایفای نقش به عنوان موتور کشف الگو از داده‌های آشفته و تحلیل کلان‌داده‌ها (Big Data) برای قیمت‌گذاری پویا و پیش‌بینی جریان‌های سفر است. تحقق این اهداف نیازمند تأمین سوخت داده‌ای معتبر، پر کردن شکاف عمیق دانشگاه و صنعت، و بازنگری بنیادی در نظام آموزش عالی از طریق ادغام افقی هوش مصنوعی در تمامی سرفصل‌های درسی است.

گذر از نگاه تقلیل‌گرایانه به هوش مصنوعی و اصلاح نظام آموزش عالی؛ چرا «کلان‌داده‌ها» سوخت اصلی آینده گردشگری هستند؟

تهران — در ادامه نشست هم‌اندیشی استادان و فعالان گردشگری به مناسبت هفته گردشگری (سه شنبه ۷ مهر ۱۴۰۵) در موزه دفینه—که به همت خانه اندیشمندان علوم انسانی برگزار شد—ابعاد ساختاری، آموزشی و تحلیلی بکارگیری کلان‌داده‌ها در صنعت گردشگری بررسی شد.

دکتر مهدی باصولی، عضو هیئت علمی دانشگاه علم و فرهنگ، در این نشست با ارائه نقدی ساختاری به شکاف موجود میان آموزش‌های دانشگاهی و نیازهای واقعی بازار، به تبیین سه پیش‌شرط راهبردی برای استقرار هوش مصنوعی پرداخته است.

پر کردن شکاف دانشگاه و صنعت و نقد نگاه تقلیل‌گرایانه به AI

دکتر مهدی باصولی با تقدیر از خانه اندیشمندان علوم انسانی برای فراهم کردن بستر گفتگوی مستقیم میان آکادمی و بدنه اجرایی، اصلی‌ترین چالش ساختاری کشور را ناکارآمدی سرفصل‌های سنتی دانست و تاکید کرد که دانش‌آموختگان فعلی آماده ورود به بازار کار نیستند. او سه محور کلیدی زیر را مطرح کرد:

• عبور از محدودسازی AI به چت‌بات‌ها: ساده‌انگاری و تقلیل دادن هوش مصنوعی به چت‌بات‌های متنی یا ابزارهای عمومی ساده، مانع شناخت پتانسیل واقعی این فناوری است. نقش اصلی AI، عمل کردن به عنوان «موتور کشف الگو از میان داده‌های آشفته» و تحلیل کلان‌داده‌ها (Big Data) برای مدیریت پویای قیمت‌ها، سنجش احساسات بازار و پیش‌بینی الگوهای سفر است.

• داده به مثابه سوخت اصلی فناوری: همان‌طور که در مباحث پیش‌نیاز استقرار مطرح شد، سوخت موتور هوش مصنوعی «داده معتبر» است. چالش عمیق ایران، پراکندگی اطلاعات، عملکرد جزیره‌ای نهادها و فقر شدید داده‌های آماری یکپارچه است که بدون حل آن، الگوریتم‌ها فاقد کارایی خواهند بود.

بازنگری ساختاری در آموزش عالی: ادغام افقی فناوری

این عضو هیئت علمی دانشگاه علم و فرهنگ ارائه درس‌های مجزا یا افزودن دو واحد اختصاصی هوش مصنوعی را برای توانمندسازی دانشجویان ناکافی دانست و راهکار جذری زیر را برای نظام آموزش عالی پیشنهاد داد:

1. ادغام هوش مصنوعی در عرض تمامی دروس: هوش مصنوعی نباید به عنوان یک درس مستقل و جداگانه ارائه شود، بلکه باید «در عرض و بستر تمامی دروس تخصصی» قرار گیرد و به ابزار زیستی و زیرساختی دانشجو در تمام واحدهای آموزشی بدل شود.
2. تدوین سرفصل‌ها با مشارکت فعالان اجرایی: تنها راه بازسازی پویایی دانشگاه‌ها، دخالت دادن مستقیم مدیران عملیاتی، صاحبان کسب‌وکارها و تدوین مشترک سرفصل‌های درسی بر اساس نیازمندی‌های واقعی بازار کار است.

به باور کارشناسان حاضر در نشست موزه دفینه، تا زمانی که داده‌های کشور یکپارچه نشوند و نظام آموزش عالی هوش مصنوعی را به عنوان بستر کل دروس بازتعریف نکند، صنعت گردشگری ایران توان استفاده از ابزارهای پیشرفته تحلیل کلان‌داده‌ها را نخواهد داشت.