وی با بیان اینکه آیندهپژوهی بدون برخورداری از دادههای قابل اعتماد نمیتواند مبنای مناسبی برای برنامهریزی قرار گیرد، افزود: هرگونه خطا در آمارهای پایه ممکن است در مراحل بعدی تحلیل و پیشبینی گسترش پیدا کند و در نهایت، مسیر برنامههای توسعهای را از واقعیتهای اقتصادی کشور دور سازد.
مدنی تصریح کرد: زمانی که ابزارهای هوش مصنوعی مجموعه بزرگی از اطلاعات را پردازش میکنند، اعتبار دادههای ورودی اهمیت تعیینکنندهای دارد. اگر اطلاعات اولیه نادرست باشد، افزایش حجم پردازش و پیچیدگی الگوریتمها نیز نمیتواند نتیجه قابل اتکایی تولید کند و چهبسا خروجیهای ظاهراً دقیق، تصمیمگیران را به برداشتهای اشتباه برسانند.
تفاوت توسعه، توسعه پایدار و آیندهپژوهی در برنامهریزی اقتصادی
رئیس اندیشکده حکمرانی هوشمند برای تبیین جایگاه آیندهپژوهی در سیاستگذاری، به تفاوت میان سه رویکرد توسعه، توسعه پایدار و پیشرفت مبتنی بر سناریوی مرجح حاصل از آیندهپژوهی اشاره و اظهار کرد: در الگوی متعارف توسعه، وضعیت فعلی کشور با شرایط کشورهای پیشرفته مقایسه میشود و برنامهریزی بر این اساس صورت میگیرد که چگونه میتوان در یک بازه زمانی مشخص فاصله موجود را کاهش داد و به سطح کشورهای پیشرو رسید.
وی افزود: در این رویکرد فرض بر این است که اگر کشور در یک حوزه در سطح یک قرار داشته باشد و کشورهای پیشرفته به سطح 30 رسیده باشند، باید مسیر و اقدامات لازم برای رسیدن به آن جایگاه مشخص شود.
مدنی ادامه داد: رویکرد توسعه پایدار، علاوه بر هدفگذاری برای پیشرفت، محدودیتها و آثار جانبی تصمیمها بر سایر بخشها را نیز در نظر میگیرد. بنابراین ممکن است بهجای حرکت شتابان به سمت سطح 30، دستیابی به سطح 20 در یک افق زمانی مشخص انتخاب شود تا پیشرفت در یک بخش به بهای تضعیف بخشهای دیگر تمام نشود و تعادل کلی سیستم حفظ شود. …

بازار

































































































































































