مقدمه‌ای کوتاه بر هوش مکانی

این کتاب، «مقدمه‌ای کوتاه بر هوش مکانی»، اثری از جک (جان) اوکانر، پژوهشگر برجسته و مسئول مدیریت دوره کارشناسی ارشد علوم در حوزه هوش مکانی-زمانی در دانشگاه جانز هاپکینز است. اوکانر با بیش از ۳۰ سال تجربه در سازمان اطلاعات مرکزی ایالات متحده (CIA) و وزارت دفاع (DoD)، رهبری تحلیل‌های تصویری و مکانی-زمانی در حوزه‌های پشتیبانی رزمی، ابتکارات اطلاعات ملی، امدادرسانی در بحران‌های دیپلماتیک، ارزیابی محیطی، اقتصادی و اجتماعی را بر عهده داشته است. این پیشگفتار تلاشی است تا اهمیت این رشته نوظهور و چارچوب فکری ارائه‌شده توسط اوکانر را برای خوانندگان فارسی‌زبان تبیین کند.
هوش مکانی (GEOINT) جدیدترین نوع از هوش است که توسط دولت‌ها، سازمان‌های تجاری و افراد به کار گرفته می‌شود. این رشته ترکیبی است از اندیشه‌های قرن بیستم و فناوری‌های اوایل قرن بیست و یکم، نظیر سامانه‌های اطلاعات جغرافیایی (GIS)، سیستم موقعیت‌یابی جهانی (GPS)، فناوری ماهواره، و سامانه‌های تصویربرداری دیجیتال و مخابراتی. این روش ریشه در مهندسی نظامی، نقشه‌برداری، تفسیر عکس‌های هوایی و تحلیل تصاویر دارد. اگرچه ریشه‌های تفکر مکانی به اوایل قرن شانزدهم بازمی‌گردد، اما این شیوه تا دوران درگیری‌ها و وقوع زمان‌ها توسعه یافته و پالایش شده است.
هوش مکانی به مثابه چارچوب فکری و تکامل تاریخی
این کتاب، هوش مکانی را فراتر از یک فناوری صرف، بلکه به‌عنوان یک چارچوب فکری برای مواجهه با چالش‌های تحلیلی در عصر اشباع داده مطرح می‌کند. اوکانر توسعه این رشته نوظهور را بر پایه پنج فعالیت فکری اصیل بنا می‌کند: تصور (Envisioning)، کشف (Discovery)، ثبت (Recording)، درک (Comprehending) و ردیابی (Tracking). این فعالیت‌ها زیربنای رشد و کاربست هوش مکانی هستند. این تفکر مکانی اگرچه از قرن‌ها پیش توسط انسان‌ها مشاهده و تجربه شده است، اما توسعه سریع آن مقارن با اختراع فناوری‌های نوین در اواخر قرن بیستم و اوایل قرن بیست و یکم بود که موقعیت‌یابی جهانی، سامانه‌های اطلاعات جغرافیایی، تصویربرداری دیجیتال تجاری و ماهواره‌ای و اینترنت جهانی را برای ثبت تغییرات و تحولات بشری فراهم آورد.
اوکانر خاطرنشان می‌سازد که هوش مکانی (GEOINT) در کنار سایر اشکال هوش، مانند هوش انسانی (HUMINT)، هوش سیگنالی (SIGINT) و هوش منابع آزاد (OSINT)، به تصمیم‌گیرندگان نظامی، دولت‌ها و سازمان‌ها کمک می‌کند تا ریسک‌ها را کاهش داده و از غافلگیری‌های آتی جلوگیری کنند. هوش مکانی متفاوت از سایر منابع، اغلب برای تشخیص تغییرات مورد استفاده قرار می‌گیرد.
ریشه‌های این تفکر در قرن شانزدهم با لئوناردو داوینچی آغاز شد. داوینچی، به‌عنوان یک مهندس نظامی برای سزار بورجیا در سال ۱۵۰۲، اولین نقشه‌های هوایی دقیق از شهر ایموال را ترسیم کرد و تصور هنری خود را با درک ریاضی از روابط فضایی ترکیب کرد. اختراع اودومتر توسط داوینچی برای اندازه‌گیری دقیق فواصل در ایموال، نقطه آغاز تلاش برای دستیابی به موقعیت‌یابی دقیق بود.
ژنوم هوش مکانی: پنج فعالیت فکری
بخش‌های اصلی این کتاب به بررسی عمیق پنج مرحله در تفکر مکانی می‌پردازد که در واقع «ژنوم هوش مکانی» را تشکیل می‌دهند.
۱. تصور (Envisioning): قدرت دیدن متفاوت تصور، اولین ویژگی هوش مکانی، به معنای «متفاوت دیدن» است. در قرن بیست و یکم، پیشرفت‌های چشمگیر در فناوری‌هایی مانند دیجیتال‌سازی، تصویرسازی ماهواره‌ای و تجاری، این روش را از حوزه نظامی فراتر برده و به صنایع متعددی گسترش داده است. تصور، ترکیب دید انسانی و الگوریتم‌های هوش مصنوعی برای مواجهه با چالش‌های تحلیلی در عصر اشباع داده است.
نمونه‌های مدرن این تصور شامل ادوین (دین) لند، رئیس شرکت پوالروید، است که توانست فناوری‌های تصویربرداری فوری را تصور کرده و بعداً هواپیما و دوربینی را تصور کرد که به هواپیمای جاسوسی U-2 تبدیل شد. در قرن بیست و یکم، گوگل ارث (Google Earth) تصور دیجیتال و تحلیل ابتدایی مکانی را برای همگان ممکن ساخت. همچنین، تلاش‌های انشنگ (فرانک) دونگ در دانشگاه جانز هاپکینز برای طراحی یک وب‌سایت با قابلیت مکان‌محور جهت ردیابی گسترش جهانی کووید-۱۹، نمونه‌ای بارز از تصور دیجیتال در مواجهه با یک «هیولای نامرئی» جهانی بود که به منبع اصلی اطلاعات روزانه برای سراسر جهان تبدیل شد. این ابزارها کمک می‌کنند تا افرادی مانند رابرت کندی، که در بحران موشکی کوبا نتوانستند جزئیات زیرساخت‌های موشکی را در تصاویر هوایی تشخیص دهند، اکنون بتوانند به دیدی مشابه داوینچی دست یابند.
۲. کشف (Discovery): مواجهه با شانس و ریسک کشف، دومین فعالیت فکری، اغلب نتیجه تلاش قبلی نیست و تحت تأثیر شانس، ریسک، فرصت و فریب قرار می‌گیرد. کشف مکانی تنها با نگاهی به گذشته قابل درک است. تاریخچه GEOINT مملو از اکتشافاتی است که روابطی را که قبلاً دیده نشده بودند، آشکار کردند. مثال کلاسیک آن، تحلیل جان اسنو از شیوع وبا در سال ۱۸۵۴ در لندن است که با ترسیم مکان قربانیان و منابع آب، توانست رابطه بین آب آلوده و بیماری را کشف کند. در دوران جنگ سرد، برنامه U-2 اکتشافات حیاتی را آغاز کرد، اما وسعت اتحاد جماهیر شوروی به حدی بود که U-2 نمی‌توانست تمام آن را تصویربرداری کند. کشف سایت آزمایش موشکی در تیوراتام (Tyuratam) در قزاقستان در اوت ۱۹۵۷، که اولین «اکتشاف» تأسیسات هسته‌ای و موشکی شوروی بود، یک نمونه حیاتی است. این کشف به پرتاب موفق اسپوتنیک ۱ و ۲ توسط شوروی در سال ۱۹۵۷ مرتبط شد. از سوی دیگر، ناکامی در کشف نیز رخ داده است. به‌عنوان مثال، جامعه اطلاعاتی ایالات متحده نتوانست ساخت‌وساز یک رادار آرایه فازی بزرگ شوروی در کراسنویارسک را تا سال ۱۹۸۳ کشف کند، زیرا حجم تصاویر جمع‌آوری‌شده (توسط ماهواره‌های KH-9، KH-8 و KH-11) فراتر از ظرفیت انسانی برای بررسی بود.
۳. ثبت (Recording): انتقال دانش مکانی ثبت، سومین فعالیت فکری، این ضرورت را ایجاب می‌کند که آنچه تصور، کشف یا درک شده است، اگر مهم تلقی می‌شود، باید مستند شود. در جنگ جهانی اول، ضرورت ترجمه اطلاعات حاصل از عکس‌های هوایی به نقشه‌های استراتژیک (مانند plan directeur فرانسوی) برای فرماندهان نظامی، آغازگر فرآیند ثبت سیستماتیک بود. در طول جنگ جهانی دوم، داگالس کندال در بریتانیا مدلی سه‌مرحله‌ای برای مقابله با فوریت اطلاعات (time-dominant intelligence) ایجاد کرد. این مدل، ثبت را بر اساس فوریت پاسخگویی (فوری، ۲۴ ساعته، یا تحقیقات گسترده) دسته‌بندی می‌کرد و تا سال‌ها در جامعه اطلاعاتی آمریکا (NPIC و NGA) مورد استفاده قرار گرفت. تولد فراداده (metadata) آنالوگ در جنگ جهانی اول، شامل اطلاعات زمانی، مکانی، فناوری دوربین و شرایط گذرا، پایه‌گذار ثبت مکانی مدرن شد. در دهه‌های اخیر، فناوری GIS (سامانه اطلاعات جغرافیایی) ماهیت ثبت گرافیکی را تغییر داد و امکان ذخیره‌سازی، بصری‌سازی، و انتقال داده‌های مکانی به صورت دیجیتال را فراهم کرد. چالش‌های ثبت همچنان ادامه دارد؛ به‌ویژه با افزایش حجم تصاویر و ناتوانی تحلیلگران انسانی در بررسی همه آن‌ها. الگوریتم‌های تشخیص ویژگی و یادگیری ماشین (مانند Perceptron) از دهه‌های ۱۹۵۰ و ۱۹۶۰ آغاز شدند تا به ثبت خودکار اشیاء شناخته‌شده کمک کنند. هرچند این الگوریتم‌ها در شناسایی اشیاء با هندسه واضح موفق هستند، اما در تشخیص الگوهای ناقص، استتارشده یا آنچه که در تصویر غایب است (مانند غیبت آب در استخرهای کشتی‌های تفریحی شوروی در کوبا که تام مادوکس برای ردیابی نیروها استفاده کرد)، همچنان تحلیلگر انسانی برتری دارد.
۴. درک (Comprehending): از «چه» به «چرا و چگونه» درک، چهارمین فعالیت فکری، نیازمند پاسخگویی به سؤالات تحلیلی «چگونه و چرا» است. درک نیازمند بازنگری مکرر تصاویر و تفسیر مشاهدات ثبت‌شده (Recording) است. یک نمونه تاریخی مهم از درک، پروژه تحلیلی «جلسه بررسی سیگنال‌های اختلال‌کننده» (Jam Session) در سال ۱۹۵۷ بود. در این جلسه، کارشناسان موشکی و مفسران عکس سیا، تصاویر U-2 از تیوراتام را بررسی کردند و سه نوع درک جدید را ارائه دادند: درک مکانی (مرتبط کردن تیوراتام به سایت کلوچی)، درک تحلیلی (اندازه‌گیری سازه‌ها و تخمین قطر و نیروی موشک اسپوتنیک)، و درک عملیاتی (نیاز شوروی به خطوط راه‌آهن برای حمل اجزای موشکی سنگین). این درک، اطمینان لازم را برای ایالات متحده فراهم کرد تا بتواند بعداً وارد مذاکرات کنترل تسلیحات با اتحاد جماهیر شوروی شود.
با این حال، درک ناقص یک خطر همیشگی است. عدم درک کامل از تهدید موشک‌های هسته‌ای شوروی در کوبا در سال ۱۹۶۲ تا سال ۱۹۹۳ ادامه داشت. شکست در یافتن شواهد سالح‌های کشتار جمعی (WMD) در عراق در سال ۲۰۰۳، که عمدتاً متکی بر تحلیل تصویر و فاقد سایر منابع اطلاعاتی بود، نیز خطر درک ناکافی را نشان داد.
۵. ردیابی (Tracking): نظارت مستمر بر حرکت ردیابی، آخرین فعالیت فکری، با تمایل ذاتی انسان به حرکت سروکار دارد و نیازمند مشاهداتی با فواصل زمانی تکراری و فراوان است. ردیابی تنها پس از کشف و درک امکان‌پذیر است. در طول جنگ سرد، ردیابی موشک‌های بالستیک متحرک شوروی مانند SS-20 یک چالش بزرگ بود. با وجود پوشش ماهواره‌ای، تحلیلگران آمریکایی مجبور بودند به دلیل قابلیت جابجایی و استتار SS-20، به سرعت مناطق وسیعی را جستجو کنند.
در جنگ‌های مدرن، فناوری پهپاد (UAV) این قابلیت را متحول کرد. در بالکان، سیا با پهپادهای GNAT-750 توانست تجهیزات نظامی صرب‌ها را ردیابی کرده و برای چندین ساعت به صورت همزمان نظارت ویدئویی انجام دهد. این موفقیت منجر به توسعه تحلیل مبتنی بر فعالیت (Activity Based Intelligence) شد که متکی بر ردیابی الگوهای زندگی افراد، مانند اسامه بن لادن، بود. نمونه‌ای از دموکراتیزه شدن ردیابی، کار سازمان غیردولتی بلینگ‌کت (Bellingcat) است که پس از سرنگونی هواپیمای MH17 در سال ۲۰۱۴، با استفاده از تصاویر ماهواره‌ای تجاری، فراداده تلفن‌های همراه و ویدئوهای عمومی، مسیر پرتابگر روسی TEL و محل استقرار آن را با دقت مکانی-زمانی ثبت و ردیابی کرد و شواهدی برای کیفرخواست در دادگاه جهانی فراهم نمود.
چالش‌های آینده هوش مکانی
در عصر معاصر، هوش مکانی با دو چالش بزرگ مواجه است: جنگ‌های سنتی نظامی (مانند اوکراین) و مشکلات جهانی انسان‌ساز (مانند تغییرات اقلیمی).
الف) جنگ اوکراین: جنگ اوکراین (آغاز ۲۰۲۲) نمونه‌ای بارز از استفاده مدرن از GEOINT است. اوکراین با بهره‌گیری بی‌سابقه از تصاویر ماهواره‌ای الکترواپتیکی تجاری، توانست عملیات نظامی روسیه را تضعیف کرده و کمپین‌های اطلاعات نادرست روسیه را خنثی کند. دقت هدف‌گیری در این جنگ، که متکی به GPS و GEOINT است، نشان از درک عمیق هر دو کشور از زیرساخت‌های جغرافیایی یکدیگر دارد. استفاده از تصاویر تجاری برای اثبات کشتار غیرنظامیان در بوچا نمونه‌ای از اهمیت GEOINT برای پاسخگویی بین‌المللی است.
ب) گرمایش زمین و تغییرات اقلیمی: GEOINT ابزاری حیاتی برای شناسایی و اندازه‌گیری تغییرات سیاره زمین است. بیش از ۵۰ سال است که ماهواره‌هایی مانند LANDSAT برای پایش و مدیریت تغییرات استفاده می‌شوند. با این حال، برخلاف بحران‌هایی مانند کووید-۱۹ که منجر به ایجاد داشبورد جهانی در جانز هاپکینز شد، در مورد گرمایش زمین، هیچ توافق جهانی برای ثبت داده‌ها و تحلیل مشترک وجود ندارد. این چالش در ثبت و درک، که ناشی از عدم تمرکز و پروتکل‌های مشترک است، همچنان ادامه دارد.
ج) فناوری و عامل انسانی: آینده هوش مکانی متأثر از دو نیروی مکمل است: پیشرفت فنی و نبوغ انسانی. هشت روند فنی در حال حاضر GEOINT را تغییر می‌دهند: کوچک‌سازی (Miniaturization)، جهانی‌سازی، دقت، شتاب، جمع‌آوری به عنوان تحلیل، کاالیی شدن، سیار بودن و جامعیت.
• کوچک‌سازی (نانوماهواره‌ها و میکروماهواره‌ها) باعث شده است که ماهواره‌هایی با وزن کمتر از یک‌دهم KH-9 فیلم‌برگردان (دوران جنگ سرد) قادر باشند هر روز زمین را تصویربرداری کنند. این امر هزینه فناوری‌های فضایی را کاهش داده و این حوزه را از دولت‌ها به بخش خصوصی و آکادمیک منتقل کرده است.
• شتاب (Acceleration) در استقرار حسگرها، پهپادها و بهبود الگوریتم‌ها، سرعت جمع‌آوری داده را به طور چشمگیری افزایش داده است.
با این حال، در مواجهه با این سیل داده، توجه انسانی (Human Attention) به یک منبع کمیاب تبدیل شده است. این کمبود توجه، که مشابه دوره رنسانس است، ایجاب می‌کند که تحلیلگران انسانی به نرم‌افزار انسانی خود یعنی: حافظه، کنجکاوی، شفافیت و بینش تکیه کنند. این ویژگی‌های انسانی برای اکتشافات و بینش‌های غیرمنتظره حیاتی هستند، زیرا الگوریتم‌ها تنها قادرند آنچه را که از قبل شناخته شده است، تشخیص دهند.
همان‌طور که لئوناردو داوینچی نخستین بار نشان داد و تحلیلگران هوش مکانی در طول تاریخ اثبات کرده‌اند، این رشته پتانسیل دیدن جهان را به شکلی متفاوت فراهم می‌کند و ترکیب نبوغ انسانی و قدرت فناوری دیجیتال، راه را برای تصور، کشف، ثبت، درک و ردیابی تغییرات در جهان و در نتیجه ممکن ساختن آینده، باز خواهد گذاشت. این همان درسی است که باید از این کتاب آموخت.
دکتر سعید جوی زاده(مترجم)