An evidence-gated audit algorithm for low-altitude-economy readiness in mountainous Yunnan, China

في المناظر الطبيعية الوعرة والمرتفعة في جنوب غرب الصين، يحلق نوع جديد من النشاط الاقتصادي. يشير مصطلح "اقتصاد الارتفاع المنخفض" إلى استخدام الطائرات التي تحلق تحت مستوى 3000 متر، بما في ذلك الطائرات بدون طيار والطائرات الكهربائية الصغيرة، لمهام مثل توصيل الإمدادات الطبية، أو فحص خطوط الطاقة، أو نقل السياح. وبينما تمتلك المدن ذات التضاريس المسطحة والبيانات الراسخة مخططات واضحة للمسارات التي يجب أن تسلكها هذه الرحلات، تواجه المناطق الجبلية تحديًا مختلفًا. فهنا، الطرق متعرجة، والطقس يتغير بسرعة، ولا يوجد سجل تاريخي للطلب على الرحلات الجوية لأن الصناعة لم تبدأ بعد. يتعين على المخططين في هذه المناطق اتخاذ قرار بشأن إرسال فرقهم الأولى لاستقصاء المسارات والمواقع المحتملة، لكنهم يفتقرون إلى الأدلة المعتادة على نجاح السوق أو سجلات السلامة. إنهم مضطرون للتخمين بشأن أي البلدات مستعدة لهذا المستقبل، وغالبًا ما يعتمدون على الأرقام الاقتصادية العامة أو قوائم السياسات الحكومية التي قد لا تروي القصة كاملة.

هذه هي المشكلة الدقيقة التي سعى فريق من الباحثين من كلية يوننان المهنية والتقنية للاتصالات إلى حلها. فقد طوروا طريقة جديدة لمساعدة الحكومات المحلية على اتخاذ القرار بشأن مكان بدء تحرياتهم الميدانية دون الوقوع في فخ الاستدلال الدائري. في العديد من تمارين التخطيط، قد يتعلم نموذج حاسوبي ببساطة تكرار التصنيفات الحالية للحكومة، مما يوجه المخططين للاستثمار في الأماكن التي اشتهرت بالفعل بامتلاك خطة لـ "اقتصاد الارتفاع المنخفض"، بدما يحدد الأماكن الجاهزة هيكليًا لذلك بالفعل. أراد الباحثون تجريد هذه النبوءات ذاتية التحقق للعثين عن الإشارات الهيكلية الحقيقية المخفية في البيانات. لم يكن هدفهم التنبؤ بمستقبل حركة الطيران أو تصميم مسارات جوية محددة، بل إنشاء قائمة مراجعة منضبطة وقابلة للتدقيق تفصل بين الطموح الإداري والجاهزية التشغيلية الفعلية.

ركز الباحثون على 129 مقاطعة في مقاطعة يوننان، وهي منطقة معروفة بتغيراتها الشاهقة في الارتفاع والتنمية الاقتصادية غير المتكافئة. بدأوا بفحص قائمة ضخمة من نقاط البيانات لكل مقاطعة، بما في ذلك الناتج المحلي الإجمالي، والبنية التحتية الرقمية، وأرقام السياحة. ومع ذلك، سرعان ما اكتشفوا خللاً حرجًا في كيفية استخدام مثل هذه البيانات غالبًا: فـ "درجة دعم السياسة"، وهي رقم تمنحه الدوائر الحكومية للإشارة إلى مدى تشجيع المقاطعة لتطوير هذا القطاع، كانت متطابقة تقريبًا مع الهدف الذي كانوا يحاولون التنبؤ به. إذا استخدم النموذج هذه الدرجة، فسيكون الأمر أشبه بطالب يقرأ نموذج الإجابة في الاختبار؛ سيؤدي بشكل مثالي ولكنه لن يتعلم شيئًا جديدًا. ولإصلاح ذلك، بنى الباحثون "بوابة" تعمل على إزالة أي بيانات هي مجرد نسخة من أهداف الحكومة بدقة. كما أزالوا المتغيرات التي كانت نتيجة مباشرة للسياسة، لضمان أن ينظر النموذج فقط إلى الظروف الهيكلية الخام للأرض والاقتصاد.

ومع إزالة هذه القرائن الدائرية، أجرى الفريق سلسلة من المحاكاة الحاسوبية لمعرفة أي المقاطعات تبدو أكثر جاهزية بناءً على أسسها الفيزيائية والاقتصادية. لم يكتفوا بالوثوق في برنامج حاسوبي واحد؛ بل استخدموا نهج "اللجنة" حيث تصوت نماذج مختلفة متعددة على التصنيفات. ومن الأهمية بمكان، أنهم اختبروا هذه النماذج بطريقة تحاكي التوسع في العالم الحقيقي: حيث قاموا بتدريب النماذج على أجزاء من المقاطعة وطلب منهم التنبؤ بجاهزية مناطق مختلفة تمامًا لم يروها من قبل. ضمن هذا أن النتائج ستصمد عند تطبيقها في أماكن جديدة، بدلًا من مجرد حفظ التفاصيل المحددة لبيانات التدريب. كما أضاف النظام "جزاءً" على عدم اليقين. فإذا اختلفت النماذج الحاسوبية المختلفة حول درجة مقاطعة ما، أو إذا كانت المقاطعة في موقع جغرافي فريد لا تغطيه البيانات الأخرى بشكل جيد، فإن النظام يخفض ثقته في ذلك التصنيف. خلق هذا قائمة متحفظة وحذرة تعطي الأولوية للسلامة والموثوقية على التخمينات المتفائلة.

كانت نتائج هذا التدقيق الدقيق كاشفة. فعندما نظر الباحثون في أفضل 20 مقاطعة أوصى بها نظامهم الجديد، وجدوا أن هذه الأماكن استوعبت ما يقرب من 87% من المقاطعات التي تعتبر بالفعل "راسخة" في هذه الصناعة، وتضمنت جميع سيناريوهات التطبيق المحددة التي قدمتها الشركات بالفعل للمراجعة. أثبت هذا أن الطريقة يمكن أن تنجح في تحديد الأماكن التي تتجمع فيها الصناعة بشكل طبيعي. ومع ذلك، أظهرت الدراسة أيضًا أن التصنيف البسيط القائم فقط على الحجم الاقتصادي (الناتج المحلي الإجمالي) كان يؤدي عمليًا بنفس الكفاءة في العثัง على هذه المواقع. هذه النتيجة مهمة لأنها تشير إلى أن الخوارزمية المعقدة الجديدة لا تحتاج إلى أن تكون أقوى من المقاييس الاقتصادية البسيطة للعثور على الأماكن الصحيحة. بدلاً من ذلك، تكمن قيمتها الحقيقية فيما لا تفعله: فهي ترفض أن تُخدع بملصقات السياسة، وتقيس صراحةً مدى عدم اليقين في التنبؤ، وتوضح بوضوح ما يمكن وما لا يمكن استخدام القائمة لأجله.

نظم الباحثون قائمتهم النهائية في مستويات عمل محددة لتوجيه صناع القرار. تضمن المستوى الأعلى المقاطعات التي كانت عالية التصنيف في التدقيق الهيكلي وكانت تمتلك تطبيقات مؤكدة من الشركات، مما جعلها تمثل الأولوية القصوى للتحري الميداني الفوري. وتضمن المستوى التالي المقاطعات التي بدت جاهزة هيكليًا ولكنها تفتقر إلى اهتمام مؤكد من الشركات، مما يشير إلى حاجتها لمزيد من التحقق المحلي. أما المستويات الأدنى فقد خُصصت للمناطق التي تفتقر إلى أدلة كافية أو تلك التي لا تستوفي المعايير الهيكلية ببساال. يسمح هذا النهج المتدر- المخططين ليس فقط برؤية قائمة أسماء، بل برؤية خريطة للثقة. فهو يخبرهم أنه بينما قد تحصل مقاطعة ما على درجة عالية، إذا اختلفت النماذج الحاسوبية بشأنها، أو إذا كانت البيانات المحلية شحيحة، فيجب التعامل مع الدرجة بحذر.

في النهاية، تجادل الورقة البحثية بأنه في المناطق التي تندر فيها البيانات وتكون التضاريس فيها صعبة، فإن الأداة الأكثر أهمية ليست كرة بلورية تتنبأ بالمستقبل، بل مرشح صارم يمنع القرارات السيئة. وتوضح الدراسة أنه بينما يعد القوة الاقتصادية العامل المهيمن في تحديد مكان بدء هذه الصناعات، فإن عملية العثور عليها يجب أن تكون شفافة وخالية من انحياز قوائم الرغبات الحكومية. ومن خلال إزالة الأدلة الدائرية ومعاقبة عدم اليقين، قدم الباحثون إطارًا يمكن استخدامه في مناطق جبلية أو نامية بشكل غير متكافئ أخرى حول العالم. الخلاصة ليست أن خوارزمية محددة قد حلت مشكلة الطيران منخفض الارتفاع، بل أن النهج المنضبط والمحكوم بالأدلة يمكن أن يساعد المخططين على بدء تحرياتهم في الأماكن الصحيحة، وتجنب فخ الاستثمار في مناطق تبدو جيدة على الورق فقط.