دیدگاه پژوهشیشماره ۰۷۱۷ سپتامبر ۲۰۲۵

Journal of Building Engineering، Elsevier؛ یادداشت تخصصی، LinkedIn

کیفیت هوای داخل ساختمان بدون پایش افراد

هوش مصنوعی می‌تواند کیفیت هوای داخل ساختمان را مدیریت کند، بی‌آنکه مکان افراد، هویت آنان و کارهایشان را فاش سازد. پروفسور غفاریان حسینی بر این باور است که حریم خصوصی یکی از الزامات عملکردی ساختمان هوشمند است و معماری‌ای مبتنی بر رایانش لبه و یادگیری فدرال پیشنهاد می‌کند که به ساختمان‌ها امکان می‌دهد محیط را حس کنند و به آن واکنش نشان دهند، بی‌آنکه به ابزاری برای نظارت بر افراد بدل شوند.

اوکلند، نیوزیلند

دیدگاه اصلی

ساختمان‌های هوشمند نوید هوایی سالم‌تر می‌دهند. حسگرها دی‌اکسید کربن، ذرات معلق و ترکیبات آلی فرار را شناسایی می‌کنند و هوش مصنوعی پیش از آنکه ساکنان متوجه مشکلی شوند، تهویه را تنظیم می‌کند. استدلال پروفسور غفاریان حسینی از پیامد ناخوشایند همین واقعیت آغاز می‌شود: همین داده‌ها اطلاعات فراوانی درباره افراد حاضر در ساختمان آشکار می‌کنند. سطح دی‌اکسید کربن نشان می‌دهد اتاق چه زمانی و با چند نفر اشغال است و الگوهای بلندمدت، برنامه روزانه، غیبت‌ها و عادت‌های افراد را نمایان می‌سازند. سامانه پایش کیفیت هوا می‌تواند بی‌سروصدا به سامانه‌ای برای نظارت بر افراد تبدیل شود. در دفاتر کار و خانه‌ها، و بیش از همه در مراکز درمانی که در آن‌ها هم کیفیت هوا و هم محرمانگی اطلاعات خطرهای واقعی در پی دارند، طراحی برای پیش‌بینی و کنترل، در حالی که حریم خصوصی در حاشیه قرار گیرد، پذیرفتنی نیست.

ادعای اصلی این است که اعتماد خود یکی از الزامات عملکردی است. ساکنانی که احساس کنند زیر نظرند، حسگرها را از کار می‌اندازند و ساختمانی که نتواند حس کند، نمی‌تواند واکنش نشان دهد. از این منظر، حریم خصوصی محدودیتی نیست که از بیرون بر ساختمان‌های هوشمند تحمیل شود، بلکه شرط لازم برای کارکرد آن‌هاست. با گسترش هوش مصنوعی در محیط ساخته‌شده، پرسش این نیست که ساختمان‌ها داده جمع‌آوری می‌کنند یا نه، بلکه این است که این کار با شرایط چه کسی انجام می‌شود. پاسخ پروفسور غفاریان حسینی «حریم خصوصی از مرحله طراحی» است؛ رویکردی که اختیار این تصمیم را در دست ساکنان نگه می‌دارد، نه سامانه‌هایی که به آنان خدمت می‌کنند.

مستندات و منابع

این یادداشت بر پایه مقاله AI management platform for privacy-preserving indoor air quality control: Review and future directions نوشته Quang, T. V., Doan, D. T., Ngarambe, J., GhaffarianHoseini, A., Ghaffarianhoseini, AH., and Zhang, T. است که در سال ۲۰۲۵ به صورت دسترسی آزاد در Journal of Building Engineering (Elsevier)، 100، 111712 منتشر شد. این مقاله مروری، پژوهش‌های یک دهه درباره مدیریت کیفیت هوای داخل مبتنی بر هوش مصنوعی را بررسی کرده و نشان داده است که بیشتر آن‌ها بر بهینه‌سازی پیش‌بینی و کنترل متمرکزند و به حریم خصوصی، اگر اصلاً توجهی داشته باشند، در درجه دوم اهمیت می‌نگرند. دو تن از نویسندگان، دکتر Dat Tien Doan و دکتر Tongrui Zhang، در سال ۲۰۱۹ دوره دکتری را با راهنمایی پروفسور غفاریان حسینی در مقام استاد راهنما به پایان رساندند؛ رساله Zhang به یکپارچه‌سازی BIM با سامانه‌های مدیریت ساختمان در یک ساختمان آموزشی در نیوزیلند اختصاص داشت.

این مقاله بستری حافظ حریم خصوصی بر پایه رایانش لبه و یادگیری فدرال پیشنهاد می‌کند. داده‌ها در نزدیکی محل گردآوری پردازش می‌شوند و مدل‌ها بی‌آنکه داده خام از هیچ ساختمانی خارج شود، از داده‌های چندین ساختمان یاد می‌گیرند. هسته این بستر مدل SITA است که پیش از هرگونه مدل‌سازی، داده‌های اشتراکی را در چهار بُعد مکانی، هویتی، زمانی و فعالیتی تنظیم می‌کند. مدیر تأسیسات می‌تواند ببیند که یک طبقه به تهویه بیشتری نیاز دارد، بی‌آنکه بداند چه کسی، کجا و در چه زمانی نشسته است. این پژوهش معماری و گردش کاری ارائه می‌کند که با سامانه‌های مدیریت ساختمان موجود یکپارچه می‌شود تا حریم خصوصی از همان مرحله طراحی لحاظ شود، نه آنکه پس از بهره‌برداری به سامانه افزوده شود.

یک دهه تلاش برای تعریف ساختمان هوشمند

این مقاله ادامه سوابق پژوهشی‌ای است که در تعریف مفهوم ساختمان هوشمند نقش داشته است. مقاله What is an intelligent building? Analysis of recent interpretations from an international perspective (۲۰۱۶) با ۵۱٬۶۲۷ بار مشاهده در وبگاه ناشر، پرخواننده‌ترین مقاله تاریخ Architectural Science Review است و مقاله Intelligent or smart cities and buildings: A critical exposition and a way forward (Intelligent Buildings International، ۲۰۱۸) تاکنون ۱۰۰ بار مورد استناد قرار گرفته است. پروفسور غفاریان حسینی در سال ۲۰۲۶ به گروهی بین‌المللی از نویسندگان پیوست که مقاله Ten questions concerning the future of intelligent buildings را در مجله Building and Environment منتشر کردند. در همه این آثار یک دیدگاه ثابت دیده می‌شود: ساختمان تنها زمانی هوشمند است که سامانه‌هایش در خدمت افراد درون آن باشند، و این دقیقاً همان معیاری است که استدلال مربوط به حریم خصوصی در مورد هوش مصنوعی به کار می‌برد.

این پیشنهاد همچنین ادامه منطقی پژوهش‌های پیشین در زمینه مدیریت ساختمان است. مقاله Application of nD BIM integrated knowledge-based building management system (BIM-IKBMS) for inspecting post-construction energy efficiency با ۲۳۱ استناد و مقاله تکمیلی آن در Automation in Construction (۲۰۱۹) نشان دادند که چگونه می‌توان اطلاعات ساختمان و داده‌های بهره‌برداری را برای ارزیابی عملکرد پس از تحویل به هم پیوند داد. سکوی حریم خصوصی لایه‌ای از حاکمیت داده را به این یکپارچه‌سازی می‌افزاید. این سکو تنها نمی‌پرسد که داده‌های بهره‌برداری را چگونه می‌توان برای بهبود ساختمان ترکیب کرد، بلکه می‌پرسد کدام‌یک از این داده‌ها اصولاً باید ترکیب شوند و به دست چه کسی.

هوای داخل ساختمان سال‌هاست که در این کارنامه پژوهشی به‌عنوان یک مسئله سلامت مطرح بوده است. مقاله Sick building syndrome: Are we doing enough? (Architectural Science Review, 2018) با ۳۷۳ استناد، هزینه ساختمان‌هایی را مستند کرد که با هدف کارایی و بی‌توجه به هوایی که ساکنانشان تنفس می‌کنند طراحی شده‌اند. مقاله Healthcare in asymmetrically smart future environments (Electronics, 2023) نیز کاربردها، چالش‌ها و مسائل حل‌نشده محیط‌های هوشمند را در حوزه سلامت بررسی کرد؛ حوزه‌ای که استدلال مربوط به حریم خصوصی آن را آسیب‌پذیرترین بستر می‌داند. همین گروه یادگیری ماشین را مستقیماً در شرایط محیط داخلی به کار گرفته و در پژوهشی که در سال ۲۰۲۵ منتشر شد، با شبکه‌های LSTM به پیش‌بینی دما و رطوبت داخلی در یک دفتر کار با تهویه طبیعی در اقلیم گرمسیری پرداخته است.

پروفسور غفاریان حسینی در این بحث از جایگاه خود در سیاست‌گذاری ملی هوش مصنوعی نیز بهره می‌گیرد. او از سال ۲۰۲۳ عضو گروه مرجع هوش مصنوعی در دفتر مشاور ارشد علمی نخست‌وزیر است و دیدگاه حوزه طراحی، ساخت و محیط ساخته‌شده را در این گروه نمایندگی می‌کند؛ همچنین از سال ۲۰۲۱ پژوهشگر وابسته مرکز پژوهش‌های هوش مصنوعی AUT است. راهنمایی رساله‌های دکتری نیز در همین مسیر است: با حمایت بورس دکتری رئیس دانشگاه، پژوهشی درباره یادگیری تقویتی کاربرمحور و قابل‌پیاده‌سازی برای کنترل سامانه‌های گرمایش، تهویه و تهویه مطبوع (HVAC) ساختمان در جریان است؛ پژوهشی که دقیقاً به پرسش مطرح‌شده در این مقاله می‌پردازد: ساختمان چگونه می‌تواند از ساکنانش بیاموزد بی‌آنکه حریم خصوصی آنان را به خطر بیندازد.

پیامدها برای مالکان، بهره‌برداران و نهادهای نظارتی

پیام این بحث برای مالکان ساختمان و مدیران تأسیسات، انضباط در فرایند خرید است: باید پیش از نصب حسگرها، و نه پس از اعتراض ساکنان، مشخص شود که داده‌ها در کجا پردازش می‌شوند و چه داده‌هایی و در چه قالبی از ساختمان خارج می‌شوند. برای مراکز درمانی و آموزشی، که محرمانگی در آن‌ها بیشترین اهمیت را دارد، این به معنای پافشاری بر معماری‌هایی است که سیگنال مورد نیاز سامانه تهویه را از هویت افرادی که آن را تولید می‌کنند جدا کند. برای نهادهای نظارتی و استانداردگذار نیز این بحث ضرورت الزامات عملکردی‌ای را نشان می‌دهد که افزون بر کیفیت هوا، شیوه مدیریت داده‌ها را هم در بر گیرد تا ساختمانی که سامانه حسگری آن اعتماد ساکنان را زیر پا می‌گذارد، نتواند گواهی ساختمان سالم دریافت کند.

اهمیت گسترده‌تر این بحث به مسیر آینده این حوزه بازمی‌گردد. فناوری ساختمان هوشمند سریع‌تر از هنجارها و مقررات حاکم بر آن گسترش می‌یابد و این خطر وجود دارد که اعتماد عمومی پیش از آنکه مزایای آن محقق شود از دست برود. دیدگاه پروفسور غفاریان حسینی، که با همکارانش در RG UBE Lab شکل گرفته، راه برون‌رفتی پیش می‌نهد: حریم خصوصی باید در خود معماری سامانه گنجانده شود، نه آنکه بعدها در قالب یک سیاست به آن افزوده شود. همین اولویت دادن به انسان بر زیرساخت، الهام‌بخش این دیدگاه است که دوقلوهای دیجیتال باید نماینده انسان‌ها باشند، نه فقط مکان‌ها. در هر دو مورد، معیار سنجش یک محیط هوشمند این است که آیا ساکنان آن می‌توانند به آن اعتماد کنند.

۴بُعد SITA که تعیین می‌کند چه اطلاعاتی به اشتراک گذاشته شود
۵۱٬۶۲۷بازدید؛ پرخواننده‌ترین مقاله در تاریخ انتشار مجله Architectural Science Review
۳۷۳استناد به مقاله مروری سندرم ساختمان بیمار