التوازن الاقتصادي والبيئي لدول الآيورا: التعلم الآلي يكشف مسارًا جديدًا للتنمية المستدامة في الجنوب العالمي

من النموذج الأكاديمي إلى الواقع الإقليمي: معادلة النمو والبيئة في دول الأيورا

تتكون جمعية حوض المحيط الهندي (IORA) من 23 دولة عضو، تغطي أفريقيا والشرق الأوسط وجنوب آسيا وجنوب شرق آسيا، وهي مركز رئيسي للتجارة العالمية وتدفق الموارد. ومع ذلك، تواجه معظم دول المنطقة ضغوطًا متعددة من السواحل الهشة والمخاطر المناخية والتحضر السريع. دراسة حديثة نُشرت في مجلة *Scientific Reports*، باستخدام عينات من ماليزيا وموريشيوس وسريلانكا ومدغشقر، وظفت إطار التعلم الآلي XOS-ELM-GA للتنبؤ بالعلاقة بين انبعاثات ثاني أكسيد الكربون والناتج المحلي الإجمالي والأراضي الزراعية، مما يوفر أداة تحليل كمي للتنمية المستدامة في الجنوب العالمي.

لماذا تم اختيار هذه الدول الأربع؟

• تمثل الدول الأربع التي اختارتها الدراسة هياكل اقتصادية وأنواعًا مختلفة من الضعف داخل الأيورا:
• ماليزيا: درجة تصنيع عالية، مع توازن بين قطاعي الخدمات والصناعة التحويلية، لكن الزراعة لا تزال تشكل نسبة معينة؛
• موريشيوس: دولة جزرية صغيرة، يعتمد اقتصادها على السياحة والخدمات المالية، مع قابلية عالية جدًا للتأثر بالمناخ؛
• سريلانكا: تجمع بين الزراعة والصناعات الخفيفة، وقد شهدت مؤخرًا أزمة ديون وضغوطًا بيئية؛
• مدغشقر: من أقل البلدان نموًا، تعتمد على الزراعة بشكل كبير وتعاني من إزالة الغابات الشديدة.

تجسد هذه الدول الأربع معًا التناقض النموذجي لدول الجنوب العالمي في مسارات التنمية: الحاجة إلى زيادة الدخل من خلال التوسع الصناعي مع تجنب فقدان السيطرة على انبعاثات الكربون وفقدان الأراضي الزراعية. استخدمت الدراسة بيانات تاريخية من 1960–2020، باستخدام انبعاثات ثاني أكسيد الكربون كمتغير تفسيري رئيسي للتنبؤ بالناتج المحلي الإجمالي والمساحة الزراعية، بدلاً من مجرد استنتاج علاقات سببية. هذا النهج أكثر ملاءمة للأسواق الناشئة التي تتميز بتقلبات بيانات كبيرة وتغيرات هيكلية متكررة.

تمكين التعلم الآلي: دقة التنبؤ والأهمية السياسية

يتفوق نموذج XOS-ELM-GA الذي اقترحته الدراسة في دقة التنبؤ على طريقتَي ELM وOS-ELM التقليديتين. على سبيل المثال، في التنبؤ بالناتج المحلي الإجمالي السنوي لماليزيا، بلغ متوسط SMAPE للنموذج 10.13%؛ وفي التنبؤ بالأراضي الزراعية في سريلانكا، انخفض SMAPE إلى 3.77%. هذا يعني أنه حتى بدون إدخال نماذج ميكانيكية معقدة، يمكن للطرق القائمة على البيانات والذكاء الاصطناعي أن توفر لدول الأيورا تنبؤات موثوقة للمؤشرات الاقتصادية والبيئية في المستقبل القريب.

بالنسبة لصانعي السياسات، تساعد هذه التنبؤات في تحديد مناطق الصراع بين "النمو والكربون والأرض" مسبقًا. على سبيل المثال، إذا أظهر النموذج تسارعًا في انخفاض الأراضي الزراعية في بلد ما مصحوبًا بانبعاثات عالية، فيجب إعطاء الأولوية للزراعة المستدامة واستثمارات التكنولوجيا منخفضة الكربون. وبالنسبة للمستثمرين الدوليين، يمكن دمج هذا التحليل الترابطي في تقييمات ESG (البيئية والاجتماعية والحوكمة) لتجنب مخاطر تقطّع الأصول بسبب التدهور البيئي.

منظور الجنوب العالمي: من البيانات إلى العمل## منظور الجنوب العالمي: من البيانات إلى العمل

تسلط حالات الدول الأعضاء في منظمة حافة المحيط الهندي (IORA) الضوء على التحديات الجماعية التي تواجه الجنوب العالمي فيما يتعلق بأهداف التنمية المستدامة (خاصة الهدف 8 والهدف 13 والهدف 15). على عكس الدول المتقدمة، غالبًا ما تفتقر الأسواق الناشئة إلى بيانات الرصد عبر الأقمار الصناعية عالية الدقة وبيانات التعداد، وتسد أساليب التعلم الآلي هذه الفجوة التحليلية في المناطق "المتخلفة في البيانات". في الوقت نفسه، تؤكد هذه الدراسة على الارتباط بدلاً من السببية، مما يشير إلى أن الارتباط بين انبعاثات ثاني أكسيد الكربون والنمو الاقتصادي ليس مطلقًا، وأن سياسات خفض الانبعاثات لا تضحي بالضرورة بالنمو - فالمفتاح يكمن في كفاءة استخدام الأراضي والطاقة.

علاوة على ذلك، تنتمي الدول الأربع إلى اقتصادات حافة المحيط الهندي، ويمكن لآليات التعاون الإقليمي (مثل إطار IORA) أن تعزز المراقبة البيئية المشتركة ونقل التكنولوجيا منخفضة الكربون. في المستقبل، إذا أمكن توسيع النموذج ليشمل أعضاء إضافيين (مثل الهند والصومال وأستراليا)، فسيتشكل شبكة إنذار مبكر ديناميكية تغطي الجنوب العالمي.

الاتجاهات طويلة المدى: الأمن الغذائي والقدرة على التكيف مع المناخ

يعتبر التغير في الأراضي الزراعية محورًا آخر للدراسة. تُظهر الدقة التنبؤية العالية لسريلانكا ومدغشقر أن النموذج يمكنه التقاط الحساسية العالية للمساحات المزروعة تجاه الصدمات الخارجية (مثل الشذوذ المناخي، وتقلبات الأسعار الدولية). بالنسبة لماليزيا التي تتسارع فيها وتيرة التحضر، يتزامن تقلص الأراضي الزراعية مع زيادة الانبعاثات الكربونية، مما يشير إلى الضغوط المزدوجة الناجمة عن تحول استخدام الأراضي مثل توسع زراعة زيت النخيل. يجب على المستثمرين، عند التخطيط لمشاريع زراعية أو حرجية أو بنية تحتية، إدراج هذه الديناميكيات في تحليلات السيناريوهات طويلة المدى.

على المدى الطويل، تمتلك دول IORA هياكل سكانية شابة ومتنامية، وسيرتفع الطلب على الغذاء والطاقة في المستقبل. إن إيجاد توازن بين الحفاظ على الأراضي الزراعية وامتصاص ثاني أكسيد الكربون هو المنطق الأساسي للنمو الاقتصادي الإقليمي. يوفر خط الأساس القائم على البيانات الذي تقدمه هذه الدراسة أساسًا يساعد الدول على تحديد مسارات أكثر واقعية عند وضع مساهماتها المحددة وطنيًا (NDCs).

خاتمة

لا توضح هذه الدراسة إمكانات التعلم الآلي في نمذجة التفاعلات بين البيئة والاقتصاد فحسب، بل تكشف أيضًا عن تعقيد سعي دول الجنوب العالمي نحو التنمية من حيث "الكم" و"النوع" معًا. بالنسبة لمؤسسات البحث الكبرى والمستثمرين الدوليين، فإن فهم الأنماط غير الخطية لمناطق مثل IORA هو مفتاح استيعاب تحول مراكز النمو العالمية في المستقبل. عندما يستطيع الذكاء الاصطناعي التنبؤ بدقة بانكماش الزراعة أو ذروة الانبعاثات، يمكن لاستجابات السياسات وتخصيص رأس المال أن تتقدم بخطوة - وهذه هي بالضبط قدرة "النظرة طويلة المدى" التي لا غنى عنها في تحليل الأسواق الناشئة.