کالابرگ می‌رسد، اما قیمت‌ها نه؛ هوش مصنوعی محاسبه کرده که با یک میلیون تومان، فقط ۶۰ درصد سبد کالا قابل خرید است.

دولت چهاردهم در نیمه دیماه ۱۴۰۴، همزمان با حذف ارز ترجیحی ۲۸۵۰۰ تومانی، وعده داد که با اختصاص ماهانه یک میلیون تومان اعتبار کالابرگ به هر ایرانی، فشار ناشی از افزایش قیمت کالاهای اساسی بر خانوارها جبران شود . قرار بود این اعتبار هر سه ماه یکبار متناسب با تورم به‌روزرسانی شود. اما حالا، در شهریور ۱۴۰۵ و پس از گذشت ماه‌ها از آن وعده، نه تنها خبری از افزایش کالابرگ نیست، بلکه ارزش واقعی آن در برابر تورم روزبه‌روز آب می‌رود .

در این میان، هوش مصنوعی با مدل‌های پیشرفته‌ای که برای پیش‌بینی قیمت کالاهای اساسی طراحی شده‌اند، محاسبه کرده که با یک میلیون تومان امروز، فقط ۶۰ درصد سبد کالای قابل خرید در ابتدای طرح، قابل تهیه است . این مقاله به بررسی ابعاد این شکاف، کاربرد هوش مصنوعی در تحلیل و پیش‌بینی قیمت کالاهای اساسی، و چالش‌های پیش روی کالابرگ می‌پردازد.

بخش اول: کالابرگ در برابر تورم؛ روایتی از عقب‌ماندگی

عددی که حقیقت را پنهان می‌کند

بر اساس گزارش‌های منتشرشده، هزینه سبد ۱۱ قلم کالای اساسی مشمول کالابرگ (شامل مرغ، روغن، تخم‌مرغ، برنج، قند و شکر، ماکارونی، شیر، ماست، پنیر، گوشت قرمز و حبوبات) از زمان آغاز طرح تا امروز حدود ۶۸ درصد افزایش یافته است . این یعنی کالایی که در ابتدای طرح یک میلیون تومان قیمت داشت، اکنون حدود یک میلیون و ۶۸۰ هزار تومان هزینه دارد .

در نتیجه، اعتبار یک میلیون تومانی فعلی فقط حدود ۵۹.۵ درصد قدرت خرید اولیه خود را حفظ کرده است. به عبارت دیگر، کالابرگ ۶۰ درصد از تورم عقب مانده است .

بر اساس محاسبه‌ای دیگر، مجموع قیمت سبد کالابرگ در شرایط فعلی به ۳ میلیون و ۷۸۰ هزار تومان رسیده، در حالی که قبل از حذف ارز ترجیحی این رقم ۲ میلیون و ۱۸۰ هزار تومان بود؛ یعنی یک میلیون و ۶۰۰ هزار تومان افزایش داشته، در حالی که مبلغ کالابرگ همچنان یک میلیون تومان باقی مانده است .

وعده‌های محقق‌نشده

دولت در ابتدای اجرای طرح، وعده داد که هر سه ماه یکبار مبلغ کالابرگ را متناسب با تورم افزایش دهد . اما با وجود گذشت ماه‌ها، این وعده همچنان در حد حرف باقی مانده است. رئیس‌جمهور در گفت‌وگوی تلویزیونی خود اعتراف کرد که «دولت نتوانست مبلغ کالابرگ را به میزانی که پیشتر اعلام و تصویب شده بود افزایش دهد» و هنوز زمان اجرای افزایش اعتبار مشخص نیست .

حتی معاون اول رئیس‌جمهور نیز تأکید کرده که «افزایش مبلغ کالابرگ یکی از راهبردهایی است که دولت تاکنون موفق به اجرای آن نشده است» و این مطالبه از اسفند سال گذشته تاکنون محقق نشده است .

یک سبد فرضی؛ یک میلیون و ۶۰۰ هزار تومان امروز چه می‌خرد؟

بررسی قیمت حدودی بازار نشان می‌دهد که بسیاری از اقلام اصلی سبد کالابرگ در فاصله دی‌ماه ۱۴۰۴ تا مرداد ۱۴۰۵ افزایش قابل‌توجهی داشته‌اند :

• برنج ایرانی ۱۰ کیلویی: از ۳.۵ تا ۵ میلیون تومان به ۵ تا ۷ میلیون تومان

• مرغ کامل حدود ۲ کیلو: از ۵۸ هزار تومان به ۷۵ تا ۹۰ هزار تومان

تخم‌مرغ شانه‌ای: از ۴۰ هزار تومان به ۷۰ هزار تومان

با یک میلیون و ۶۰۰ هزار تومان امروز، یک خانوار می‌تواند سبدی حداقلی شامل مقدار محدودی برنج، یک بطری روغن، یک بسته کوچک حبوبات، چند قلم لبنیات، تخم‌مرغ، مقدار محدودی مرغ و چند کالای پایه تهیه کند؛ اما دیگر جایی برای خرید گوشت قرمز یا تأمین بخش بیشتری از نیاز ماهانه خانواده باقی نمی‌ماند .

بخش دوم: هوش مصنوعی و پیش‌بینی قیمت کالاهای اساسی

مدل‌های محاسباتی در خدمت بازار

هوش مصنوعی و یادگیری ماشین در سال‌های اخیر به ابزاری قدرتمند برای پیش‌بینی قیمت کالاهای کشاورزی و اساسی تبدیل شده‌اند. پژوهش‌ها نشان می‌دهد که مدل‌های مختلفی برای این منظور به کار گرفته می‌شوند.

۱. شبکه‌های عصبی مصنوعی (ANN): یکی از پژوهش‌هایی که در ایران انجام شده، از روش رگرسیون خطی و شبکه عصبی مصنوعی برای پیش‌بینی قیمت روزانه گوشت مرغ در شهرستان سنندج استفاده کرده است . این پژوهش نشان می‌دهد که شبکه‌های عصبی می‌توانند الگوهای قیمتی را با دقت قابل‌قبولی شناسایی کنند.

۲. مدل‌های LSTM و GRU: پژوهش‌های بین‌المللی نشان داده‌اند که مدل‌های LSTM و GRU به دلیل توانایی در شناسایی وابستگی‌های بلندمدت و الگوهای غیرخطی در داده‌های قیمتی، عملکرد بهتری نسبت به روش‌های سنتی اقتصادسنجی دارند . یک مطالعه در سال ۲۰۲۵ نشان داد که مدل LSTM در پیش‌بینی قیمت گوجه‌فرنگی، کمترین خطا (RMSE) را نسبت به سایر مدل‌ها داشته است .

۳. مدل‌های هیبریدی و ترکیبی: پیشرفته‌ترین رویکردها از ترکیب مدل‌های مختلف استفاده می‌کنند. یک چارچوب پیشنهادی به نام SD-IHEOA که از ترکیب تجزیه ثانویه، الگوریتم‌های بهینه‌سازی هوشمند و مدل‌های GRU استفاده می‌کند، توانسته است خطای پیش‌بینی قیمت کلم را به کمتر از ۲ درصد (MAPE) کاهش دهد . این به معنای دقت بالای ۹۸ درصد در پیش‌بینی قیمت است.

۴. مدل ترکیبی کارشناسان (MoE): روش جدیدی به نام VPF-MoE (Vegetable Price Forecasting - Mixture of Experts) ترکیبی از مدل‌های زبانی بزرگ و روش‌های یادگیری عمیق را برای پیش‌بینی قیمت سبزیجات به کار گرفته است .

هوش مصنوعی چه کمکی به سیاست‌گذاری می‌کند؟

با وجود دقت بالای مدل‌های هوش مصنوعی در پیش‌بینی قیمت، کاربرد عملی آنها در سیاست‌گذاری همچنان محدود است. همان‌طور که در گزارش‌ها اشاره شده، دولت می‌توانست با اتصال مبلغ کالابرگ به هزینه به‌روزرسانی‌شده سبد مشخص، از کاهش پنهان قدرت خرید جلوگیری کند . هوش مصنوعی می‌تواند این به‌روزرسانی را به صورت خودکار و ماهانه انجام دهد، اما تا زمانی که اراده سیاسی و منابع مالی برای اجرای آن وجود نداشته باشد، دقت محاسبات بی‌فایده خواهد ماند.

جدول مقایسه: قیمت واقعی سبد در برابر اعتبار کالابرگ

ویژگیابتدای طرح (دی ۱۴۰۴)امروز (شهریور ۱۴۰۵)اعتبار کالابرگ۱,۰۰۰,۰۰۰ تومان۱,۰۰۰,۰۰۰ تومان هزینه سبد ۱۱ قلمحدود ۱,۰۰۰,۰۰۰ تومانحدود ۱,۶۸۰,۰۰۰ تومان قدرت خرید واقعی۱۰۰٪حدود ۵۹.۵٪ تورم خوراکی‌هامبنابیش از ۱۱۵٪ وضعیت افزایش اعتباروعده داده شدههنوز اجرا نشده

بخش سوم: چرا هوش مصنوعی محاسبه می‌کند، اما سیاست تغییر نمی‌کند؟

ابزار دقیق، تصمیم‌گیرنده غایب

یکی از نکات قابل‌تأمل در این ماجرا، تناقض میان «دقت محاسباتی» و «ناتوانی در تغییر» است. مدل‌های هوش مصنوعی به دقت محاسبه کرده‌اند که کالابرگ ۶۰ درصد از تورم عقب مانده است . اما این محاسبه دقیق، تاکنون به تغییری در سیاست منجر نشده است.

دلایل این ناتوانی عبارتند از:

۱. محدودیت منابع مالی: رئیس‌جمهور صراحتاً اعلام کرده که «محدودیت‌های مالی» مانع اجرای افزایش کالابرگ شده است . در شرایط جنگی و تحریم، منابع دولت محدودتر از همیشه است.

۲. نبود اراده سیاسی کافی: معاون اول رئیس‌جمهور اعتراف کرده که «برخی راهبردهای رئیس‌جمهور از جمله افزایش کالابرگ تاکنون محقق نشده است» .

۳. ترس از خلق نقدینگی: کارشناسان هشدار داده‌اند که اگر افزایش کالابرگ از طریق خلق نقدینگی انجام شود، خود به افزایش تورم دامن می‌زند .

هوش مصنوعی، بازتاب‌دهنده فاصله

در این شرایط، هوش مصنوعی نقشی دوگانه دارد: از یک سو، ابزاری دقیق برای محاسبه فاصله بین «واقعیت» و «رویا»ست؛ از سوی دیگر، هر بار با محاسبه جدید خود، این فاصله را به عدد تبدیل می‌کند و روایت «دست‌نیافتنی‌تر شدن» سبد کالا را بازتولید می‌نماید.

مدل‌های هوش مصنوعی می‌توانند پیش‌بینی کنند که اگر تورم به همین شکل ادامه یابد، یک میلیون تومان کالابرگ در ماه‌های آینده چند درصد دیگر از قدرت خرید خود را از دست خواهد داد. اما این پیش‌بینی، به جای آنکه راهگشا باشد، شاید بیشتر به یادآوری ناتوانی سیاست‌گذار در برابر تورم تبدیل شود.

جمع‌بندی نهایی؛ محاسبه‌ای که فاصله را نشان می‌دهد

کالابرگ می‌رسد، اما قیمت‌ها نه؛ هوش مصنوعی محاسبه کرده که با یک میلیون تومان، فقط ۶۰ درصد سبد کالا قابل خرید است.

این جمله، توصیف دقیقی از وضعیت فعلی طرح حمایتی کالابرگ است. اعتبار یک میلیون تومانی که قرار بود فشار حذف ارز ترجیحی را جبران کند، حالا به عددی تبدیل شده که فقط ۶۰ درصد قدرت خرید اولیه خود را حفظ کرده است . در حالی که تورم سالانه به ۶۶ درصد رسیده و تورم خوراکی‌ها از ۱۱۵ درصد عبور کرده است .

هوش مصنوعی با مدل‌های پیشرفته‌ای مانند شبکه‌های عصبی، LSTM و مدل‌های ترکیبی، می‌تواند این فاصله را با دقت بالایی محاسبه کند و حتی پیش‌بینی کند که این روند تا کجا ادامه خواهد یافت . اما محاسبه دقیق، به تنهایی نمی‌تواند فاصله را پر کند.

واقعیت این است که هوش مصنوعی می‌تواند نقشه فاصله را ترسیم کند، اما پر کردن این فاصله به اراده سیاسی و منابع مالی نیاز دارد. تا زمانی که دولت نتواند اعتبار کالابرگ را به صورت خودکار و ماهانه متناسب با تورم به‌روزرسانی کند، الگوریتم‌ها ناگزیر به محاسبه همان معادله تکراری ادامه می‌دهند: معادله فاصله. همان‌طور که رئیس‌جمهور گفته، «تلاش می‌کنیم تا جای ممکن، پوشش طرح را به دهک‌های بالاتر گسترش دهیم؛ زیرا همه مردم با مشکل مواجه‌اند» . اما تا زمانی که این تلاش به نتیجه نرسد، هر محاسبه جدید هوش مصنوعی، فقط یادآور شکاف عمیق‌تر میان «وعده» و «واقعیت» خواهد بود.