هوش مصنوعی در حالی به مهمترین ابزار بهرهوری و افزایش کارایی در سطح جهانی تبدیل شده و فرهنگ آنلاین کاربران را تحت تاثیر قرار داده که در ایران همچنان قطعی اینترنت اولین سنگ بنای زیرساختی این تکنولوژی را تهدید میکند. در کنار آن فعالان معتقدند دولت درصدد تهیهGPU و صرف هزینههای کلان در سطح سیاستگذاری و همزمان اجراست درحالیکه این بازار و تکنولوژی ابتدا نیازمند نگاه و معماری مبتنی بر نیاز است تا به سرنوشت پیامرسانهای داخلی دچار نشود؛ معماریای که طراحی درست آن نیازمند آزادسازی داده بهخصوص در سطح ارگانهای دولتی است و در غیر این صورت تنها به اتلاف منابع، زمان و انگیزه نیروی انسانی منجر خواهد شد. در این میزگرد بههمراه علی موسوی مدیر ارشد پلتفرمهای مبتنی بر هوش مصنوعی فناپ، حسین بیانی مدیر ارشد فنی داتا، مصطفی آقاسی مدیر محصول واحد ابریمنت مهیمن و احمد ابراهیمی مدیر بخش هوش مصنوعی توسعه محصول لاتک به بررسی اقدامات معاونت علمی در زمینه هوش مصنوعی و زیرساختهای لازم بازار در کاربردپذیری این تکنولوژی پرداختهایم.
این میزگرد در حالی برگزار میشود که چهار روز از قطعی گسترده اینترنت میگذرد. با توجه به موضوع این میزگرد که هوش مصنوعی است، به نظر شما اینترنت مقولهای زیرساختی محسوب میشود؟
- علی موسوی مدیر ارشد پلتفرمهای مبتنی بر هوش مصنوعی فناپ: بله.
- حسین بیانی مدیر ارشد فنی داتا: بله.
- مصطفی آقاسی مدیر محصول واحد ابریمنت مهیمن: بله.
- احمد ابراهیمی مدیر بخش هوش مصنوعی توسعه محصول لاتک: بله.
با توجه به قطعی گسترده اینترنت، به نظر شما هوش مصنوعی که قرار است بر اساس این مدل اینترنت توسعه یابد میتواند به سطح کاربردپذیری و توسعه ملی برسد؟
علی موسوی مدیر ارشد پلتفرمهای مبتنی بر هوش مصنوعی فناپ: قبل از پاسخ به این سوال باید این مساله را در نظر گرفت که تنها وجود زیرساخت و سختافزار برای توسعه هوش مصنوعی کافی نیست. معمولاً به این مساله در کشور توجه نمیشود و بر همین مبنا هزینههای زیادی در حوزههای نیروی انسانی، سخت افزار، انرژی و… تلف میشود.
امروزه آب بخش کشاورزی با وجود اینکه از مهمترین بخشهای امنیتغذایی کشور است، با آبهای فراسرزمینی تامین میشود؛ طبیعتاً میشود برای زیرساخت هوش مصنوعی کشور نیز از سایر کشورها کمک بگیریم، بنابراین باید تفکر و تعلق بیشتری قبل از زیرساخت شکل گیرد.
حسین بیانی مدیر ارشد فنی داتا: قبل از پاسخ به این سوال باید بررسی کرد که هوش مصنوعی را یک ابزار میبینیم یا نوعی زیرساخت. به نظر من بسیاری از کاربردهای هوش مصنوعی لزوماً نیازی به زیرساخت شبکه، برق و انرژی و… ندارند. اگر نگاه ما به هوش مصنوعی شبیه اینترنت، سختافرار و برق باشد مسیر را با خطا مواجه میکند. هوش مصنوعی چیزی شبیه سرچ گوگل است و قرار است چیزی را که از قبل وجود نداشته است به وجود بیاورد. بنابراین مشکل نه در بودن یا نبودن زیرساخت بلکه طرز نگاه ما به این مساله در کشور است که تغییری بزرگ را به یک ابزار تقلیل میدهیم.
مصطفی آقاسی مدیر محصول واحد ابریمنت مهیمن: امروزه تعاریف مختلفی از هوش مصنوعی وجود دارد و در باور عموم نوعی سادهسازی در این تعاریف اتفاق افتاده که نباید در تعاریف تخصصی وارد شود. همانطور که سایر دوستان اشاره کردند، به نظر من هم نبایدAI را منحصر به بحث زیرساخت کرد و باید به دیگر لایههای هوش مصنوعی هم پرداخت. بشخصه چندان نقش تولیدکنندگی در بحث زیرساخت هوش مصنوعی را ندیدهام. ازهمینرو شاید یکی از دلایلی که به این اندازه بر بحث زیرساخت تاکید میشود همین است که اساساً ما تولیدکننده زیرساخت نیستیم. بنابراین با این نگاه، قطعاً وضعیت فعلی ما مناسب انجام کار تخصصی در حوزه هوش مصنوعی نیست. باید زیرساخت هوش مصنوعی را تامین کنیم و در لایههای دیگر نیز طرحریزی لازم را انجام دهیم.
ابراهیمی مدیر بخش هوش مصنوعی توسعه محصول لاتک: به عقیده من، پشت هر سرویسی که از آن صحبت میشود، زیرساختی وجود دارد که طبق آن در دسترس است. در سطح هوش مصنوعی نیز طبیعتاً زیرساختهای گوناگونی در کنار هم قرار گرفته و در نهایت به کاربر ارائه شده است. بنابراین نمیتوان تمام لایههای زیرساختی لازم را نادیده گرفت و صرفاً سرویس را بررسی کرد. زنجیره ارزش هوش مصنوعی شامل سختافزار، مدلها و سرویسنهایی میشود و در این بین ارزشافزوده ما بر مدلها و سرویس است.
بنابراین به باور من، در بحث هوش مصنوعی باید تمام لایههای زنجیره ارزش را در نظر گرفت و در نهایت، بر اساس ارزشافزودهای که در کشور وجود دارد عمل کرد.
با توجه به تحریمهای اعمالشده بر کشور، چالش تامین سختافزار را چطور میتوان حل کرد و آیا با وجود این چالشها، میتوانیم امیدی به کاربرپذیری هوش مصنوعی در ایران داشته باشیم؟
علی موسوی مدیر ارشد پلتفرمهای مبتنی بر هوش مصنوعی فناپ: چالشهایی بزرگتر از تامین سختافزار و تحریم در مقابل توسعه هوش مصنوعی در ایران قرار دارد. تکنولوژی به هر قیمتی خریدنی است، مساله امروز کشور در حوزه هوش مصنوعی، محرمانگی و دولتیبودن داده است. به باور من، داده، نیروی انسانی و بعد از آن تکنولوژی از پیشنیازهای کاربردپذیری هوش مصنوعی در کشور است. این در حالی است که مراکز داده در کشور ما همچنان محرمانه بوده و در سطحBI باقی مانده است.
زیرساخت نیز یکی از پایههای اصلی توسعه هوش مصنوعی است و واردات کالاهای مربوط به آن با شرایط تحریمی بر تمام فرایند کاربردپذیری هوش مصنوعی در ایران تاثیر گذاشته است.
علی موسوی مدیر ارشد پلتفرمهای مبتنی بر هوش مصنوعی فناپ: پیشنیاز شروع هر پروژهای، تعریف هزینه و فایده آن است. بر این اساس، باید بررسی کرد پروژه به چه ابزاری نیاز دارد، داده متناسب وجود دارد یا خیر، زیرساخت نرمافزاری لازم برای استفاده از ظرفیت توسعه داده شده؟ و در نهایت، آیا منابع انسانی برای انجام این فرایندها وجود دارد؟
دولت معمولاً عادت دارد بگوید برای تولید یارانه میدهد. این در حالی است که این یارانه حقیقی نیست و عموماً خرج ابزاری میشود که بهواسطه خدمات بیکیفیت و فرسوده دولتی باید خریداری شود.
بنابراین به عقیده شما مساله واردات و داشتن آن سختافزار نیست؟
علی موسوی مدیر ارشد پلتفرمهای مبتنی بر هوش مصنوعی فناپ: مساله امروز ما تکنولوژی نیست. تکنولوژی آخرین لایه کاربردپذیری هوش مصنوعی است.
اگر بخواهید بین چالشهای سختافزاری و دادهای در کاربردپذیری و توسعه هوش مصنوعی در کشور برتری قائل شوید، به نظر شما کدامیک اهمیت بیشتری دارد؟
حسین بیانی مدیر ارشد فنی داتا: قبل از پاسخ به این سوال، باید توجه کرد در نهایت جامعه مسیر خود را طی کرده و امروزه تقریباً تمام مردم از اکانتهای هوش مصنوعی استفاده میکنند.
اگر داده را نفت آینده بشماریم و دغدغه نگهداری آن در کشور وجود داشته باشد، باید برنامهای هم به دنبال آن بیاید. تدوین برنامه نیز بر عهده بخش خصوصی نیست چراکه این بخش مسیر خود را طی کرده و نیازش را برطرف میکند.
دولت مستقیماً وارد بخش سختافزار شده و داده را فراموش کرده است. این مساله زمانی بیشتر نمود خواهد یافت که مقادیر زیادی سختافزار در انبارها دپو شود و حدود دو سال صرف ساخت زیرساخت شود. بعد از این مرحله در نبود داده، سرویسی نمیتواند ارائه شود. اگر نگاه ما به هوش مصنوعی چتبات است و قرار است چیزی شبیه با سرویسهایOpen AI ارائه شود، باید دید به اندازه داده و دیتاسنتر برای این پروژه در کشور وجود دارد و آیا بودجه در نظر گرفتهشده برای آن قایل مقایسه با بودجه کشورهایی مانند عربستان است یا خیر.
بنابراین داده پیش از هر چیز برای کاربردپذیری هوش مصنوعی اهمیت دارد. این در حالی است که ما دچار تب هوش مصنوعی شدهایم و داده را فراموش کردهایم. باید در همان دورانی که بحث اینترنت اشیا به میان آمد و پیامرسانها وارد شدند به بحث داده فکر میکردیم، هرچند هنوز هم دیر نشده و میتوان حداقل دیتاسنترهای قابل ارائه استاندارد به دانشگاهها و پژوهشگاهها را تدوین کرد. در صورت آمادهشدن چنین زیرساختی، مطمئنم نیازی به دیتاسنترهای بزرگ برای ارائه سرویس نخواهد بود. کسبوکارهای خصوصی به مرور زمان سختافزار خود را تهیه و سرویسها را عرضه میکنند.
در این بین باید در بخش دوم تعیین تکلیف کرد که دقیقاً قرار است در حوزهAI چه اقدامی انجام شود. در مثلث مغزافزار، نرمافزار و سختافزار، اگر قرار است سختافزاری تولید نشود، شاید بهتر باشد تمرکز خود را بر مغزافزار بگذاریم. امروزه یکی از بزرگترین مشکلات ما ازدستدادن نیروی متخصصی است که بخشی از آن از کشور خارج میشود و بخشی دیگر فریلنس کار میکند. از سمتی دیگر هم در کنار تهدید خروج داده از کشور، حوزه سختافزار در معرض تهدیدهای بیشتری است چراکه سختافزار تهیهشده از انویدیا همین حالا نیز بسیاری از تحریمها را بر ما اعمال کرده است. بر این اساس و طبق تجربهای که کشور چین و شرکت گوگل در پیش گرفتهاند، بهتر است سختافزار تنها از یک شرکت تهیه نشود.
با این تعاریف، دادهها بین خودمان قابل گردش نیست و بهانه دولت برای این اقدام چه چیزی است؟ مشکل امنیتی، حریم خصوصی یا نبود پروتکل؟
حسین بیانی مدیر ارشد فنی داتا: به اعتقاد من، اشتراکگذاری داده در تمام دنیا پروتکل مشخصی دارد. در ایران هرکس آن اندکداده خود را یا بهدلیل ازدستدادن سرمایه منتشر نمیکند یا اصلاً امیدی نسبت به خلق چیزی بزرگ از آن داده وجود ندارد.
منظور شما بازارگاه داده است که نداریم؟
حسین بیانی مدیر ارشد فنی داتا: آنچه از فروش داده به دست میآید مشخص است و ترس اصلی از اشتراکگذاری داده است. برای انتشار داده پروتکلهای گوناگونی مثل سیستم حاکمیت داده، گمنامسازی و… وجود دارد. بااینحال، به دلیل اینکه هیچگاه بر مساله داده تمرکز نکردهایم، مهندسی داده و حاکمیت داده از حلقههای گمشده توسعه هوش مصنوعی در کشور هستند.
ما در حوزه فناوری داده هم از بسیاری نقاط عقب هستیم. این در حالی است که جهان بهسمت شهر هوشمند رفته است و در آن کشورها مجبور به اشتراکگذاری داده ارگانهای گوناگون خود، بدون تجمیع و بههویترساندن آنها، هستند. شهرهای زیادی در کشورهای اطراف از جمله عربستان این مدل را پیادهسازی کردهاند. بنابراین به نظر من، باید تجربه کشورهای اطراف در این حوزه بررسی شود. حلکردن بحثهای تکنیکال مشروط بر این است که ابتدا نیاز به داده احساس شود.
علی موسوی مدیر ارشد پلتفرمهای مبتنی بر هوش مصنوعی فناپ: در سال ۱۳۸۳، پس از ورودم به ایران، اولین پروژهای که به من سپرده شد طرح تکفا بود. در آن دوره، بعد از بررسی متوجه شدیم کشور در حوزه تولید نرمافزار ضعف دارد. ازهمینرو، با ارائه وامهای کوچک، نرمافزارهای خارجی خریداری شد و هدف ایجاد یک فضای مشابه بازارAPI بود.
دو سال بعد، پروژه کارت سوخت آغاز شد. در آن زمان، اطلاعات خودروها در دسترس نبود و نمیدانستیم چند خودرو در کشور موجود است. بااینحال پلاکهای ایران ثبت شدند. امروزه میتوان گفت پروژه کارت سوخت به یکی از بهترین مرجعBI برای آغاز فعالیت و دسترسی بهLLM تبدیل شد.
باید توجه داشت دادههای پایه، دادههای مورد نیازLLM نبوده و دادههای تراکنش برای آن لازم است. در طول پروژه کارت سوخت، متوجه شدیم نیازمند شناسهای انحصاری به نامVIN هستیم و بعد از خلق آن، ازVIN در مابقی پروژهها از جمله پروژه کارت ملی استفاده کردیم.
اگر حجم سوختگیری هر استان در قالب یک مجموعه داده کامل و جامع ارائه میشد، حدود ۱۹سال داده ارائه میشد و راهکار بهتری برای مدیریت سوخت پیدا میشد. با وجود این، ما از دادههای خام بهسمت هوش مصنوعی پیش رفتیم. در این مسیر، در جهان پلتفرمهای داده وBI ایجاد شد و ۹۹درصد کاربردهای امروزی هوش مصنوعی در واقعBI است.
اعتماد به پلتفرمهای داخلی بهخصوص در پیامرسانها هیچگاه شکل نگرفت و این پیامرسانها سعی کردند با رفتن بهسمت سوپراپلیکیشنشدن و ارائه خدماتی مانند ارز زیارتی، شارژ و اینترنت ترافیک جذب کنند. با این پیشزمینه، فکر میکنید توسعه ابزارهای داخلی مبتنی بر هوش مصنوعی در لایه سکو یا پلتفرم چقدر میتواند اقبال عمومی را ببیند؟
مصطفی آقاسی مدیر محصول واحد ابریمنت مهیمن: پیش از پاسخ به این سوال مقدمهای از بحث قبلی طرح میکنم. مساله امروز ما نداشتن سیاست سطح بالاست و این مساله نیز برآمده از نبود متولی مشخص در این حوزه است. متولیهای متفاوتی برای این بخش وجود دارد که هیچیک مسئولیت کامل این بخش را بر عهده نمیگیرند. از سمتی دیگر در بحث داده، مفاهیمی مثل حکمرانی داده وجود دارد که کاملاً هم درست است اما همین موجب برداشت غلطی شده که بر آن اساس هر دادهای انحصاری میشود.
از سمتی دیگر بخشی از معضل نیروی انسانی به اقتصاد و بخشی دیگر به این موضوع برمیگیرد که نیروی انسانی اساساً کار ارزشمندی نمیبیند که بخواهد انجام دهد. در کشور کاربردپذیری هوش مصنوعی اتفاق نیفتاده و همین موجب شده تنها به خرید زیرساخت و ابزاری مثلGPU روی بیاوریم.
در بحث پلتفرمهای داخلی از جمله پیامرسانها نیز اگر مشخص نباشد که دقیقاً چه چیزی قرار است در کشور ارائه شود، مسیر در نهایت منحرف خواهد شد. تحریم همواره هزینه را بالا برده است اما باید توجه داشت که اگر حتی روزی تحریم هم برداشته شود و بتوانیم هر تعدادGPU را وارد کشور کنیم، آیا مابقی پیشزمینههای توسعه هوش مصنوعی در کشور فراهم شده است؟
به باور من، تنها در صورتی میتوانیم در حوزه پلتفرمها و پیامرسانهای داخلی موفق عمل کنیم که اقدامها بر اساس سطح فناوری موجود در کشور و نیازهای بومی انجام شوند. نگاه بالادستی در این مساله از سمت حاکمیت اهمیت زیادی دارد و این نهاد میتواند با تقسیم وظایف مشخص کند که بازوهای توانمند بخش خصوصی چه نقشی در این مسیر ایفا کنند.
امروزه کشور امارات وزیر هوش مصنوعی تعیین کرده است، که حتی اگر در حد یک اسم باشد هم بهدلیل مشخصشدن نهاد متولی اقدامی بسیار مهم است. این در حالی است که در ایران روزی سازمانی برای هوش مصنوعی تشکیل میشود و روزی دیگر از بین میرود، بخش خصوصی نیز نمیتواند تدوینکننده سیاستها باشد و صرفاً اجراکننده سیاستهای کلی است. به نظر من، این از مهمترین موضوعاتی است که باید در بومیسازی مد نظر قرار گیرد.
اگر فرض را بر حلشدن مساله اینترنت و داده بگذاریم، به نظر شما اعتماد کاربران به حوزه هوش مصنوعی داخلی را چطور میتوان دوباره جلب کرد؟
ابراهیمی مدیر بخش هوش مصنوعی توسعه محصول لاتک: به نظر من، مشکل اصلی ما در حوزه هوش مصنوعی نبود معماری مشخص است. وظیفه اصلی فناوری اطلاعات حکمرانی داده است. بااینحال امروزه تعداد زیادی سامانه وجود دارد که هر یک بهصورت متفرقه کار میکنند و بزرگترین اقدامی که در قبال آنها انجام گرفته وصل کردنشان به یکدیگر از طریق دیتاسنترها و نیروی انسانی است. در غیاب معماری مشخص، دادههای سازمان در یک سمت و نگاه مدیران در سمتی دیگر قرار گرفته است. از سمتی دیگر ساختار فرایند فناوری بهنوعی است که داده باید در گردش باشد و ازهمینرو تمام فناوریها در بخش حاکمیت گیر افتادهاند. در این بین پارادایمی جدید به نام هوش مصنوعی به میان آمده که قصد دارد وارد بخش فناوری شود.
اگر معضل معماری در مقوله هوش مصنوعی نیز به برطرف نشود، در نهایت دچار وضعیت فعلی حوزه فناوری اطلاعات کشور خواهد شد. به باور من، در بحث هوش مصنوعی بهترتیب یوزکیس، داده و بعد از آن زیرساخت اهمیت زیادی دارد. همچنین نهادی باید مسئولیت اصلی را بر عهده گیرد و وظایف را تقسیمبندی کند تا طبق یک معماری مشخص هر بخش تکلیف اصلی خود را انجام دهد.
با توجه به شناخت شما از بازار، چه کاربردهای مشخصی در لایههای حاکمیتی و عمومی در ایران دارد؟
ابراهیمی مدیر بخش هوش مصنوعی توسعه محصول لاتک: با توجه به پیری جمعیت بهترین حوزه در بخش کاربردها و عاملهای هوش در لایه سلامت است. همچنین در بخش دانشی و دانشگاهی نیز عاملهای هوش میتوانند به خوبی کار کنند. درحال حاضر نیز روی به وجود آوردن دستیار هوش مصنوعی معلم و پزشک فعالیت میکنیم. همچنین در حوزه مشاوره و صنعت نیز عاملهای هوش مصنوعی میتوانند فعالیت کنند. در صنعت دستیارهای هوش مصنوعی میتوانند کارایی صنعت را افزایش داده و کارهای تکراری کارمندان را انجام دهند. دستیارهای هوش مصنوعی در حوزه تحول سازمانی کارهای بینظیری میتوانند انجام دهند. مشکل به باور من این است که هیچ نهادی چارچوب معماری و حاکمیت هوش مصنوعی را بر عهده نمیگیرد. تکنولوژی هر روز در حال تغییر و توسعه است و میتواند اقدامات بزرگی در حوزه داده انجام دهد. از سمتی دیگر دانش لازم برای فعالیت در این حوزه نیز در کشور موجود است. بااینحال حاکمیت سیاست مناسبی برای ورود به لایههای هوش مصنوعی پیشه نکرده است.
معاونت علمی خود را متولی هوش مصنوعی در کشور معرفی کرده است، با توجه به بندهای موجود در سند هوش مصنوعی، به نظر شما آیا معاونت علمی توانسته چارچوب لازم در حوزه سیاستگذاری هوش مصنوعی را پیش ببرد و با بخش خصوصی ارتباط مناسب برقرار کند؟
علی موسوی مدیر ارشد پلتفرمهای مبتنی بر هوش مصنوعی فناپ: تنها زمانی میتوان درباره مسالهای تصمیمگیری کرد که صفر تا صد آن موضوع در اختیار یک نهاد قرار گرفته باشد. بر این اساس تا زمانی که هوش مصنوعی در اختیار نهاد مشخصی قرار نگیرد، اقدام ویژهای صورت نخواهد گرفت. نهایت اتفاقی که در معاونت رقم خورده و اتفاقاً برای دانشجویان هم فرصت خوبی است، سپردن هر سازمان به یک دانشگاه برای انجام کارهای مربوط به هوش مصنوعی است.
نظر شما درباره ادعای معاونت علمی مبنی بر اینکه متولی هوش مصنوعی است چیست؟
حسین بیانی مدیر ارشد فنی داتا: من فکر میکنم دیدگاههای گوناگونی در زمینه هوش مصنوعی وجود دارد و هرکس بنا بر نوع دیدگاه خود، راهحلی برای این حوزه پیشنهاد میدهد. بعد از آن، بسته به اینکه ارائهدهنده راهحل تا چه حد به معاونت نزدیک است، میتواند پیشنهاد خود را به معاونت بدهد. سپس حدود شش ماه تا یک سال زمان میبرد که معاونت متوجه اشتباه خود در بهکارگیری آن راهحل بشود. ماجرای سکوها را میتوانیم از جمله این اشتباهها به شمار آوریم.
معاونت تنها طبق شنیدهها و ابزارهای جلوی دست خود برخی از کارها را پیش میبرد و بیش از این هم نمیتوان از آن انتظار داشت. این در حالی است که ما درباره عناصر سازندهای صحبت میکنیم که اگر آنها را نداشته باشیم به جایی نخواهیم رسید.
هرچقدر هم که بخواهیم واقعیت را انکار کنیم، در نهایت مسیر پیش خواهد رفت؛ کسبوکارها مسیر خود را پیدا میکنند و در انتظار سیاستگذاری دولت نمیمانند. به نظر من، بخش دولتی صرفاً بر اساس بودجهای که دارد برای ایدهها سرمایهگذاری میکند حالآنکه موانع زیادی سر راه بسیاری از موارد طرحشده قرار دارد؛ برای مثال در حوزه بهداشت و درمان ایدهای ساده طرح کردهایم که بهدلیل حضور پرشمار متولیان حداقل شش هفت سالی میشود که به نتیجهای نرسیده است. کلیت ایده نیز بر این مبناست که سیستم پس از ثبت نسخه پزشک، تداخلات دارویی بیمار را بررسی میکند. مساله نبود نهاد متولی مشخص نیز تمام حوزههای کشور را دربر میگیرد. از سمتی دیگر در حال حاضر شاهد رقابت شدید معاونت علمی و وزارت ارتباطات در این حوزهها نیز هستیم.
من منتقد سند هوش مصنوعی و بسیاری از اقدامات صورتگرفته هستم؛ برای مثال وزارتخانه در حوزه آموزشوپرورش پلتفرم شاد را در حالی برای آموزش آنلاین راه انداخته است که تعداد زیادی پلتفرم آموزش آنلاین وجود دارد.
نمیتوان از بخش خصوصی توقع تدوین سند در حوزه هوش مصنوعی داشت. این بخش هوش مصنوعی را با کمترین هزینه و کمترین زیرساخت راهاندازی میکند و این در حالی است که دولت با بیشترین هزینه، اقداماتی کوچک و بعضاً بدون بازخورد انجام میدهد. بنابراین، وجود متولی برای جمعآوری فعالان این حوزه ضروری است. شاید فعلاً نیازی به زیرساخت داده نباشد اما باید استراتژی این مسیر مشخص باشد.
فکر میکنید اکنون معاونت به جایگاهی رسیده است که بتواند درباره سکوی ملی هوش مصنوعی صحبت و آن را به کاربردیسازی نزدیک کند؟
مصطفی آقاسی مدیر محصول واحد ابریمنت مهیمن: به باور من تاکنون بخش خصوصی در حوزه هوش مصنوعی اقداماتی مثبت و تحسینبرانگیز انجام داده است. بنابراین نمیتوان گفت باید دست از اقدام برداشت تا نهاد متولی مشخص شود. در بحث معاونت علمی هم احساس میکنم کارهای انجامشده مبتنی بر نیاز نبوده است، چراکه حتی ضرورت پدیدآمدن این سکو نیز مشخص نشده است. بشخصه همچنان نمیدانم سکوی ملی هوش مصنوعی برای کدام نیاز اکوسیستم دیجیتال کشور به وجود آمده است. ممکن است این سکو بعد از تحقیقهای صورتگرفته و بهدنبال کاربردپذیری هوش مصنوعی در کشور به وجود آمده باشد اما هیچگاه به این مساله پرداخته نشده که قرار است دقیقاً چه نیازی وابسته به این سکو برطرف شود. ما در محصولات خود سکو و بازارگاه را پیرو شکلگیریAPI و مدل آن تولید کردهایم. این در شرایطی است که ما یک ارائهدهنده خرد و معاونت علمی ارائهدهندهای کلان است. فارغ از این موضوع، این سوال نیز پیش میآید که معاونت بازیگر این حوزه است یا قانونگذار. به باور من، اگر حاکمیت در نقش قانونگذار فعالیت کند یا حداقل در خطوط اصلی اجرا قرار بگیرد بهتر است.
بخشی از نیازمندی بخش درمان در حوزه هوش مصنوعی است. باید بررسی کرد که آیا این نیاز در معاونت علمی مطرح شده است تا بر اساس آن نیاز سکو بتواند در نهایت پاسخگو باشد یا خیر. در این شرایط وقتی کسی از رفع نیاز خود بر اساس سکوی ایجادشده صحبت نمیکند، به این معناست که سکو صرفاً بر اساس دغدغه شکل گرفته و نتوانسته نیاز را برطرف و زنجیره ارزش خلق کند.
به نظر میرسد مساله بیشتر مربوط به نوع مواجهه معاونت با حوزه هوش مصنوعی است. آیا میتوان گفت معاونت با تجربهای که کسب کرده، خود تبدیل به رقیبی در این حوزه شده است؟
ابراهیمی: طبق تجربه خودم در پیادهسازی فناوری در سازمانها، اغلب شاهد کشمکش بین مدیران ارشد فناوری(CEO وCTO) هستیم. این اتفاق معمولاً بهدلیل درگیری سیاستگذاری و اجرا در پروژهها رخ میدهد و در حوزه هوش مصنوعی نباید این مشکل تکرار شود. بخش فناوری همواره تحت فشار نیازهای سازمانی از درون و پیشرفتهای تکنولوژی از بیرون بوده و وظیفه اصلی فناوری، برقراری توازن بین این دو نیروست. با استقرار زیرساخت مناسب و تدوین سیاستهای درست، میتوان از ترکیب غیرضروری سیاستگذاری و اجرا اجتناب کرد و به فناوری اجازه داد به بهترین نحو به هدف خود دست یابد؛ به عبارت دیگر، تمرکز باید بر ایجاد زیرساخت و تدوین سیاستهای مناسب باشد تا نیازها و تکنولوژی بتوانند بهصورت هماهنگ و کارآمد در کنار هم فعالیت کنند.
برای توسعه هوش مصنوعی، ایجاد معماری و سیاستگذاری مناسب و دعوت از مشارکت بازیگران مختلف در بخشهای گوناگون ضروری است. جداکردن سیاستگذاری از اجرا بهدلیل تحولات سریع و مداوم در حوزه تکنولوژی هوش مصنوعی اهمیت ویژهای دارد زیرا سیاستگذاری نیازمند بهروزرسانی مستمر است و نباید با فرایند اجرا ترکیب شود. در حال حاضر، مشکل اصلی این است که نهاد سیاستگذار و اجرایی در هم آمیختهاند، درحالیکه بسیاری از افراد و سازمانها برای اجرای پروژهها آماده هستند. در نتیجه، باید اطمینان حاصل کرد که سیاستگذاری مستقل صورت گیرد و بازیگران گوناگون در حوزههای تخصصی خود مشارکت کنند تا توسعه هوش مصنوعی به نحو احسن پیش رود.
حسین بیانی مدیر ارشد فنی داتا: در نقاطی سیاستگذار مجبور به ورود در مسائل اجرایی است. اگر سیاستگذار به این سمت برود که بخواهد از خروج داده جلوگیری کند و مدلهای بومی خود را داشته باشد، زیرساخت لازم به قدری بزرگ میشود که در توان بخش خصوصی نخواهد بود و به ورود بخش دولتی نیاز است.
ابراهیمی مدیر بخش هوش مصنوعی توسعه محصول لاتک: در دنیا تنها در دو حوزه سلامت و دفاع باید مدل هوش مصنوعی خودتان را داشته باشید.
حسین بیانی مدیر ارشد فنی داتا: در نهایت باید مشخص شود که چه سرویسهایی با چه زیرساختهایی قرار است عرضه شود. همچنین باید بررسی کرد که برای این اقدامات چه طیف نرمافزاری نیاز است.
در جمعبندی نهایی چه نظری دراینباره دارید؟
علی موسوی مدیر ارشد پلتفرمهای مبتنی بر هوش مصنوعی فناپ: امروز تمام مراکز داده فدای هوش مصنوعی شده است و ای کاش ماجرا برعکس بود. یکی از اصلیترین مباحث نامبرده در صحبت امروز مراکز داده بود که برای کشور بسیار حیاتی است. آمار رسمیای از تعداد مراکز داده موجود در کشور در دست نیست، اما بهطور کلی ۲۰مرکز داده تجاری و حدود ۲۰۰مرکز داده در بخش دولتی وجود دارد. توسعه مراکز داده اهمیت زیادی دارد و به نظر من باید بیش از واردکردنGPU به توسعه این مراکز توجه شود.
فکر میکنید چند مرکز داده در کشور کم داریم؟
علی موسوی مدیر ارشد پلتفرمهای مبتنی بر هوش مصنوعی فناپ: عدد واقعیای در این حوزه وجود ندارد. یکی از اقدامات خوبی که عربستان در این حوزه انجام داده ممنوعیت ورود بخش دولتی در موضوع مراکز دادهای و سپردن کامل این حوزه به بخش خصوصی بوده است.
ذهنیت پشت این مساله چه بوده است؟
علی موسوی مدیر ارشد پلتفرمهای مبتنی بر هوش مصنوعی فناپ: علتش این بوده که مالکیت داده متعلق به پلتفرم است نه حکمران. این در حالی است که در کشور ما حاکمیت، داده را حق خود میداند. کمتر از ۱۵هزار رگ نمیتواند جوابگوی ما باشد و حداقل پنج برابر دیگر مرکز داده در کشور نیاز داریم. همچنین باید برای نیاز حوزههای انرژی، نیروی انسانی، امنیت و… این مراکز داده نیز برنامهریزی کرد. یکی دیگر از مسائل مهم، حکمرانی داده است و باید این را در نظر گرفت که مدیریت داده قبل از حکمرانی داده است.
منظور شما از مدیریت داده چیست؟
علی موسوی مدیر ارشد پلتفرمهای مبتنی بر هوش مصنوعی فناپ: مدیریت داده رویدادی است که طی فرایند تولید داده اتفاق میافتد تا داده نهایی درست و هدفمند تشکیل شود. امروزه ۹۰درصد دیتای تولیدشده در کشور بر اساس نیاز مدیر است نه بر اساس دادههای واقعی. هنوز در کشور بخش مدیریت دادهای نداریم که درخور توجه باشد.
پیش از اینکه درباره مدیریت داده صحبت شود باید مرکز داده و داده پلتفرمی وجود داشته باشد. قبل از ساخت مرکز داده باید هدف ساخت آن بررسی شود. امروز بهشدت به سرویسهای ابری و بعد از آن به شبکه بلاکچین و هوش مصنوعی نیازمندیم.
حسین بیانی مدیر ارشد فنی داتا: درباره داده با آقای موسوی موافقم. به عقیده من آنچه در دادههای هوش مصنوعی وجود ندارد سیاستگذاری مناسب است. داده بر اساس خواسته مدیر و نه بر اساس استاندارهای جهانی جمع میشود و همین نیاز به سیاستگذاری را دوچندان میکند. داده حوزههایی مانند سلامت، نظامی، محل سکونت، تراکنشی و… از جمله دادههایی هستند که در جای خود اهمیت زیادی دارند و بخشی از حریم خصوصی افراد را شامل میشوند. برای این دادهها نیز روشهای مشخصی بهمنظور استانداردسازی، روش اشتراکگذاری، گمنامسازی و حفاظت اطلاعاتی وجود دارد. امیدوارم نگاهها در کشور ازGPU و هوش مصنوعی بهسمت داده معطوف شود. منابع دادهای ارزشمندی در کشور وجود دارد که چون بیاستفاده ماندهاند در حال پاکشدن هستند.
مصطفی آقاسی مدیر محصول واحد ابریمنت مهیمن: به نظر من، بعد از راهاندازی دیتاسنترها، باید نقشآفرینی ابری بیشتری داشته باشیم. هدف این است که زیرساختهای ملی را به لایههای مختلف کلاد تقسیم کنیم. بدینترتیب که دادههایی که ورودشان به ابر عمومی ملاحظات امنیتی دارد در ابرهای خصوصی و دادههای عمومی در ابرهای عمومی نگهداری شوند، و برخی دیگر هم میتوانند بدون استفاده از ابر فعالیت کنند. این رویکرد در سطح جهان پذیرفته شده اما ما هنوز در سطوح سیاستگذاری و فرهنگسازی ابتدایی ماندهایم و باید از ظرفیتهای مناسب کلاد بهدرستی بهرهبرداری کنیم.
هوش مصنوعی، انرژی و مصرف منابع را میتوان با قابلیتهای ابر بهصورت موثرتری مدیریت کرد. کلاد، بهویژه با ویژگیهای بهینهپذیری، مدیریتپذیری و امنیت بالا، امکان حفاظت بهتری از دادهها فراهم میکند. هوش مصنوعی خود نوآوری نیست، بلکه سرعت تحول فناوری اطلاعات را در جهان افزایش داده است. بنابراین باید سرعت اجرای کارهای بهینه را ارتقا داد و حاکمیت نقش حمایتی این فرایند را ایفا کند.
طبق آمار منتشرشده از سازمان فناوری اطلاعات، بازار خدمات ابری کشور حدود ۸۰همت تخمین زده میشود، اما تاکنون فقط دو سه همت از آن بهصورت واقعی فعال شده است. دلیل اصلی این فاصله، حضور یک بخش دولتی سنگین است که مانع اجرای موثر میشود. ابر دولتی اگر بهدرستی شکل گیرد، به شرط اینکه دولت در نقش حمایتگری و سیاستگذاری باقی بماند، اتفاق خوبی خواهد بود.
ابراهیمی مدیر بخش هوش مصنوعی توسعه محصول لاتک: من همچنان بر این باورم که باید روی معماری درست هوش مصنوعی فکر و بر همان اساس تقسیم وظایف کرد. در این بین باید تمام ظرفیتهای کشور در توسعه هوش مصنوعی بررسی و از ظرفیت تمام بازیگران استفاده شود. در نهایت باید کماکان بر این مساله تاکید شود که رگولاتور نباید بهسمت اقدامات اجرایی رود. امروزه هوش مصنوعی شرایط اقتصادی، فرهنگی و سیاسی بخصوصی در کشورها به وجود آورده که بر آن اساس کشورها با هم در رقابت هستند. هوش مصنوعی عاملمحور نیز از موارد مهم دیگری است که تاکید و سرمایهگذاری روی آن میتواند در کاهش هزینهها نقش بسزایی ایفا کند.
آنچه خواندید نسخه متنی میزگردی است که در ابتدای بهمن ۱۴۰۴ توسط نشریه پیوست برگزار و در شماره ۱۴۲ این نشریه منتشر شد.
