به گزارش ثریا -  در جهان امروز که سرعت پردازش داده‌ها با شتابی سرسام‌آور در حال افزایش است، قدرت یک کشور دیگر تنها با مساحت سرزمینی یا ذخایر طبیعی‌اش سنجیده نمی‌شود؛ بلکه با تعداد عملیات پردازشی در ثانیه، ظرفیت مراکز داده و توانایی‌اش در آموزش مدل‌های هوش مصنوعی شناخته می‌شود.

در عصر دیجیتال، توان پردازشی همان زیرساخت پنهانی است که پایه‌گذار تحولاتی عظیم در علوم، امنیت، اقتصاد و فرهنگ شده است. کشورهایی که به ابررایانه‌ها و خوشه‌های محاسباتی پیشرفته دسترسی دارند، اکنون در خط مقدم توسعه فناوری‌های نوینی چون هوش مصنوعی مولد، مدل‌های زبانی بزرگ و تحلیل کلان‌داده‌ها قرار گرفته‌اند. این رقابت فناورانه، عرصه‌ای تازه اما تعیین‌کننده در معادلات ژئوپلیتیکی جهان پدید آورده است.

از این رو در عصر حاضر، توان پردازشی (Computational Power) به‌عنوان یکی از مؤلفه‌های کلیدی قدرت فناورانه و دیجیتال کشورها شناخته می‌شود. این توان نه‌تنها زیرساخت اصلی توسعه مدل‌های بزرگ هوش مصنوعی محسوب می‌شود، بلکه در حوزه‌هایی همچون تحقیقات علمی، پیش‌بینی آب‌وهوا، طراحی دارو، امنیت سایبری و صنایع دفاعی نیز نقش تعیین‌کننده‌ای دارد.

توان پردازشی معمولاً با واحدهایی مانند ترافلاپس (TFLOPS) یا پتافلاپس (PFLOPS) سنجیده می‌شود و به معنای تعداد عملیات ممیز شناور در ثانیه است که یک سیستم می‌تواند انجام دهد. هر چه این عدد بیشتر باشد، رایانه یا خوشه پردازشی می‌تواند مسائل پیچیده‌تری را سریع‌تر حل کند.

بر اساس آخرین فهرست TOP۵۰۰ که مرجع بین‌المللی رتبه‌بندی سریع‌ترین ابررایانه‌های جهان است، کشورهای زیر در صدر قرار دارند:

ایالات متحده آمریکا: پیشرو در تعداد ابررایانه‌ها و قدرت خام، دارای سریع‌ترین ابررایانه جهان به نام Frontier با توان حدود ۱.۲ اگزافلاپس و زیرساخت اصلی مدل‌های مطرح مانند GPT-۴، Claude و Gemini.

چین: میزبان ده‌ها ابررایانه قدرتمند، دارای توان پردازشی ملی بسیار بالا، در حال توسعه مدل‌های بومی پیشرفته مانند WuDao و Zhipu.

ژاپن: ابررایانه Fugaku یکی از پیشرفته‌ترین‌ها با بیش از ۵۰۰ پتافلاپس توان عملیاتی، سرمایه‌گذاری متمرکز بر هوش مصنوعی صنعتی و سلامت.

آلمان: قدرتمندترین زیرساخت HPC در اتحادیه اروپا، میزبان ابررایانه‌های تحقیقاتی با کاربرد در علوم هواشناسی و بیوانفورماتیک.

امارات متحده عربی: یک بازیگر نوظهور در حوزه توان پردازشی با در اختیار داشتن ابررایانه Condor Galaxy با توان بیش از ۷۰ پتافلاپس و در حال تبدیل شدن به قطب منطقه‌ای هوش مصنوعی، توسعه دو مدل زبانی پیشرفته Falcon و Jais.

جایگاه ایران در توان پردازشی

ایران در سال‌های اخیر تلاش‌هایی برای توسعه زیرساخت‌های هوش مصنوعی و ابررایانه‌ها داشته است. بر اساس اعلام معاونت علمی ریاست‌جمهوری، توان پردازشی تجمیعی کشور در حوزه هوش مصنوعی حدود ۷۰ پتافلاپس است. این رقم در سطح منطقه‌ای عدد قابل قبولی محسوب می‌شود، اما برای رقابت جهانی و تربیت مدل‌های زبانی بزرگ نیازمند سرمایه‌گذاری بسیار بیشتر، همکاری‌های بین‌المللی و ارتقای سخت‌افزارهای محاسباتی است.

این در حالی است که تا تاریخ نوامبر ۲۰۲۴، هیچ‌یک از ابررایانه‌های ایران در فهرست «TOP۵۰۰»که معتبرترین رتبه‌بندی جهانی برای قدرتمندترین ابررایانه‌ها است، قرار نگرفته‌اند. این فهرست شامل ۵۰۰ سیستم برتر جهان بر اساس توان پردازشی آن‌ها و به‌روزرسانی‌های آن دو بار در سال منتشر می‌شود.

ابررایانه «سیمرغ» که در سال ۲۰۲۱ توسط دانشگاه صنعتی امیرکبیر معرفی شد، با توان پردازشی اولیه ۰٫۵۶ پتافلاپس و هدف‌گذاری برای رسیدن به ۱ پتافلاپس، قدرتمندترین سیستم معرفی‌شده در ایران است. با این حال، حتی در صورت دستیابی به این هدف، سیمرغ به‌دلیل محدودیت‌های فنی و تحریمی، در فهرست رسمی TOP۵۰۰ ثبت نشده است.

در مجموع، ایران تاکنون موفق به ثبت هیچ ابررایانه‌ای در فهرست TOP۵۰۰ نشده است.

در حالی که جهان به سمت اگزافلاپس (Exaflops) و حتی زتافلاپس (Zettaflops) حرکت می‌کند، اهمیت دسترسی به انرژی پاک، طراحی تراشه‌های بومی و استقلال در حوزه سخت‌افزار بیش از پیش مورد توجه قرار گرفته است. کشورهایی که بتوانند این مؤلفه‌ها را با هم ترکیب کنند، به رهبران آینده فناوری‌های تحول‌آفرین تبدیل خواهند شد.

سردرگمی نهادی و لزوم چابکی

محمد محمدزاده ضیابری، مدیرعامل یکی از شرکت‌های دانش بنیان و رئیس کمیسیون هوش مصنوعی سازمان نظام صنفی رایانه‌ای تهران با اشاره به وضعیت سازمان هوش مصنوعی و تبدیل شدن آن به ستادی ذیل معاونت علمی و فناوری ریاست جمهوری، به ایسنا گفت: این موضوع هنوز به‌طور دقیق مشخص نیست. به‌علاوه، این مصوبه از نظر قانونی محل اشکال است، چراکه دولت نمی‌تواند در برابر قانون بالادستی مصوبه‌ای داشته باشد. در این زمینه، قانون بالادستی کشور، سند ملی هوش مصنوعی مصوب شورای عالی انقلاب فرهنگی است.

وی ادامه داد: در طرح ملی هوش مصنوعی که در دستور کار مجلس شورای اسلامی قرار دارد، تلاش شده است تمرکز و انسجام بیشتری در این حوزه ایجاد شود. چراکه در سال‌های اخیر، به‌ویژه پس از صدور فرمان مقام معظم رهبری مبنی بر دستیابی به جایگاه ۱۰ کشور برتر جهان در حوزه هوش مصنوعی، رقابت‌ها و اختلافاتی میان دستگاه‌های مختلف برای تصدی مسئولیت این حوزه شکل گرفته بود. این طرح بر مصوبه شورای عالی انقلاب فرهنگی تأکید دارد و سعی کرده روابط میان نهادهای مختلف را روشن و شفاف کند.

ضیابری با بیان اینکه در این طرح ملی، روابط میان دستگاه‌ها در این حوزه مشخص شده است، اظهار کرد: چابکی این سازمان و ایجاد صندوق هوش مصنوعی از جمله مواردی است که در آن دیده شده است. نمی‌توان گفت که این سند یک قانون جامع و کاملی است، ولی در شرایط جاری که شاهد رکود هوش مصنوعی از سمت دولت و حاکمیت هستیم، می‌تواند راهگشا باشد.

از هم‌گامی با جهان تا منازعات داخلی

وی در تشریح روند دولت‌ها در حوزه هوش مصنوعی، گفت: پیش از سال ۱۴۰۰ و صدور فرمان مقام معظم رهبری، وضعیت کشور در این حوزه نسبتاً همگام با روندهای جهانی بود و حتی صادرات فناوری هوش مصنوعی به کشورهایی مانند ژاپن، آمریکا، کانادا و کشورهای اروپایی نیز صورت می‌گرفت. اما پس از صدور این فرمان و هم‌زمان با ظهور مدل‌هایی چون ChatGPT، تحولات این حوزه با سرعت چشمگیری شتاب گرفت، در حالی که ما درگیر اختلافات داخلی برای تعیین متولی این حوزه بودیم.

مدیر عامل این شرکت دانش‌بنیان خاطر نشان کرد: بعد از صدور فرمان مقام معظم رهبری و ورود چت جی پی تی، بازی هوش مصنوعی تغییر کرد و با شتاب زیادی به پیش رفت و ما در آن زمان درگیر منازعاتی شدیم که کدام دستگاه متولی این حوزه باشد و از سوی دیگر هوش مصنوعی نیاز به منابع عظیم مالی دارد و بخش خصوصی حدی از این منابع را می‌تواند تامین کند.

وی با بیان اینکه در کشورهایی مانند امریکا که ادعا دارند که همه کارها از سوی بخش خصوصی انجام می‌شود، یک ستاد در کاخ سفید راه‌اندازی شده است، ادامه داد: این که برخی‌ها این سؤال را می‌پرسند که آیا در همه کشورهای دنیا سند هوش مصنوعی تدوین شده است؟ پاسخ آن مثبت خواهد بود. کشور امارات وزارتخانه هوش مصنوعی ایجاد کرده و به واسطه آن در کل کشورهای عربی تنها کشوری بود که مدل زبانی بزرگ اختصاصی را توسعه داد، فالکون (Falcon) و جیس (Jais) را توسعه داده است که هر دو از مهم‌ترین پروژه‌های هوش مصنوعی در جهان عرب محسوب می‌شوند.

ضیابری با بیان اینکه کشورهایی چون ژاپن و کره نیز همین راه را رفته‌اند، تاکید کرد: اکثر کشورها فناوری‌های هوش مصنوعی خود را طبق سند ملی خودشان توسعه دادند. دور اول سند این کشورها به پایان رسید و سند دوم هوش مصنوعی را تدوین کردند. همه کشورهای پیشرو در این حوزه بر اساس برنامه‌ای، جلو رفتند.

توسعه مدل‌های زبانی

وی با اشاره مدل‌های زبانی هوش مصنوعی با بیان اینکه اگر دو سه سال قبل وارد این عرصه می‌شدیم وکارهای لازم را انجام می‌دادیم می‌توانستیم تا حدودی همپای کشوری دیگر به پیش برویم، اظهار کرد: در حال حاضر با توجه به تحریم‌هایی که علیه کشور وجود دارد، جبران فاصله کشور با مدل‌های زبانی خیلی بزرگ تقریبا نشدنی است، ولی می‌توانیم در توسعه مدل‌های زبانی کارهایی را انجام دهیم که واجب است.

ضیابری نمونه این کارهای بزرگ را فاین‌تیونینگ (Fine-tuning) (برداشتن یک مدل بزرگ از پیش آموزش‌دیده، مثل GPT یا BERT و آموزش دادن بیشتر آن روی داده‌ها، تا مدل متناسب با نیاز خاص عمل کند)، اینسپشونینگ (Instruct fine-tuning) دانست و گفت: در این زمینه نیز هر روز عقب و عقب‌تر می‌افتیم و نیاز است با سرعت و چابکی بیشتری در این حوزه حرکت کنیم.

افزایش توان پردازشی

مدیر عامل این شرکت دانش‌بنیان در خصوص توان پردازشی کشور با بیان اینکه هیچ نهادی حتی معاونت علمی نمی‌تواند عدد دقیقی در این زمینه ارائه کند، یادآور شد: وضعیت کشور در زمینه توان پردازشی وضعیت مطلوبی نیست، ولی در یک سال اخیر خیلی از ارگان‌ها و سازمان‌ها و حتی بخش‌های خصوصی بزرگ اقدام به واردات زیرساخت‌های پردازشی کردند، ولی چون این زیرساخت‌ها بسیار پراکنده است، عملا تلفات ما خیلی بیشتر از ظرفیت‌های پردازشی است که در اختیار داریم.

ضیابری، گفت: در این زمینه ابتدا باید مشخص شود که در توان پردازشی به چه چیزی نیاز داریم. متاسفانه چه در سطح دولت و چه در سطح شرکت‌های خصوصی بزرگ، به ترندهای جهانی نگاه می‌کنند و به سراغ کارت‌های گرافیکی بسیار گرانقیمت رفته‌اند که لایسنس‌ها و کاربری خاص خود را دارد و همگان تمرکز خود را بر توسعه مدل‌های زبانی بزرگ گذاشته‌اند.

وی با بیان اینکه مدل‌های زبانی بزرگ در خوش‌بینانه‌ترین حالت تنها ۱۰ تا ۲۰ درصد از کل ظرفیت هوش مصنوعی را در بر می‌گیرند، گفت: این مدل‌ها بسیار گران‌قیمت بوده و نیازمند زیرساخت‌های عظیم پردازشی هستند، اما در مجموع تنها بخشی محدود از کاربردهای هوش مصنوعی را شامل می‌شوند. در کشور ما، مسائلی که باید با هوش مصنوعی حل شوند عمدتاً مدل‌های زبانی نیستند؛ این مدل‌ها در واقع نوعی کالای لوکس و پرهزینه‌اند. در حالی‌که اولویت ما باید استفاده از هوش مصنوعی برای حل چالش‌هایی همچون ناترازی آب، ناترازی انرژی، کشاورزی، دامپروری، صنعت فولاد، نفت، معدن و سایر حوزه‌های حیاتی باشد.

این فعال حوزه فناوری اطلاعات تأکید کرد: ما با هزاران مسأله روبرو هستیم که می‌توان آن‌ها را با مدل‌های ساده‌تر و کم‌هزینه‌تر هوش مصنوعی، مبتنی بر زیرساخت‌های بومی و با نگاهی دقیق و مهندسی‌شده، حل کرد و به بهره‌برداری مناسب رساند. اما در حال حاضر، تمرکز اصلی کشور بر توسعه مدل‌های زبانی بزرگ و زیرساخت‌های گران‌قیمت مورد نیاز آن‌ها قرار گرفته است، در حالی‌که این تمرکز لزوماً با نیازهای واقعی ما هم‌راستا نیست.

توسعه سکوهای رونمایی شده در کشور

مدیر عامل این شرکت دانش‌بنیان در خصوص سکوهای هوش مصنوعی رونمایی شده از سوی معاونت علمی با بیان اینکه در حال حاضر معاونت علمی به این نتیجه رسید که باید بخش خصوصی در این حوزه وارد شود، گفت: با انتشار فراخوانی از سوی این معاونت، شرکت‌هایی در این حوزه فعال شده‌اند ولی زمان لازم است که این سکوها به نقطه ثقلی برسند که بتوان نام آن را سکو گذاشت، تا بتوان از آن بهره‌برداری کرد.

به گفته وی در حال حاضر حتی این سکوها را نمی‌توان MVP  نامید و تنها  در فاز آزمایشگاهی است.

وی با اشاره به اقدام معاونت علمی برای وارد کردن GPUها و توسعه زیرساخت، اظهار کرد: ظرفیت‌های این حوزه ظرفیت‌های پنهانی است که از سوی بخش‌های دولتی و خصوصی و خصولتی فراهم شده که نه اطلاع داریم و نه معاونت علمی و نه هیچ نهاد دیگری اطلاع ندارد که این ظرفیت‌های پنهان به چه صورت است و برای این ظرفیت‌های پراکنده نمی‌توان برنامه ریزی کرد.

ضیابری تاکید کرد: ولی اگر ما سکوی کاملی داشته باشیم که بتوان از آن بهره‌برداری کرد، ظرفیت‌های پراکنده تجمیع می‌شوند تا کل کشور از امکانات آن بهره‌مند شوند.

منبع : هوش مصنوعی