به گزارش ثریا ، معاونت علمی، فناوری و اقتصاد دانش‌بنیان ریاست‌جمهوری، نشست خبری «اقدامات و برنامه‌های معاونت علمی در حوزه هوش مصنوعی در یک سال گذشته» با حضور عبدالحسن بهرامی رئیس مرکز راهبری ستادهای توسعه اقتصاد دانش‌بنیان، دکتر عمادالدین فاطمی‌زاده رئیس دبیرخانه ستاد توسعه فناوری و کاربردی‌سازی هوش مصنوعی، حسین اسدی نماینده دانشگاه صنعتی شریف و عضو تیم سکوی ملی هوش مصنوعی و محمدباقر غزنوی، ناظر طرح دستیاران هوش مصنوعی معاونت علمی امروز 21 مردادماه در محل این معاونت برگزار شد.

عبدالحسن بهرامی، رئیس مرکز راهبری ستادهای توسعه اقتصاد دانش‌بنیان، طی سخنانی در این نشست بر اهمیت نقش هوش مصنوعی در زیست‌بوم علم و فناوری کشور تأکید کرد. وی همچنین به تشکیل ستاد هوش مصنوعی و کوانتوم اشاره کرد و گفت: پس از ابلاغ سند کوانتوم و تصویب سند هوش مصنوعی، وظیفه ذاتی ما در معاونت، تشکیل ستادهای مستقل با برنامه‌ریزی جدید بود که این مهم محقق شد.

توسعه کاربردی هوش مصنوعی، اولویت جدی دولت است

عمادالدین فاطمی‌زاده رییس دبیرخانه ستاد توسعه فناوری و کاربردی سازی هوش مصنوعی دیگر سخنران این نشست خبری بود که «توسعه کاربردی هوش مصنوعی» را اهداف اصلی معاونت علمی خواند و گفت: ما از نظر نظری و توسعه نظریه هوش مصنوعی، رتبه یازدهم تا سیزدهم جهانی را داریم. اما متاسفانه، رتبه کاربردی هوش مصنوعی ما تاکنون جایگاه مطلوبی نداشته است؛ گزارش‌های مختلف نشان می‌دهد که این رتبه در حدود شصت و پنج است. بنابراین، ضرورت دارد که اهتمام ویژه‌ای به توسعه کاربرد هوش مصنوعی در بخش‌های مختلف دولت، بخش خصوصی، خدمات و زیرساخت انرژی داشته باشیم.

وی با اشاره به چالش‌های گذشته، بیان کرد: مشکل عمده‌ای که تاکنون با آن روبرو بودیم، نبود زیرساخت سخت‌افزاری و پردازش توان بالا بود. اگرچه زیرساخت‌های محلی توسط برخی بخش‌های دولتی و خصوصی فراهم شده بود، اما قدرت پردازشی بالا در دسترس نبود. خوشبختانه، با اجرای سکو ملی هوش مصنوعی و حمایت‌های صورت گرفته، این زیرساخت پردازشی مهم فراهم شده است.

رئیس دبیرخانه ستاد توسعه هوش مصنوعی همچنین به تصویب تشکیل «ستاد توسعه فناوری و کاربرد هوش مصنوعی» توسط هیئت دولت در اردیبهشت ماه امسال اشاره کرد و افزود: کارهای ستاد اخیراً آغاز شده و مهم‌ترین دستاورد تاکنون، تقسیم کار دستگاه‌های درگیر در چهارده محور است.

به گفته او، محورهای کلیدی این تقسیم کار شامل: توسعه زیرساخت ابری با توان پردازش بالا: به عنوان مهم‌ترین محور برای توسعه‌های آتی، توسعه بازارگاه داده و اطلاعات: با هدف دستیابی به حکمرانی یکپارچه، توسعه زیرساخت‌های حقوقی و قانونی هوش مصنوعی: برای حمایت از حقوق ذینفعان، ایجاد و توسعه نظام ارزیابی و رتبه‌بندی محصولات و خدمات هوش مصنوعی، توسعه سرمایه انسانی هوش مصنوعی: شامل حفظ و تربیت متخصصان، فرهنگ‌سازی و ترویج: با اهتمام ویژه، توسعه و تعمیق دانش و فناوری هوش مصنوعی: برای حفظ توازن با تحولات جهانی، توسعه مدل‌های زبانی بزرگ و کوچک: از جمله دستیار هوش مصنوعی، کاهش ریسک و ایجاد نظام انگیزشی سرمایه‌گذاری: با حمایت دولت از بخش خصوصی، تجاری‌سازی و توسعه بازار هوش مصنوعی: برای رسیدن به خودکفایی اکوسیستم، بهره‌گیری از هوش مصنوعی در مسائل اولویت‌دار کشور: با رویکرد علمی و کاربردی، توسعه همکاری‌های بین‌المللی: برای تبادل تجربیات و منابع، توسعه امنیت سایبری: در تمامی لایه‌های سامانه‌های هوش مصنوعی و توسعه مدل‌های پایه: با هدف آموزش مدل‌های کارآمد است.

وی افزود: در این تقسیم کار، تمامی دستگاه‌های دولتی، سازمان‌ها و بخش خصوصی تکالیفی بر عهده دارند. پروژه‌های توسعه زیرساخت پردازشی در سکو ملی هوش مصنوعی و توسعه مدل‌های زبانی در دستیار هوش مصنوعی تاکنون پیشرفت خوبی داشته‌اند و توسعه بازارگاه نیز در حال انجام است. موارد دیگر نیز شامل تدوین آیین‌نامه و اساسنامه تا سطح اجرا، تقسیم وظایف شده‌اند.

فاطمی زاده در پایان خاطرنشان کرد: مهم‌ترین پروژه در یک سال اخیر، «سکو ملی هوش مصنوعی» بوده است که معاونت علمی پیش از تشکیل ستاد، حمایت از آن را آغاز کرد.

«سکو ملی هوش مصنوعی» جهشی در کاربردی‌سازی تحقیقات و توانمندسازی صنایع

حسین اسدی، نماینده دانشگاه شریف و عضو تیم توسعه سکوی ملی هوش مصنوعی، در تشریح دستاوردهای این پروژه ملی، بر ضرورت رفع شکاف میان پژوهش و کاربرد در حوزه هوش مصنوعی تأکید کرد.

وی با اشاره به رتبه‌بندی کشورمان در حوزه هوش مصنوعی، توضیح داد: علی‌رغم جایگاه مطلوب ایران در پژوهش‌های هوش مصنوعی، متأسفانه در بخش کاربرد با چالش‌های جدی روبرو هستیم که ریشه در کمبود زیرساخت‌های سخت‌افزاری و نرم‌افزاری دارد.

وی در ادامه، سکو ملی هوش مصنوعی را پاسخی جامع به این چالش‌ها معرفی کرد و توضیح داد: رویکرد اصلی این سکو، کاهش چشمگیر هزینه‌ها و زمان لازم برای توسعه ابزارها و خدمات مبتنی بر هوش مصنوعی است. این مفهوم (پلتفرم) نه یک ابداع صرفاً ایرانی، بلکه رویکردی جهانی است که در کشورهایی چون آلمان، هند و سنگاپور نیز سال‌ها پیش آغاز شده است.

اسدی با اشاره به آغاز جدی سکو ملی هوش مصنوعی از اواخر مهرماه و همکاری دانشگاه شریف با معاونت علمی به عنوان بازوی فنی و اجرایی پروژه، از پیشرفت‌های حاصل شده ابراز خرسندی کرد.

یکی از برجسته‌ترین ویژگی‌های سکو ملی هوش مصنوعی، زیرساخت سخت‌افزاری قدرتمند آن است. اسدی در این باره گفت: فاز اولیه توسعه سخت‌افزاری به اتمام رسیده و دستگاه‌ها نصب و راه‌اندازی شده‌اند. این زیرساخت، بزرگترین قدرت محاسباتی موجود در کشور را فراهم می‌آورد؛ به طوری که فاز اول آن با بیش از ۱۰ پتافلاپس قدرت محاسباتی و بر بستر شبکه پرسرعت ۴۰۰ گیگابیت بر ثانیه راه‌اندازی شده است.

ساختار چهار لایه «سکو ملی هوش مصنوعی»، از زیرساخت تا خدمات نهایی

اسدی با اشاره به اینکه، این پلتفرم از لایه‌های مختلفی تشکیل شده است، خاطرنشان کرد: سکو ملی هوش مصنوعی در نهایت خدمات تخصصی را به شرکت‌های دانش‌بنیان ارائه می‌دهد تا اهداف کاربردی مورد نظر، به‌ویژه در حوزه تصمیم‌گیری، محقق شود.

وی توضیح داد: لایه اول، زیرساخت دیتا سنتر نام دارد که برای اولین‌بار در ایران، مرکز داده اختصاصی برای میزبانی تجهیزات پیشرفته هوش مصنوعی طراحی و راه‌اندازی شده است. این مهم، گام بزرگی در جهت بومی‌سازی زیرساخت‌های حیاتی است. لایه دوم، زیرساخت نرم‌افزاری است روی این بستر سخت‌افزاری، زیرساخت نرم‌افزاری جامعی پیاده‌سازی شده که شامل مدیریت و هماهنگی منابع محاسباتی است. لایه سوم نیز هسته سکو است که این لایه میزبان طیف وسیعی از ابزارهای هوش مصنوعی، از جمله مدل‌های پیشرفته زبانی بزرگ (LLM) و سایر مدل‌های کاربردی است و در نهایت در لایه چهارم، استودیوی تخصصی است که این لایه، رابط کاربری نهایی است که خدمات سکو را از طریق ابزارهای کاربرپسند در اختیار شرکت‌ها، پژوهشگران و حتی عموم مردم قرار می‌دهد.

نماینده دانشگاه شریف و عضو تیم توسعه سکوی ملی هوش مصنوعی با اشاره به اینکه توسعه اولیه این چهار لایه در مدت حدود هشت ماه گذشته به سرانجام رسیده است، افزود: ارائه سرویس‌ها به صورت محدود به چند دانشگاه آغاز شده و به زودی، سرویس‌دهی به شرکت‌های منتخب نیز شروع خواهد شد. برنامه داریم تا ظرف دو تا سه ماه آینده، نسخه عمومی آزمایشی سکو را رونمایی کنیم تا همگان شاهد قابلیت‌های این پلتفرم ملی باشند.

اسدی ضمن تأکید بر ماهیت فناورانه و کار تیمی سنگین پروژه «سکو»، آن را نمونه‌ای موفق از همکاری میان دانشگاه و صنعت دانست و بیان کرد: این پروژه که حاصل همکاری تعداد زیادی از اعضای هیئت علمی برجسته و شرکت‌های دانش‌بنیان است، می‌تواند الگوی موفقی برای پروژه‌های آتی کشور در مقیاس بزرگ باشد.

وی همچنین سه مدل اصلی ارائه خدمت «سکو» به شرکت‌ها و کاربران را تشریح کرد و گفت: ارائه APIهای تخصصی اولین خدمت سکو ملی هوش مصنوعی است که این APIها که مستقیماً از هسته «سکو» دریافت می‌شوند، برای تیم‌های فنی و توسعه‌دهندگان اپلیکیشن‌ها طراحی شده‌اند. این امر، وابستگی به پلتفرم‌های خارجی را از بین برده و امکان ذخیره‌سازی و پردازش داده‌ها به صورت کاملاً داخلی را فراهم می‌سازد. این قابلیت، پاسخی به نیاز راهبردی کشور به حفظ امنیت داده‌ها و ارائه خدمات بومی است.

اسدی ادامه داد: استودیوی تخصصی برای حوزه‌های خاص از دیگر خدمات این سکو است که این استودیو، ترکیبی از ابزارهای عمومی و ابزارهای کاملاً تخصصی برای بخش‌های خاص بازار، مانند سازمان امور مالیاتی یا حوزه سلامت، را ارائه می‌دهد. استارت‌آپ‌ها و شرکت‌هایی که در این حوزه‌ها فعالیت می‌کنند، می‌توانند از این ابزارها بهره‌مند شده و فرآیند توسعه اپلیکیشن‌های خود را تسریع بخشند.

او توانمندسازی کاربران با دانش فنی کمتر را سومین خدمت این سکو خواند و بیان کرد: با هدف همگانی کردن دسترسی به هوش مصنوعی، برنامه‌ریزی برای برگزاری دوره‌های آموزشی فشرده (۲۰ تا ۴۰ ساعته) در دست اقدام است. این دوره‌ها به گونه‌ای طراحی شده‌اند که حتی دانشجویان رشته‌های غیرمرتبط یا دانش‌آموزان سال دوازدهم نیز بتوانند با مفاهیم اولیه، مدل‌های ساده هوش مصنوعی و اپلیکیشن‌های پایه را توسعه دهند. هدف نهایی، ایجاد تیم‌های فناور کوچک و کارآمد در سطح جامعه است.

اسدی در پایان افزود: لایه‌های توسعه‌ای بیشتری برای «سکو» در نظر گرفته شده که جزئیات آن‌ها پس از تکمیل و راه‌اندازی کامل پلتفرم، در جلسات آتی به اطلاع عموم خواهد رسید.

تدوین دستیاران هوش مصنوعی برای کمک به تصمیم‌گیری در بدنه اجرایی دولت

همچنین محمدباقر غزنوی، ناظر طرح دستیاران هوش مصنوعی معاونت علمی، طی سخنانی در این نشست خبری از پیشرفت طرح دستیار هوش مصنوعی خبر داد: بر اساس آن، ابزارهای هوش مصنوعی به عنوان «کمک‌تصمیم‌یار» در کنار تصمیم‌گیران اجرایی دولت قرار خواهند گرفت. این طرح که از سال گذشته توسط معاونت علمی دنبال شده، با هدف استفاده از ظرفیت هوش مصنوعی در فرآیندهای تصمیم‌گیری دولتی کلید خورده است.

وی در این خصوص بیان کرد: برای پیشبرد این هدف، تیمی متشکل از «دانشگاه‌ها»، «وزارتخانه‌ها یا سازمان‌های مرتبط» و «معاونت علمی» تشکیل شده است.

غزنوی با اشاره به وضعیت موجود در وزارتخانه‌ها، بیان کرد: بسیاری از وزارتخانه‌ها بخش قابل توجهی از امور فناوری اطلاعات خود را انجام داده و برخی حتی دارای داشبوردهای هوش تجاری (BI) هستند که داده‌ها را به صورت مدون پردازش می‌کنند، هرچند بخشی از داده‌ها هنوز وارد این چرخه نشده است.

به گفته او، این طرح در چهار فاز مرحله‌ای و سه فاز عددی تعریف شده است. فاز صفر و یک به صورت همزمان پیش می‌روند تا سرعت‌بخشی به کار دانشگاه‌ها میسر شود. در فاز ابتدایی، از دانشگاه‌ها خواسته شد تا قوانین مربوط به وزارتخانه یا سازمان هدف خود را استخراج کنند. برخی دانشگاه‌ها توانستند با همکاری مستقیم وزارتخانه‌ها به این اطلاعات دست یابند.

چالش محرمانگی داده‌ها و راهکارهای اندیشیده شده

غزنوی در پاسخ به سوالات خبرنگاران درباره محرمانگی داده‌ها، توضیح داد: داده‌های برخی وزارتخانه‌ها دارای سطوح دسترسی ویژه‌ای هستند. برای رفع این چالش، تمهیداتی از جمله استفاده از APIها و کلودهای امن اندیشیده شده است. در فاز صفر، اطلاعات و قوانین موجود کشور از منابعی مانند مرکز پژوهش‌های مجلس، معاونت حقوقی دولت و ...که قوانین را به صورت به‌روز ارائه می‌دهند، مورد استفاده قرار گرفت. سپس از دانشگاه‌ها خواسته شد تا قوانین احصا شده را با تأیید وزارتخانه‌های مربوطه نهایی کنند. این فرآیند، تعامل سازنده‌ای بین دانشگاه‌ها و وزارتخانه‌ها ایجاد کرد، هرچند میزان همکاری و تأیید در وزارتخانه‌های مختلف یکسان نبود.

این مقام مسئول ادامه داد: در مرحله بعد، از دانشگاه‌ها خواسته شد تا تعارضات، تناقضات و تعارض منافع موجود در قوانین را شناسایی کنند. هدف از این اقدام، تسهیل فرآیند تصمیم‌گیری برای نهادهای قانون‌گذار بود تا با دسترسی به مجموعه قوانین و آگاهی از تضادهای احتمالی، مصوبات شفاف‌تر و سازگارتری را ارائه دهند.

توسعه ابزارهای هوش مصنوعی برای تحلیل قوانین

ناظر طرح دستیاران هوش مصنوعی معاونت علمی با اشاره به وجود ابزارهای هوش مصنوعی و چت‌بات‌ها در سطح اینترنت، بیان کرد: در حوزه قوانین، این امر به سادگی نیست. معاونت علمی با استخراج هستان‌شناسی دسته‌بندی‌ها و سطوح تعارضات قانونی، گامی مؤثر برداشته است. در حال حاضر، دانشگاه‌های داخلی ابزارهایی توسعه داده‌اند که قادر به پوشش حداقل سه سطح از هفت سطح تعارض شناسایی شده هستند. مرکز تنقیح و تطبیق قوانین نیز قرار است با استفاده از این ابزارها، مراحل نهایی را تکمیل کند.

غزنوی ابراز امیدواری کرد: با تکمیل فاز صفر و یک، که برای بیش از نیمی از دانشگاه‌ها به نتیجه رسیده است، مرحله BI مربوط به وزارتخانه‌ها به عنوان ورودی AI عمل کند. در صورت اعتماد وزارتخانه‌ها به این سیستم‌ها، فرآیندهای داخلی آن‌ها وارد فازهای بعدی خواهد شد. هدف نهایی معاونت علمی، کمک به پیش‌بینی زنجیره تأثیر تصمیمات دولت بر بخش‌های مختلف است.

وی در پایان خاطرنشان کرد: در فاز دو، «پیش‌بینی» انجام خواهد شد و در فاز سه، تمام فرآیندهای قابل اعمال در سیستم مدنظر قرار می‌گیرند. هرچند ممکن است ورود تمام داده‌های حساس برخی وزارتخانه‌ها، مانند حوزه‌های انرژی یا نفت، به دلیل ملاحظات امنیتی امکان‌پذیر نباشد، اما بخش‌های وارد شده امکان ایجاد «دوقلوی دیجیتال» برای وزارتخانه‌ها را فراهم می‌آورند. این امر به دولت اجازه می‌دهد تا پیش از اجرای هر تصمیمی، نتایج احتمالی آن را پیش‌بینی کند؛ امری که در حال حاضر تنها به صورت ذهنی و شهودی انجام می‌شود. امید است این سیستم در نهایت به این قابلیت دست یابد تا تصمیم‌گیری‌های دولتی را با دقت و شفافیت بیشتری هدایت کند.

منبع : معاونت علمی