نحوه برگزاری امتحانات پایان ترم دانشجویان اعلام شد

معاون علمی، فناوری و اقتصاد دانش‌بنیان رئیس‌جمهور در حاشیه بازدید از بیست‌وششمین نمایشگاه بین‌المللی صنعت ساختمان، با تشریح پارادایم جدید معاونت علمی و حرکت از فناوری و نوآوری به سمت ایجاد قابلیت‌های پایدار و تکرارپذیر، اظهار کرد: یکی از برنامه‌هایی که معاونت علمی در آغاز این مسیر دنبال کرده، طرح هاتف است.

به گزارش معاونت علمی ریاست‌جمهوری، حسین افشین با بیان اینکه معاونت علمی در رویکرد جدید خود به دنبال تبدیل ایده به بازار و هدایت زنجیره‌های شکل‌گیری فناوری است، افزود: در معاونت علمی دنبال این هستیم که ایده را به بازار تبدیل کنیم و در این میان زنجیره‌ها را هدایت کنیم.

وی ادامه داد: برای حوزه‌های نوظهوری که ممکن است به دلیل نبود بازار شکل‌گرفته، سرمایه‌گذاری کافی روی آنها وجود نداشته باشد، طرحی هدایتگر با عنوان هاتف تعریف شده است.

معاون علمی رئیس‌جمهور تصریح کرد: در قالب این طرح، حوزه‌هایی که دانش و ظرفیت فناورانه آنها در دانشگاه وجود دارد، شناسایی می‌شوند و تلاش می‌کنیم هسته‌های پژوهشی فعال در این حوزه‌ها را به شرکت‌های فناور تبدیل کنیم. این شرکت‌های فناور نیز در ادامه، در پارک‌های علم و فناوری و با استفاده از ظرفیت‌های حمایتی، مسیر تبدیل شدن به شرکت‌های دانش‌بنیان را طی خواهند کرد.

افشین با تأکید بر اینکه طرح هاتف با هدف ایجاد یک زنجیره پیوسته از ایده تا بازار طراحی شده است، گفت: ما یک زنجیره تعریف کرده‌ایم که به ما اجازه می‌دهد ایده‌ای را که یک نخبه، عضو هیئت علمی، دانشگاهی یا یک جوان متخصص و صاحب ایده دارد، در یک مسیر مشخص به محصول برسانیم.

وی با اشاره به اینکه رسیدن به محصول پایان مسیر توسعه فناوری نیست، تصریح کرد: وقتی ایده به محصول رسید، آیا کار پایان پیدا کرده است؟ خیر. تا اینجا فناوری اتفاق افتاده است، اما ما دنبال نوآوری هستیم.

رئیس بنیاد ملی نخبگان ادامه داد: نوآوری یعنی فناوری بتواند خلق اثر کند؛ یعنی یک اثر اقتصادی، اجتماعی و اقتداری داشته باشد؛ بنابراین وقتی از نوآوری صحبت می‌کنیم، منظور این است که فناوری را به یک اثر مؤثر تبدیل کنیم.

افشین در ادامه با تأکید بر ضرورت عبور از مفهوم نوآوری و رسیدن به قابلیت، اظهار کرد: آیا ایجاد اثر اقتصادی و اجتماعی کافی است؟ پاسخ امروز به این پرسش نه است و به همین دلیل است که بر قابلیت تأکید دارم و معتقدم نوآوری باید به قابلیت تبدیل شود.

معاون علمی رئیس‌جمهور قابلیت را به معنای تکرارپذیری موفقیت‌ها دانست و افزود: قابلیت یعنی بتوانید یک موفقیتی را که به دست آورده‌اید، تکرار کنید. ما امروز دنبال این هستیم که از فناوری و نوآوری عبور کرده و به قابلیت برسیم؛ قابلیتی که بتواند در مقیاس ملی ایجاد شود، استمرار پیدا کند و به‌صورت پایدار توسعه یابد. توسعه هوش مصنوعی در مسیر ایجاد قابلیت دانش‌بنیان

افشین یکی از مهم‌ترین قابلیت‌های مورد نیاز کشور را در شرایط کنونی، هوش مصنوعی دانست و گفت: یکی از قابلیت‌هایی که باید به آن برسیم، هوش مصنوعی است. اما هوش مصنوعی را نباید صرفاً به شکل یک محصول منفرد دید.

وی ادامه داد: برای مثال، اینکه بگوییم با استفاده از هوش مصنوعی توانسته‌ایم داده‌های ساختمانی را بخوانیم، سامانه‌ای طراحی کرده‌ایم که آموزش می‌بیند، فرمان صادر می‌کند و یک مسئله مشخص را حل می‌کند، به معنای پایان مسیر نیست. ما دنبال این هستیم که هوش مصنوعی در کشور به یک قابلیت تبدیل شود.

معاون علمی، فناوری و اقتصاد دانش‌بنیان رئیس‌جمهور با اشاره به فعالیت ستاد توسعه فناوری و کاربرد‌های هوش مصنوعی اظهار کرد: فرآیند هوش مصنوعی در کشور در قالب ستاد مربوطه، به‌صورت منظم و با حضور معاون اول رئیس‌جمهور دنبال می‌شود و همین هفته نیز هشتمین جلسه این ستاد برگزار شد. هدف ما این است که هوش مصنوعی را از سطح محصولات و کاربرد‌های منفرد عبور داده و به یک قابلیت ملی تبدیل کنیم.

افشین در تشریح الزامات ایجاد چنین قابلیتی گفت: باید ببینیم فرایند ایجاد قابلیت اجرایی چیست و ضمانت اجرایی آن چگونه شکل می‌گیرد. بر اساس اصولی که در دنیا نیز دنبال می‌شود، ما در برخی حوزه‌ها باید تسهیلگر باشیم، در برخی حوزه‌ها تنظیم‌گر باشیم و زیرساخت‌های لازم را آماده کنیم. در کنار این موارد، باید آزمایشگاه‌های صحت‌سنجی و سندباکس نیز داشته باشیم.

وی افزود: اگر سندباکس و زیرساخت‌های صحت‌سنجی وجود نداشته باشد، ممکن است کد‌هایی وارد فرآیند شوند که فریب‌دهنده باشند یا نتوانند عملکرد مورد انتظار را ارائه دهند؛ بنابراین ایجاد این زیرساخت‌ها بخشی از مسیر رسیدن به قابلیت ملی در حوزه‌های فناورانه است.

معاون علمی رئیس‌جمهور با اشاره به توسعه زیرساخت‌های پردازش هوش مصنوعی در کشور طی سال‌های اخیر اظهار کرد: ما فکر می‌کنیم در یک بازه زمانی حدود سه سال می‌توانیم مسیر ایجاد قابلیت‌های جدی در این حوزه را دنبال کنیم. باید توجه داشت که تا دو سال پیش، زیرساخت پردازش هوش مصنوعی در کشور به این شکل وجود نداشت، اما در همین فاصله کوتاه، زیرساخت بسیار خوبی در کشور آماده شده و در حال افزایش نرخ رشد آن هستیم.

وی ادامه داد: امروز جایگاه کشور از نظر علمی مناسب است و امیدواریم در حوزه کاربردپذیری نیز بتوانیم این جایگاه را به شکل محسوسی ارتقا دهیم. در سال جاری نیز در شاخص‌های مرتبط با کاربردپذیری، بهبود قابل توجهی داشته‌ایم.

افشین با اشاره به فاصله میان تولید علم و کاربردی‌سازی فناوری گفت: البته فاصله میان جایگاه علمی و کاربردپذیری ما همچنان زیاد است، اما این فاصله در حال کاهش است. باید توجه داشت که کار علمی و کاربردی، به‌ویژه در حوزه‌های نوظهور، الزاماً زودبازده نیست.

وی برای تبیین این رویکرد افزود: برخی از این فعالیت‌ها شبیه درخت گردو هستند؛ وقتی یک درخت گردو می‌کارید، در سال اول و دوم محصول نمی‌دهد، اما در مقابل، محصول و دوام آن می‌تواند ماندگار باشد. ما نیز به دنبال کار‌های نمایشی و فعالیت‌های سطحی نیستیم؛ به دنبال مسیر‌هایی اصیل، پیوسته و منسجم هستیم که بتوانند اثرگذاری طولانی‌مدت ایجاد کنند.

معاون علمی، فناوری و اقتصاد دانش‌بنیان رئیس‌جمهور با تأکید بر پرهیز از رویکرد‌های نمایشی در توسعه فناوری تصریح کرد: ما دنبال جرقه‌های کوتاه‌مدت و محصولاتی که صرفاً برای مدت کوتاهی مطرح شوند نیستیم؛ بلکه می‌خواهیم یک مسیر روشن و پایدار ایجاد کنیم. هدف این است که زنجیره‌ای شکل بگیرد که از ایده و دانش آغاز شود، به فناوری و نوآوری برسد و در نهایت به قابلیت و اثر اقتصادی، اجتماعی و اقتداری تبدیل شود.

وی با اشاره به تغییر رویکرد رسمی معاونت علمی اظهار کرد: در پارادایم جدیدی که معاونت علمی از مردادماه به‌صورت رسمی اعلام کرده است، ما به سمت پارادایم قدرت‌بنیان حرکت می‌کنیم. در این پارادایم، قابلیت به‌عنوان یکی از پارامتر‌های اصلی مورد توجه قرار می‌گیرد.

افشین ادامه داد: وقتی با یک شرکت دانش‌بنیان صحبت می‌کنم، تأکید می‌کنم شرکتی که نتواند دانش خود را به‌صورت مستمر تکثیر و به‌روزرسانی کند، دیگر با الزامات این پارادایم همخوان نیست. فناوری دائماً در حال تغییر است و نمی‌توان صرفاً به موفقیت‌های گذشته تکیه کرد.

وی افزود: به همین دلیل، ما به‌عنوان هدایتگر باید به شرکت دانش‌بنیان بگوییم که حمایت‌های ما از یک محصول یا فناوری، مادام‌العمر نیست. ممکن است یک فناوری پنج سال پیش، فناوری درخشان و شایسته حمایت بوده باشد و یک شرکت را به یک شرکت دانش‌بنیان تبدیل کرده باشد، اما امروز همان فناوری ممکن است دیگر فناوری جدید و رقابت‌پذیری محسوب نشود.

معاون علمی رئیس‌جمهور تأکید کرد: این ادبیات را در حال جاری کردن در اکوسیستم فناوری و نوآوری کشور هستیم؛ چراکه هدف ما صرفاً افزایش تعداد شرکت‌ها یا محصولات نیست، بلکه ایجاد شرکت‌ها و فناوری‌هایی است که بتوانند به‌صورت مستمر دانش خود را به‌روز کنند، تکثیر کنند و قابلیت‌های جدید ایجاد کنند.

وی با اشاره به نقش اجزای مختلف زیست‌بوم در تحقق این رویکرد گفت: این مسیر بدون همکاری اجزای اکوسیستم امکان‌پذیر نیست و باید با کمک شرکت‌های دانش‌بنیان، استادان دانشگاه، پارک‌های علم و فناوری، مراکز نوآوری، کارخانه‌های نوآوری، رسانه و نظام آموزشی کشور دنبال شود.

افشین نقش نظام آموزشی را در شکل‌گیری فرهنگ نوآوری و دانش‌بنیان از سنین پایین مهم دانست و گفت: اگر به دنبال کشوری هستیم که بخواهد در علم و فناوری قدرتمند شود، باید آموزش در مدارس نیز متفاوت شود. خلاقیت و فرایند دانش‌بنیانی باید از کودکی در جامعه نهادینه شود.

وی خاطرنشان کرد: مسیر قدرت‌بنیان شدن کشور، مسیری یکپارچه است که از مدرسه و پرورش خلاقیت آغاز می‌شود، در دانشگاه با تولید دانش و شکل‌گیری هسته‌های پژوهشی ادامه پیدا می‌کند، از طریق طرح‌هایی مانند هاتف به سمت شرکت‌های فناور و دانش‌بنیان هدایت می‌شود، با توسعه فناوری و نوآوری به محصول و اثر می‌رسد و در نهایت با ایجاد قابلیت‌های تکرارپذیر، به قدرت اقتصادی، اجتماعی و اقتداری کشور تبدیل می‌شود.

معاون علمی رئیس‌جمهور در پایان تأکید کرد: هدف نهایی این مسیر، ایجاد جرقه‌های کوتاه‌مدت یا صرفاً تولید محصول نیست؛ بلکه ایجاد یک مسیر روشن، اصیل، پیوسته و منسجم برای تبدیل ایده و دانش به فناوری، فناوری به نوآوری، نوآوری به قابلیت و قابلیت به قدرت ملی است؛ مسیری که طرح هاتف یکی از حلقه‌های مهم آن برای هدایت ظرفیت‌های دانشگاهی و پژوهشی به سمت بازار و اقتصاد دانش‌بنیان به شمار می‌رود.

انتهای پیام/

به گزارش سیتنا، وزارت دادگستری آمریکا اعلام کرد علیه ۱۷ ایرانی در ارتباط با یک کارزار گسترده حملات سایبری و سرقت اطلاعات کیفرخواست صادر کرده است.

مقام‌های آمریکایی مدعی شده‌اند این افراد با نفوذ به سامانه‌های دانشگاه‌ها و شرکت‌های خصوصی، اقدام به سرقت داده‌های دانشگاهی، تحقیقات علمی و مالکیت فکری کرده‌اند.

در کیفرخواست صادرشده، ۱۴۴ دانشگاه در آمریکا، ۱۷۸ دانشگاه در خارج از این کشور و دست‌کم ۴۲ شرکت خصوصی آمریکایی از جمله اهداف ادعایی این عملیات عنوان شده‌اند.

وزارت دادگستری آمریکا همچنین مدعی شده است که در جریان این حملات بیش از ۳۱ ترابایت داده سرقت شده و اطلاعات هزاران حساب کاربری متعلق به استادان و پژوهشگران دانشگاهی در معرض خطر قرار گرفته است.

بر اساس گزارش‌های منتشرشده، پرونده جدید در مردادماه ۱۴۰۵ مطرح شده، اما بخش قابل توجهی از فعالیت‌های سایبری مورد ادعا به سال‌های ۲۰۱۳ تا ۲۰۱۷ بازمی‌گردد.

وزارت دادگستری آمریکا همچنین اعلام کرده است که در ارتباط با این پرونده، برای دریافت اطلاعاتی که به شناسایی یا دستگیری پنج نفر از متهمان منجر شود، مجموعاً تا ۱۰ میلیون دلار پاداش در نظر گرفته است.

این پرونده در شرایطی مطرح شده که واشنگتن طی سال‌های اخیر بارها ایران را به انجام عملیات سایبری علیه نهادهای دولتی، دانشگاهی و شرکت‌های آمریکایی متهم کرده است؛ اتهاماتی که تهران نیز در موارد مختلف آن را رد کرده است.

انتهای پیام

مقاله مشترک محمدجواد شایگان‌فرد عضو هیئت علمی دانشکده هوش مصنوعی و کامپیوتر دانشگاه علم و فرهنگ و سپهر سماواتی دانش‌آموخته رشته کارشناسی ارشد مهندسی کامپیوتر ـ نرم‌افزار که برآمده از پایان‌نامه کارشناسی ارشد این دانش‌آموخته است، با عنوان «A lightweight transfer learning framework with dynamic data augmentation for few-shot remote sensing image classification» در مجله Geomatica از انتشارات Elsevier منتشر شد.

به گزارش دانشگاه علم و فرهنگ، این پژوهش به ارائه یک چارچوب سبک و کارآمد مبتنی بر هوش مصنوعی برای طبقه‌بندی تصاویر سنجش از دور در شرایط کمبود داده‌های آموزشی می‌پردازد.

پژوهشگران در این مطالعه با ترکیب روش‌های یادگیری انتقالی و افزایش پویای داده‌ها، روشی را ارائه کرده‌اند که امکان آموزش مدل‌های یادگیری عمیق را با حجم محدودی از تصاویر برچسب‌گذاری‌شده فراهم می‌کند.

کمبود داده‌های برچسب‌گذاری‌شده یکی از چالش‌های مهم در توسعه مدل‌های هوش مصنوعی برای تحلیل تصاویر ماهواره‌ای است؛ چراکه تهیه و برچسب‌گذاری این داده‌ها به زمان و منابع قابل‌توجهی نیاز دارد.

چارچوب پیشنهادی این پژوهش با هدف کاهش وابستگی مدل به حجم بالای داده‌های آموزشی طراحی شده است.

نتایج آزمایش‌ها روی تصاویر ماهواره‌ای نشان داد که روش پیشنهادی، ضمن حفظ کارایی محاسباتی و سبک‌بودن مدل، موجب کاهش خطای طبقه‌بندی و بهبود عملکرد آن می‌شود.

این ویژگی می‌تواند استفاده از مدل‌های هوش مصنوعی را در شرایطی که داده‌های آموزشی محدود یا منابع محاسباتی در دسترس کم است، امکان‌پذیرتر کند.

یافته‌های این پژوهش می‌تواند در حوزه‌هایی همچون پایش محیط‌زیست، نقشه‌برداری کاربری و پوشش اراضی، کشاورزی هوشمند، مدیریت بحران، پایش منابع طبیعی و تحلیل تصاویر ماهواره‌ای کاربرد داشته باشد.

این مقاله در مجله Geomatica از انتشارات Elsevier منتشر شده، در پایگاه Scopus نمایه می‌شود و در چارک Q۲ قرار دارد.

انتهای پیام/