کارشناسان حوزه هوش مصنوعی: بازی هوش مصنوعی، بازی داده است - پیوست

به گزارش پیوست، در پنل تخصصی هوش مصنوعی اتاق بازرگانی تهران، فرهاد نیلی، استاد مدعو دانشکده مدیریت و اقتصاد دانشگاه صنعتی شریف، با اشاره به اهمیت داده در توسعه هوش مصنوعی گفت: «ما مثل کسانی هستیم که می‌خواهند فوتبال بازی کنند؛ زمین را آماده می‌کنند، یارکشی می‌کنند و گران‌ترین لباس‌ها را می‌خرند، اما توپ فوتبال ندارند.»

او با بیان اینکه هوش مصنوعی بدون داده مانند خودروی بدون سوخت است، ادامه داد: «در حوزه داده، حاکمیت داده و شناخت ارزش زنجیره داده، مسائل بلاتکلیف زیادی وجود دارد. از سوی دیگر، ایجاد زیرساخت داده به امکانات و زیرساخت‌های عمومی نیاز دارد و شرکت‌ها به‌تنهایی نمی‌توانند آن را فراهم کنند.»

نیلی درباره چرخه سرمایه‌گذاری در هوش مصنوعی نیز گفت: «در حال حاضر یک حرکت پاندولی شکل گرفته است؛ روی هوش مصنوعی سرمایه‌گذاری می‌کنیم، اما به دلیل نبود داده تمیز و ساختاریافته شکست می‌خوریم و دوباره به عقب برمی‌گردیم و می‌گوییم امتحان کردیم و نشد.»چهار خلا در مسیر توسعه هوش مصنوعی سازمانی

نیلی در ادامه به چهار موضوع پرداخت که به گفته او در گزارش ارائه‌شده درباره هوش مصنوعی کمتر به آنها توجه شده است.

نخستین موضوع، مدل کسب‌وکار هوش مصنوعی سازمانی بود. او گفت باید مشخص شود به‌کارگیری هوش مصنوعی در سازمان‌ها چگونه هزینه‌های خود را جبران می‌کند. به گفته نیلی، سرمایه‌گذاری اولیه بالا و بازگشت دیرهنگام سرمایه، جریان نقدی شرکت‌ها را تحت فشار قرار می‌دهد؛ از همین‌رو لازم است تجربه سازمان‌های موفق در مدیریت این مسئله بررسی شود.

دومین موضوع، نحوه جذب و همکاری با متخصصان هوش مصنوعی بود. نیلی گفت: پرداخت دستمزدهای بالا به این متخصصان می‌تواند در شرکت‌ها حساسیت ایجاد کند؛ زیرا حقوق آنها حدود ۷۰ درصد بیشتر از سایر کارکنان است.

او درباره تجربه شرکت‌های کوچک خود توضیح داد: «به‌جای انعقاد قرارداد بلندمدت، مسئله را تعریف می‌کنیم و سه ماه به متخصص فرصت می‌دهیم تا محصول اولیه یا MVP را ارائه کند. اگر نتیجه موفقیت‌آمیز باشد، قرارداد برای سه ماه دیگر تمدید می‌شود تا محصول به مرحله فروش برسد.»

کمبود مجموعه‌داده‌های فارسی سومین مسئله‌ای بود که نیلی مطرح کرد. او گفت: تعداد مجموعه‌داده‌های فارسی در دسترس به‌شدت پایین و نگران‌کننده است و داده کافی برای آموزش مدل‌های هوش مصنوعی فارسی وجود ندارد.

چهارمین موضوع نیز نبود نمونه‌های کاربردی ملموس بود. نیلی تاکید کرد: بدون ارائه نمونه‌های واقعی، نمی‌توان مدیران مالی و مدیران کسب‌وکار را به سرمایه‌گذاری در هوش مصنوعی متقاعد کرد. او برای نمونه به بانک‌ها اشاره کرد و گفت: باید مشخص شود هوش مصنوعی در فرایندهای داخلی و پشتیبانی بانک تا چه اندازه خطا را کاهش می‌دهد؛ زیرا نرخ خطای بالای پنج درصد برای بانک پذیرفتنی نیست.چالش مدیرانی هستند که تفاوت تحول دیجیتال و هوش مصنوعی را نمی‌فهمند

عمادالدین فاطمی‌زاده، معاون ستاد هوش مصنوعی، با اشاره به وضعیت نیروی انسانی این حوزه گفت: ایران از نظر برنامه‌نویسان، متخصصان نظری و نیروهای ماهر هوش مصنوعی با کمبود مواجه نیست؛ هرچند مدیریت مشخصی بر ورود و خروج این نیروها وجود ندارد.

او مشکل اصلی را در بدنه دولت و تا حدی بخش خصوصی، ناآشنایی مدیران با تفاوت میان تحول دیجیتال و تحول مبتنی بر هوش مصنوعی دانست. به گفته فاطمی‌زاده، بسیاری از افراد ابزارهای ساده هوشمندسازی یا سامانه‌های معمول اتوماسیون را به نام هوش مصنوعی به دولت و شرکت‌ها می‌فروشند. برخی مدیران نیز هوش مصنوعی را صرفاً در ابزارهایی مانند ChatGPT خلاصه می‌کنند.

فاطمی‌زاده تاکید کرد: باید هرچه سریع‌تر مدیرانی تربیت شوند که تفاوت این مفاهیم را بشناسند و بتوانند بدون احساس تهدید، زمینه ورود هوش مصنوعی به سازمان‌های خود را فراهم کنند.

مجید نیلی احمدآبادی، استاد دانشکده مهندسی برق دانشگاه صنعتی شریف، نیز مهم‌ترین اشتباه سیاست‌گذاران را نادیده گرفتن تغییری بنیادی در تولید علم دانست و گفت: «تولید علم از انحصار بشر خارج شده است.»

به گفته او، هوش مصنوعی ممکن است در یکی دو سال آینده با اتکای کمتر به انسان به کشفیاتی دست پیدا کند که بشر هنوز به آنها نرسیده است.

احمدآبادی این تحول را تغییری جدی در قواعد تولید علم توصیف کرد و گفت: سیاست‌گذاران هنوز چنین احتمالی را جدی نمی‌گیرند و بیشتر بر این پرسش متمرکزند که انسان چگونه باید هوش مصنوعی را کنترل کند.

او درباره استفاده از هوش مصنوعی در بنگاه‌ها نیز گفت: شرکت‌ها حتی پیش از آنکه به داده‌های کاملاً تمیز و ساختاریافته دسترسی داشته باشند، فرصت‌های متعددی برای بهره‌گیری از این فناوری دارند.

به گفته احمدآبادی، مانع اصلی در این مسیر فرهنگ مدیریتی و شیوه اداره منابع انسانی است. بررسی‌ها نشان می‌دهد شرکت‌هایی که نظام مدیریت منابع انسانی مدرن‌تری دارند، آسان‌تر به سمت استفاده از هوش مصنوعی حرکت می‌کنند؛ اما شرکت‌هایی که همچنان با الگوهای سنتی اداره می‌شوند، آمادگی فرهنگی کمتری برای پذیرش این فناوری دارند.هوش مصنوعی باید به مسائل واقعی اقتصاد وارد شود

احمدآبادی با اشاره به تجربه جهانی گفت بازار هوش مصنوعی در حوزه‌هایی رشد کرده است که یا سرمایه‌گذاری بالایی در تحقیق و توسعه داشته‌اند یا با مسائل جدی در زمینه کیفیت خدمات، هزینه و عدالت اجتماعی روبه‌رو بوده‌اند.

او گفت: ایران در حوزه‌هایی مانند سلامت، آموزش، انرژی، حمل‌ونقل و کاهش فقر با چالش‌های جدی مواجه است؛ در حالی که دولت منابع مالی و نیروی انسانی کافی برای ارائه خدمات با کیفیت مناسب را در اختیار ندارد.

به گفته احمدآبادی، استفاده از هوش مصنوعی در این حوزه‌ها می‌تواند کیفیت خدمات و دسترسی مردم را افزایش دهد و هم‌زمان زمینه شکل‌گیری بازار واقعی این فناوری را فراهم کند.

او با اشاره به دولتی بودن بخش بزرگی از اقتصاد ایران گفت: تا زمانی که شرکت‌های خصوصی نتوانند بر مبنای قراردادهای مشخص و توافق‌نامه سطح خدمات (SLA) در حوزه‌های بزرگ دولتی فعالیت کنند، بازار هوش مصنوعی در ایران جدی نخواهد شد.

احمدآبادی همچنین تاکید کرد: نباید هوش مصنوعی را به ابزارهایی مانند ChatGPT محدود کرد. به گفته او، آینده این فناوری در تولید علم و فعالیت در محیط‌های فیزیکی شکل می‌گیرد و داده‌های حاصل از این حوزه‌ها می‌توانند ارزش اقتصادی بیشتری نسبت به داده‌های زبانی داشته باشند. او افزود کشورهای دیگر ابزارهای راهبردی این حوزه را به‌سادگی در اختیار ایران قرار نمی‌دهند و بخش خصوصی باید خواستار توسعه و دسترسی به چنین ابزارهایی باشد.ایران باید جایگاه خود را در زنجیره ارزش هوش مصنوعی مشخص کند

ایمان میرعمادی، دانشیار دانشکده مدیریت و اقتصاد دانشگاه صنعتی شریف، با اشاره به گزارش شاخص هوش مصنوعی (AI Index) گفت: مسیر توسعه این فناوری در همه کشورها یکسان نیست و هر کشور متناسب با توانمندی‌ها و محدودیت‌های خود در بخش مشخصی از زنجیره ارزش هوش مصنوعی حضور پیدا می‌کند.

او مهم‌ترین اشتباه ایران در سطح سیاست‌گذاری و بنگاه‌ها را مشخص نبودن جایگاه کشور در این زنجیره دانست و پرسید: «آیا قرار است در ساخت یک مدل زبانی بزرگ بومی موفق شویم، صنایع خود را با هوش مصنوعی نوسازی کنیم یا زیرساخت داده مناسبی بسازیم؟»

میرعمادی گفت: ایران با توجه به محدودیت منابع و بحران‌های زیرساختی، به‌ویژه در حوزه انرژی، نمی‌تواند هم‌زمان در همه بخش‌های زنجیره ارزش هوش مصنوعی سرمایه‌گذاری کند و ناچار است اولویت‌های خود را مشخص کند.

او با اشاره به تجربه انقلاب‌های فناورانه پیشین گفت برندگان دوران گسترش برق، کامپیوتر و موتورهای درون‌سوز لزوماً کشورهایی نبودند که این فناوری‌ها را اختراع کردند؛ بلکه کشورهایی موفق شدند که توانستند آنها را در بخش‌های مختلف اقتصاد خود به کار بگیرند و گسترش دهند.

بر همین اساس، میرعمادی تاکید کرد: تمرکز ایران باید بر پذیرش و گسترش کاربرد فناوری (Adoption & Diffusion) باشد، نه ساخت مدل‌های بزرگ از ابتدا.

به گفته او، نمونه‌های موفق استفاده از هوش مصنوعی در صنایع مختلف که به کاهش هزینه یا افزایش درآمد منجر شده‌اند، باید شناسایی و به‌عنوان الگو در اختیار سایر کسب‌وکارها قرار گیرند.

میرعمادی ایران را در کنار کشورهایی مانند برزیل، اندونزی، نیجریه و آفریقای جنوبی قرار داد و گفت: این کشورها نه از امکانات کافی برای رقابت با بازیگران بزرگ سازنده مدل برخوردارند و نه آن‌قدر کوچک‌اند که بتوانند در برابر این تحول منفعل بمانند.

او تاکید کرد: ایران باید واقع‌بینانه نقش یک استفاده‌کننده توانمند از مدل‌های موجود (Model Taker) را بپذیرد و به‌جای تمرکز بر ساخت مدل‌های جدید، توان خود را صرف استفاده موثر از این ابزارها در بخش‌های مختلف اقتصاد کند.

میرعمادی در پایان با اشاره به تفاوت وضعیت ایران و کشورهای منطقه گفت: عربستان و امارات بر تامین برق و ایجاد زیرساخت‌های بزرگ هوش مصنوعی تمرکز کرده‌اند؛ اما ایران با کمبود برق و گاز مواجه است و این مسئله توسعه زیرساخت‌های فیزیکی هوش مصنوعی را با محدودیتی جدی روبه‌رو می‌کند.