کارشناسان در گفت‌و‌گو با «ایران» بیان کردند
هوش مصنوعی با تعامل صنعت و دانشگاه کاربردی می‌شود
سوسن صادقی
خبر نگار
جای خالی میان‌رشته‌ها
در دانشگاه
حمید بهنگار دکترای هوش مصنوعی و روباتیک معتقد است، رتبه 17 ایران در تولید هوش مصنوعی درباره بهبودهای کشور ما در حوزه الگوریتم‌های تشخیص چهره، تحلیل صوت و یادگیری عمیق و شبکه‌های عصبی مصنوعی است و حتی در این موضوع رتبه کشورمان نسبت به سال 2023 یک رتبه هم بهتر شده است.
بهنگار به «ایران» گفت: تولید هوش مصنوعی در کشورمان به واسطه تولید مقالات علمی در مجلات و مراجع معتبر علمی از سوی پژوهشگران دانشگاهی صورت می‌گیرد و تعداد مقالات در این حوزه در کشور ما رو به فزونی است و این موضوع را مثبت ارزیابی می‌کنیم اما به شرطی که با هدف مهاجرت، تولید علم صورت نگیرد و بتوانیم نخبگان خود را در این حوزه نگه داریم تا به تولید علم هوش مصنوعی در کشور ادامه دهند.
وی درباره رتبه 77 ایران در حوزه کاربرد هوش مصنوعی گفت: این عدد یک هشدار است و نشان می‌دهد علم هوش مصنوعی در کشور ما کاربردی نشده است و صنایع از این علم استفاده کاربردی نمی‌کنند و این به‌دلیل نبود دانش موضوعی و تخصصی است تا در آن هوش مصنوعی به کار رود.
به گفته بهنگار، دلیل دیگر این است که بین دانشگاه و صنعت هم فاصله وجود دارد و تعامل بین این دو بخش اندک است. صراحتاً باید گفت دانشگاهیان در حوزه عملیات و اجرا مهارت کافی ندارند و جای میان‌رشته‌ها به شدت خالی است. رشته‌های میان‌رشته‌ای هوش مصنوعی باید در بیشتر بخش‌ها مانند معدن، کشاورزی، زراعت، سلامت و معضل آب، حمل و نقل، زیر شاخه‌های شهر هوشمند و غیره شکل بگیرد.
به اعتقاد این کارشناس هوش مصنوعی، صنایعی چون خودروسازی، کشاورزی و حتی هنر و موسیقی که به‌صورت مستقیم بر کیفیت زندگی مردم اثرگذار هستند را می‌توان با هوش مصنوعی عملیاتی کرد و این پتانسیل وجود دارد.همچنین اینکه با کاربردی کردن هوش مصنوعی در این صنایع می‌توان قیمت تمام شده را کاهش داده و با ایجاد آن تنوع محصولات را نیز متحول کرد.
وی افزود: از سوی دیگر در دنیا صنایع طرح مسأله می‌کنند و برای حل آن، مسأله را به دانشگاهیان ارائه می‌دهند تا با تولید علم و کاربردی کردن آن، مسأله صنایع حل شود ولی در کشور ما کار برعکس است و پروژه‌های صنایع را دانشگاه‌ها اخذ و بعد بین شرکت‌های فناور توزیع می‌کنند و این تأثیر معکوسی دارد چون استاد دانشگاه دید قوی نسبت به صنعتگر ندارد و از این‌رو مجدداً این فرایند به تولید مقاله ختم می‌شود یا با نگاه خروجی محور، پروژه اجرایی نمی‌شود زیرا پژوهشگر به‌دنبال حل مسائل صنعت نیست و نباید هم باشد از این‌رو تولید علم هم کاربردی و در صنایع عملیاتی نمی‌شود.
بهنگار علت دیگر برای کاربردی و عملیاتی نشدن علم تولید شده را دسترسی نداشتن محققان به آمار واقعی عنوان کرد و گفت: خوراک و پایه اصلی توسعه و کاربردی کردن هوش مصنوعی، داده‌های تمیز و پیوسته، باارزش و قابل اتکاست. تولید داده سال‌هاست در سایر کشورها شروع شده و از داده‌ها به‌عنوان یک دارایی ملی و حتی نفت جدید استفاده می‌شود اما در کشور ما به داده‌های باارزش دسترسی وجود ندارد و یک شرکت برای کاربردی کردن هوش مصنوعی باید خود داده تولید کند که هزینه زیادی در بردارد و این اتفاق باعث می‌شود تا شرکت‌های فعال در هوش مصنوعی روی ریل درستی حرکت نکنند و روی کاربردی کردن علم تولید شده نروند.
به اعتقاد وی، برای کاربردی کردن هوش مصنوعی به اینترنت پایدار و پرسرعت نیاز داریم و مهمتر از همه بحث پردازش‌های ابری و آنلاین است و این موضوع برای هوش مصنوعی مانند اکسیژن می‌ماند و نبودش باعث می‌شود هیچ سرمایه‌گذاری‌ای در هوش مصنوعی صورت نگیرد و کاربردی کردن آن نیز شکل نگیرد.
بهنگار به اقدام‌های دیگری که دولت باید انجام دهد هم اشاره کرد و گفت: معاونت علمی و فناوری ریاست جمهوری تا جایی که می‌تواند در بحث رگولاتوری و حمایت ورود کند. همچنین از سوی دیگر مشوق‌هایی را برای صنایع در نظر بگیرد تا نخبگان را جذب کرده و از مهاجرت نیروی انسانی این حوزه جلوگیری کند، بنابراین بدیهی است هزینه نگهداشت نخبگان از تربیت 500 هزار نیروی انسانی طبق برنامه هفتم توسعه کمتر است.
وی افزود: بهتر است به جای اینکه پروژه‌ها به شرکت‌های خاص داده شود، در ادغام شرکت‌های دانش‌بنیان واقعی و چابک کوچک بکوشد و پروژه‌ها را به آنها بسپارد و از آنها حمایت کند تا فاصله بین تولید علم و کاربردی کردن و تولید محصول که ارزش افزوده محسوب می‌شود را کاهش دهد.به گفته این کارشناس، کشورهای حاشیه خلیج فارس که در حوزه فناوری فعالیت می‌کنند، گویی شرکت دانش‌بنیان و فناور را در اتوبان چهاربانده حرکت می‌دهند اما در کشور ما مسیر برای شرکت‌های دانش‌بنیان دارای چالش‌های زیادی مانند بیمه، تخصیص ارز، مالیات‌های مستقیم و غیرمستقیم، خروج سرمایه از صنعت، تحریم و... است که این مشکلات اصطکاک زیادی در بلندمدت ایجاد می‌کند.
خلأ استراتژی ملی
هوش مصنوعی
ناصر مزینی استاد هوش مصنوعی دانشگاه علم و صنعت معتقد است، حوزه هوش مصنوعی برخلاف حوزه‌های فناوری که مبتنی بر سخت‌افزار و نرم‌افزار است، مبتنی بر مغزافزار و نیروی انسانی است بنابراین زمینه برای تولید علم هوش مصنوعی در کشور مهیاست. همچنین نیروی نخبه داخلی دانشگاه‌ها به سمت هوش مصنوعی حرکت کرده و اقبال زیادی به این رشته نشان می‌دهند، بنابراین رتبه در تولید علم هوش مصنوعی در کشور بالاست.
مزینی با بیان اینکه اکنون در کشور از هوش مصنوعی در حوزه‌های تشخیص چهره، صوت، تصویر و ویدیو و زبان و گفتار و متن و مصادیق دیگری استفاده می‌شود، به «ایران» گفت: هوش مصنوعی باید در محصولاتی مانند خودرو و دیگر محصولات صنایع به‌کار رود تا کاربردی شود و مهمتر اینکه محصولات کاربردی در کشور تولید شده و بین‌المللی شود تا مصادیق کاربردی آنها بیشتر و بیشتر شود.
وی افزود: ما روی توان نیروی انسانی متخصصان متمرکز شده‌ایم و از سوی دیگر محصول نیز روی صنعت تکیه دارد از این‌رو کمتر می‌بینیم مثلاً در صنعت خودرو از هوش مصنوعی استفاده شود بنابراین این حوزه دارای عقب‌ماندگی است. این در حالی است که دنیا برای خودرو خودران و دیگر صنایع از هوش مصنوعی استفاده می‌کند ولی این اتفاق در کشور ما هنوز نیفتاده است.
این استاد دانشگاه اظهار کرد: باید تلاش کنیم صنعت رشد کند تا بتواند از هوش مصنوعی برای کاربردی کردن هم بهره ببرد که برای رخ دادن این اتفاق هم به حمایت دولتی و قانونگذاری و هم ثبات اقتصادی نیاز است. از سوی دیگر به پردازش محاسبات سریع نیز نیاز است. مهمتر اینکه باید در این باره بخش خصوصی سرمایه‌گذاری کند اما سرمایه‌گذار چون امیدی به بازگشت سرمایه‌اش ندارد در این بخش سرمایه‌گذاری نمی‌کند. دولت باید بخش خصوصی را در مسیر گام گذاشتن در این راه تشویق کرده و برای نگهداشت نیروی انسانی نخبه هوش مصنوعی هم تلاش زیادی کند.مزینی گفت: هوش مصنوعی برای بسیاری از کشورها مهم است و از این‌رو چند سالی است وزارت هوش مصنوعی راه‌اندازی کرده‌اند. حتی یکی از کشورهای منطقه اعلام کرده می‌خواهد هاب هوش مصنوعی در منطقه شود هرچند این ادعای بزرگی است ولی در همین مسیر به مدت 5 سال محصولات هوش مصنوعی یک شرکت را پیش خرید کرده است.
به گفته وی، کشور ما هم باید سریع‌تر سیاستگذاری‌های کلان را انجام دهد و از دنیا عقب نماند. دنیا در این مسیر حرکت تند و پرسرعتی دارد و اگر برنامه‌ریزی نشود و به سرعت نجنبیم فاصله‌مان خیلی زیاد‌تر خواهد شد از این‌رو به عزم جدی و استراتژی ملی نیاز است.
بــــرش
سپردن پروژه‌ها به دانشگاه‌ها
محمد خالویی متخصص و پژوهشگر هوش مصنوعی درباره فاصله معنادار بین تولید هوش مصنوعی و کاربرد آن در کشورمان گفت: این فاصله به بلوغ هر بخش از صنعت ما مرتبط است. در واقع صنایعی که تفکر پیشرفت و استفاده علم در عمل را باور دارند همه به سمت استفاده از هوش‌مصنوعی و تکنولوژی‌های نوین حرکت کرده‌اند بنابراین صنایعی که هنوز تعلل می‌کنند را باید هرچه زودتر بیدار کرد تا از این قافله پیشرفت عقب نمانند.
خالویی افزود: به عقیده من باید همه صنایع واحدهای تحقیق و توسعه داشته باشند و روی استفاده از جدیدترین رویکردهای مبتنی بر هوش‌مصنوعی و تکنولوژی‌های نوظهور در آن صنعت خاص تحقیق و پژوهش کنند و حتی برخی نیازها را به دانشگاه‌ها و مراکز پژوهشی بسپارند تا به‌دست نیروهای جوان و خلاق و استادان توانمند، راه‌حل‌های نوینی برای آنها شناسایی شود.
به گفته این پژوهشگر، در واقع دانشگاه‌ها می‌توانند بازوهای توانمندساز برای صنایع باشند و بر سیاست‌های سطوح مختلف مدیریتی نهاد‌های بالادستی کشور تأکید شود تا هوش مصنوعی در کشور کاربردی گردد.
وی درباره اینکه برای کاربردی کردن هوش مصنوعی در کشور باید چه اقدام‌هایی صورت بگیرد، اظهار کرد: به نظرم بهترین راهکار ایجاد مشوق‌هایی برای تمرکز روی واحدهای تحقیق و توسعه شرکت‌ها به‌عنوان پیشران تحقق علم در عمل و رفع نیازهای مردم است. بنابراین واحدهای تحقیقاتی باید نیاز کشور را شناسایی کرده و با سپردن آن به دانشگاه‌ها در آن مسیر گام بردارند. به عبارتی اگر رابطه صنعت و دانشگاه درست تنظیم شود، نتیجه بهتری حاصل می‌شود.
این پژوهشگر هوش مصنوعی با بیان اینکه باید در کشور ما سرمایه‌گذاران روی پیشتاز شدن تحقق علم در عمل، سرمایه‌گذاری هدفمندی داشته باشند و نیروی انسانی خلاق را حفظ کنند، بیان کرد: در غیر این صورت همین نیروی انسانی خلاق ما، به جای اینجا در خارج از کشور روی همین روند پیشرفت که پیشتر سرمایه‌گذاری شده بوده و وی را جذب کرده، کار خواهند کرد و آنها پذیرای حضور محققان ما هستند و در نهایت کشور صرفاً استفاده کننده است و هیچگاه پیشتاز نمی‌شود.