خلأ بزرگ در مسیر پیشرفت هوش‌مصنوعی ایران

به گزارش تحلیل ایران هوش مصنوعی مهم‌ترین موضوع دنیای تکنولوژی است. موجی که به واسطه انتشار چت‌جی‌پی‌تی در رسانه‌ها و دنیای تکنولوژی شکل گرفت تا امروز به صورت پیوسته ادامه داشته است و اخبار این حوزه در کنار مهم‌ترین اخبار دنیا قرار گرفته اند. هوش مصنوعی مولد توانایی ماشین برای انجام وظایف پیچیده‌تر را افزایش داده و گام بلندی برای برقراری ارتباط انسان با ماشین برداشته است. با توجه به پیشرفت چشم‌گیر هوش مصنوعی، از هم‌اکنون چشم‌اندازی که هوش مصنوعی بتواند بسیاری از کارها را انجام دهد قابل مشاهده است. به عقیده بسیاری از تحلیلگران مانند هنری کیسینجر، با گسترش توانایی‌های هوش مصنوعی بشر وارد عصر جدیدی خواهد شد. همین چشم‌انداز تحول رقابت را برای دستیابی سریع‌تر و ساخت مدل‌های قدرتمندتر در سراسر دنیا تشدید کرده است. از همین رو کشورهای گوناگون اکنون به دنبال دستیابی به جایگاه مناسب خود در زمینه هوش مصنوعی هستند.

فعالیت بیش از 180 شرکت دانش‌بنیان ایرانی در زمینه هوش مصنوعی

در کشور ما نیز از چند سال قبل گفتمان هوش مصنوعی شکل گرفته و چشم‌انداز قرارگیری ایران در میان ده کشور برتر در زمینه هوش مصنوعی نیز ترسیم شده است. هم اکنون بیش از 180 شرکت دانش‌بنیان در زمینه هوش مصنوعی در ایران مشغول فعالیت هستند. اکنون خدماتی نظیر تبدیل متن به صوت فارسی و بالعکس، نویسه‌خوان فارسی، احراز هویت، تشخیص اشیا و غیره توسط بسیاری از این شرکت‌ها ارائه می‌شود. زیست‌بوم فعلی هوش مصنوعی کشور متشکل از چند شرکت متوسط و تعداد زیادی شرکت کوچک و استارت‌آپی است. اکنون پرسش اصلی است که با این زیست‌بوم می‌توان در بین کشورهای پیشرو هوش مصنوعی در جهان ایستاد؟

برای پاسخ دادن به این پرسش باید شناخت اولیه‌ای از اینکه مدل‌های هوش مصنوعی چطور کار می‌کنند داشته باشیم. اکثر مدل‌های هوش مصنوعی امروزی بر اساس سازوکاری به نام شبکه عصبی کار می‌کنند. این مدل از عملکرد مغز انسان الهام گرفته شده است. (اما با عملکرد واقعی مغز تفاوت‌های زیادی دارد.) به این ترتیب که تعداد زیادی نورون مصنوعی در فضای ذخیره‌سازی ایجاد می‌شود و هرکدام از آن‌ها ورودی، خروجی و تابعی دارند که ورودی را به خروجی تبدیل می‌کند. با کنار هم قرار دادن این نورون‌ها می‌توان توابعی بسیار پیچیده ساخت که بتوانند مسائل خاصی را حل کنند. به عنوان مثال تشخیص دهند در یک تصویر گربه وجود دارد یا خیر. این کار با استفاده از داده انجام می‌شود. برای ساخت چنین مدلی نیاز به تصویر هزاران گربه از زوایا، رنگ‌ها، سن‌ها، نژادها و حالات گوناگون وجود دارد تا مدل بتواند الگوی اصلی گربه را یاد بگیرد و در تصاویر جدید نیز آن را شناسایی کند. تمرین دادن یک مدل بار پردازشی زیادی دارد. اگر بر روی یک کارت گرافیک معمولی اجرا شود ممکن است تا چند روز طول بکشد. به همین خاطر اساسا در الگوریتم‌های یادگیری ماشینی مبتنی بر شبکه عصبی دو پارامتر مهم در کیفیت و دقت مدل تاثیرگذار است. مقدار داده و ظرفیت پردازشی. هرقدر مقدار داده بیشتر باشد و بهتر آماده‌سازی و پیش‌پردازش شود، دقت مدل بیشتر خواهد بود. از طرفی هرچه قدر تعداد نورون‌های شبکه عصبی بیشتر باشد توانایی آن برای انجام وظایف پیچیده‌تر بیشتر است. به عنوان مثال مدل زبانی‌های کنونی چند صد میلیارد پارامتر دارند. به همین خاطر پردازش داده‌های عظیم در یک شبکه عصبی بسیار بزرگ، نیازمند توان پردازشی خارق‌العاده‌ای خواهد بود که هرکسی از پس تامین آن بر نخواهد آمد.