چشم‌انداز مسیر شغلی هوش‌مصنوعی در ایران و جهان

به گزارش پیوست؛ در پنل چشم‌انداز مسیر شغلی هوش مصنوعی ۵ مسیر شغلی مشخص برای فعالان این حوزه ترسیم شد که طبق گفته حاضران در این جلسه تا کنون اقدام مهمی در هیچکدام از این زمینه‌ها در ایران صورت نگرفته است هر چند بازار شغلی خوبی برای هر کدام از آنها در آینده وجود خواهد داشت.

۵ مسیر شغلی در حوزه هوش‌مصنوعی و دیدگاه متخصصان در مورد آن

۱- دانشمند داده (data scientist):

از نظر شکوهی، دانشمند ارشد مایکروسافت و استاد دانشگاه استنفورد، دانشمند داده دیگر به آن مفهوم گذشته وجود ندارد. چرا که ابزار‌هایی به بازار اضافه می‌شوند که جمع‌آوری داده‌ها را آسان‌ و آسان‌تر خواهد کرد، از جمله کوپایلوت‌هایی که امروزه بسیاری از آنها را در بازار می‌بینیم. شکوهی در آخر می‌گوید: با توجه به پیشرفت‌های اخیر و تغییر مسیر یک دانشمند داده دو مورد حل مسئله و مهارت‌های نرم جزو مهم‌ترین نیاز‌های یک دانشمند داده محسوب می‌شود و اگر به آنها توجه نشود عملا ارزش زیادی علاوه بر ابزار‌های موجود خلق نخواهد شد.

۲- یادگیری ماشین (machine learning):

پس از اشاره دبیر پنل به تحقیقات اخیر که نشان می‌دهد تا یک سال آینده نیاز به نیروی کار در این زمینه تا ۴۵ درصد افزایش پیدا خواهد کرد، هادی ویسی، معاون فناوری در مرکز نوآوری اسمایلینو و استاد دانشگاه تهران، به معرفی نیازمندی‌ها، مهارت‌ها و ابزار‌های کلیدی این حوزه پرداخت و گفت: باتوجه به اینکه یادگیری ماشینی ابزاری در دست دانشمند داده است، تقریبا نیازمندی‌های یکسانی نیز دارند. به گفته او دو مورد اساسی، برای ورود هرکدام از نیرو‌های متخصص این حوزه به صنعت نیاز است: اول، دانش فنی این حوزه از جمله الگوریتم‌های یادگیری ماشین و دوم شناخت کسب‌و‌کار، چرا که برای صنعت میزان عمق و حرفه‌ای بودن شما در زمینه‌هایی مانند کدنویسی مهم نیست، بلکه موضوع مورد اهمیت برای آنها حل مسئله و به طور کلی سازگاری با نیاز صنعت است.

۳- محقق هوش مصنوعی (AI Researcher)

به گفته شکوهی، محقق هوش مصنوعی برای کسانی که تحقیق را دوست دارند شغل خوبی به شمار می‌آید چرا که در یک محیط بین دانشگاه وصنعت قرار دارد و هرچند شرکت‌های کمتری به آن اهمیت می‌دهند، اما از نظر برخی شرکت‌های بزرگ از جمله مایکروسافت و گوگل و … این بخش آنچنان اهمیت دارد که دپارتمان جداگانه‌ای به آن اختصاص می‌دهند. طبق گفته او در شرایط فعلی در شرکت‌های بزرگ کمتر در بخش تحقیقات هزینه می‌شود چرا که کاربرد کمتری دارد و دیرتر تاثیرش را نشان می‌دهد در شرایطی که سرمایه‌گذاری یا هزینه کردن در سایر بخش‌ها نتیجه‌اش سریع‌تر مشخص می‌شود.

۴- معمار هوش مصنوعی (AI architect):

به گفته  شکوهی، معماری هوش‌مصنوعی به زودی تبدیل به یکی از جذاب‌ترین شغل‌های آینده در ایران و جهان خواهد شد، چرا که ابزار‌های دیگر مثل مدل‌سازی و یادگیری ماشینی بسیار عمومی خواهند شد. در این زمان هنر اصلی مدل استفاده از این اطلاعات و ابزارها است. به گفته او هوش‌مصنوعی هرچقدر هم پیشرفت کند جایگاه معمار هوش مصنوعی حفظ خواهد شد و همچنان از اهمیت بالایی برخوردار خواهد بود.

۵- مهندس داده‌های کلان (big data engineering):

از نظر او فرایند مهندسی داده‌ها از اهمیت بسیاری برخوردار است، چرا که داده‌های مورد استفاده متخصص یادگیری ماشین یا دانشمند داده اول باید توسط مهندس داده جمع‌آوری و دسته‌بندی شود.

دانشمند ارشد مایکروسافت معتقد است یک مهندس داده باید به مسائلی مانند کوئری نویسی، تمیز کردن و فهم حجم دیتای موجود مسلط باشد اما به زودی این نیاز نیز از بین خواهد رفت و توانایی درک و حل مسئله جای آن را خواهد گرفت.

بهترین مسیر شغلی برای ورود به حوزه هوش مصنوعی

بهترین مسیر شغلی از بین ۵ مسیری که به آن اشاره شد از نظر هادی ویسی و محمد شکوهی، دانشمند داده (data scientist)بود، چرا که علی‌رقم درآمد بالا، کاری نسبتا آسان است و فرصت‌های شغلی زیادی در صنعت برای آن وجود دارد. اما اگر سختی و زمان‌بر بودن معماری هوش مصنوعی را به جان بخریم، احتمالا این جایگاه شغلی در آینده مهم‌ترین جایگاه و البته پردرآمدترین آنها خواهد بود.

مهمترین حوزه‌های هوش‌مصنوعی مورد نیاز در ایران

به گفته نیلی احمد‌آبادی، استاد تمام هوش‌مصنوعی دانشگاه تهران، در ایران نیاز شدیدی به هوش‌مصنوعی داریم. او یکی از حوزه‌هایی که نیاز به هوش مصنوعی در آن حس می‌شود را حوزه سلامت عنوان کرد چراکه در این حوزه میزان مهاجرت پزشکان افزایش یافته است و هزینه درمان نیز برای بسیاری از افراد دیگر قابل تحمل نیست.

ویسی، معاون فناوری در مرکز نوآوری اسمایلینو نیز ادامه می‌دهد: در دیگر حوزه‌های از جله مالی، بانکی و بیمه هم همینطور است، چرا که در سیستم‌های مالی از جهان عقب هستیم و باید به پتانسیل هوش‌مصنوعی برای ایجاد بازار‌های جدید از جمله نئوبانک‌ها توجه کنیم.

از دیگر حوزه مهم که نیاز به هوش مصنوعی در آن حس می‌شود از نظر نیلی، بخش تولید است. طبق نظر نیلی سیستم‌های تولیدی کشور از جمله خودرو، فولاد و … در حال حاضر  کاملا به‌صورت رانتی اداره می‌شوند و متکی بر بازی با نرخ ارز و بازار هستند؛ اما در نهایت حاکمیت مجبور است به این بازی پایان دهد و برای بالا بردن بازدهی، هوش‌مصنوعی را وارد این صنعت کند.

اما حکمرانی موضوعی بود که از نظر نیلی اصلا روی آن کار نشده است و ما باید بتوانیم نبض جامعه را به کمک داده‌ها گرفته و حکمرانی را هر روز بهتر و بهتر کنیم.

سازمان‌ها عملا استفاده‌ای از داده‌هایشان نمی‌کنند

از نظر ویسی فعالیت علم داده هنوز در ایران شروع نشده است و بسیاری از سازمان‌هایی که حجم داده‌های بسیار زیادی از زیر دست آنها می‌گذرد در عمل هیچ استفاده‌ای از آنها نمی‌کنند و استفاده‌ از هوش‌مصنوعی به مواردی از جمله احراز هویت و اعتبار سنجی محدود شده است، در حالی که تنها اگر به کمک جمع‌آوری اطلاعات و استفاده از هوش‌مصنوعی فساد در برخی ارگان‌های پر‌درآمد تنها به اندازه یک درصد هم کاهش پیدا کند، نتیجه شگفت‌انگیز خواهد بود.

هادی ویسی در مورد اصرار بر استفاده از یادگیری عمیق (Deep learning) می‌گوید: هرچند دیپ‌لرنینگ توانایی ایجاد مدل‌های بسیار و تاثیر گذاری خیلی زیادی در حجم داده بزرگ دارد، اما نیاز اغلب سازمان‌ها با مدل‌های ساده‌تر به راحتی حل خواهند شد و حتما نباید مستقیم سمت دیپ‌لرنینگ رفت و می‌توان با هزینه کمتر از موارد ساده‌تر برای حل مسئله شروع کرد.

چقدر برای رسیدن هدف رتبه تک رقمی در زمینه هوش‌مصنوعی کار داریم؟

هادی ویسی در پاسخ به این سوال که چقدر تا رسیدن به رتبه‌های تک‌رقمی در زمینه هوش مصنوعی فاصله داریم گفت: ابتدا باید ببینیم چه جایگاهی مدنظرمان است. اگر شاخص را نشر علم در این حوزه بدانیم، ایران رتبه ۱۲ را دارد، اما واقعیت در ایران چیز دیگری‌ است. چرا که درصد بسیار کمی از این اطلاعات به صورت عملی در کشور مورد استفاده قرار می‌گیرد و مردم کشورمان از امکانات بسیار کمتری از هوش مصنوعی به نسبت دیگر کشور‌ها بهره می‌برند و رتبه هوش‌مصنوعی وقتی خوب است که بتوانیم اثر آن را در مواردی مانند رشد اقتصادی، بهره‌وری و حل چالش‌های مختلف ببینیم. اما شاخص دیگری به نام AI Readiness Index  وجود دارد که ایران در آن رتبه‌ای بین ۷۰ تا ۸۰ دارد که این رتبه منطقی‌تر به نظر می‌رسد.

ویسی در نهایت گفت اگر بخواهیم با مدیران فعلی و تفکر فعلی قدم برداریم هیچ‌وقت به رتبه تک‌رقمی در زمینه هوش‌مصنوعی نخواهیم رسید و باید همه افراد تاثیرگذار و مدیران اهمیت هوش‌مصنوعی را کامل درک کنند چرا که دنیا منتظر ما نخواهد ماند و ما همین الان هم خیلی از دنیا عقب هستیم. اما با در نظر گرفتن همه اینها و با توجه‌ با زیرساخت‌های موجود در کشور، با برنامه‌ریزی درست، این امر امکان پذیر خواهد شد.