هوش مصنوعی نیاز به انطباق سریع و تحول چابک دارد نشست هوش مصنوعی در همایش فرصت‌های ایران در عصر دیجیتال

مجید نیلی احمدآبادی، عضو هیات علمی دانشگاه تهران در ابتدای این نشست با اشاره به تحولات ایجاد شده توسط هوش مصنوعی گفت: اکنون می‌توانیم با زبان طبیعی با هوش مصنوعی گفتگو کنیم و این یک تحول در تمدن بشری است. اکنون امکان گفتگو با زبان طبیعی با ماشین فراهم شده است و بهتر از قبل می‌توانیم آن را بکار بگیریم. در واقع هوش مصنوعی دیگر یک ابزار نیست و می‌تواند یک همکار باشد. در این دنیای آمیخته ارتباط انسان و ماشین تسهیل شده است. حتی باید انتظار داشته باشیم با توسعه تحقیقات در مورد مغز و علوم شناختی در سال‌های آینده بیشتر از امروز غافلگیر شویم.

او در ادامه گفت: هوش مصنوعی به ما کمک می‌کند که برخی از چالش‌های جدی امروز را حل کنیم. علاوه بر محیط زیست که در یکی از پنل‌های روزگذشته مطرح شد این فناوری می‌تواند در نیروی انسانی نیز کمک کند و اینکه منابع انسانی را کجا بکار بگیریم. هوش مصنوعی نیاز به چابکی را بیشتر کرده و خود نیز به عنوان ابزاری برای چابکی به ما کمک می‌کند. حکمران باید به این نکته توجه کند که هوش مصنوعی را به عنوان یک وسیله توسعه دهد و نیاز داریم این تبلور هوش مصنوعی را در برنامه‌های توسعه کشور ببینیم. جایی که هوش مصنوعی به اقتصاد وصل می‌شود، می‌تواند بسیار ارزشمند باشد.

چابکی و سازگاری با هوش مصنوعی اجباری است

رامتین خسروی، عضو هیات علمی دانشگاه تهران با اشاره به لزوم سازگاری با تحولات جدید در هوش مصنوعی گفت: اگر خود را با این شرایط تطبیق ندهیم باید کنار برویم. اما باید به این نکته‌ هم توجه کرد که چطور می‌توانیم این تحولات را تحمل کنیم. تطبیق سریع، نیازمند چابکی در تشخیص فرصت‌ها و اقدام بر اساس آنها است. برای رسیدن به این چابکی باید بدانیم چطور می‌توانیم فرصت‌ها را رصد کنیم که پاسخ آن در دیتا است. داده‌ها باید در سیستم جاری باشند و زیرساخت‌ها و معماری ما باید این دیتا را به رسمیت بشناسد. اگر می‌خواهیم سازمانی را طراحی کنیم، یکی از ارکان مهم آن این است که از همان ابتدا به دیتا توجه کنیم. در این زمینه شرکت‌های پیشرو وضعیت بهتری دارند. موضوع دوم این است که بعد از شناخت فرصت‌ها، بتوانیم بر اساس داده اقدام کنیم و واکنش مناسب داشته باشیم. اگر یک سیستم یکپارچه بزرگ داشته باشیم چطور می‌توانیم روی این سیستم‌ها سریع فعالیت کنیم؟ این سیستم‌ها اجازه چابکی را نمی‌دهند و نیازمند سرویس‌های تجاری و تیم‌های کوچکی هستیم که بتوانند مثلا در یک ماه یک سرویس ایجاد کنند.

خسروی در بخش دیگر صحبت‌های خود در مورد بکارگیری این موارد در راستای هدف اشاره کرد و گفت: بعد از ایجاد سرویس‌های تجاری باید بتوانیم آن‌ها را ترکیب کنیم. سرویس‌های ابری و استانداردهای باز خیلی در این زمینه مهم بوده‌اند. عنصر دیگر از رکن دوم این است که چطوری با این تکه‌های کوچک به سمت هدف حرکت کنیم. اینجا دیتا نقش جدیدی پیدا می‌کند. رکن سوم جایی خود را نشان می‌دهد که به بسیاری از ابزارهای مهم دسترسی داریم اما چه می‌شود که یک شرکت روزی چند بار دیپلوی میکند و یک شرکت چند ماه یک بار؟ این رکن به افراد موثری مرتبط است که برای این فضا تربیت شده‌اند و مهارت دارند. برای توسعه سیستم‌ها به نیروی انسانی موثر نیاز داریم.

نیاز به کار با داده در آموزش پایه

بابک اعرابی، عضو هیات علمی دانشگاه تهران در مورد چگونگی مواجهه با تحولات ناشی از بکارگیری هوش مصنوعی گفت: مسائلی که امروز با آن درگیر هستیم خیلی جدید نیستند اما تحول دیجیتال یک زیست‌بوم جدید ایجاد کرده است که چندان به آن عادت نداریم. نتیجه این شده که بهتر از قبل می‌توانیم ببینیم و داده داشته باشیم و آن را به طور گسترده مورد استفاده قرار دهیم. در چنین شرایطی که وضعیت به طور سیستماتیک و غیر سیستماتیک تغییر می‌کند مثل گذشته تلاش میکنیم وضعیت را مدل‌سازی کنیم. هوش مصنوعی کمک می‌کند مدل‌های داده محوری بسازیم که به اندازه کافی پیچیده باشند. به عنوان مثال الب اقتصاددانان می‌گویند چاپ اسکناس باعث تورم می‌شود ولی حکمران به این موضوع باور ندارد و احتی برخی اقتصاددانان نیز در این زمینه به حاکمیت مشاوره می‌دهند. پس می‌توانیم عوامل موثر بر تورم را مدل‌سازی کنیم.

او در ادامه گفت: در بلند مدت لازم است کار با داده از نظر تربیت نیروی انسانی در آموزش پایه فراهم شود. اما در کوتاه مدت به نظر می‌رسد یک فرآیند آموزش و ترس‌زدایی در سازمان ها نیاز داریم. رده کارشناسی نگران از دست دادن شغل و رده مدیریت نگران از دست دادن قدرت و اختیار است. باید اول تغییر را بپذیریم و آمادگی آن را ایجاد کنیم. در کوتاه مدت نیاز به بازآموزی افراد و مدیران داریم. مانند زمانی که فناوری اطلاعات وارد شرکت‌ها شد ابتدا مشاوران وارد شدند سپس معاون فناوری اطلاعات در سازمان ایجاد شد. شاید لازم است مشاور و معاون هوش مصنوعی در سازمان‌ها داشته باشیم تا این دوره گذار را طی کنیم.

نادیده گرفتن امنیت هزینه ندارد

مهدی خرازی، عضو هیات علمی دانشگاه صنعتی شریف در مورد امنیت صحبت کرد و نکته مهمی که مورد تمرکز او قرار گرفت عدم صرف هزینه برای مشکلات ایجاد شده ناشی از نادیده‌گیری موارد امنیتی بود. او گفت: امنیت در ایران در حال گذار است و هنوز به بلوغ نرسیده است. به همین دلیل است که داده‌ها نشت پیدا می‌کند و هزینه‌ای برای شرکت ایجاد نمی‌شود. فقط شاید مسئول امنیت هزینه دهد اما سازمان هزینه‌ای در این رابطه ندارد. همین عامل باعث شده تا مقوله امنیت برای سازمان‌ها جدی گرفته نشود. هر گاه سازمان جریمه پرداخت کند، آن گاه ساختار سازمان آن را مهم می‌بیند.

او در ادامه گفت: با آمدن هوش مصنوعی، داده‌های بیشتری باید جمع‌آوری شود و امنیت داده‌ها نیز مهمتر می‌شود. مهمترین آن اطلاعات هویتی است که متاسفانه در ایران اهمیتی ندارد. اکنون داده‌های بیشتری می‌خواهیم جمع کنیم که خیلی دقیق‌تر رفتار و هویت افراد را ذخیره می‌کند. این موضوعی است که چالش‌های آن می‌تواند به اعتبار یک شرکت لطمه بزند و بقای آن را تهدید کند.

خرازی در مورد چالش‌های حوزه امنیت گفت: چون بازار کار جدی در سال‌های گذشته نداشته‌ایم ورود به حوزه امنیت خیلی پرهزینه است و یک فرد باید دانش بیشتری برای ورود به این حوزه کسب کند. دلیل آن هم این است که امنیت فعلا ماهیت اقتصادی در سطح کلان شرکت‌ها ندارد. خیلی از کارهایی که از کارشناسان می‌خواستیم اکنون می‌توانیم با سیستم‌های هوش مصنوعی جایگزین کنیم. ولی اول باید استانداردسازی کرد. هر چه دیرتر به امنیت بپردازیم هزینه آن هم بیشتر خواهد شد چون باید یک سری ساختارها را پیاده‌سازی کنیم. باید به این فکر کنیم اگر روزی قصد بکارگیری داشته باشیم هزینه تغییر چقدر خواهد بود. باید این ریسک را مدیریت کنیم.

اثرات بکارگیری هوش مصنوعی در تپسی

محمدمهدی صادق، معاون تپسی در مورد اثرات بکارگیری هوش مصنوعی در تپسی گفت: چهار سال پیش که در شرکت ما هوش مصنوعی وجود نداشت به این نتیجه رسیدیم که عده‌ای از مهندسان را جدا کنیم تا روی مفاهیمی مثل تخمین زمان سفر کار کنند. بعد از آن به این نتیجه رسیدیم که باید هوش مصنوعی را توسعه دهیم و در قدم بعدی موضوع قیمت‌گذاری را هدف قرار دادیم. ما برای هوش مصنوعی متریک‌های علمی تعریف نکردیم و متریک‌های عملیاتی و مواردی بود که به درآمد ترجمه می‌شد. به تدریج تیم هوش مصنوعی بزرگ‌تر شد و توانستیم موضوعاتی مانند تقلب را پیگیری کنیم. در مراحل بعد وارد فرآیندهایی شدیم که ماهیت عملیاتی بیشتری داشت به عنوان مثال از چت‌بات، سیستم‌های احراز هویت و تشخیص چهره راننده استفاده کردیم. در این مسیر تیم هوش مصنوعی در کل سیستم پخش شد و اکنون یک دپارتمان AI نداریم.

در چند ماه گذشته هوش مصنوعی در پرفورمنس مارکتینگ را به کار گرفتیم و پیشنهادات و جوایزی که به راننده می‌دهیم را هدف قرار دادیم. برای شروع چند شهر را برای اجرا به صورت پایلوت جدا کردیم. اکنون در دو شهر به صورت مشخص مدیریت پیشنهاداتی که به راننده‌ها داده می‌شود را توسط هوش مصنوعی انجام می‌دهیم و به نایج مثبتی رسیده‌ایم. این موضوع در فرآیندهای عملیاتی ما کاملا حیاتی است به عنوان مثال در بحث تخمین زمان سفر هر ۲.۵ دقیقه که زمان سفر را کوتاه کنیم ۱۰ درصد عملکرد سیستم بهتر می‌شود.

نظارت با سلامت با هوش مصنوعی ممکن است

محمدرضا اعتمادیان، مدیرعامل پذیرش ۲۴، با اشاره به تجربه بازار خرید و فروش خودروهای دست دوم در آمریکا و عدم تقارن اطلاعاتی که منجر به شکست معامله در بازار می‌شود، گفت: در نظام سلامت ایران شما به خدمات‌دهنده سلامت مراجعه می‌کنید. در این فرآیند گاهی شک می‌کنیم که نیاز به خدمت وجود دارد ولی گاهی نیز به دلیل عدم وجود اعتماد، ممکن است خدمات ارائه نشود و در این مسیر به بیمار و کشور آسیب وارد شود. در حوزه سلامت در کشور حدود ۱۱۶ هزار پروانه پزشک و متخصص داریم، بیش از ۷ هزار خدمت حوزه سلامت ثبت شده است و بیش از ۷ هزار داروی ثبت شده داریم. وقتی این موارد را در کنار هم قرار می‌دهیم حالت‌های مختلف بسیار متنوعی ایجاد می‌شود و نظارت عملی روی این موضوع فقط با هوش مصنوعی قابل انجام است.

اعتمادیان در ادامه با اشاره به روش‌های پرداخت هزینه در حوزه سلامت گفت: در یک شیوه، هزینه‌ها را دولت پرداخت می‌کند. در شیوه دوم یک سری نهادهای اجباری مانند بیمه‌ها هستند. شیوه سوم صرف هزینه توسط نهادهای انتخابی مانند بیمه تکمیلی است و در شیوه چهارم پرداخت توسط افراد انجام می‌شود. در کشور ما ۵۳ درصد هزینه‌ را دولت و بیمه‌ های اجباری پرداخت می‌کنند و ما نظارتی روی آن نداریم. اما در ۴۶ درصد از موارد، پرداخت در نظام سلامت دست مردم است که یا از جیب خود پرداخت می‌کنند یا بیمه‌های تکمیلی وارد می‌شوند. پرداخت از جیب مردم در کشورهای همسایه و سایر کشورهای اروپایی و امریکایی بیشتر است و این عدد به بیش از بالای ۷۵ درصد است.