هوش مصنوعی چهره دیگری از فناوری اطلاعات را آشکار می‌کند

به گزارش پیوست؛ مهرداد توکلی، متخصص IT و بنیان‌گذار ابرکلاس با اشاره به توانایی‌های هوش مصنوعی گفت: سلاح مخفی یک متخصص آی‌تی هوش مصنوعی است. فناوری که با هوش و تفکر یاد می‌گیرد و کارها را انجام می‌دهد. این فناوری به دلیل آموزش با حجم زیادی از داده‌ها و عملکرد در لحظه بدون داشتن نویز ذهنی، بدون شک ابزاری برای بهترشدن زندگی ما است.

نبود سخت‌افزار و کمبود نیروی انسانی چالش‌های کلاسیک AIایران

پوریا حداد، بنیان‌گذار و مدیرعامل شرکت فیلاگر، گفت: وضعیت هوش مصنوعی در ایران هم نسبت به ۷ سال پیش و پس از روی کارآمدن هوش مصنوعی مولد و الگوریتم‌های chat GPT بیشتر فراگیر شده است و نسبت به قبل که تنها عده‌ای با آن سروکار داشتند و به عنوان یک کار فانتزی تلقی می‌شد، اکنون عمومی است. بنابراین باید وضعیت و برنامه‌های هوش مصنوعی کشور را بررسی کنیم که به کجا رسیده است.

حداد گفت: در حالی که سازمان ملی هوش مصنوعی، انجمن‌ها و زیربخش‌هایی در این حوزه شکل گرفته اما می‌توان گفت اقدام اجرایی انجام نشده است. به طور مثال در مورد سازمان ملی هوش مصنوعی هنوز رئیس مشخصی ندارد و با وجود اینکه بودجه ۴ همت را به ۱۵ همت افزایش داده‌اند اما هیچ کدام از برنامه‌های این حوزه محقق نشده است. از این‌رو چالش‌هایی که همواره برای صنعت فناوری اطلاعات در کشور ما وجود داشته است را می‌توان به هوش مصنوعی تعمیم داد. طبق چالش‌های سنتی همیشگی، در این فناوری نیز به سخت‌افزارهای مورد نیاز دسترسی نداریم و با توجه به رشد این فناوری نیروی انسانی که بتواند از پس توسعه محصولات بربیاید، کم داریم. در واقع در این حوزه ما همیشه نیاز داریم به منابع انسانی قوی که تجربه خوبی در این حوزه داشته باشند و شاید متخصصانی که در حال ورود به حوزه هوش مصنوعی هستند، تعدادشان خیلی زیاد نباشد.

نبود جریان سرمایه در جای درست برای انجام کار درست

پوریا حداد درمورد چالش‌های هوش مصنوعی کشور ادامه داد: نبود سخت‌افزار و نیروی انسانی از مشکلات اساسی است اما به طور معمول و کلاسیک مطرح می‌شود. درحالی که چالش عملیاتی دیگر در این بخش که بقیه موانع را ایجاد کرده است،‌ نبود سرمایه‌گذاری است. او گفت: به طور کلی سرمایه و پول برای توسعه این بخش در دست مجموعه‌هایی که در این حوزه فعالیت دارند، قرار نداده‌اند. بنابراین همین موضوع انگیزه برای توسعه برنامه‌های فناورانه را برای بخش مرتبط فعال ازبین می‌برد و ما را از کشورهای منطقه عقب می‌اندازد.

حداد گفت: بودجه‌بندی کشور برای سرمایه‌گذاری در بخش هوش مصنوعی اصلا با کشورهای خاورمیانه قابل رقابت نیست. چون کشورهایی مثل عربستان و امارات بیش از ۲ میلیارد دلار یا حتی یک کشوری مثل ترکیه از بین ۷۰۰ میلیون دلار تا ۲ میلیارد دلار سرمایه‌گذاری کرده‌اند و مسیر رشد در برنامه‌های آینده‌شان تدوین شده است. اما در ایران بودجه چهار پنج همتی اختصاص داده شده که تقریبا حدود ۶۰-۵۰ میلیون دلار می‌شود و حتی در بهترین حالت به صد میلیون دلار برسد؛ مشخصا سرمایه گذاری کافی نیست. در حالی که همین مقدار هم احتمالا برای این حوزه تامین نمی‌شود.

الگوبرداری از کشورهایی با شرایط مشابه

حداد، مدیرعامل فیلاگر، گفت: اگر به یکی از راهکارهای این چالش‌ها بپردازم؛ می‌توانیم اشاره کنیم که ایران می‌تواند در مورد موضوع نبود GPUها می‌تواند تاحدی مشابه چین عمل کند. در این حوزه هیچ وقت الگوهای ما نمی‌توانند کشورهای اروپایی که هیچ تحریمی ندارند، باشند. چین با شرایط تحریمی مشابه توانسته است رشد خوبی در این حوزه داشته باشد. شرکت AI O-One که به عنوان نمونه چینی Chat GPT معروف شده است؛ به تازگی مدل خود را با ۲۰۰۰ پردازنده جی‌پی‌یو و با سرمایه‌ای حدود سه میلیون دلار توسعه داده است. درحالی که Chat GPT4، با ۸۰ تا ۱۰۰ میلیون دلار سرمایه گذاری آموزش داده شده بود و شایعاتی وجود دارد که مثلا Chat GPT5 در حدود ۱ میلیارد دلار سرمایه گذاری دارد. در واقع ما قرار است به دنبال توسعه محصولاتی باشیم که روی پردازنده‌های کمتر و روی ابزارهایی با قدرت پردازشی و کانفیگ کمتر بتوانند پردازش بشوند.

هوش مصنوعی برای متخصصین IT چه کاربردهایی دارد

علی آقابابایی، مدیر فنی شرکت آلیاسیس، گفت: متخصصان حوزه فناوری اطلاعات برای اینکه بتوانند به استفاده از ابزارهای هوش مصنوعی در بهینه‌کردن شبکه و زیرساخت دست پیدا کنند، باید ابتدا بتوانند زیرساخت و بستر مورد نیاز برای پیاده‌سازی هوش مصنوعی را فراهم کنند. در واقع بستری که اپلیکیشن‌های مرتبط حوزه هوش مصنوعی در آن اجرا و پیاده‌سازی می‌شوند و به بهره‌برداری می‌رسند. به طور کلی برای اینکه بتوانیم با استفاده از یادگیری ماشین مجموعه‌ای از داده‌ها را آموزش دهیم تا به خروجی برسیم،‌ علاوه‌بر مجموعه‌ای از سخت‌افزار جی پی یو و ابزارهای نرم‌افزاری، به شبکه‌ای نیاز است که این زیرساخت به آن متصل شود.

او در ادامه گفت: یک شبکه بسیار مهم و ارزشمند با یک سری ویژگی خاص برای ارتباط و تبادل اطلاعات بین سرورها نیاز خواهد بود . متخصص IT باید به عنوان طراح سخت افزار متناسب با نرم‌افزار، هوش مصنوعی را بشناسد. برای تعدادی پرادزنده GPU در بازه زمانی مشخص یک بستری را طراحی کنند که به گونه‌ای مرتبط به هم از کلاستر کردن داده‌ها مانند مدل‌های LLM، خروجی بگیرند. او اشاره کرد: این متخصصان می‌توانند مدل‌های کشف دارو در زمینه پزشکی،‌ یا پیش‌بینی رفتار خریدار و پیشنهادات آتی به آن را با آموزش داده‌های حجیم انجام دهند. می‌توان به توسعه در پردازش تصویر از ویدئوها برای گرفتن خروجی دلخواه پرداخت که البته به دلیل مسئله امنیت خیلی جذاب نیست.

آقابابایی گفت: زیرساخت هوش مصنوعی کشور باید متناسب با نیازهای خاص همان حوزه تامین شود، یعنی ما از ابتدا نیازی به تجهیز و صرف هزینه در همه بخش‌ها نداریم. به طور مثال برای توسعه این حوزه حتما به شبکه Lossless نیاز است که مجهز به فناوری فلو کنترل است. باید در ایجاد زیرساخت مناسب، فیچر و سخت افزار را بشناسیم و اتومیشن را در فرآیندها ایجاد کنیم تا کانفیگ‌ها به صورت اتومات در محصول انجام شوند.

کاربرد LLM در فناوری اطلاعات

وحید مافی، مدیر آی‌تی شرکت هوش مصنوعی پارت،‌ گفت: از زمان انقلاب صنعتی سوم که پتانسیل‌هایی در شرکت‌ها شکل گرفت؛ یکی از آنها ایجاد بخش آی‌تی بود. این فناوری یک سری محدودیت‌ها را ازبین برد و ارتباط بین بخش‌های سازمان و رفع مشکلات را راحت‌تر فراهم کرد. در واقع یکی از پرفانکشن‌های واحد فناوری اطلاعات این است که هوای ذینفعان داخل و بیرون سازمان را داشته باشد. به این معنی که بتواند نیازهای آنها را در زمان خوبی و با دقت خوبی جواب بدهد و اگر مشکلی به وجود آمد بتوانند آن را به خوبی رفع کند. اما اکنون این بخش به خاطر پیشرفت‌های تکنولوژی و حضور هوش مصنوعی دیگر با روش‌های سنتی کارایی ندارد.

مافی ادامه داد: باید بتوانیم از ظرفیت این مدل‌های زبانی بزرگ که در محصولات مختلف وجود دارند،‌ استفاده کرد. در واقع چه مدل‌های داخلی و چه خارجی،‌ به هر شکل ممکن برای سازمان استفاده کنیم. این مدل‌های زبانی را در قالب یک دستیار در داخل خود سازمان در اختیار پرسنل قرار بدهیم، به این معنی که در سطح صفر که کاربر از این سرویس بتواند جواب سوالات خودش را بگیرد. اینگونه نیازی نیست به داکیومنت خاصی مراجعه بکنند. حتی در سطح‌های بالاتر هم به اندازه کافی بدنه دانش ساختارمندی دارند که درصورت یک مقدار پیچیدگی بیشتر هم پاسخگو کاربران باشند. مگر اینکه یک سوالی کانتکس دیپندنت باشد، یعنی مربوط به محتوای خود سازمان باشد.

او گفت: با مدل‌های بزرگ زبانی، تحولی در مدیریت دانش سازمان‌ها شکل گرفت. اطلاعات و داده‌هایی که در شرکت‌ها تا الان توسط نیروی کار انسانی جمع‌آوری شده است، چندان به صورت یکپارچه ذخیره و استفاده نداشته و عملا کارایی نداشته است. از طرفی دیگر نیروی انسانی با مجموعه‌ای از اطلاعات هر لحظه ممکن است سازمان را ترک کند، درحالی که این مدل‌های هوش مصنوعی به اصطلاح خودمان غلام شما هستند که تمامی داده‌های شما را به صورت یکپارچه ذخیره، تحلیل و نگهداری میکنند.

چرا شرکت ایرانی هنوز نرفتند سراغ AI و چه چالش های دارند؟

محمد امینیان، مدیر محصول هوش مصنوعی داتین، گفت: به چالش های سرمایه‌گذاری و امکانات سخت افزار و نرم افزاری اشاره شد. از جنبه دیگر به عنوان یک نیروی فنی‌ می‌توان به اولین مسئله‌ای که شرکت‌ها دارند، یعنی نبود آمادگی دیجیتالی اشاره کرد. به این معنی که امکان ایجاد سرویس مبتنی بر مدل AI برای آنها امکان‌پذیر نیست. باید مهارت و دیتای خودشان را کامل بررسی کنند و برای توسعه AI درنظر بگیرند. به این خاطر یک پایپ لاین از دیتاهای مطمئن باید داشته باشند تا در پس از استقرار و با گذشت زمان کوتاه محصول به دلیل نبود داده با مشکل مواجه نشود. به طور کلی همه شرکت ها مهارت استفاده از AI رو ندارند.

با وجود اینکه تقریبا همه بیزنس‌ها علاقه دارند از هوش مصنوعی استفاده کنند اما باید درنظر گرفت داشتن محصول لوکال در یک مجموعه در توان هر سازمانی نیست. او گفت: متناسب با همین چالش برای شرکت‌ها، زیرساخت‌های ابری از بهترین راهکارهایی هستند که می‌توانند برای پیاده‌سازی پروژه‌های هوش مصنوعی خوب عمل کنند.

هوش مصنوعی در صنایع به ویژه فناوری اطلاعات از دیدگاه بازاریابی

مرتضی مختاری، رئیس کمیته دیجیتال مارکتینگ انجمن بازاریابی، گفت: کمک گرفتن از هوش مصنوعی در جهت پیشبرد اهداف سازمان اولین چیزی است که به ذهن می‌رسد. هوش مصنوعی شاخه‌های مختلفی دارد که در صنعت می‌تواند استفاده شود. به طور مثال در بازاریابی از دیتا ماینینگ می‌توان استفاده‌های مختلفی در حوزه پیش‌بینی فروش داشته باشیم. همچنین از یادگیری ماشین در استفاده‌های مختلفی مثل پیشنهاد محصول می‌شود. همچنین از منطق فازی و الگوریتم‌های ژنتیک بخش‌های دیگری از هوش مصنوعی برای فروش، و استراتژی‌های بازاریابی، در منابع انسانی و تحلیل هریک از این موارد در همه گرایش‌های مختلف در یک سازمان استفاده می‌شود.

مختاری گفت: در پیش‌بینی داده‌ها و رسیدن به اهداف فروش و توسعه محصول تنها کافی است؛ تارگت بازار و مخاطب مشخص شود و هوش مصنوعی با تجزیه‌وتحلیل استراتژی را تعریف می‌کند. برای توسعه برنامه‌های هوش مصنوعی در فناوری اطلاعات باید بتوانیم با حوزه‌هایی چون اینترنت اشیا تلفیق کنیم. به طور مثال در ربات پزشکی که به عنوان محصول داخلی توسعه پیدا کرده است و اوایل سال 2025 رونمایی میش‌شود. با استفاده از ماشین ویژن به عنوان یک دستیار هوشمند پزشکی قرار است در خانه به سالمندان خدمات ارائه دهد.