هوش مصنوعی در ایران؛ گرفتار در چرخه‌ بی‌پایان سندنویسی و بوروکراسی

به گزارش پیوست، با وجود تلاش‌های دولت برای تدوین آیین‌نامه‌ها و ایجاد سازوکارهای رسمی توسعه و به کارگیری هوش مصنوعی، کارشناسان هشدار می‌دهند که محدود کردن مسیر به اسناد و مقررات، نتیجه‌ای جز افزایش بروکراسی و سرکوب نوآوری نخواهد داشت. به باور آنها، موفقیت هوش مصنوعی در کشور تنها زمانی محقق می‌شود که دولت نقش سیاست‌گذار و تسهیل‌گر را ایفا کند و اجرای پروژه‌ها و نوآوری‌ها به بخش خصوصی، دانشگاه‌ها و نخبگان واگذار شود.

توسعه هوش مصنوعی نباید محدود به سند باشد

به عقیده حمیدرضا احمدیان، رئیس امور هوش مصنوعی و توسعه دولت هوشمند سازمان اداری استخدامی کشور، برخلاف تصور رایج، مشکل هوش مصنوعی در ایران نبود قانون یا مقررات نیست.

او در این‌باره می‌گوید: در سال ۱۴۰۳، آیین‌نامه هوش مصنوعی کشور تدوین و ابلاغ شد. یکی از اهداف کلیدی این آیین‌نامه، تشکیل «ستاد توسعه هوش مصنوعی» بود که اکنون ایجاد شده و تاکنون چندین جلسه کارشناسی برگزار کرده است. نتیجه این جلسات نیز، تدوین بسته‌ای از وظایف کاری و تقسیم مسئولیت‌ها میان نهادهای مرتبط بوده است. بنابراین، ما امروز از نظر اسناد بالادستی و تقسیم وظایف، در نقطه‌ آغاز قرار داریم.

او با تاکید بر اینکه مسیر توسعه‌ هوش مصنوعی تنها با صدور آیین‌نامه یا نگارش سند محقق نمی‌شود، گفت: کمتر کشوری در این حوزه توانسته تنها با سند نویسی رشد کند. رشد این مسیر در فضای نوآوری و زیست‌بوم عملیاتی هموار می‌شود. هدف اصلی نیز این است که هوش مصنوعی بتواند در کنار بخش‌های خصوصی، دولتی و بنگاهی به‌صورت موثر وارد عمل شده و خدمات واقعی خلق کند.

محمدمهدی امیرفروغی، کارشناس هوش مصنوعی، نیز بر این باور است که بسیاری از پروژه‌های هوش مصنوعی در بخش دولتی پس از فاز مطالعاتی متوقف می‌شوند. او می‌گوید چرخه‌ای شکل گرفته که به دنبال «نوشتنِ سند» و «تحقیق و تحلیل» است و به ندرت به اجرا می‌رسد؛ گزارش‌ها کنار گذاشته می‌شوند و آنچه اجرایی می‌شود، اغلب جدا از نیاز واقعیِ مردم و سازمان‌ها است.

امیرفروغی چالش‌های مربوط به هوش مصنوعی در کشور را به سطوح گوناگونی تقسیم کرده و می‌گوید: در سطح دولتی جزیره‌ای بودن داده‌ها و تصمیم‌گیری‌های سنتی مهم‌ترین چالش ما است. پیامد مستقیم این وضعیت، شکست در روند هوشمندسازی خدمات عمومی است. تنها راه‌حل موثر نیز، ایجاد «مرکز ملی حاکمیت داده و هوش مصنوعی» با بودجه مستقل است.

هوش مصنوعی در ایران: پروژه‌محور به جای محصول‌محوری

به باور محمدمهدی امیرفروغی، کارشناس هوش مصنوعی، در کشور ما هوش‌مصنوعی غالبا پروژه‌محور است، نه محصول‌محور. او ادامه می‌دهد: بسیاری از پروژه‌ها پس از فاز مطالعاتی متوقف می‌شوند. به دنبال ناکامی‌های موجود چرخه‌ای شکل گرفته که تنها از ناهماهنگی فکری نبوده و بخش مهمی از آن به زیرساخت فنی مربوط است.

به اعتقاد کارشناسان زیرساخت محاسباتی کشور برای اجرای پروژه‌های هوش مصنوعی بسیار ضعیف است. هرچند در حوزه‌ کلاد تا حدی پیشرفت کرده‌ایم، اما به‌دلیل تحریم‌ها، بیشتر شرکت‌ها به GPUهای قدرتمند و به‌روز دسترسی ندارند.

به گفته حمیدرضا احمدیان، رئیس امور هوش مصنوعی و توسعه دولت هوشمند سازمان اداری استخدامی کشور، در این شرایط پیش از هر چیز باید مقدمات ورود هوش مصنوعی به ساختار اداری فراهم شود.

او در ادامه به مقدمات ورود هوش مصنوعی به ساختار اداری پرداخت و گفت: فرهنگ‌سازی و آموزش سازمانی برای آشنایی مدیران و کارکنان با مفاهیم، ابزارها و فرصت‌های هوش مصنوعی، ایجاد زیرساخت‌های فنی از جمله توسعه‌ GPU و زیرساخت‌های پردازشی ملی و همچنین تسهیل ورود کاربردهای هوش مصنوعی به نظام اداری، مانند استفاده از دستیارهای هوشمند برای ارائه‌ی خدمات دقیق‌تر، شفاف‌تر و سریع‌تر به مردم از جمله اقدامات لازم است.

طبق گفته احمدیان، رویکرد امروز کشور ورود تدریجی بخشی از کاربردهای عملی هوش مصنوعی به نظام اداری است. او در ادامه توضیح داد: در این مسیر، سازمان اداری و استخدامی کشور باید نظام ارزیابی و رگولاتوری متناسب با این تحولات را طراحی کند. همچنین معاونت علمی ریاست‌جمهوری و وزارت ارتباطات نیز موظف‌اند زیرساخت‌های فنی و بسترهای اجرایی را تقویت کنند تا نقشه‌راه ملی هوش مصنوعی به‌صورت واقعی و اجرایی پیش برود.

اجرای پروژه‌های هوش مصنوعی باید به بخش خصوصی واگذار شود

کارشناسان بر این باورند که شوراها و سازمان‌های متعدد، در صورت ناهماهنگی و تکرار وظایف، نه‌تنها کمکی به پیشرفت نمی‌کنند، بلکه بروکراسی را پیچیده‌تر می‌سازند. کشور نیازمند نهادی تسهیل‌گر و هماهنگ‌کننده است، نه فقط نهادی اجرایی. از این رو، تفکر ستادی در حوزه‌ی هوش مصنوعی، رویکرد درستی است. چراکه ستاد فقط یک مجری نیست، بلکه باید تفکیک وظایف را انجام داده، نظارت کند و بستر همکاری میان نهادها را فراهم سازد.

از همین رو حمیدرضا احمدیان، رئیس امور هوش مصنوعی و توسعه دولت هوشمند سازمان اداری استخدامی کشور، تاکید می‌کند: «با بروکراسی پیچیده در هوش مصنوعی محکوم به شکست هستیم.»

به عقیده او برای تحقق واقعی هوش مصنوعی در کشور، باید تنظیم‌گری در حوزه هوش مصنوعی مورد توجه قرار گیرد. همچنین پرسش‌هایی مانند «حاکمیت هوش مصنوعی کجا و چگونه شکل می‌گیرد؟»، «وظایف نهادهای مختلف چیست؟» و «مرز مسئولیت‌ها کجاست؟» از مسائل بنیادی این حوزه‌اند.

احمدیان با تاکید بر نقش بخش خصوصی، دانشگاه‌ها و نخبگان در توسعه هوش مصنوعی در کشور می‌گوید: تصور اینکه دولت به‌تنهایی مسیر هوش مصنوعی را ترسیم، اجرا و نظارت کند، نادرست است. نقش دولت باید سیاست‌گذاری، تسهیل‌گری و ایجاد چارچوب باشد و نه تصدی‌گری مستقیم. پیشرفت این حوزه زمانی محقق می‌شود که بخش خصوصی توانمند شود و فضای اقتصادی لازم برای فعالیت آن فراهم گردد.

به گفته او همچنین شفافیت داده، حاکمیت داده و دسترسی آزاد به دادگان ملی از مسائلی است که سال‌ها مورد بحث قرار گرفته‌اند اما همچنان به نتیجه مشخصی ختم نشده‌ و نهاد مسئول و سازوکار آن نامشخص است.

به باور او موضوعاتی مانند اخلاق هوش مصنوعی، دیپلماسی فناورانه و سیاست‌گذاری هوشمند در حمایت از سرمایه‌گذاری فناورانه نیز از مسائلی است که باید جدی‌تر به آنها اندیشید و اجرای پروژه‌ها باید به بخش خصوصی و فضای اقتصادی پویا سپرده شود.

چالش‌های توسعه هوش مصنوعی در ایران

به گفته محمدمهدی امیرفروغی، کارشناس هوش مصنوعی، مشکل اصلی در بخش خصوصی نیز، نبود مدل‌های سوددهی مشخص و کمبود نیروی متخصص و ماهر است. او در این باره می‌گوید: شرکت‌ها معمولا پروژه‌های هوش مصنوعی  را بدون مدل تجاری پایدار طراحی می‌کنند. در نتیجه پروژه‌ها شکست خورده و AI تنها تبدیل به ابزاری در ویترین آنها می‌شود. راهکار پیشنهادی در این بخش، تشکیل «AI Lab»‌های درون‌سازمانی با ساختاری درآمدزا و همکاری مستقیم با تیم‌های اقتصادی شرکت‌ها است. این الگو در میان نسل Z و در پارک‌های علم و فناوری در حال شکل‌گیری است.

تجربه‌ نشان می‌دهد راهکارهای «بومی» یا بسیار پرهزینه‌اند یا اصلا دنبال نشده‌اند. ساختِ سرورهای داخلی مجهز به GPU هزینه‌هایی دارد که از توان اغلب مجموعه‌ها خارج است. به نوعی که بسیاری اساسا به سمت آن هم نرفته‌اند. از همین رو امیرفروغی می‌گوید: اگر نتوانیم زیرساخت‌های پردازشی لازم را فراهم کنیم، یا باید مدل‌های بزرگ زبانی و سایر معماری‌های پیشرفته را به‌صورت خرد و ناقص اجرا کنیم یا از اجرا صرف‌نظر کنیم.

امیرفروغی چالش اصلی بعد فنی را کمبود APIها، کلادهای پیشرفته و GPUهای قدرتمند می‌داند که به واسطه آنها نتوانسته‌ایم مدل‌های بزرگ هوش مصنوعی را به‌درستی پیاده‌سازی کنیم. او راه‌حل این چالش را  توسعه خوشه‌های ملی GPU و همکاری با تولیدکنندگان داخلی می‌داند.