بزرگ‌نمایی نقش زیرساخت پردازشی گرافیکی؛ خطایی راهبردی در توسعه هوش مصنوعی ایران

چند وقت پیش، در تماس تلفنی کوتاهی با یکی از مدیران سابق معاونت علمی و فناوری ریاست جمهوری، حرفی زد که یادآورهای صحبت های چندسال گذشته‌ام در کارگروه‌های کارشناسی هوش مصنوعی معاونت علمی بود؛ حرفی که خلاصه‌ای از سال‌ها سیاست‌گذاری اشتباه بود. گفت: «بخش زیادی از GPUهایی که به عنوان حمایت داده می‌شود، به استارت‌آپ‌ها و پژوهشگرهایی اختصاص دارد که بیشتر کار پژوهشی می‌کنند؛ تا کارهایی که تبدیل به محصول شود و روانه بازار.»

این جمله در ظاهر ساده، اما دقیقاً ریشه یکی از مشکلات اصلی زیست‌بوم هوش مصنوعی ایران است: ما بیش از اندازه، روی زیرساخت پردازشی تمرکز کرده‌ایم؛ آن هم در مسیری که نه خروجی اقتصادی جذابی دارد و نه درد قابل چشمگیری از کسب‌وکارهای واقعی، کم می‌کند. زیرساخت پردازش گرافیکی به ‌خودی ‌خود نه ارزش ایجاد می‌کند، نه به رشد واقعی بازار کمک می‌کند؛ اگر هم کمک کند، تنها زمانی است که در کنار یک محصول مبتنی بر نیاز واقعی قرار گرفته باشد، نه پیش از آن.

این تجربه را سال‌هاست از نزدیک لمس کرده‌ایم. نزدیک چهار سال است که هیچ حمایتی در حوزه GPU دریافت نکرده‌ایم، اما توانسته‌ایم سرویس‌های هوش مصنوعی در حوزه زبان فارسی ارائه کنیم که مشتریان کیفیتشان را «ملموساً بالاتر» از بسیاری از گزینه‌های موجود ارزیابی کرده‌اند. وقتی به ساختار هزینه‌ها نگاه می‌کنیم، سهم GPU در کل هزینه شرکت تنها دو تا سه درصد از هزینه‌های ماه است. این واقعیت ساده نشان می‌دهد عامل ساخت کیفیت، پردازنده نیست؛ معماری، داده و مهندسی است. امری که توسط ذهن و مهارت نیروی انسانی خبره شکل می‌گیرد، نیروی انسانی که از مهم‌ترین مزیت‌های ما در عرصه هوش مصنوعی و اقتصاد دیجیتال است.

در مقابل، وضعیت اقتصادی ایران اجازه نمی‌دهد که این کشور در مسیر توسعه زیرساخت پردازشی سنگین حرکت کند. حتی بسیاری از کشورهای منطقه که اقتصاد بهتری از ما دارند، توان سرمایه‌گذاری مداوم در GPU را ندارند؛ چه برسد به ایران که با تحریم، محدودیت واردات و هزینه‌های چندبرابری مواجه است. قیمت GPU داخل کشور خیلی بیشتر از بازار جهانی به‌دست مصرف کننده می‌رسد و شرکت‌ها و کارفرمایان توان پرداخت این هزینه‌ها را ندارند. طبیعی است که در چنین شرایطی، انتظار توسعه مبتنی بر GPU نه واقع‌بینانه است و نه عملی.

از سوی دیگر، سرویس‌های خارجی با هزینه کمتر، دسترسی پایدارتر و ریسک پایین‌تر در دسترس‌اند. برای بسیاری از کسب‌وکارها استفاده از این سرویس‌ها به‌صرفه‌تر است. این یعنی حتی اگر GPU داخلی فراهم شود، در عمل رقابت‌پذیر نخواهد بود و سیاست‌گذاری در این حوزه به نتیجه مطلوب نخواهد رسید.

بنابراین مساله اصلی این نیست که GPU اهمیت ندارد، بلکه بنظر می آید  قرار دادن آن در اولویت نخست سیاست‌گذاری اشتباه است. توسعه واقعی هوش مصنوعی از محصول شروع می‌شود، نه از پردازنده. اگر سرویس‌های هوش مصنوعی توسط نخبه ایرانی سبک، بهینه و برای زبان فارسی طراحی شوند، می‌توانند با سخت‌افزار محدود هم عملکرد عالی داشته باشند. زمانی هم که کسب‌وکار با ارائه محصول و خدمات عالی رشد کند، خواه ناخواه زیرساخت به‌صورت طبیعی و متناسب با نیاز واقعی توسعه پیدا خواهد کرد.

این مسیر را در سال‌های گذشته بارها تجربه کرده‌ایم. آنچه مزیت رقابتی ایجاد می‌کند، طراحی درست، مهندسی چابک و تمرکز بر کاربرد توسط نخبه ایرانی است. زیست‌بوم هوش مصنوعی ایران زمانی پیشرفت می‌کند که به جای حمایت‌ توسعه «زیرساخت پردازشی گرافیکی» به سمت حمایت از «سرویس، محصول و ارزش واقعی بازار» حرکت کند.