سؤالات اساسی که به پاسخگویی سازمان هوش‌ مصنوعی نیاز دارد/ایران در مسیر رقابت جهانی در تراشه‌سازی

وی واگذاری وظایف توسعه زیرساخت‌های سخت‌افزاری پردازش را نمونه‌ای از وظایفی دانست که ارتباطی با سازمان هوش مصنوعی ندارد و اظهار کرد: سازمان ملی هوش مصنوعی متولی افزایش توان پردازشی کشور نیست.

عابدی اصل ادامه داد: واقعیت تلخی که در حوزه فناوری در کشور ما در مقایسه با کشورهای پیشرفته وجود دارد، این است که تمام دانش و تکنولوژی‌های پیشرفته در دنیا توسط شرکت‌های خصوصی تولید و گسترش یافته‌اند و دولت‌ها در این فرآیند نقشی نداشته‌اند و دولت‌ها تنها عهده‌دار حمایت مالی و معنوی از این شرکت‌ها برای رشد و توسعه دانش و تکنولوژی بوده‌اند. حتی سیاستگذاری‌های دخالت‌ آمیز در نوع تکنولوژی نیز نداشته‌اند، بلکه بیشتر مانند پدری عمل کرده‌اند که دست فرزندشان را زمانی که تازه راه رفتن را یاد گرفته، در دست داشته‌اند و وقتی این فرزند به رشد و بلوغ رسیده، با همین تکنولوژی و دانش، ارزآوری بسیاری برای آن کشور داشته است.

این تحلیلگر هوش مصنوعی با تاکید بر اینکه قرار نیست سازمان ملی هوش مصنوعی همه‌ هوش مصنوعی کشور باشد، نقش این سازمان را تنها و تنها نقش نظارتی و حامی عنوان کرد و یادآور شد: اگر این سازمان باعث ایجاد بوروکراسی در این حوزه شود، حتی تعداد اندکی از متخصصین و شرکت‌هایی که در این حوزه فعالیت خود را آغاز کرده‌اند نیز ممکن است از کشور مهاجرت کنند.

انتقادات سند هوش مصنوعی

وی در پاسخ به این سؤال که زیرساخت مورد نیاز برای راه‌اندازی یک سیستم مبتنی بر هوش مصنوعی چیست؟ پاسخ داد: راه‌اندازی یک سیستم مبتنی بر هوش مصنوعی (AI) نیازمند زیرساخت‌های مختلفی است که در سطوح فنی و مدیریتی شامل موارد «سخت‌افزار»، «نرم‌افزار»، «داده‌ها»، «مدیریت و مهارت‌ها»، «زیرساخت شبکه»، «ابزارهای مانیتورینگ و ارزیابی» و «پیاده‌سازی در مقیاس» می‌شود.

عابدی اصل با اشاره به زیرساخت «سخت‌افزار» آن را شامل موارد «پردازنده‌های قوی (CPU/GPU)»، «حافظه (RAM)»، «ذخیره‌سازی (Storage)» و «سرورهای قدرتمند» دانست و درباره پردازنده‌های قوی (CPU/GPU) گفت: برای انجام محاسبات پیچیده، پردازنده‌های قدرتمند، به‌ویژه GPU‌ها یا حتی پردازنده‌های تخصصی مانند TPU‌ها لازم هستند.

وی با بیان اینکه بسته به نوع مدل AI، حافظه‌ زیادی برای پردازش داده‌ها مورد نیاز است، درباره ذخیره‌سازی (Storage) یادآور شد: داده‌های بزرگ نیاز به فضای ذخیره‌سازی بالا دارند. استفاده از هارد دیسک‌های SSD با سرعت بالا ترجیح داده می‌شود.

عابدی اصل درباره سرورهای قدرتمند نیز تاکید کرد: در صورت اجرای سیستم به صورت محلی، سرورهای قوی با توان پردازشی بالا ضروری هستند. اگر از ابر (Cloud) استفاده می‌کنید، سرورهای مقیاس‌پذیر مورد نیاز است.

این تحلیلگر هوش مصنوعی با اشاره به زیرساخت «نرم‌افزار» گفت: در این زیرساخت مواردی نظیر «پلتفرم‌های AI و یادگیری ماشینی»، «زبان‌های برنامه‌نویسی»، «سیستم‌عامل» و «مدیریت داده‌ها» مطرح هستند که پلتفرم‌های AI و یادگیری ماشینی مانند TensorFlow، PyTorch، Scikit-Learn، Keras و … که به شما امکان می‌دهند مدل‌های AI را توسعه دهید و آموزش دهید. زبان‌های برنامه‌نویسی مانند Python و R و … که به طور گسترده برای توسعه مدل‌های AI استفاده می‌شوند. استفاده از سیستم‌عامل‌های پایدار و قابل اطمینان مانند لینوکس برای مدیریت کارآمدتر منابع و اجرای برنامه‌های سنگین نیاز است و همچنین در بخش مدیریت داده‌ها نظیر پایگاه‌های داده و سیستم‌های مدیریت داده که امکان ذخیره، بازیابی و پردازش داده‌ها را فراهم می‌کنند (مثل SQL، NoSQL، Hadoop)، مطرح است.

عابدی اصل با بیان اینکه در زیرساخت «داده‌ها» مواردی نظیر «جمع‌آوری داده‌ها»، «پیش‌پردازش داده‌ها» و «ذخیره‌سازی داده‌ها» مطرح است، گفت: جمع‌آوری داده‌های با کیفیت و به اندازه کافی برای آموزش مدل‌ها ضروری است.

وی درباره پیش‌پردازش داده‌ها یادآور شد: داده‌ها باید پاکسازی، دسته‌بندی و آماده‌سازی شوند تا برای آموزش مدل‌ها مناسب باشند. همچنین درمورد  ذخیره‌سازی داده‌ها نیز ایجاد سیستم‌های ذخیره‌سازی داده‌ها برای نگهداری و دسترسی آسان به داده‌ها ضروری است.

عابدی اصل با اشاره به زیرساخت «مدیریت و مهارت‌ها» گفت: این بخش شامل تیم تخصصی، آموزش و مدیریت پروژه است که درباره تیم تخصصی باید یادآور شد که متخصصان داده، مهندسان یادگیری ماشینی، توسعه‌دهندگان نرم‌افزار و مدیران پروژه برای مدیریت و توسعه سیستم مورد نیاز هستند. همچنین تیم باید به طور مداوم در حال آموزش و یادگیری تکنولوژی‌های جدید AI باشد و  داشتن یک رویکرد منظم برای مدیریت پروژه، از جمله اسپرینت‌ها و مایلسون‌های مشخص برای پیشرفت پروژه لازم است.

این تحلیلگر هوش مصنوعی با بیان اینکه در زیرساخت شبکه دو موضوع پهنای باند بالا و امنیت شبکه مطرح است، خاطرنشان کرد: برای انتقال داده‌های بزرگ بین سرورها و ذخیره‌سازها به پهنای باند بالا نیاز است و پیاده‌سازی پروتکل‌های امنیتی برای حفاظت از داده‌ها و جلوگیری از نفوذ نیز از ضروریات است.

این کارشناس هوش مصنوعی با اشاره به زیرساخت «ابزارهای مانیتورینگ و ارزیابی» آن را شامل دو بخش «مانیتورینگ عملکرد» و «ارزیابی مدل» دانست و یادآور شد: در مانیتورینگ مدل استفاده از ابزارهایی برای نظارت بر عملکرد مدل‌های AI و سرورها و در  ارزیابی مدل، ابزارها و متدهایی برای ارزیابی دقت، صحت و عملکرد مدل‌های AI پس از آموزش ضروری است.

عابدی اصل با اشاره به آخرین مورد در زیرساخت یعنی «پیاده‌سازی در مقیاس» گفت: در این زیرساخت مدیریت مقیاس‌پذیری یعنی قابلیت مقیاس‌پذیری زیرساخت برای پشتیبانی از تعداد زیادی از درخواست‌ها و پردازش داده‌های بزرگ مورد توجه است.

وی ادامه داد: موارد هفت‌گانه‌ بالا از جمله ضروریات اساسی برای هر سیستم مبتنی بر هوش مصنوعی هستند. بدون تأمین هر یک از این عناصر، پیاده‌سازی و توسعه‌ یک سیستم هوش مصنوعی امکان‌پذیر نخواهد بود. تفاوت اصلی این است که مقیاس اجرای این موارد بر اساس پیچیدگی و قدرت سیستم هوش مصنوعی متفاوت است؛ به این معنا که برای سیستم‌های هوش مصنوعی قدرتمندتر و جامع‌تر، منابع بیشتری مورد نیاز است، در حالی که سیستم‌های کوچکتر و ساده‌تر به منابع کمتری نیاز دارند.

سؤالات اساسی درباره توسعه هوش مصنوعی

عابدی اصل با اشاره به هدفگذاری کشور برای قرار گرفتن در میان ۱۰ کشور برتر در هوش مصنوعی در متن سند ملی هوش مصنوعی، گفت: پرسش کلیدی در این زمینه آن است که منظور از “۱۰ کشور برتر در حوزه‌ هوش مصنوعی” چیست؟ چه معیارهایی برای این رتبه‌بندی در نظر گرفته شده‌ است؟ ضروری است که گردآورندگان این سند، معیارهای دقیق مقایسه و شاخص‌هایی که برای قرار گرفتن در میان ۱۰ کشور برتر جهان در نظر گرفته‌اند را به‌صورت شفاف مشخص کنند.

وی سؤال دیگری در این باره را وضعیت کشور در فراهم‌سازی ملزومات لازم برای هوش مصنوعی دانست و افزود: کشور ما، با توجه به تحریم‌های گسترده‌ای که در حوزه فناوری (چه از نظر سخت‌افزاری و چه نرم‌افزاری) طی سال‌های اخیر با آن مواجه بوده است، از نظر زیرساخت‌های سخت‌افزاری برای پردازش‌های پیشرفته در وضعیت بسیار نامطلوبی قرار دارد. بسیاری از سیستم‌های پردازشی موجود به‌طور کامل از رده خارج شده و از تکنولوژی‌های چند نسل گذشته استفاده می‌کنند. با ظهور تکنولوژی‌های جدید، بخش عمده‌ای از زیرساخت‌های سخت‌افزاری کشور، از جمله در حوزه‌های پردازش، ذخیره‌سازی و شبکه، نیاز به به‌روزرسانی اساسی دارند.

این فعال حوزه هوش مصنوعی اضافه کرد: کشور ما توانایی کافی برای ایجاد بسترهای پردازش هوش مصنوعی را ندارد. در حالی که محصولات شرکت‌های غول تراشه‌سازی مانند NVIDIA برای سال‌های آینده توسط شرکت‌های بزرگ هوش مصنوعی از پیش خریداری شده‌اند و عرضه این محصولات در بازار جهانی به حداقل ممکن رسیده است، رقابت سنگینی بین شرکت‌های بزرگ دنیا برای تأمین سخت‌افزار مورد نیاز زیرساخت‌های هوش مصنوعی وجود دارد. هزینه‌های بالای تأمین این تراشه‌ها نیز نکته‌ای قابل توجه است. از آنجا که واردات این سخت‌افزارها به کشور ما پس از چندین دست تغییر صورت می‌گیرد، قیمت آنها به شدت افزایش می‌یابد. این افزایش قیمت یکی از موانع جدی در مسیر تأمین سخت‌افزارهای مورد نیاز برای توسعه زیرساخت‌های هوش مصنوعی در کشور محسوب می‌شود.

افزایش توان محاسباتی کشور تا یک اگزا فلاپس

عابدی اصل به بخش دیگر این سند در خصوص افزایش توان محاسباتی اشاره کرد و گفت: وقتی در برنامه‌ریزی برای ایجاد یک سازمان ملی هوش مصنوعی چنین مواردی مطرح می‌شود، اولین سؤالی که به ذهن خطور می‌کند، این است که افزایش توان پردازشی کشور چه ارتباطی با سازمان ملی هوش مصنوعی دارد، در حالی که کشور دارای یک وزارتخانه‌ فناوری اطلاعات است که متولی اصلی زیرساخت‌های شبکه و پردازش کشور به شمار می‌آید. پاسخی که می‌توان به این سؤال داد، این است که این موضوع نباید در «سند سازمان ملی هوش مصنوعی» گنجانده شود.

وی افزود: حتی اگر به بخشی از سند که توسعه‌ توان پردازشی تا ۵ اگزا فلاپس را مطرح می‌کند، توجه کنیم، باز هم این سؤال مطرح می‌شود که آیا سازمان ملی هوش مصنوعی واقعاً باید متولی توسعه توان پردازشی کشور باشد؟

عابدی اصل خاطر نشان کرد: اگر فرض کنیم که این مسئولیت به سازمان ملی هوش مصنوعی واگذار شده است، با توجه به شرایط فعلی و تحریم‌های گسترده در حوزه‌های مختلف سخت‌افزاری و وضعیت نامطلوب زیرساخت‌های شبکه، توسعه توان پردازشی تا ۵ اگزا فلاپس تقریباً غیرممکن به نظر می‌رسد. به‌علاوه، این مساله نیز مطرح است که طبق سند موجود، توان پردازشی کشور ۲۰ پتافلاپس است، در حالی که تنها در بخش هواشناسی کشور چین، توان پردازشی در حال نزدیک شدن به ۶۰ پتافلاپس است.

وی ادامه داد: این در حالی است که سازمان هواشناسی کشور تنها توان پردازشی معادل ۱۴ ترافلاپس(ترا نه پتا) را دارد؛ و این در شرایطی است که فناوری این سرور هم قدیمی و منسوخ شده است و نکته‌ مهم و جالب این است که در بسیاری از کشورهای دنیا، سازمان‌های هواشناسی دارای پیشرفته‌ترین سرورها برای پردازش حجم عظیم داده‌های هواشناسی هستند. این تفاوت عظیم نمونه‌ای کوچک از وضعیت کلی کشور در حوزه توان پردازشی است.

این تحلیلگر حوزه هوش مصنوعی یادآور شد: علاوه بر بحث پردازش، برای ایجاد زیرساخت‌های لازم به منظور دستیابی به توان محاسباتی در مقیاس اگزا فلاپس، نیازمند تکنولوژی‌های فوق‌العاده پیشرفته در حوزه ارتباطات و شبکه هستیم. این تکنولوژی‌ها باید قادر باشند داده‌ها را به سرعت و کارآمدی منتقل کنند تا از این حجم پردازش به‌طور کامل استفاده شود. در غیر این صورت، مانند این است که بخواهید از یک تانکر چندصد هزارلیتری با یک شیر بسیار کوچک، تنها یک فنجان در دقیقه خروجی بگیرید. بدون داشتن شبکه‌ای قوی و پیشرفته، حتی با توان پردازشی بالا هم نمی‌توان به بهره‌وری کامل دست یافت.

افزایش فروش دانش‌بنیان‌های هوش مصنوعی تا سقف ۲ هزار میلیارد تومان

وی در پاسخ به این سؤال که آیا امکان افزایش فروش شرکت‌های دانش‌بنیان حوزه هوش مصنوعی تا ۲ هزار میلیارد تومان تا سال ۱۴۰۷ امکان‌پذیر است، گفت: برای پاسخ به این سؤال، لازم می‌دانم به یک ابهام دیگر در سند اشاره کنم. ما در حال صحبت درباره افزایش فروش شرکت‌های دانش‌بنیان در حوزه هوش مصنوعی هستیم، اما این جمله به تنهایی توصیف کاملی از گسترش هوش مصنوعی در کشور نیست؛ زیرا هوش مصنوعی قرار است به تمامی شرکت‌ها، زیرساخت‌ها و فرآیندها نفوذ کند و آنها را تحت تأثیر قرار دهد. این بدان معناست که هوش مصنوعی باید در تمامی حوزه‌ها، از یک نانوایی سنتی در یک روستای دورافتاده گرفته تا شرکت‌های غول‌پیکر در حوزه‌های بهداشت، انرژی، حمل و نقل و غیره، وارد شود.

عابدی اصل اظهار کرد: بنابراین، مطرح کردن این موضوع که ما تنها بر افزایش فروش شرکت‌های دانش‌بنیان تمرکز کنیم، از اساس اشتباه است. اگر هدف این است که فروش این شرکت‌ها به رقم ناچیز ۲۰۰۰ میلیارد تومان برسد و اگر حداکثر این سقف رشد محقق شود، در واقع به این معناست که سال ۱۴۰۷، باید فاتحه هوش مصنوعی در ایران را خواند. زیرا قرار است تا سال ۱۴۰۷، هوش مصنوعی تمامی زیرساخت‌ها را متحول کند، یعنی یک همه‌گیری گسترده از فناوری که اگر سازمان ملی هوش مصنوعی نتواند سیاستگذاری درستی برای این رشد فوق‌العاده ایجاد کند، قطعاً این تحول توسط زیرساخت‌های خارجی جبران خواهد شد.

وی تصریح کرد: به‌طور خلاصه، گسترش هوش مصنوعی نیازمند یک نگاه جامع و همه‌جانبه است که شامل تمام بخش‌ها و صنایع می‌شود، نه صرفاً محدود به افزایش فروش در یک بخش خاص. این تحول باید به‌گونه‌ای مدیریت شود که بتواند همه زیرساخت‌های کشور را در بر بگیرد و از تأثیرات خارجی بی‌نیاز کند.

آیا تحقق تولید ۲ هزار محصول و خدمت مبتنی بر هوش مصنوعی با دستور قانون امکان‌پذیر است؟

وی با بیان اینکه آیا تحقق تولید ۲ هزار محصول و خدمت مبتنی بر هوش مصنوعی با دستور قانون امکان‌پذیر است، گفت: برای پاسخ به این سؤال، من سؤال دیگری مطرح می‌کنم: امروز در دنیا چند محصول مبتنی بر هوش مصنوعی وجود دارد؟ پاسخ این است که بیش از ۲ میلیون محصول مبتنی بر هوش مصنوعی در حال حاضر وجود دارد و حتی در لحظه‌ای که ما در حال صحبت هستیم، این تعداد در حال افزایش است. این واقعیت نشان می‌دهد که افرادی که این سند را تهیه کرده‌اند، دانش کافی در مورد گستره و تنوع محصولات هوش مصنوعی نداشته‌اند. تعیین عدد ۲ هزار برای رشد و برنامه‌ریزی چند ساله در حوزه هوش مصنوعی، بیشتر شبیه شوخی است.

عابدی اصل ادامه داد: به نظر من، سؤال اصلی در اینجا بی‌پاسخ مانده است. زیرا توسعه هوش مصنوعی در جهان عمدتاً توسط شرکت‌های خصوصی و بدون دخالت مستقیم قانون‌گذاران صورت می‌گیرد. شاید دولت بتواند وزارتخانه‌ها و سازمان‌های خود را ملزم به هوشمندسازی فرآیندهای اداری کند، اما اعمال چنین الزامی برای شرکت‌های خصوصی امکان‌پذیر نیست. به‌ویژه در دنیای امروز که نوآوری و سرعت رشد تکنولوژی از قوانین سنتی پیشی گرفته‌اند، راهکارهای اجرایی و برنامه‌ریزی باید متناسب با واقعیت‌های پیچیده و پویای بازار جهانی باشد.