زیرا شرکت برنامه نویسی رادنت در همان ابتدا به شما مشاوره خواهد داد که آیا تولید و توسعه این نرم افزار صحیح است ؟ آیا زمان بازگشت سرمایه آن معقول است؟ چه مسیر پیش روی می باشد و چه نوسان بودجه در نظر گرفته شده چقدر است
گروه علم و پیشرفت خبرگزاری فارس، علیرضا سلطانی*- هوش مصنوعی مهمترین موضوع دنیای تکنولوژی است. موجی که به واسطه انتشار چتجیپیتی در رسانهها و دنیای تکنولوژی شکل گرفت تا امروز به صورت پیوسته ادامه داشته است و اخبار این حوزه در کنار مهمترین اخبار دنیا قرار گرفته اند. هوش مصنوعی مولد توانایی ماشین برای انجام وظایف پیچیدهتر را افزایش داده و گام بلندی برای برقراری ارتباط انسان با ماشین برداشته است. با توجه به پیشرفت چشمگیر هوش مصنوعی، از هماکنون چشماندازی که هوش مصنوعی بتواند بسیاری از کارها را انجام دهد قابل مشاهده است. به عقیده بسیاری از تحلیلگران مانند هنری کیسینجر، با گسترش تواناییهای هوش مصنوعی بشر وارد عصر جدیدی خواهد شد. همین چشمانداز تحول رقابت را برای دستیابی سریعتر و ساخت مدلهای قدرتمندتر در سراسر دنیا تشدید کرده است. از همین رو کشورهای گوناگون اکنون به دنبال دستیابی به جایگاه مناسب خود در زمینه هوش مصنوعی هستند. فعالیت بیش از 180 شرکت دانشبنیان ایرانی در زمینه هوش مصنوعی در کشور ما نیز از چند سال قبل گفتمان هوش مصنوعی شکل گرفته و چشمانداز قرارگیری ایران در میان ده کشور برتر در زمینه هوش مصنوعی نیز ترسیم شده است. هم اکنون بیش از 180 شرکت دانشبنیان در زمینه هوش مصنوعی در ایران مشغول فعالیت هستند. اکنون خدماتی نظیر تبدیل متن به صوت فارسی و بالعکس، نویسهخوان فارسی، احراز هویت، تشخیص اشیا و غیره توسط بسیاری از این شرکتها ارائه میشود. زیستبوم فعلی هوش مصنوعی کشور متشکل از چند شرکت متوسط و تعداد زیادی شرکت کوچک و استارتآپی است. اکنون پرسش اصلی است که با این زیستبوم میتوان در بین کشورهای پیشرو هوش مصنوعی در جهان ایستاد؟ برای پاسخ دادن به این پرسش باید شناخت اولیهای از اینکه مدلهای هوش مصنوعی چطور کار میکنند داشته باشیم. اکثر مدلهای هوش مصنوعی امروزی بر اساس سازوکاری به نام شبکه عصبی کار میکنند. این مدل از عملکرد مغز انسان الهام گرفته شده است. (اما با عملکرد واقعی مغز تفاوتهای زیادی دارد.) به این ترتیب که تعداد زیادی نورون مصنوعی در فضای ذخیرهسازی ایجاد میشود و هرکدام از آنها ورودی، خروجی و تابعی دارند که ورودی را به خروجی تبدیل میکند. با کنار هم قرار دادن این نورونها میتوان توابعی بسیار پیچیده ساخت که بتوانند مسائل خاصی را حل کنند. به عنوان مثال تشخیص دهند در یک تصویر گربه وجود دارد یا خیر. این کار با استفاده از داده انجام میشود. برای ساخت چنین مدلی نیاز به تصویر هزاران گربه از زوایا، رنگها، سنها، نژادها و حالات گوناگون وجود دارد تا مدل بتواند الگوی اصلی گربه را یاد بگیرد و در تصاویر جدید نیز آن را شناسایی کند. تمرین دادن یک مدل بار پردازشی زیادی دارد. اگر بر روی یک کارت گرافیک معمولی اجرا شود ممکن است تا چند روز طول بکشد. به همین خاطر اساسا در الگوریتمهای یادگیری ماشینی مبتنی بر شبکه عصبی دو پارامتر مهم در کیفیت و دقت مدل تاثیرگذار است. مقدار داده و ظرفیت پردازشی. هرقدر مقدار داده بیشتر باشد و بهتر آمادهسازی و پیشپردازش شود، دقت مدل بیشتر خواهد بود. از طرفی هرچه قدر تعداد نورونهای شبکه عصبی بیشتر باشد توانایی آن برای انجام وظایف پیچیدهتر بیشتر است. به عنوان مثال مدل زبانیهای کنونی چند صد میلیارد پارامتر دارند. به همین خاطر پردازش دادههای عظیم در یک شبکه عصبی بسیار بزرگ، نیازمند توان پردازشی خارقالعادهای خواهد بود که هرکسی از پس تامین آن بر نخواهد آمد. پیشبرد هوش مصنوعی چه در صنعت چه در محیطهای آکادمیک در دنیا نیازمند داشتن ظرفیتهای پردازشی، دادهای و مالی بزرگ است. در همین راستا و در سال 2021 دانشگاه استنفورد در گزارشی مربوط به فرصتها و تهدیدهای مدلهای پایه (از قبیل GPT3) ضمن بررسی ابعاد مختلف به کارگیری و استفاده از مدلهای پایه در زمینه های گوناگون، به این موضوع اشاره میکند که به دلیل نیاز فزاینده این مدلها به زیرساخت پردازشی و هزینههای هنگفت آن، با ادامه وضع موجود انحصار توسعه چنین مدلهایی در اختیار چند شرکت تکنولوژی بزرگ در دنیا قرار خواهد گرفت. این موضوع به روشنی نشان میدهد اکنون پیشبرد هوش مصنوعی چه در صنعت چه در محیط های آکادمیک در دنیا نیازمند داشتن ظرفیتهای پردازشی، دادهای و مالی بزرگ است. با توجه به این نکته اکنون این موضوع قابل درک است که چرا توسعه هوش مصنوعی در دست شرکتهای بزرگ است. هر نوآوری در زمینه هوش مصنوعی یا از ابتدا در آزمایشگاه هوش مصنوعی شرکتهای بزرگ انجام شده است، یا اگر در شرکتهای کوچک و استارتآپها انجام شده باشد در نهایت این استارتآپها توسط این شرکت های بزرگ خریداری میشوند. زیرا این شرکتها برای ادامه مسیر نوآوری خود نیاز به تامین مالی در حجم گسترده و به صورت پایدار دارند. خریداری اپنایآی توسط مایکروسافت و دیپمایند توسط گوگل نمونههایی از این پدیده است. غیر از شرکتهای آمریکایی این ساختار در سایر کشورهایی که در زمینه هوش مصنوعی قصد رقابت را دارند نیز دیده میشود. به عنوان مثال در چین نیز چنین الگویی دیده میشود،به طوری که شرکتهای بزرگ در چین متولی توسعه هوش مصنوعی شدهاند. شرکتهایی مانند بایدو و علیبابا. بایدو شرکت مشابه گوگل در چین است که سرویس موتور جستجو و نقشه و سایر سرویس های مشابه گوگل را به کاربران چینی ارائه میدهد. این شرکت با استفاده از حجم عظیم دادهای خود و درآمد قابل توجهش، توانایی توسعه مدلهای جدید هوش مصنوعی را دارد. اکنون بایدو در بسیاری از زمینه ها مانند خودرو خودران، مدل زبانی بزرگ، ایجاد سیستم پیشنهاد دهنده و غیره با گوگل و سایر شرکتهای غربی در حال رقابت است. در نهایت اما موضوع اصلی این است که در اکوسیستم کشورهای پیشرو در زمینه هوش مصنوعی حداقل یک شرکت بزرگ که از پس جمعآوری داده و ایجاد زیرساخت پردازشی عظیم برآید وجود دارد و سایر شرکتها در کنار آن به فعالیت میپردازند. بر اساس آنچه گفته شد، پخش کردن امکانات، حمایتها و زیرساختهای پردازشی و دادهای در بین شرکتهای کوچک و متوسط، برای انجام پروژههای بزرگ، کار چندان درستی به نظر نمیرسد. قطعا استارتآپها و واحدهای فناور با شناسایی ظرفیتهای اقتصادی به کارگیری فناوری در بخشهای مختلف نقش مهمی در توسعه و پیشرفت هر فناوری ایفا میکنند. هوش مصنوعی نیز از این قاعده مستثنی نیست. اما در خصوص انجام پروژههای بزرگ مانند مدل زبانی بومی و سایر مدلهایی که در مرز علمی هوش مصنوعی باشند نیازمند شرکت بزرگی هستیم که بتواند زیرساخت آن پروژه را به صورت پایدار تامین کند و همچنین در بخشهای مختلف هوش مصنوعی مسئولیت پروژههای بزرگ را قبول کند. متاسفانه اکنون در زیستبوم فناوری کشور خلا وجود شرکتهای بزرگ به شدت احساس میشود. متاسفانه اکنون در زیستبوم فناوری کشور خلا وجود شرکتهای بزرگی که بتوانند مدل زبانی بومی در مرز علمی هوش مصنوعی را توسعه دهند به شدت احساس میشود. در چنین زیستبومی، پروژهای مانند مدل زبانی بومی که یک پروژه عظیم است اکنون توسط چندین شرکت و آزمایشگاه در حال توسعه است. هر کدام از این شرکتها مدل زبانی خود را توسعه میدهند و برای به دست آوردن منابع لازم آن نیز با چالش رو به رو هستند. برای ایران که از نظر منابع سختافزاری و پردازشی قابل مقایسه با آمریکا یا چین نیست، اخد چنین رویکردی باعث ابتر ماندن هر پروژه بزرگی خواهد شد. توسعه مدلهای بزرگ هوش مصنوعی مانند ساخت نردبانی برای عبور از یک دیوار بلند است. اگر محدودیت چوب وجود داشته باشد، با پخش کردن چوب بین چندین نفر و درخواست از آنها برای ساخت نردبان، در نهایت چندین نردبان سه یا چهار پلهای درست خواهد شد که نمیتوان به وسیله آن از دیوار گذر کرد. جهتدهی و شکلدهی به زیستبوم هوش مصنوعی در کشور به طوری که در این زیستبوم شرکتهای بزرگ، کوچک و استارتآپها هرکدام نقش خود را شناخته و انجام دهند یکی از اولویتهای پیشرفت در این فناوری است. شرکتهای کوچک نباید به دنبال پروژههای بزرگ بروند و شرکتهای بزرگ نیز باید ایجاد شوند تا بتوانند مسئولیت این پروژهها که در سطح ملی هستند را بپذیرند. در این زمینه یکپارچگی رویکرد در نحوه حمایت از شرکتهای فعال در زمینه هوش مصنوعی در بین نهادهای مختلف حاکمیتی یک ضرورت است. *پژوهشگر اندیشکده اقتصاد دانشبنیان پایان پیام/
۲۱:۰۱
۱۴۰۲-۱۱-۲۱