به گزارش اقتصاددان به نقل از جهان صنعت ، هوشمصنوعی در جهان بهابزار رقابت کشورها تبدیل شده اما در ایران هنوز میان آزمایشگاهها، آئیننامهها و جلسات سیاستگذاری سرگردان است. درحالیکه پژوهشگران ایرانی توانستند نام کشور را در جمع برترینهای علمی این حوزه ثبت کنند سهم هوشمصنوعی از اقتصاد، خدمات عمومی و نظام حکمرانی همچنان ناچیز است. این تناقض نشان میدهد مساله اصلی ایران ناتوانی در تبدیل دانش بهمحصول، خدمت و ارزش اقتصادی است. تازهترین اظهارات رییس دبیرخانه ستاد توسعه فناوری و کاربرد هوشمصنوعی نیز همین واقعیت را تایید میکند. براساس اعلام این ستاد ایران از نظر تولید دانش و پژوهشهای هوشمصنوعی در جایگاهی بین رتبه ۱۲تا۱۸ جهان قرار دارد؛ جایگاهی که نشان میدهد دانشگاهها و پژوهشگران ایرانی طی سالهای گذشته توانستند حضوری موثر در مرزهای دانش داشته باشند اما این موفقیت علمی زمانی که بهعرصه اجرا، صنعت و مدیریت کشور میرسد رنگ میبازد. رتبه ایران در شاخص نفوذ هوشمصنوعی در دستگاههای اجرایی و دولت تا پایان سال۲۰۲۴ حدود۹۳ اعلام شده و اگرچه اکنون بهحدود۷۶ رسیده اما همچنان فاصلهای معنادار با جایگاه علمی کشور دارد.
این اختلاف تصویری از یک مساله ساختاری است. سالهاست که دانشگاهها مقاله تولید میکنند، پایاننامهها نوشته میشوند و شرکتهای فناوری ایدههای متعددی ارائه میدهند اما بخش قابلتوجهی از این ظرفیت هرگز بهمحصولی تبدیل نمیشود که در صنعت، بانکها، بیمارستانها، شبکه حملونقل یا دستگاههای اجرایی مورد استفاده قرار گیرد. بهبیان دیگر ایران در تولید دانش موفق بوده اما در خلق ارزش اقتصادی از این دانش هنوز راهی طولانی پیشرو دارد. این همان نقطهای است که بسیاری از اقتصادهای پیشرو از آن عبور کردند. در کشورهای توسعهیافته موفقیت در حوزه هوشمصنوعی با تعداد مقالات سنجیده نمیشود بلکه معیار اصلی، میزان تاثیر این فناوری بر رشد اقتصادی، افزایش بهرهوری، کاهش هزینههای دولت و بهبود کیفیت خدمات عمومی است. البته نمیتوان شرایط توسعه فناوری در ایران را بدون توجه بهمحدودیتهای سالهای گذشته تحلیل کرد. توسعه فناوریهای نوین نیازمند دسترسی آزاد بهدانش، تعامل بینالمللی، ارتباط مستمر با اکوسیستم جهانی فناوری، زیرساختهای دیجیتال مناسب و امکان استفاده از ابزارهای روز دنیاست. درحالیکه طی سالهای اخیر فضای دیجیتال کشور با محدودیتهای متعددی مواجه بوده و بسیاری از فعالان فناوری، شرکتهای دانشبنیان و استارتاپها برای دسترسی بهسرویسهای بینالمللی با چالش روبهرو بودند. هرچند پژوهشگران ایرانی توانستند باوجود این محدودیتها در تولید علم موفق ظاهر شوند اما طبیعی است که چنین شرایطی روند تجاریسازی و توسعه کاربردهای عملی هوشمصنوعی را با کندی همراه کند.
ماموریت جدید؛ عبور از دانشگاه بهصنعت
یکی از مهمترین محورهایی که در برنامههای ستاد توسعه فناوری و کاربرد هوشمصنوعی مورد تاکید قرار گرفته انتقال فناوری از محیطهای دانشگاهی بهعرصه صنعت و کاربردهای واقعی است. این موضوع شاید مهمترین حلقه مفقوده اکوسیستم فناوری ایران باشد. سالهاست که دانشگاهها پروژههای ارزشمندی در حوزه یادگیری ماشین، پردازش تصویر، پردازش زبان طبیعی، بینایی ماشین و تحلیل داده انجام میدهند اما بسیاری از این پروژهها پس از پایان دوره تحقیقاتی متوقف میشوند و هرگز بهمحصول تجاری تبدیل نمیشوند. درمقابل صنایع نیز اغلب ارتباط سازمانیافتهای با دانشگاهها ندارند و نیازهای خود را بهشکل مشخص بهمراکز پژوهشی منتقل نمیکنند. اگر قرار باشد هوشمصنوعی بهیکی از موتورهای رشد اقتصادی ایران تبدیل شود این فاصله باید کاهش یابد. ایجاد سازوکارهایی برای همکاری میان شرکتهای دانشبنیان، صنایع بزرگ، دانشگاهها و دستگاههای اجرایی میتواند زمینهساز شکلگیری پروژههایی باشد که مستقیما مشکلات واقعی کشور را هدف قرار دهند؛ پروژههایی که از ابتدا با هدف بهرهبرداری طراحی شوند و نه صرفا انتشار مقاله.
انتخاب بانکداری و حملونقل؛ تمرکز بر مسائل واقعی اقتصاد
یکی از نکات قابلتوجه در برنامههای جدید ستاد انتخاب دوحوزه پولی و بانکی و حملونقل بهعنوان محورهای اصلی فراخوانهای هوشمصنوعی است. این انتخاب نشان میدهد که سیاستگذاران تلاش دارند منابع محدود را بهحوزههایی اختصاص دهند که بیشترین اثر اقتصادی و اجتماعی را داشته باشند. در نظام بانکی هوشمصنوعی میتواند در کشف تقلب، اعتبارسنجی مشتریان، مدیریت ریسک، تحلیل رفتار مالی، خدمات هوشمند بهمشتریان و بهینهسازی فرآیندها نقش قابلتوجهی ایفا کند. ازسویدیگر در بخش حملونقل نیز این فناوری قادر است مدیریت ترافیک، برنامهریزی مسیرها، نگهداری پیشبینانه ناوگان کاهش مصرف سوخت و افزایش ایمنی را بهبود ببخشد. تمرکز بر چنین حوزههایی نشاندهنده تغییر نگاه از پروژههای صرفا پژوهشی بهسمت پروژههای مسالهمحور است؛ رویکردی که در بسیاری از کشورهای توسعهیافته نیز عامل اصلی موفقیت اکوسیستم هوشمصنوعی بوده است.
حمایت مشروط؛ پایان پروژههای بدون خروجی
یکی دیگر از تغییرات قابلتوجه در سیاستهای حمایتی مشروطشدن حمایتهای مالی بهبهرهبرداری واقعی پروژههاست. براساس مدل جدید حمایت اولیه بهصورت تسهیلات ارائه میشود اما درصورت موفقیت پروژه و تحقق اهداف تعیینشده این حمایت میتواند بهگرنت تبدیل شود. این سیاست از چند جهت اهمیت دارد: نخست اینکه از هدررفت منابع جلوگیری میکند و پروژهها را بهسمت نتیجهمحوری سوق میدهد. دوم اینکه شرکتها را از همان ابتدا مجبور میکند بهرهبردار واقعی پروژه را مشخص کنند و صرفا برای دریافت حمایت مالی وارد فرآیند نشوند. سوم اینکه زمان اجرای پروژهها نیز محدود شده تا محصولات طی یکتایکونیمسال وارد مرحله استفاده عملی شوند. این رویکرد میتواند تاحدزیادی مانع شکلگیری پروژههایی شود که سالها ادامه پیدا میکنند اما هیچ محصول قابل استفادهای تولید نمیکنند؛ مشکلی که در برخی طرحهای پژوهشی کشور طی سالهای گذشته مشاهده شده است.
یکی از شروط جدید حمایت از پروژهها متنباز بودن آنهاست؛ موضوعی که در نگاه اول شاید برای برخی شرکتها محدودکننده بهنظر برسد اما درعمل میتواند موجب افزایش بهرهوری اکوسیستم فناوری شود. در بسیاری از پروژههای دولتی اگر اجرای یک طرح متوقف شود تمامی دانش تولیدشده نیز عملا از بین میرود و تیمهای بعدی مجبور میشوند دوباره همان مسیر را طی کنند. متنباز بودن پروژهها باعث میشود دانش فنی ایجادشده حفظ شود و سایر شرکتها بتوانند بر پایه همان دستاوردها محصولات جدید توسعه دهند. این سیاست میتواند بهشکلگیری جامعه توسعهدهندگان هوشمصنوعی، افزایش همکاری میان شرکتها و کاهش هزینههای توسعه منجر شود؛ الگویی که در بسیاری از پروژههای موفق جهانی نیز تجربه شده است.
داده؛ حلقه مفقوده توسعه هوشمصنوعی
شاید مهمترین چالشی که در این نشست نیز مورد تاکید قرار گرفت مساله داده باشد. برخلاف تصور عمومی هوشمصنوعی بیش از آنکه بهالگوریتم وابسته باشد، بهدادههای باکیفیت وابسته است. حتی پیشرفتهترین مدلهای هوشمصنوعی نیز بدون داده مناسب عملکرد مطلوبی نخواهند داشت. در ایران بسیاری از سازمانها حجم عظیمی از داده را در اختیار دارند اما این دادهها یا ساختار مناسبی ندارند یا بهدلایل مختلف قابل اشتراکگذاری نیستند یا استانداردهای لازم برای استفاده در پروژههای هوشمصنوعی را ندارند. ازسویدیگر نبود چارچوبهای شفاف درباره مالکیت داده، حریم خصوصی، امنیت اطلاعات و نحوه تبادل داده میان دستگاهها نیز این مشکل را پیچیدهتر کرده است. اگر این چالش برطرف نشود حتی بهترین تیمهای فنی نیز قادر نخواهند بود پروژههای موفقی تولید کنند. بههمین دلیل بسیاری از متخصصان معتقدند توسعه زیرساخت داده حتی از توسعه الگوریتمهای جدید نیز اهمیت بیشتری دارد. درهرصورت باوجود تمامی چالشها هنوز فرصت برای توسعه هوشمصنوعی در ایران از بین نرفته است. سرمایه انسانی متخصص، دانشگاههای فعال، شرکتهای دانشبنیان و تجربه مناسب در تولید دانش مزیتهایی هستند که بسیاری از کشورها از آن برخوردار نیستند اما حفظ این مزیت نیازمند تغییر رویکرد از تولید علم بهخلق ارزش است. اقتصاد آینده جهان بر پایه داده، نرمافزار و هوشمصنوعی شکل خواهد گرفت و کشورهایی که نتوانند از امروز زیرساختهای لازم را فراهم کنند در سالهای آینده ناچار خواهند شد فناوری را با هزینههای بسیار بیشتری وارد کنند. درمقابل کشورهایی که بتوانند میان دانشگاه، صنعت، دولت و بخشخصوصی پیوندی موثر ایجاد کنند نهتنها نیازهای داخلی خود را برطرف خواهند کرد بلکه قادر خواهند بود سهمی از بازار جهانی هوشمصنوعی را نیز بهدست آورند.
آنچه از اظهارات مسوولان ستاد توسعه فناوری و کاربرد هوشمصنوعی برداشت میشود حرکت تدریجی سیاستگذاری از حمایت صرف پژوهشی بهسمت توسعه محصولات کاربردی است؛ تغییری که اگر با اصلاح زیرساختهای دیجیتال، دسترسی بهتر بهداده، تسهیل همکاری میان دستگاهها و رفع موانع فعالیت شرکتهای فناور همراه شود میتواند فاصله میان جایگاه علمی ایران و جایگاه عملیاتی آن را کاهش دهد. موفقیت در این مسیر تنها بهافزایش تعداد پروژهها وابسته نیست بلکه بهمیزان اثرگذاری این پروژهها بر زندگی مردم، عملکرد صنایع و بهرهوری اقتصاد بستگی دارد. آینده هوشمصنوعی در ایران بیش از هر زمان دیگری بهکیفیت تصمیمهای امروز وابسته است؛ تصمیمهایی که مشخص خواهند کرد کشور صرفا تولیدکننده دانش باقی میماند یا بهیکی از بازیگران واقعی اقتصاد هوشمصنوعی تبدیل خواهد شد.
مخاطب گرامی، ارسال نظر پیشنهاد و انتقاد نسبت به خبر فوق در بخش ثبت دیدگاه، موجب امتنان است.
ع
