به گزارش سراج24؛ سعادتمند از واقعیت‌ها، چالش‌ها و دستاورد‌های مسیر هوش مصنوعی ایرانی می‌گوید؛ از پروژه‌های بومی و مشکلات زیرساختی گرفته تا نقش دولت، بخش خصوصی و آینده‌ای که در انتظار نوآوران این حوزه است.
احمد سعادتمند تحصیلات خود را تا مقطع دکتری در رشته مهندسی کامپیوتر و فناوری اطلاعات ادامه داده و تألیفات متعددی در زمینه فناوری اطلاعات و هوش مصنوعی منتشر کرده است. سابقه مدیریت مراکز و گروه‌های علمی، مسئولیت‌های اجرایی در شرکت‌های خصوصی و حضور به عنوان مشاور و مدیر در طرح‌های مختلف دولتی و خصوصی، بخشی دیگر از کارنامه اوست.
تفاوت لایه‌های مدل‌های هوش مصنوعی
به اعتقاد سعادتمند، نخست باید تفاوت میان LLM و چت‌بات را به درستی شناخت: «به زبان ساده، LLM یا مدل زبانی بزرگ، قلب فناوری NLP (برنامه‌ریزی عصبی-زبانی) است، وظیفه تحلیل داده‌های متنی گسترده و تولید پاسخ را عهده‌دار است. چت‌بات، اما تنها یک واسط تعاملی برای دریافت سوال از کاربر و تسهیل محاوره است. چت‌بات، پرسش کاربر را به مدل زبانی می‌فرستد و پاسخ تولیدشده را برمی‌گرداند.»
وی در ادامه تأکید می‌کند: «متاسفانه تا حدود زیادی مطمئنم که ما در ایران، LLM بومی‌ای که واقعاً قابلیت رقابت با مدل‌هایی مثل GPT یا Llama را داشته باشد، نداریم. البته چت‌بات‌های متعددی توسعه یافته‌اند که بسیاری‌شان صرفاً مدل‌های خارجی را به‌طور محدود و بهینه‌شده (fine-tuned) به کار گرفته‌اند.»
چالش‌های بنیادین ساخت LLM بومی
اما دلیل این عقب‌ماندگی چیست؟ سعادتمند در تبیین این موضوع به دو چالش اصلی اشاره می‌کند: «اول، زیرساخت ذخیره‌سازی و پردازش است. هنوز دولت به‌طور ویژه به این موضوع نپرداخته است و امید می‌رود در آینده سرمایه‌گذاری جدی در توسعه زیرساخت‌های محاسباتی و دیتاسنتر‌های پرظرفیت صورت گیرد. دوم، بحث سرمایه‌گذاری است؛ لزوم ورود سرمایه‌های کلان (دولتی و خصوصی) تا امکان توسعه LLMهای بومی فراهم شود. بدون این دو پارامتر، رسیدن به مدل‌های پیشرفته عملاً ناممکن خواهد بود.»
او تأکید می‌کند که داشتن LLM هرچند معیاری قابل‌اعتنا برای پیشرفت در هوش مصنوعی است، اما توسعه‌یافتگی در این حوزه صرفاً به این شاخص محدود نمی‌شود.
پیشگامان ایرانی در عرصه مدل‌های زبانی
از سعادتمند پرسیدیم آیا نمونه‌هایی از شرکت‌ها یا گروه‌های خصوصی و دولتی که به طور جدی روی توسعه مدل‌های زبانی بزرگ کار می‌کنند، وجود دارد؟ او در پاسخ، به برخی تلاش‌های ایرانی اشاره می‌کند: «نمونه‌هایی از تولید مدل‌های زبانی بزرگ (LLM) به زبان فارسی وجود داشته است؛ مانند مدل ‘درنا’ که توسط مرکز تحقیقات هوش مصنوعی پارت توسعه یافته، یا مدل زبانی ‘زال پلاس’ و همچنین ‘پارس‌برت’ که مبتنی بر Bert گوگل ساخته شده است. البته شخصاً هنوز فرصت ارزیابی تخصصی این مدل‌ها را نداشته‌ام، اما همین تلاش‌ها نشان‌دهنده آغاز حرکت ایران در این مسیر است.»
دسته‌بندی وضع فعلی هوش مصنوعی در ایران
به اعتقاد وی، روند فعلی تلاش‌ها و دستاورد‌های هوش مصنوعی در کشور را می‌توان در سه دسته جای داد: «اول، تولید LLMها هنوز راه درازی در پیش دارد. دوم، توسعه چت‌بات‌های هوشمند، که یکی از اصلی‌ترین کاربرد‌های هوش مصنوعی در ایران بوده و اغلب نیز مبتنی بر مدل‌های خارجی فاین‌تیون است و سوم، استفاده کاربردی از AI در سازمان‌ها و شرکت‌ها برای حل مسائل خاص (آموزش، منابع انسانی، قراردادها و غیره). این حوزه سوم همچنان در حال رشد است و هنوز به بلوغ قابل‌قبولی نرسیده، اما امید است که با سرمایه‌گذاری بیشتر، دستاورد‌های بهتری در یک تا دو سال آینده رقم زده شود.»
مسیر امید: چه باید کرد؟
از نگاه سعادتمند، سرمایه‌گذاری دولتی و خصوصی رمز پیشرفت اکوسیستم هوش مصنوعی در ایران است: «در گام نخست، دولت و نهاد‌های حکومتی باید سراغ سرمایه‌گذاری‌های عظیم در بستر هوش مصنوعی بروند. در گام دوم، هلدینگ‌های اقتصادی و صنایع بزرگ باید با حمایت از استارتاپ‌ها و شرکت‌های کوچک، عملیاتی‌کردن مدل‌های بومی هوش مصنوعی را تسریع کنند. در گام آخر، سازمان‌ها باید بخشی از بودجه سالانه خود را به توسعه کارکرد‌های هوش مصنوعی در داخل شرکت خود اختصاص دهند تا این حرکت زنجیروار به توسعه کل اکوسیستم منجر شود.»
آینده ایران و نوآوری هوش مصنوعی
آیا می‌توان امید داشت که بزودی شاهد مدل‌هایی با قدرت چت‌جی‌پی‌تی در ایران باشیم؟ سعادتمند پاسخ می‌دهد: «جهان به سرعت در حال عبور از مرحله فعلی مدل‌های زبانی و حرکت به سوی الگوریتم‌ها و محصولات هوشمندتر است. ایران هم نه‌تنها به این فاز خواهد رسید که با استمرار نوآوری، از آن عبور خواهد کرد. توسعه هوش مصنوعی، سیری توقف‌ناپذیر دارد و آینده بی‌شک پُر از نوآوری‌های جدید خواهد بود.»
توصیه‌هایی برای فعالان و علاقه‌مندان
توصیه این کارشناس و متخصص حوزه هوش‌مصنوعی به شرکت‌ها این است که «هوش مصنوعی باید محور استراتژی و اهداف آنها باشد.» از دانشجویان و پژوهشگران حوزه کامپیوتر می‌خواهد با برنامه‌ریزی و یادگیری فناوری‌های روز، تخصصی عمیق در زمینه AI به دست آورند؛ چراکه آینده ایران و جهان، تعیین‌کننده تخصص آنها خواهد بود.
او برای افرادی که تخصص غیرمستقیم دارند، مانند طراحان لباس، نویسندگان یا سایر مشاغل، توصیه می‌کند: «ابزار‌های هوش مصنوعی مختص حوزه کاری خود را بیابند و با آنها کار کنند؛ چون آینده، مبتنی بر هوش مصنوعی است و انطباق سریع با این تغییر، برگ برنده خواهد بود.»
نقش هوش مصنوعی در حل چالش‌های ایرانی
وی نمونه‌هایی از کاربرد بومی هوش مصنوعی را نیز مطرح می‌کند: «در هر صنعت، باید ابتدا چالش‌ها را احصا و برای تک‌تک آنها راهکار هوشمندانه تدوین کرد. مثلاً یک هلدینگ بزرگ به‌دنبال مدیریت و نظارت هوشمند بر قراردادها و پروژه‌ها بود، راه‌حل: بستری با فناوری AI برای تحلیل قراردادها. یا در حوزه منابع انسانی و آموزش، هوش مصنوعی پلتفرم‌هایی برای استعدادیابی، ارتقا، نظم‌دهی و حتی تصمیم‌گیری‌های مهم می‌آفریند. هر حوزه‌ای مسائل خاص خود را دارد و هوش مصنوعی می‌تواند به‌طور تخصصی حل کننده این مسائل باشد.»
هوش مصنوعی، تحول‌ساز همه‌جانبه
در انتهای این گفت‌و‌گو، سعادتمند یادآور می‌شود: «هوش مصنوعی را باید به‌مثابه یک فناوری عمومی و تحول‌ساز (General Purpose Technology) دید که آینده جهان و ایران را دگرگون خواهد کرد. همه بخش‌ها، از دولت تا دانشگاه، از شرکت فناور تا نیروی انسانی متخصص باید از امروز نقش خود را در آینده‌ای مبتنی بر هوش مصنوعی ترسیم و برای آن آماده شوند.»
هرچند ایران هنوز مسیر طولانی تا تولید LLMهایی هم‌سنگ نمونه‌های مطرح دنیا در پیش دارد، اما امید و حرکت رو به جلو به‌وضوح دیده می‌شود. چالش‌ها قابل حل‌اند و آینده قطعاً متعلق به کسانی است که از امروز، نقش‌آفرین هوش مصنوعی فردا باشند.
