حکمرانی علمی هوش مصنوعی باید از دانشگاه تا زیرساخت امتداد یابد

گسترش کاربرد‌های هوش مصنوعی در رشته‌های مختلف دانشگاهی، ضرورت ایجاد یک چارچوب منسجم برای هدایت پژوهش‌های این حوزه را پررنگ‌تر کرده است. توسعه مدل‌ها، زیرساخت‌های پردازشی، سخت‌افزار، ذخیره‌سازی و الگوریتم‌های هوشمند به مجموعه‌ای از پژوهش‌های تخصصی و مسئله‌محور نیاز دارد.

پراکندگی موضوعات پژوهشی و تمرکز بخشی از فعالیت‌های دانشگاهی بر تولید مقاله، بدون پیوند کافی با نیاز‌های واقعی کشور، می‌تواند فاصله میان دانش و کاربرد را افزایش دهد. طراحی نقشه علمی هوش مصنوعی و تعریف اولویت‌های پژوهشی، یکی از الزامات شکل‌گیری زیست‌بوم توانمند هوش مصنوعی در ایران است؛ موضوعی که احسان کیانخواه رئیس سابق شورای اجرایی فناوری اطلاعات و پژوهشگر فضای سایبر در گفت‌و‌گو با خبرنگار آگاهتک بر آن تأکید کرد.

ضرورت تدوین نقشه علمی هوش مصنوعی کشور

کیانخواه در ابتدای این گفت‌وگو درباره وضعیت پژوهش‌های هوش مصنوعی بیان کرد: تقریباً همه رشته‌ها امکان استفاده از هوش مصنوعی را دارند و در حال حاضر نیز از این فناوری در تحلیل‌های مختلف استفاده می‌کنند. رشته‌هایی که به‌طور تخصصی با مهندسی کامپیوتر و هوش مصنوعی ارتباط دارند نیز به شکل جدی‌تر و گسترده‌تری از این فناوری بهره می‌گیرند.

وی افزود: یکی از مشکلات مهم و کلیدی کشور این است که پژوهش‌های حوزه هوش مصنوعی به اندازه کافی جهت‌مند نیستند. در بسیاری از موارد، هر استاد بر اساس علایق، زمینه تخصصی و موضوعاتی که امکان انتشار مقاله‌های معتبر برای دانشجویان فراهم می‌کند، موضوع پژوهشی تعریف می‌کند؛ در حالی که این موضوعات الزاماً در راستای حل مسائل کشور قرار ندارند.

کیانخواه ادامه داد: حتی در مواردی که یک پژوهش به یکی از مسائل کشور مرتبط است، مشخص نیست که نتیجه آن در ادامه مسیر به مرحله اجرا برسد و به یک راهکار عملی تبدیل شود. این مسئله نشان می‌دهد که میان نظام پژوهشی و نیاز‌های واقعی کشور در حوزه هوش مصنوعی باید ارتباط منسجم‌تری ایجاد شود.

پیوند پژوهش دانشگاهی با مسائل واقعی کشور

رئیس سابق شورای اجرایی فناوری اطلاعات با اشاره به نقش سازمان ملی هوش مصنوعی اظهار کرد: به نظر من سازمان ملی هوش مصنوعی که مصوبه شورای عالی انقلاب فرهنگی را نیز دارد، باید دست‌کم دو اقدام مهم را در دستور کار قرار دهد. نخستین اقدام، تعریف نقشه علمی هوش مصنوعی کشور در سطوح مختلف است.

وی تصریح کرد: حمایت‌های ویژه نیز باید در این چارچوب تعریف شود تا پژوهش‌های دانشگاهی به سمت اولویت‌های علمی و فناورانه کشور هدایت شوند. اگر چنین نقشه‌ای وجود نداشته باشد، امکان دارد ظرفیت علمی دانشگاه‌ها در موضوعات متعدد و پراکنده مصرف شود، بدون اینکه الزاماً مجموعه‌ای از مسائل راهبردی کشور را هدف قرار دهد.

کیانخواه درباره دشواری ایجاد هماهنگی میان نهاد‌های علمی و سازمان ملی هوش مصنوعی گفت: این موضوع به‌طور طبیعی نیازمند تفاهم میان دستگاه‌های مختلف است و ایجاد چنین تفاهمی ساده نیست. وزارت علوم و مجموعه دانشگاهی کشور نیز باید در این فرآیند نقش داشته باشند تا جهت‌دهی به پژوهش‌ها با سازوکار علمی و مشارکت دانشگاه‌ها انجام شود.

پوشش زنجیره کامل فناوری از الگوریتم تا زیرساخت

این پژوهشگر فضای سایبر تأکید کرد: جهت‌دهی پژوهش‌های هوش مصنوعی نباید صرفاً به مهندسی کامپیوتر محدود شود، بلکه باید حوزه‌های مختلف علمی را دربر بگیرد. از سیاست‌گذاری و ارتباطات گرفته تا رشته‌های مهندسی و حوزه‌های مرتبط با زیرساخت، هر بخش می‌تواند متناسب با نیاز‌های خود در توسعه هوش مصنوعی نقش داشته باشد.

وی ادامه داد: بخشی از مسائل کشور در سطح چالش‌های کلان و سیاست‌گذاری قرار دارد و بخش دیگری به موضوعات تخصصی مانند زیرساخت، سخت‌افزار، ذخیره‌سازی و پردازش مربوط می‌شود. هر یک از این حوزه‌ها نیازمند تعریف مسائل مشخص و حمایت از پژوهش‌هایی هستند که بتوانند برای آنها راهکار ارائه کنند.

کیانخواه افزود: حتی در حوزه‌هایی مانند ریاضیات نیز موضوعات مهمی مرتبط با مدل‌های هوش مصنوعی وجود دارد؛ بنابراین زمانی می‌توان از یک برنامه جامع علمی در حوزه هوش مصنوعی سخن گفت که زنجیره‌ای از علوم پایه تا فناوری‌های کاربردی و زیرساختی در آن دیده شده باشد.

نقش سازمان ملی هوش مصنوعی در حکمرانی علمی

رئیس سابق شورای اجرایی فناوری اطلاعات در پایان گفت: سازمان ملی هوش مصنوعی باید در حوزه علمی نقش جدی‌تری ایفا کند و صرفاً به فعالیت‌های اجرایی یا توسعه فناوری محدود نشود. این سازمان می‌تواند با شناسایی چالش‌های کشور، اولویت‌های پژوهشی را مشخص و مسیر حمایت از پروژه‌های دانشگاهی را هدفمند کند.

وی خاطرنشان کرد: جهت‌دهی علمی باید به گونه‌ای باشد که پژوهش‌های هوش مصنوعی هم در سطح حل مسائل مشخص کشور و هم در سطح توسعه دانش و فناوری‌های پایه پیش بروند. چنین رویکردی می‌تواند ظرفیت دانشگاه‌ها، پژوهشگران و شرکت‌های فناور را در یک مسیر مشترک قرار دهد و فاصله میان تولید دانش و استفاده از نتایج پژوهش‌ها را کاهش دهد.

انتهای خبر/275655/