نتیجه یک نظرسنجی در آمریکا:
هوش مصنوعی دیگر یک ابزار جانبی نیست/ کسبوکارها باید از ابتدا با AI طراحی شوند
به گزارش خبرگزاری آنا در پنل «هوش مصنوعی؛ فرصت تحول پارکهای علم و فناوری و واحدهای فناور» و در جمع رؤسای پارکهای علم و فناوری کشور اظهار کرد: در بسیاری از کسبوکارهایی که امروز با هوش مصنوعی متحول میشوند، ابتدا یک کسبوکار سنتی وجود داشته و اکنون تلاش میشود با استفاده از AI بخشی از فرآیندهای آن بهبود پیدا کند؛ در حالی که مفهوم جدیدتر این است که از ابتدا محصول و کسبوکار را با محوریت هوش مصنوعی طراحی کنیم.
فیلی برای توضیح این تفاوت، بانکها را مثال زد و گفت: در یک مدل سنتی، بانک از ابتدا وجود دارد و بعداً قابلیتهایی مانند اعتبارسنجی هوشمند، تشخیص تقلب یا پیشنهادهای مبتنی بر هوش مصنوعی به آن اضافه میشود. اما در مدل جدید، هوش مصنوعی از ابتدا در معماری کسبوکار حضور دارد و حتی میتواند تجربه اعتبارسنجی مشتری را بر اساس دادهها، ویژگیهای فردی و رفتار او طراحی کند.
از هوش مصنوعی پیشبینیگر تا هوش مصنوعی مولد
عضو هیئت علمی دانشگاه تهران با اشاره به تحول مفهوم هوشمندی در فناوری، ادامه داد: بخش قابل توجهی از هوشمندی در سیستمهای سنتی مبتنی بر «پیشبینی» است؛ همانطور که انسان نیز بخشی از توانایی شناختی خود را برای پیشبینی اتفاقات آینده به کار میگیرد. برای مثال، هنگام رانندگی فاصله و سرعت یک خودرو را محاسبه و حرکت بعدی آن را پیشبینی میکنیم.
وی افزود: اتفاق مهم در سالهای اخیر این است که سیستمهای هوش مصنوعی دیگر تنها پیشبینی نمیکنند، بلکه میتوانند «تولید» کنند؛ متن، تصویر، صدا و انواع محتوا تولید کنند. این همان نقطهای است که هوش مصنوعی مولد را از بسیاری از نسلهای قبلی سیستمهای هوشمند متمایز میکند.
فیلی با اشاره به ظهور مدلهای مولد باکیفیت از حدود سال ۲۰۲۲، گفت: در این دوره مدلهایی ایجاد شدند که توانایی تولید متن، تصویر و صوت با کیفیت بسیار بالا را پیدا کردند و همین مسئله باعث شد هوش مصنوعی از یک فناوری تخصصی به فناوریای با کاربرد عمومی تبدیل شود.
سرعت پذیرش AI؛ فناوریای که رکوردهای قبلی را شکسته است
وی با اشاره به سرعت گسترش فناوریهای جدید، هوش مصنوعی مولد را یکی از سریعترین فناوریهای تاریخ از نظر جذب کاربر دانست و گفت: اگر روند رسیدن فناوریهای مختلف به یک میلیون کاربر را با یکدیگر مقایسه کنیم، تفاوت بسیار معناداری دیده میشود.
به گفته فیلی، برخی فناوریهای مطرح سالها برای رسیدن به یک میلیون کاربر زمان نیاز داشتند، در حالی که در مورد برخی محصولات هوش مصنوعی این اتفاق در مدت بسیار کوتاهی رخ داده است. او با اشاره به نمونههایی مانند فیسبوک و اینستاگرام افزود: سرعت پذیرش فناوریهای جدید به مرور افزایش پیدا کرده، اما روند رشد ابزارهای هوش مصنوعی در سالهای اخیر از نظر سرعت، سابقهای کمنظیر داشته است.
فیلی تأکید کرد: وقتی فاصله زمانی رسیدن یک فناوری از یک میلیون کاربر به دهها یا صدها میلیون کاربر را بررسی میکنیم، مشخص میشود که با یک تغییر معمول تکنولوژیک مواجه نیستیم، بلکه با فناوریای روبهرو هستیم که میتواند در مدت بسیار کوتاهی الگوی فعالیت سازمانها و کسبوکارها را تغییر دهد.
سازمانها از مرحله آزمایش AI عبور کردهاند
عضو هیئت علمی دانشگاه تهران با اشاره به آمارهای جهانی درباره استفاده سازمانها از هوش مصنوعی گفت: بررسیهای انجامشده نشان میدهد استفاده سازمانی از هوش مصنوعی به سرعت در حال گسترش است و بخش قابل توجهی از شرکتها، AI را از مرحله آزمایشی وارد فرآیندهای روزمره خود کردهاند.
وی ادامه داد: نکته مهمتر این است که هوش مصنوعی فقط جایگزین برخی فعالیتهای قبلی نمیشود، بلکه در حال ایجاد نقشهای مدیریتی و شغلی جدید است. در بسیاری از سازمانها، به جای اینکه صرفاً یک نیروی متخصص هوش مصنوعی برای انجام یک کار خاص استخدام شود، کارکنان موجود در حال آموزش مجدد و استفاده مستقیم از ابزارهای AI هستند.
فیلی با اشاره به تجربه شرکتها در استفاده از هوش مصنوعی گفت: در برخی شرکتها، مدیران نیز از این ابزارها استفاده میکنند و هوش مصنوعی به بخشی از فرآیند تصمیمسازی و انجام کارهای روزمره تبدیل شده است.
او افزود: حتی در فرآیند جذب نیروی انسانی نیز تغییراتی در حال رخ دادن است. شرکتها از هوش مصنوعی برای تهیه آگهیهای استخدام، بررسی اولیه متقاضیان و بخشی از فرآیند مصاحبه استفاده میکنند و این موضوع نشان میدهد که AI به تدریج در حال ورود به لایههای مختلف سازمان است.
پنج نیروی انسانی باتوان یک تیم؛ آغاز تغییر در ساختار سازمان
فیلی با اشاره به تجربهای در محیط کاری خود گفت: یکی از موضوعاتی که در استفاده از هوش مصنوعی مشاهده کردهام این است که یک تیم کوچک مجهز به ابزارهای مناسب AI میتواند بخشی از فعالیتهایی را انجام دهد که پیش از این به تعداد بیشتری نیروی انسانی نیاز داشت.
وی تصریح کرد: این مسئله الزاماً به معنای حذف نیروی انسانی نیست، بلکه نشان میدهد ماهیت کار در حال تغییر است. کارکنان آینده باید بتوانند در کنار هوش مصنوعی فعالیت کنند و بخشی از وظایفی که پیش از این به صورت دستی انجام میشد، به سیستمهای هوشمند واگذار شود.
به گفته او، بنابراین بحث اصلی صرفاً «اشتغالزدایی» نیست، بلکه باید درباره تغییر نقش کارکنان، بازآموزی نیروی انسانی و تعریف مشاغل جدید متناسب با فناوری صحبت کرد.
چرا برخی سازمانها از AI نتیجه نمیگیرند؟
عضو هیئت علمی دانشگاه تهران در ادامه به یکی از چالشهای مهم استفاده سازمانی از هوش مصنوعی اشاره کرد و گفت: صرف استفاده از ابزارهای هوش مصنوعی به معنای تحول سازمانی نیست.
وی افزود: گزارشها نشان میدهد درصدی از سازمانهایی که از AI استفاده میکنند، هنوز نتوانستهاند اثربخشی مطلوبی از آن به دست آورند. دلیل این مسئله آن است که سازمانها گاهی بدون بازطراحی فرآیندها، صرفاً ابزار جدیدی را روی ساختار قدیمی خود قرار میدهند.
فیلی تأکید کرد: اگر قرار باشد هوش مصنوعی فقط به فرآیندهای موجود اضافه شود، بخش محدودی از ظرفیت آن مورد استفاده قرار میگیرد؛ در حالی که باید فرآیندهای سازمانی نیز متناسب با قابلیتهای AI بازطراحی شوند.
زیرساخت؛ بزرگترین گلوگاه توسعه هوش مصنوعی
فیلی یکی از جدیترین موانع توسعه هوش مصنوعی را مسئله زیرساخت دانست و گفت: بزرگترین مشکل در مسیر توسعه AI، زیرساخت محاسباتی است؛ زیرا مدلهای هوش مصنوعی برای آموزش و اجرای خود به توان پردازشی بسیار بالایی نیاز دارند.
وی با اشاره به تفاوت زیرساختهای مورد استفاده در محاسبات معمولی با زیرساخت مورد نیاز هوش مصنوعی توضیح داد: در هوش مصنوعی، بهویژه برای مدلهای بزرگ، انجام تعداد بسیار زیادی محاسبه و عملیات ماتریسی ضروری است و همین مسئله باعث شده استفاده از پردازندههای گرافیکی و شتابدهندههای تخصصی اهمیت پیدا کند.
عضو هیئت علمی دانشگاه تهران ادامه داد: این پردازندهها و زیرساختهای محاسباتی جدید، سرعت پردازش را در مقایسه با نسلهای قبلی به شکل چشمگیری افزایش دادهاند و به همین دلیل سرمایهگذاری جهانی سنگینی برای ایجاد مراکز داده و زیرساختهای هوش مصنوعی در حال انجام است.
تحریم سختافزار؛ چالش جدی ایران در مسیر توسعه AI
فیلی با اشاره به محدودیتهای دسترسی ایران به سختافزارهای پیشرفته گفت: یکی از مشکلات اساسی کشور این است که دسترسی به برخی نسلهای جدید سختافزارهای محاسباتی به دلیل محدودیتهای بینالمللی و تحریمها دشوار شده است.
وی افزود: این موضوع صرفاً یک مسئله خرید تجهیزات نیست، بلکه مستقیماً به استقلال فناوری کشور مربوط میشود. اگر توسعه هوش مصنوعی را وابسته به زیرساختهایی کنیم که امکان دسترسی پایدار به آنها وجود ندارد، در بلندمدت با وابستگی جدی مواجه خواهیم شد.
او تأکید کرد: بنابراین اگر قرار است مأموریت توسعه هوش مصنوعی در کشور دنبال شود، باید مسئله زیرساخت و دسترسی به مدلها و توان پردازشی به شکل جدی در سیاستگذاری مورد توجه قرار گیرد.
وابستگی به سرویسهای خارجی؛ فرصت امروز، تهدید فردا
فیلی با اشاره به گسترش استفاده از سرویسهای خارجی هوش مصنوعی گفت: امروز بسیاری از سازمانها میتوانند با هزینه نسبتاً پایین از سرویسهای خارجی استفاده کنند و همین موضوع باعث شده ورود به حوزه AI برای آنها سادهتر شود؛ اما این مسئله در کنار فرصت، یک خطر جدی نیز ایجاد میکند.
وی توضیح داد: اگر سازمانها تمام فعالیتهای خود را روی سرویسهای خارجی بنا کنند، در صورت تغییر قیمت، محدودیت دسترسی، تحریم یا هر نوع اختلال، بخش مهمی از فعالیت آنها تحت تأثیر قرار خواهد گرفت.
به گفته فیلی، به همین دلیل توسعه مدلها و زیرساختهای بومی باید به عنوان یک موضوع راهبردی دیده شود. او گفت: امروز در داخل کشور نیز مدلها و خدمات مختلف هوش مصنوعی در حال توسعه است و اگرچه نمیتوان همه آنها را از نظر کیفیت با بهترین مدلهای جهانی مقایسه کرد، اما وجود این ظرفیتها میتواند بخشی از وابستگی کشور را کاهش دهد.
پارکهای علم و فناوری باید از «محل استقرار شرکتها» به «موتور تحول» تبدیل شوند
فیلی در بخش دیگری از سخنان خود با اشاره به نقش پارکهای علم و فناوری و واحدهای فناور گفت: اگر قرار باشد تحول هوش مصنوعی در کشور اتفاق بیفتد، پارکها نمیتوانند صرفاً محل استقرار شرکتها و ارائه خدمات عمومی به واحدهای فناور باشند.
وی اظهار کرد: پارکها باید به بستری برای شبکهسازی، دسترسی به فناوری، داده، زیرساخت محاسباتی و ارتباط میان شرکتهای فناور، دانشگاهها و صنایع تبدیل شوند.
او افزود: در حوزه هوش مصنوعی، صرف داشتن یک مدل کافی نیست؛ چند لایه مهم در کنار یکدیگر قرار میگیرند که از مدل و داده گرفته تا زیرساخت، نیروی انسانی متخصص، کاربردهای تخصصی و شبکه مشتریان را شامل میشود؛ بنابراین ایجاد اکوسیستم و شبکه میان این اجزا اهمیت بسیار زیادی دارد.
از مدل و داده تا کاربرد؛ اکوسیستم AI بدون شبکهسازی شکل نمیگیرد
عضو هیئت علمی دانشگاه تهران با اشاره به زنجیره فناوری هوش مصنوعی گفت: برای توسعه یک اکوسیستم واقعی هوش مصنوعی باید مجموعهای از فناوریها و ظرفیتها در کنار هم قرار گیرند؛ از مدلهای پایه و مدلهای تخصصی گرفته تا داده، زیرساخت و کاربردهای نهایی.
وی تأکید کرد: تجربه کشورهای مختلف نشان میدهد همکاری و شبکهسازی میان دانشگاهها، شرکتها، دولت و صنایع بزرگ میتواند مسیر توسعه فناوری را کوتاهتر کند.
فیلی گفت: پارکهای علم و فناوری میتوانند در این میان نقش یک نقطه اتصال را ایفا کنند؛ یعنی به جای اینکه هر شرکت به صورت جداگانه برای توسعه مدل، تأمین داده، ایجاد زیرساخت و پیدا کردن بازار اقدام کند، بخشی از این ظرفیتها در قالب شبکه و همکاری مشترک در اختیار واحدهای فناور قرار گیرد.
سه پیام برای سیاستگذار و اکوسیستم فناوری
فیلی در جمعبندی سخنان خود سه پیام اصلی را مطرح کرد و گفت: نخست اینکه هوش مصنوعی یک فناوری مقطعی یا صرفاً یک موج زودگذر نیست؛ دیر یا زود تقریباً همه شرکتها، فارغ از حوزه فعالیت و نوع فناوری مورد استفاده، به نوعی با AI درگیر خواهند شد.
وی دومین پیام را ضرورت استفاده مؤثر از هوش مصنوعی در شرکتهای داخلی عنوان کرد و افزود: مسئله فقط این نیست که شرکتها ابزار هوش مصنوعی خریداری کنند؛ باید یک تحول جدی در نحوه انجام فعالیتها، فرآیندها و مدل کسبوکار آنها اتفاق بیفتد.
او سومین پیام را افزایش اثربخشی فناوری در داخل کشور دانست و تأکید کرد: کشور باید از مرحله استفاده پراکنده از ابزارهای هوش مصنوعی عبور کرده و به سمت ایجاد ظرفیت پایدار در حوزه مدل، داده، زیرساخت، نیروی انسانی و کاربردهای تخصصی حرکت کند.
فیلی در پایان گفت: پرسش اصلی امروز دیگر این نیست که «آیا باید از هوش مصنوعی استفاده کنیم یا نه»، بلکه این است که با توجه به آیندهای که در حال شکلگیری است، در حوزه زیرساخت و سرمایهگذاری چه راهکار عملی میتوان طراحی کرد تا کشور همزمان با توسعه جهانی AI، از نظر فناوری و کسبوکار دچار وابستگی عمیق نشود.
انتهای پیام/
