«سازمان ملي هوش مصنوعي» پيشگام ايجاد ابر داده‌اي در كشور شود

متخصصان حوزه هوش مصنوعي داده‌ها و مديريت آن و همچنين نبود زير ساخت‌هاي مناسب را از چالش‌هاي اين حوزه عنوان مي‌كنند و پيشنهاد مي‌دهند كه سازمان ملي هوش مصنوعي پيشگام توسعه ايده‌ «ابر داده‌اي ايران» شود و همچنين در ايجاد يك سيستم جامع استانداردسازي داده‌ها اقدام كند. رامين عابدي اصل، تحليلگر و كارشناس هوش مصنوعي در گفت‌وگو با ايسنا، با اشاره به اهميت داده در عصر ديجيتال، گفت: در عصر حاضر، داده به عنوان منبعي استراتژيك در سازمان‌هاي مختلف نقش‌آفريني مي‌كند. در ايران، با توجه به نبود ساختار يكپارچه براي داده‌ها و مشكلات كيفي و استانداردسازي، دستيابي به اطلاعات دقيق و قابل اتكا براي اجراي پروژه‌هاي هوش مصنوعي چالشي بزرگ محسوب مي‌شود و سازمان ملي هوش مصنوعي به عنوان نهادي نوپا، در مسير رفع اين چالش‌ها قرار دارد و با هدف ايجاد زيرساخت‌هاي جامع براي تجميع و كنترل كيفي داده‌ها، برنامه‌هاي جديدي را در دست اجرا دارد. وي از داده‌ها به عنوان قلب تپنده و يكي از مهم‌ترين دارايي‌هاي زيرساختي سازمان ملي هوش مصنوعي توصيف كرد و افزود: يكي از وظايف اصلي اين سازمان، تأمين منبع اصلي براي طراحي، آموزش و بهبود الگوريتم‌هاي هوش مصنوعي است كه بدون آنها، اجراي پروژه‌هاي هوش مصنوعي عملاً غيرممكن خواهد بود. داده‌هاي باكيفيت و استاندارد اين امكان را مي‌دهند كه مدل‌هاي هوش مصنوعي با دقت و قدرت بيشتري تحليل و تصميم‌گيري كنند و نتايج قابل اعتمادي ارايه دهند. عابدي ادامه داد: همچنين، داده‌ها به عنوان مبنايي براي پايش و تحليل روندها در بخش‌هاي مختلفي مانند اقتصاد، بهداشت، محيط زيست و زيرساخت‌هاي شهري و ... عمل مي‌كنند و به توسعه‌دهندگان سيستم‌هاي هوشمند كمك مي‌كنند تا الگوهاي پنهان را كشف و راهكارهاي هوشمندانه‌اي را براي حل مسائل پيچيده ملي ارايه كنند. اين سازمان، با مديريت، استانداردسازي و بهبود كيفيت داده‌ها مي‌تواند زيرساختي محكم براي تصميم‌گيري‌هاي استراتژيك و پيش‌بيني‌پذير در سطح كشور فراهم كند. اين تحليلگر حوزه هوش مصنوعي يكي از مشكلات اساسي در سند تأسيس سازمان ملي هوش مصنوعي را نبود زيرساخت داده‌ مناسب عنوان و خاطرنشان كرد: نبود زيرساخت داده‌ مناسب، بزرگ‌ترين مانع در تحقق اهداف بلندپروازانه‌ هوش مصنوعي در ايران است. بدون دسترسي به داده‌هاي دقيق و قابل اعتماد، الگوريتم‌هاي هوش مصنوعي توانايي يادگيري موثر را از دست مي‌دهند و تحليل‌ها به‌شدت تحت تأثير خطاها و عدم تطابق داده‌ها قرار مي‌گيرند. اين مشكل به‌ويژه به دليل نبود يكپارچگي داده‌ها و نبود يك بانك داده جامع و مركزي كه بتواند تمام اطلاعات را به شكل استاندارد گردآوري و مديريت كند، پيچيده‌تر مي‌شود. وي با تاكيد بر اينكه در اين زمينه ضرورت ايجاد يك بانك داده مركزي و يكپارچه تحت نظارت سازمان هوش مصنوعي احساس مي‌شود تا داده‌هاي موجود در سازمان‌هاي مختلف با استانداردهاي مشخص و فرمت‌هاي هماهنگ گردآوري و در دسترس قرار گيرد. اين بانك داده مركزي مي‌تواند به بهبود صحت و دقت تحليل‌ها، به‌ويژه در حوزه‌هايي مانند پيش‌بيني آب و هوا، تحليل‌هاي اقتصادي و اجتماعي و ...كمك كند و موجب كاهش خطاها و افزايش اعتماد عمومي به سيستم‌هاي هوش مصنوعي شود.

چالش سازمان ملي هوش مصنوعي درباره داده‌ها و تأمين و مديريت آنها براي بهره‌برداري 

وي اضافه كرد: برنامه‌هاي سازمان ملي هوش مصنوعي براي تأمين و مديريت داده‌ها با چندين چالش اساسي مواجه است كه اين چالش‌ها بهره‌برداري موثر از داده‌ها در حوزه هوش مصنوعي را محدود مي‌كنند. يكي از اصلي‌ترين مشكلات، نبود يكپارچگي و استانداردسازي در داده‌هاي موجود است. سازمان‌هاي دولتي و خصوصي هر كدام داده‌ها را به صورت مستقل و در قالب‌هاي متفاوت نگهداري مي‌كنند كه اين موضوع روند تجميع و پردازش داده‌ها را پيچيده و زمان‌بر مي‌كند. عابدي چالش ديگر را مساله كنترل كيفي و استانداردسازي داده‌ها دانست و ادامه داد: در بسياري از سازمان‌هاي دولتي تاكنون تمركز بر كنترل كيفي داده‌ها نبوده و در نتيجه، داده‌ها حاوي خطاها و ناهماهنگي‌هاي زيادي هستند كه براي پردازش‌هاي دقيق و حساس هوش مصنوعي مشكل‌ساز مي‌شوند. سازمان ملي هوش مصنوعي براي رفع اين مشكل بايد تيم‌هاي تخصصي كنترل داده ايجاد كند و حتي پيشنهاد ايجاد يك معاونت ويژه در زمينه كنترل داده و استانداردسازي را بررسي كند. اين امر براي تضمين كيفيت و صحت داده‌ها ضروري است، اما اجراي آن به دليل نياز به منابع انساني ماهر و زمان‌بر بودن، با چالش‌هاي عملياتي و مالي روبرو است. وي افزود: همچنين، مقاومت برخي سازمان‌ها در ارايه و اشتراك‌گذاري داده‌ها چالشي ديگر است. بسياري از سازمان‌هاي دولتي داده‌هاي خود را به عنوان يك منبع درآمد يا دارايي استراتژيك در نظر مي‌گيرند و آنها را در گاوصندوق‌هاي سازماني محافظت مي‌كنند كه اين ديدگاه، مانعي جدي براي ايجاد بانك‌هاي داده‌ ملي است. سازمان ملي هوش مصنوعي بايد سازوكارهاي قانوني و تشويقي مناسبي براي تغيير اين رويكرد و تسهيل اشتراك‌گذاري داده‌ها در سطح ملي ايجاد كند.

پيشنهاداتي براي بهبود كيفيت

و دسترسي‌پذيري داده‌ها

اين كارشناس حوزه هوش مصنوعي خاطرنشان كرد: از آنجا كه در بسياري از سازمان‌هاي دولتي تاكنون تمركز كافي بر كنترل كيفي داده‌ها نبوده، اين سازمان‌ها با حجم عظيمي از داده‌هاي بدون استانداردسازي و كنترل كيفي مواجه هستند كه كار با آنها را براي سيستم‌هاي هوش مصنوعي دشوار مي‌كند. براي رفع اين چالش، سازمان ملي هوش مصنوعي بايد تيم‌هاي عملياتي ويژه‌اي را به‌طور مستمر براي ارزيابي، تصحيح و كنترل كيفي داده‌ها در سازمان‌هاي مختلف تشكيل دهد و اين مساله را در رأس برنامه‌هاي خود قرار دهد. وي گفت: علاوه بر اين، تأسيس يك معاونت با عنوان «كنترل داده» در سازمان ملي هوش مصنوعي كه به‌طور خاص بر كيفيت و استانداردسازي داده‌ها متمركز باشد، مي‌تواند راهكاري موثر باشد. اين معاونت مي‌تواند مسوول تدوين و اجراي پروتكل‌هاي استاندارد و نظارت بر كيفيت داده‌ها باشد تا از صحت، دقت و تطابق داده‌ها با نيازهاي هوش مصنوعي اطمينان حاصل شود. البته، اجراي چنين پروسه‌اي به دليل حجم گسترده داده‌ها و نياز به منابع تخصصي، زمان‌بر و پرهزينه خواهد بود؛ اما ايجاد اين ساختار اساسي براي بهبود كيفيت داده‌ها در سطح ملي و تقويت زيرساخت‌هاي هوش مصنوعي كشور امري ضروري است. عابدي تاكيد كرد: پيشنهادم اين است كه سازمان ملي هوش مصنوعي پيشگام ايده‌ «ابر داده‌اي ايران» باشد. اين ايده بر اساس ايجاد يك سيستم يكپارچه و مبتني بر فناوري كلود براي اشتراك‌گذاري داده‌ها ميان سازمان‌هاي داده‌محور شكل مي‌گيرد. در اين ابر، هر سازمان بر اساس نقش و نياز خود داده‌ها را به اشتراك مي‌گذارد و سازمان ملي هوش مصنوعي نيز به تمامي داده‌هاي مورد نياز خود دسترسي خواهد داشت. اين ساختار به گونه‌اي طراحي مي‌شود كه داده‌هاي واردشده به ابر، قبل از به اشتراك‌گذاري، از مسيرهاي كنترل كيفي استاندارد و خاص عبور كرده و پاك‌سازي شوند. در نتيجه، داده‌هاي نهايي قابل دسترس براي كاربران و توسعه‌دهندگان سيستم‌هاي هوش مصنوعي، داده‌هايي با كيفيت و دقت بالا خواهند بود. وي اظهار كرد: به عنوان يك تحليلگر داده، پيشنهاد ديگرم براي حل مشكلات داده‌اي سازمان ملي هوش مصنوعي، ايجاد يك سيستم جامع استانداردسازي داده‌ها و طراحي ساختارهاي موثر كنترل كيفي است. با ايجاد يك مركز كنترل كيفي داده‌ها، سازمان مي‌تواند بر داده‌هاي ورودي از سازمان‌هاي مختلف نظارت كرده و داده‌ها را پالايش و استانداردسازي كند. اين پروژه مي‌تواند به يك پروژه بزرگ عملياتي براي سازمان ملي هوش مصنوعي تبديل شده و زمينه‌ساز توسعه سيستم‌هاي هوشمندي باشد كه بتوانند با بالاترين كيفيت و دقت به كار گرفته شوند و به تحقق اهداف ملي هوش مصنوعي كمك كنند و در نهايت يك پيشنهاد ديگر اينكه اگر سازمان ملي هوش مصنوعي از همين ابتداي كار به جاي ورود به پروژه‌هاي اجرايي تنها و تنها و تنها نقش سياست‌گذار و ناظر حرفه‌اي را داشته باشد و از نيروهاي جوان و شركت‌هاي خصوصي كه در اين حوزه فعاليت زيادي داشتند و حتي از استارت‌آپ‌هاي موفق در اين حوزه بهره ببرد، قطعا احتمال موفقيت سياست‌گذاري اين سازمان بسيار بالا خواهد بود. به گفته وي پياده‌سازي زيرساخت داده‌اي جامع و ايجاد ابر داده‌اي براي اشتراك‌گذاري و كنترل كيفي داده‌ها مي‌تواند گامي بزرگ در تحقق اهداف سازمان ملي هوش مصنوعي و تسهيل مسير توسعه فناوري‌هاي هوشمند در ايران باشد. با اجراي اين پروژه‌ها، نه تنها بهره‌وري و دقت سيستم‌هاي هوش مصنوعي افزايش خواهد يافت، بلكه اين سازمان مي‌تواند به عنوان مرجع معتبر داده در كشور، مبنايي محكم براي تصميم‌گيري‌هاي استراتژيك و بهبود عملكرد در بخش‌هاي مختلف ملي ايجاد كند.