پارادوکس سیاست‌گذاری

‌برای شروع بحث، اگر بخواهیم تصویری واقعی و به دور از شعارزدگی از وضع هوش مصنوعی در ایران ترسیم کنیم، دقیقاً در چه نقطه‌ای ایستاده‌ایم؟ برخی با اشاره به بعضی شاخص‌ها بر این باورند که نسبت به شرایط کنونی و در قیاس با مسئله تکنولوژی، وضع مطلوبی داریم و برخی دیگر از عقب‌ماندگی نگران‌کننده سخن می‌گویند. به‌عنوان نماینده بخش خصوصی و صاحب‌نظر این عرصه چه ارزیابی‌ای از وضع کنونی دارید؟

برای ارائه تصویری دقیق، باید به شاخص‌های استاندارد جهانی مراجعه کنیم. در ارزیابی‌های بین‌المللی، همانند گزارش سال ۲۰۲۴ موسسه آکسفورد اینسایت، آمادگی کشورها برای جذب هوش مصنوعی معمولاً بر اساس سه رکن اصلی زیرساخت، تکنولوژی و حکمرانی سنجیده می‌شود. البته در الگوهای ۲۰۲۵ تغییراتی ایجاد شد و مولفه‌های جدیدی هم اضافه شده‌اند، اما هسته اصلی ارزیابی همین موارد است.

متاسفانه واقعیت این است که در حوزه زیرساختی و تکنولوژیک با چالش‌های جدی مواجه هستیم و در حوزه حکمرانی نیز انسجام لازم وجود ندارد. نتیجه این وضع در رتبه‌بندی جهانی کاملاً مشهود است. ایران در تازه‌ترین ارزیابی‌ها، رتبه ۹۳ جهان را کسب کرده است. وقتی به فهرست نگاه می‌کنید، کشورهای توسعه‌یافته معمولاً در رتبه‌های زیر ۵۰ قرار دارند و رتبه‌های بالاتر از ۵۰ عمدتاً متعلق به کشورهای در حال توسعه یا ضعیف است. بنابراین عدد ۹۳ برای کشوری با ظرفیت ایران، اصلاً عدد خوبی نیست و نشان‌دهنده ضعف شدید کشورمان در کاربردی‌سازی هوش مصنوعی است.

اما این سکه روی دیگری هم دارد که همان پارادوکس اصلی ماست. در حوزه دانش و تولید علم وضع بسیار متفاوتی داریم. ایران جزو چهار یا پنج کشور برتر دنیا از نظر تعداد دانش‌آموختگان رشته‌های مهندسی است. در تولید مقالات علمی و خلق دانش محض، رتبه‌های خوبی داریم. اما مشکل اینجاست که این دو کفه ترازو هم‌وزن نیستند. در خلق دانش در قله‌های جهانی هستیم، اما در تبدیل دانش به ثروت و کاربردی کردن آن در صنعت، در رده‌های پایین جدول دست‌وپنجه نرم می‌کنیم. تا زمانی که این سه شاخص اصلی یعنی زیرساخت، تکنولوژی و حکمرانی بهبود نیابند، این دانش انباشته‌شده راهی به سوی بازار و صنعت پیدا نمی‌کند.

‌یکی از متغیرهای همیشگی در اقتصاد ایران، مقوله تحریم‌هاست. در حوزه هوش مصنوعی که تکنولوژی به‌عنوان «لبه» محسوب می‌شود، تحریم‌ها چه اثری بر شکل‌گیری اوضاع کنونی گذاشته‌اند؟ آیا می‌توان گفت تحریم‌ها باعث فلج‌شدن صنعت شده‌اند، یا اینکه تحریم‌ها مانند شمشیر دولبه، فرصت‌هایی هم برای صنعت ایجاد کرده‌اند؟

 نگاه به تحریم در این حوزه باید خاکستری باشد، نه سیاه و نه سفید. تحریم‌ها همزمان هم اثرات مخرب داشته‌اند، هم اثرات سازنده. اگر بخواهیم منصفانه نگاه کنیم، جنبه مثبت تحریم این بوده که ما را مجبور به درون‌زایی کرد. وقتی دسترسی به سرویس‌های خارجی قطع شد، متخصصان داخلی مجبور شدند وارد میدان شوند و لایه‌های مختلف تکنولوژی را بومی‌سازی کنند. این باعث شد دانشی که در دانشگاه‌ها تولید می‌شد، به اجبار به سمت خلق محصول حرکت کند تا نیاز کشورمان برطرف شود.

از سوی دیگر، تحریم‌ها آثار مخرب انکارناپذیری داشته‌اند. در دنیای امروز، توسعه تکنولوژی بدون تعاملات بین‌المللی بسیار دشوار است. تحریم یعنی قطع ارتباط با کنسرسیوم‌های جهانی، یعنی دسترسی نداشتن به منابع دانش روز و تکنولوژی‌های سخت‌افزاری پیشرفته. نمی‌توانیم شرکت‌های مشترک با غول‌های فناوری دنیا تاسیس کنیم و این مانعی بزرگ برای فعالیت در سطح کلاس جهانی است.

نکته مهم‌تر، بحث اقتصاد زمان است. در اقتصاد مدرن، دو مقوله فضا و زمان تعیین‌کننده است. شاید بتوانیم در فضای داخلی کارهایی انجام دهیم، اما آیا می‌توانیم در زمان مناسب به نتیجه برسیم؟ تحریم‌ها باعث می‌شود چرخ را دوباره اختراع کنیم و زمان طلایی ورود به بازار را از دست بدهیم. نیاز داریم در کوتاه‌ترین زمان به نتیجه برسیم و تحریم دقیقاً همین مولفه زمان را از ما می‌گیرد و هزینه‌های دسترسی به تکنولوژی را به‌شدت بالا می‌برد.

‌بیایید اندکی مصداقی صحبت کنیم. تمرکز بحث بر هوشمندسازی صنعتی است. در صنایع استراتژیک ایران مثل نفت، گاز و پتروشیمی که شریان‌های حیاتی اقتصاد هستند، هوش مصنوعی دقیقاً چه ارزش افزوده‌ای می‌تواند ایجاد کند؟ چون اغلب مدیران سنتی فکر می‌کنند هوش مصنوعی یعنی فقط آوردن روبات فیزیکی به خط تولید. به باورتان همه مدیران؛ چه در بخش خصوصی، چه در بخش دولتی این‌گونه فکر می‌کنند؟ اشکال کار در کجاست؟

دقیقاً همین‌طور است، این تصور غلط رایج است. وقتی از محصولات هوش مصنوعی صحبت می‌کنیم، لزوماً منظورمان سخت‌افزار یا روبات‌های انسان‌نما نیست. بخش عظیمی از هوش مصنوعی در صنعت، ماهیت نرم‌افزاری و خدماتی دارد. در صنایعی مثل نفت و گاز، هوش مصنوعی می‌تواند بازیگر اصلی در دو محور افزایش بهره‌وری و کاهش هزینه‌ها باشد. بگذارید چند کاربرد عینی را تشریح کنم. اولین مورد، اتوماسیون فرآیندهاست. بسیاری از کارهای تکراری، زمان‌بر و خسته‌کننده در پالایشگاه‌ها یا سایت‌های پتروشیمی را نیروی انسانی انجام می‌‌دهد. انسان تحت تاثیر عواطف، خستگی و مسائل روحی است؛ ممکن است روزی بازدهی عالی داشته باشد و روز دیگر به‌دلیل مشکلات شخصی، تمرکز نداشته باشد. هوش مصنوعی دچار خستگی یا نوسان عاطفی نمی‌شود و می‌تواند فرآیندهای تکراری را با دقت ۱۰۰درصدی و سرعتی غیرقابل مقایسه با انسان انجام دهد. این یعنی حذف خطای انسانی در محیط‌های پرخطر.

مورد دوم که حیاتی است، بحث نگهداری پیش‌بینانه است. در صنعت نفت و گاز، خرابی ناگهانی توربین یا کمپرسور می‌تواند میلیون‌ها دلار خسارت و توقف تولید ایجاد کند. با استفاده از تحلیل داده‌های حسگرها، می‌توانیم رفتار تجهیزات را الگوسازی کنیم. هوش مصنوعی با تحلیل لرزش، دما و صدا، قبل از اینکه قطعه‌ای خراب شود، هشدار می‌دهد. این یعنی از مدل تعمیر پس از خرابی به مدل پیشگیری قبل از وقوع می‌رویم که تاثیر عجیبی در بهینه‌سازی منابع دارد. مورد سوم، تصمیم‌گیری هوشمند است. حجم داده‌هایی که در پالایشگاهی تولید می‌شود (کلان‌داده‌ها) به قدری زیاد است که هیچ مدیر انسانی نمی‌تواند آنها را لحظه‌به‌لحظه تحلیل کند. هوش مصنوعی می‌تواند با تحلیل این داده‌ها، روندها را شناسایی کرده و به مدیران کمک کند تصمیمات استراتژیک دقیق و سنجیده بگیرند.

‌در لابه‌لای بحثتان به موضوع «کنترل کیفیت» اشاره کردید. عمده بحث کنترل کیفیت مربوط به انجام نمونه‌گیری از محصولات، بازرسی آن نمونه‌ها و تعمیم نتایج به کل انباشت محصول است که بر اساس روش‌های آماری انجام می‌شود. از دیگر روش‌های مورد استفاده در کنترل کیفیت، کنترل فرآیند تولید محصول به‌جای کنترل محصول تهیه‌شده است که با استفاده از روش‌های آماری همانند SPC انجام می‌‌شود. در خطوط تولیدی که حساسیت بالایی دارند، این تکنولوژی چقدر می‌تواند نفوذ کند؟

بسیار زیاد. هوش مصنوعی می‌تواند کنترل کیفیت هوشمند را محقق کند. فرض کنید در خط تولید مواد شیمیایی یا حتی غذایی، نیاز است که ترکیبات با دقت میکرونی تنظیم شوند. هوش مصنوعی می‌تواند به‌صورت زنده و برخط، خط تولید را پایش کند و اگر انحرافی دید، بدون دخالت انسان، دستور تغییر دوز (کمیت اندازه‌گیری) مواد را به دستگاه‌ها بدهد که محصول نهایی دقیقاً طبق استاندارد باشد. این به معنای کاهش ضایعات و افزایش کیفی است. حتی فراتر از صنعت، در حوزه سلامت هم همین‌طور است. امروز هوش مصنوعی به‌عنوان دستیار پزشک، تصاویر پزشکی را با دقتی بالاتر از چشم انسان تحلیل می‌کند. یا در صنعت دارو، می‌توانیم عوارض جانبی داروها را قبل از آزمایش روی انسان، شبیه‌سازی کنیم تا خطرات جانی به صفر برسد. در لجستیک و حمل‌ونقل هم خودروهای خودران و مسیریابی هوشمند، مصرف سوخت را به‌شدت کاهش می‌دهند. همه اینها نشان می‌دهد که هوش مصنوعی در تمام تاروپود صنعت قابلیت نفوذ دارد.

‌با توجه به محدودیت‌های سخت‌افزاری و بودجه‌ای، پیشنهاد مشخصتان برای نقشه راه هوش مصنوعی ایران چیست؟ باید روی کدام بخش‌ها تمرکز کنیم؟

این سوال اساسی است. ببینید، هر کشوری بر اساس مزیت‌های رقابتی و شایستگی‌های خودش استراتژی می‌چیند. برای مثال هند چون نیروی انسانی ارزان و زیاد داشت، تمام انرژی‌اش را روی آموزش گذاشت و الان صادرکننده مدیرعامل به دنیاست. کشورهای عربی حاشیه خلیج فارس چون پول دارند، اما نیروی متخصص بومی ندارند، استراتژی‌شان خرید نمایندگی و واردات تکنولوژی است.

ایران کجای این بازی است؟ ایرانی‌ها سابقه تاریخی و ژنتیکی در ریاضیات دارند. جزو پیشتازان ریاضی و الگوریتم در جهان هستیم. خوشبختانه، بخش بزرگی از هوش مصنوعی مدرن، وابسته به الگو‌های زبانی و الگوریتم‌نویسی است که لزوماً نیاز به ابررایانه‌های عجیب‌وغریب یا تجهیزات سخت‌افزاری چند میلیارددلاری ندارد. پیشنهاد راهبردی‌ام این است: به‌جای اینکه انرژی‌مان را در حوزه‌هایی که مزیت نداریم هدر بدهیم، باید روی توسعه الگوریتم‌ها و الگو‌های هوشمند تمرکز کنیم. این همان‌جایی است که مغزافزار ایرانی می‌تواند در دنیا حرف برای گفتن داشته باشد.

اما شرط لازم برای این موفقیت، پرهیز از موازی‌کاری است. متاسفانه الان سازمان‌های دولتی، نهادهای حاکمیتی و بخش‌های مختلف، هر کدام ساز خودشان را می‌زنند و بودجه‌ها را به‌صورت جزیره‌ای هزینه می‌کنند. اگر این فعالیت‌ها متمرکز شود و به سمت حمایت از توسعه الگوهای بومی و پیشرفته هدایت شود، می‌توانیم با تکیه بر دانش ریاضی جوانانمان، حتی در شرایط تحریم، سهم قابل‌توجهی از اقتصاد هوش مصنوعی منطقه را به‌دست آوریم. هوش مصنوعی برای ایران، نه در واردات سرورهای گران‌قیمت، بلکه در صادرات الگوریتم‌های هوشمند نهفته است.