الزامات توسعه هوش مصنوعی در ایران؛ از فلسفه و حکمرانی تا چالش‌های سازمان‌ها

زیرساخت‌ها و ماهیت میان‌رشته‌ای هوش مصنوعی

تأکید شد که بدون وجود چارچوب‌های لازم، هیچ فناوری نمی‌تواند استمرار داشته باشد. فعالیت‌های انجام شده در سال‌های ۱۳۹۳ تا ۱۳۹۶ در ایران، بیشتر بر مفهوم‌سازی «محل کار هوشمند» متمرکز بود. این سابقه نشان می‌دهد که توسعه هوش مصنوعی نیازمند زیرساخت‌ها و برنامه‌ریزی دقیق است.

هوش مصنوعی، به ویژه هوش مصنوعی عمومی، ماهیتی میان‌رشته‌ای دارد و علوم متعددی را درگیر می‌کند. این حوزه‌ها شامل:

• فلسفه (تعیین هدف و جهت‌گیری اخلاقی)
• اقتصاد (راهبردهای سرمایه‌گذاری و بهره‌وری)
• علوم اجتماعی، علوم کامپیوتر، علم داده و ریاضیات
• علوم اعصاب

برای پیشروی در سطح جهانی، ملزومات علمی، زیرساختی و مدیریتی ضروری است و باید بررسی شود که آیا مسئولان و جامعه به این ملزومات اشراف دارند یا خیر.

فلسفه و انگیزه‌های اقتصادی در توسعه فناوری

فناوری هوش مصنوعی عمیقاً با فلسفه، ارزش‌ها و انگیزه‌های اقتصادی گره خورده است. اگر اهداف و فلسفه توسعه روشن نباشد، فعالیت‌ها ممکن است انجام شوند، اما به نتیجه واقعی نرسند. تاریخ کشور نیز نشان داده است که بسیاری از برنامه‌ها بدون تعیین هدف اقتصادی، ناکارآمد بوده‌اند.

در سطح جهانی، سرمایه‌گذاری در هوش مصنوعی تنها در صورتی انجام می‌شود که سود اقتصادی یا مزیت استراتژیک وجود داشته باشد. در طی پنجاه سال گذشته، دو بار سرمایه‌گذاری گسترده به دلیل عدم بهره‌وری کافی متوقف شده که اصطلاحاً «زمستان هوش مصنوعی» نامیده می‌شود.

هدف‌گذاری استراتژیک؛ حل مسائل داخلی یا رقابت جهانی؟

اشاره شد که اگر هدف از توسعه هوش مصنوعی، صرفاً رقابت با دنیا باشد و ظرفیت‌ها و زیرساخت‌ها نادیده گرفته شوند، نتیجه‌ای حاصل نخواهد شد. اما اگر هدف، حل مسائل داخلی و ارتقای بهره‌وری باشد، حتی با سرمایه‌گذاری کمتر نیز می‌توان به موفقیت دست یافت.

ضرورت رگولیشن و چالش‌های سازمانی

«رگولیشن» و چارچوب قانونی، پایه و اساس توسعه هوش مصنوعی هستند. حتی در کشورهای پیشرفته، مقرراتی برای رعایت اخلاق، امنیت و حفظ حریم خصوصی تدوین شده است. در حوزه‌های حساس و امنیتی، اعمال رگولیشن دقیق الزامی است.

در آمریکا، دستورالعمل‌های اجرایی متعدد برای امنیت سایبری و هوش مصنوعی وجود دارد و اروپا نیز قوانین سختگیرانه‌ای برای محصولات و پلتفرم‌ها وضع کرده است. این تجربه‌ها می‌تواند برای ما درس‌آموز باشد.

در رابطه دوطرفه هوش مصنوعی و سازمان‌ها، بسیاری از سازمان‌های داخلی هنوز فاقد برنامه راهبردی منسجم هستند. در حالی که سازمان‌های مدرن جهانی، دیجیتال و پلتفرمی شده‌اند، تلاش برای پیاده‌سازی هوش مصنوعی بدون سازگاری با این منطق، موفقیت‌آمیز نخواهد بود.

دسته‌بندی و محدودیت‌های کلیدی فناوری

هوش مصنوعی را می‌توان به سه دسته اصلی تقسیم کرد:

• هوش مصنوعی تحلیلی: تحلیل داده‌ها و مدل‌سازی (که تا حدی در آن پیشرفت حاصل شده است).
• هوش مصنوعی مولد (Generative AI): خلاقیت، نوآوری و توانایی تبدیل دانش از یک حوزه به حوزه دیگر (که هنوز به بلوغ کامل نرسیده است).
• هوش مصنوعی شناختی: ترکیب یادگیری و استدلال انسانی (که توسعه آن در مراحل اولیه است).

در حوزه‌های خاص، مانند تشخیص سرطان سینه در برخی سامانه‌ها، هوش مصنوعی می‌تواند عملکردی بهتر از انسان داشته باشد، اما هنوز قادر نیست جایگزین کامل انسان شود؛ علت این امر محدودیت در استدلال و درک مفهومی است.

مهم‌ترین چالش‌های فنی و اخلاقی

محدودیت‌های مهم فناوری هوش مصنوعی عبارت‌اند از:

• فقدان استدلال واقعی و عقل سلیم در مدل‌های بزرگ
• سوگیری داده‌ها و مشکلات تبعیض‌آمیز
• ناکارآمدی در مواجهه با داده‌های کم
• مصرف انرژی بسیار بالای مراکز پردازشی
• چالش در حریم خصوصی و امنیت داده‌ها
• مشکلات توصیف‌پذیری و شفافیت

برای حل این چالش‌ها، لازم است روش‌های نمادین مبتنی بر منطق با یادگیری مبتنی بر داده ترکیب شوند.

چهار رکن اصلی آینده هوش مصنوعی و مسیر پیشرفت

هوش مصنوعی قابل اطمینان باید توصیف‌پذیر، مسئولیت‌پذیر و قابل اعتماد باشد و حضور انسان در حلقه تصمیم‌گیری، به ویژه در حوزه‌های حساس مانند پزشکی و امنیت، حیاتی است.

با تأکید بر ضرورت هم‌افزایی علوم، چهار رکن اصلی آینده هوش مصنوعی به شرح زیر اعلام شد:

1. فلسفه
2. علم
3. مهندسی
4. حکمرانی

توسعه هوش مصنوعی عمومی، تنها بر پایه هوش مصنوعی قابل اطمینان، اخلاقی و حضور انسان در حلقه تصمیم‌گیری ممکن است. همچنین، ترکیب روش‌های نمادین و داده‌محور در سامانه‌های شناختی و بهره‌مندی از قابلیت‌های محاسبات کوانتومی، می‌تواند به ایجاد سامانه‌های هوش مصنوعی موثر، اخلاقی و قابل اعتماد کمک کند.

اگرچه هنوز در ابتدای راه توسعه هوش مصنوعی قرار داریم، اما با مدیریت صحیح، هدف‌گذاری درست و استفاده از منابع بومی و بین‌المللی، می‌توان سرعت پیشرفت را افزایش داد و نقش کلیدی در توسعه هوش مصنوعی عمومی ایفا کرد.