سکوی هوش مصنوعی وزارت صمت با همکاری دانشگاه صنعتی اصفهان عملیاتی شد

اهداف و کاربردهای سکوی هوش مصنوعی

این سکوی هوشمند با هدف کاربردی‌سازی هوش مصنوعی در سطوح مدیریتی و تصمیم‌گیری طراحی شده است. تمرکز اصلی آن بر حوزه‌هایی نظیر تحلیل قوانین و مقررات، هوش تجاری، داشبوردهای مدیریتی و تعامل زبانی با داده‌ها قرار دارد. این قابلیت‌ها نقش بسزایی در افزایش دقت، سرعت و شفافیت تصمیمات در یکی از حیاتی‌ترین وزارتخانه‌های اقتصادی کشور ایفا خواهند کرد. بهره‌گیری از توانمندی‌های دانشگاهی کشور در این پروژه، نشان‌دهنده رویکردی مبتنی بر اعتماد به ظرفیت‌های داخلی و تقویت پیوند میان دانشگاه و دستگاه‌های اجرایی است.

جزئیات پروژه و فازهای اجرایی

علیرضا بصیری، مدیر پروژه هوش مصنوعی وزارت صمت، درباره این طرح توضیح داد که پروژه «دستیار هوشمند وزارت صمت» از آذر ماه ۱۴۰۳ به دانشگاه صنعتی اصفهان واگذار شد. پس از مراحل داوری علمی، توسعه جدی سامانه از اسفند همان سال آغاز شد. در حال حاضر، هفت نفر از اعضای هیئت علمی و حدود ۲۰ نفر به صورت مستقیم درگیر این پروژه هستند. این پروژه شامل سه تا چهار فاز اصلی است.

فاز اول: تنقیح و بازیابی قوانین

در فاز نخست، قوانین و آیین‌نامه‌های وزارت صمت مورد بررسی قرار گرفتند. قابلیت پرسش از قوانین و تناقض‌یابی آنها پیاده‌سازی شده است. این تناقض‌ها می‌تواند شامل مغایرت یک ماده با قانون یا مجموعه‌ای از قوانین باشد. این بخش از سامانه در حال حاضر در دفتر حقوقی وزارت صمت مورد استفاده قرار می‌گیرد و تغییرات و ملاحظات مورد نیاز نیز اعمال شده است.

فاز دوم: هوش تجاری

فاز دوم شامل پیاده‌سازی هوش تجاری ایستا و پویا است که تاکنون حدود ۷۰ درصد پیشرفت داشته است. این بخش به مدیران امکان می‌دهد تا داده‌های پراکنده سازمان را به صورت یکپارچه مشاهده کنند. با استفاده از هوش مصنوعی، مدیران بدون نیاز به دانش فنی یا ابزارهای گزارش‌سازی، تنها با بیان نیاز خود، اطلاعات مورد نظر را به صورت جدولی و نموداری دریافت می‌کنند. به عنوان مثال، امکان استعلام تعداد معادن کشور به تفکیک استان وجود دارد. اطلاعات مهم می‌تواند به داشبوردهای ایستا اضافه شود تا همواره در دسترس باشد. با این حال، گلوگاه اصلی در این فاز، کمبود داده‌های واقعی و بزرگ برای ارزیابی کامل عملکرد سامانه است.

ویژگی‌ها و قابلیت‌های اضافی

علاوه بر فازهای اصلی، ویژگی‌های کاربردی دیگری نیز به سامانه اضافه شده‌اند که فراتر از درخواست اولیه معاونت علمی بوده و برای استفاده عملیاتی وزارت صمت طراحی شده‌اند:

• خلاصه‌سازی متون: کاربران می‌توانند اسناد را وارد سامانه کرده و خلاصه‌ای دو پاراگرافی از آن‌ها دریافت کنند.
• امنیت و استقلال: سامانه به دلیل محرمانگی بالای داده‌های مدیریتی، کاملاً مستقل و داخلی طراحی شده و برای پردازش داده‌ها نیازی به اتصال اینترنتی ندارد. این ویژگی تضمین می‌کند که سامانه حتی در صورت قطع شبکه خارجی، در شبکه داخلی وزارتخانه به کار خود ادامه می‌دهد.
• ترجمه متون: قابلیت ترجمه اسناد به نزدیک به ۱۰۰ زبان دنیا فراهم شده است.
• پرسش از داده‌های جدولی: مدیران می‌توانند فایل‌های CSV حاوی داده‌های خارج از پایگاه داده رسمی را وارد سامانه کرده و تحلیل‌های هوش تجاری را روی آن‌ها اعمال کنند.
• پاسخ به سوالات متداول (FAQ): سامانه می‌تواند سوالات کاربران را با بانک سوالات متداول تطبیق داده و پاسخ‌های دقیق و مستند، همراه با ارجاع قانونی ارائه کند.
• پشتیبانی از تصمیم‌گیری: سامانه خروجی‌های تحلیلی ارائه می‌دهد تا مدیران بتوانند تصمیمات مبتنی بر داده بگیرند. به عنوان مثال، در حوزه معدن، امکان بررسی ظرفیت استان‌ها و تصمیم‌گیری برای تمرکز بیشتر بر یک استان خاص وجود دارد.
• انعطاف‌پذیری پردازشی: سامانه در صورت دسترسی به چند بستر پردازشی، به صورت خودکار سوئیچ کرده و پردازش را روی بستر جایگزین انجام می‌دهد.

استقلال و توسعه آتی

نکته حائز اهمیت این است که سامانه کاملاً مستقل از مدل‌های آماده خارجی طراحی شده است. تمام پردازش‌ها و هوش مصنوعی به صورت محلی و داخلی در دانشگاه صنعتی اصفهان انجام می‌شود تا محرمانگی داده‌ها حفظ شود. پروژه در فاز دوم به تأیید ناظر علمی و وزارتخانه رسیده است. اگرچه هنوز داده‌های بزرگ‌تر در اختیار نیست، اما زیرساخت‌ها آماده بوده و قابلیت توسعه و تحلیل‌های پیچیده‌تر وجود دارد. داده‌های اولیه از سایت عمومی وزارت صمت استخراج و مهندسی معکوس شده‌اند، اما برای بهره‌برداری کامل، نیاز به پایگاه داده واقعی‌تر با حجم بزرگ‌تر و چالش‌های عملیاتی بیشتر است.

تیم دانشگاه صنعتی اصفهان با حدود ۲۰ نفر نیرو و بودجه‌ای بالغ بر ۱۵ میلیارد تومان، با استفاده از سخت‌افزارهای کافی از جمله GPU و زیرساخت‌های ابررایانش، این پروژه را پیش برده است. حتی در صورت نیاز، ظرفیت‌های اضافی نیز تأمین شده‌اند. با وجود چالش‌هایی مانند عدم دسترسی کامل به پلتفرم‌های GPU در ماه‌های اولیه، تیم با مدیریت منابع، این مسائل را پشت سر گذاشته و روند توسعه با موفقیت ادامه دارد. هدف نهایی پروژه، انطباق کامل با نیازهای کارفرما و قابلیت استفاده عملیاتی است.