هوش مصنوعی در میدان سیاستگذاری
درحالیکه ایران در اسناد بالادستی خود، هدفقرارگرفتن در میان «۱۰ کشور برتر جهان در حوزه هوش مصنوعی» را دنبال میکند؛ اما روشن و شفافنبودن زیرساختهای لازم؛ ازجمله توان پردازشی در سطح استانداردهای جهانی، نبود انسجام نهادی و ابهام در سیاستگذاریها، این هدف بیشازآنکه یک نقشهراه روشن باشد، به یک آرمان دورازدسترس تبدیل شده؛ و حالا این پرسش مطرح است که با کدام پشتوانه فناورانه و مدیریتی، قرار است کشور به قلههای رقابت جهانی در هوش مصنوعی برسد؟
مریم رضایی: کشورهایی که به ابررایانهها و خوشههای محاسباتی پیشرفته دسترسی دارند، اکنون در خط مقدم توسعه فناوریهای نوینی چون هوش مصنوعی مولد، مدلهای زبانی بزرگ و تحلیل کلاندادهها قرار گرفتهاند. این رقابت فناورانه، عرصهای تازه اما تعیینکننده در معادلات ژئوپلیتیکی جهان پدید آورده. ازاینرو در عصر حاضر، توان پردازشی (Computational Power) بهعنوان یکی از مؤلفههای کلیدی قدرت فناورانه و دیجیتال کشورها شناخته میشود. این توان نهتنها زیرساخت اصلی توسعه مدلهای بزرگ هوش مصنوعی محسوب میشود، بلکه در حوزههایی همچون تحقیقات علمی، پیشبینی آبوهوا، طراحی دارو، امنیت سایبری و صنایع دفاعی نیز نقش تعیینکنندهای دارد. توان پردازشی معمولاً با واحدهایی مانند ترافلاپس (TFLOPS) یا پتافلاپس (PFLOPS) سنجیده میشود و بهمعنای تعداد عملیات ممیز شناور در ثانیه است که یک سیستم میتواند انجام دهد. هر چه اینعدد بیشتر باشد، رایانه یا خوشه پردازشی میتواند مسائل پیچیدهتری را سریعتر حل کند. براساس آخرین فهرست TOP۵۰۰ که مرجع بینالمللی رتبهبندی سریعترین ابررایانههای جهان است، کشورهای زیر در صدر قرار دارند:
ایالاتمتحده آمریکا؛ پیشرو در تعداد ابررایانهها و قدرت خام، دارای سریعترین ابررایانه جهان بهنام Frontier با توان حدود ۱.۲ اگزافلاپس و زیرساخت اصلی مدلهای مطرح مانند GPT-۴، Claude و Gemini.
چین: میزبان دهها ابررایانه قدرتمند، دارای توان پردازشی ملی بسیاربالا، درحالتوسعه مدلهای بومی پیشرفته مانند WuDao و Zhipu.
ژاپن: ابررایانه Fugaku یکی از پیشرفتهترینها با بیش از ۵۰۰ پتافلاپس توان عملیاتی، سرمایهگذاری متمرکز بر هوش مصنوعی صنعتی و سلامت.
آلمان: قدرتمندترین زیرساخت HPC در اتحادیه اروپا، میزبان ابررایانههای تحقیقاتی با کاربرد در علوم هواشناسی و بیوانفورماتیک.
امارات: یک بازیگر نوظهور در حوزه توان پردازشی با دراختیارداشتن ابررایانه Condor Galaxy با توان بیش از ۷۰ پتافلاپس و درحالتبدیلشدن به قطب منطقهای هوش مصنوعی، توسعه دو مدل زبانی پیشرفته Falcon و Jais.
ایران در سالهای اخیر تلاشهایی برای توسعه زیرساختهای هوش مصنوعی و ابررایانهها داشته. طبق اعلام معاونت علمی ریاستجمهوری، توان پردازشی تجمیعی کشور در حوزه هوش مصنوعی حدود ۷۰ پتافلاپس است. اینرقم در سطح منطقه عدد قابلقبولی محسوب میشود اما برای رقابت جهانی و تربیت مدلهای زبانی بزرگ نیازمند سرمایهگذاری بسیاربیشتر، همکاریهای بینالمللی و ارتقای سختافزارهای محاسباتی است. ایندرحالیستکه تا نوامبر ۲۰۲۴، هیچیکاز ابررایانههای ایران در فهرست «TOP۵۰۰» که معتبرترین رتبهبندی جهانی برای قدرتمندترین ابررایانهها است، قرار نگرفتهاند. اینفهرست شامل ۵۰۰ سیستم برتر جهان طبق توان پردازشی آنها و بهروزرسانیهای آن دوبار در سال منتشر میشود. ابررایانه «سیمرغ» که سال ۲۰۲۱ توسط دانشگاه صنعتی امیرکبیر معرفی شد، با توان پردازشی اولیه ۰٫۵۶ پتافلاپس و البته هدفگذاری برای رسیدن به ۱ پتافلاپس، قدرتمندترین سیستم معرفیشده در ایران است. گرچه حتی درصورت دستیابی بهاینهدف، سیمرغ بهدلیل محدودیتهای فنی و تحریمی، در فهرست رسمی TOP۵۰۰ ثبت نشده. مجموعاً ایران تاکنون موفق به ثبت هیچ ابررایانهای در فهرست TOP۵۰۰ نشده است. درحالیکه جهان بهسمت اگزافلاپس (Exaflops) و حتی زتافلاپس (Zettaflops) حرکت میکند، اهمیت دسترسی به انرژی پاک، طراحی تراشههای بومی و استقلال در حوزه سختافزار بیشازپیش موردتوجه قرار گرفته است. جوامعی که بتوانند این مؤلفهها را باهم ترکیب کنند، به رهبران آینده فناوریهای تحولآفرین تبدیل میشوند. محمد محمدزاده ضیابری؛ مدیرعامل یکی از شرکتهای دانشبنیان و نیز رئیس کمیسیون هوش مصنوعی سازمان نظام صنفی رایانهای تهران بااشارهبه وضعیت سازمان هوش مصنوعی و تبدیلشدن آن به ستادی ذیل معاونت علمی و فناوری ریاستجمهوری گفت: اینموضوع هنوز دقیقاً مشخص نیست. بهعلاوه، این مصوبه ازنظر قانونی محل اشکال است چراکه دولت نمیتواند در برابر قانون بالادستی مصوبهای داشته باشد. دراینزمینه، قانون بالادستی کشور، سند ملی هوش مصنوعی مصوب شورایعالی انقلاب فرهنگی است. در طرح ملی هوش مصنوعی که در دستورکار مجلس شورای اسلامی قرار دارد، تلاش شده است تمرکز و انسجام بیشتری دراینحوزه ایجاد شود چراکه در سالهای اخیر بهویژه پس از صدور فرمان مقام معظم رهبری مبنیبر دستیابی به جایگاه ۱۰ کشور برتر در حوزه هوش مصنوعی، رقابت و اختلافاتی میان دستگاههای مختلف برای تصدی مسئولیت اینحوزه شکل گرفته بود. اینطرح بر مصوبه شورایعالی انقلاب فرهنگی تأکید دارد و سعی کرده روابط میان نهادهای مختلف را روشن و شفاف کند. ضیابری بابیاناینکه دراینطرح ملی، روابط میان دستگاهها دراینحوزه مشخص شده، اظهار کرد: چابکی این سازمان و ایجاد صندوق هوش مصنوعی از جمله مواردی است که در آن دیده شده است. نمیتوان گفت که این سند یک قانون جامع و کاملی است اما در شرایط جاری که شاهد رکود هوش مصنوعی از سمت دولت و حاکمیت هستیم، میتواند راهگشا باشد. وی درتشریح روند دولتها در حوزه هوش مصنوعی، گفت: پیش از سال ۱۴۰۰ و صدور فرمان رهبری، وضعیت کشور دراینحوزه نسبتاً همگام با روندهای جهانی بود و حتی صادرات فناوری هوش مصنوعی به کشورهایی مانند ژاپن، آمریکا، کانادا و کشورهای اروپایی نیز صورت میگرفت؛ اما پس از صدور فرمان و همزمان با ظهور مدلهایی چون ChatGPT، تحولات اینحوزه با سرعت چشمگیر شتاب گرفت درحالیکه ما درگیر اختلافات داخلی برای تعیین متولی اینحوزه بودیم. وی خاطرنشان کرد: بعد از صدور فرمان رهبری و ورود چتجیپیتی، بازی هوش مصنوعی تغییر کرد و با شتاب زیادی بهپیش رفت و ما درآنزمان درگیر منازعاتی شدیم که کدام دستگاه متولی اینحوزه باشد و ازدیگرسو هوش مصنوعی نیاز به منابع عظیم مالی دارد و بخش خصوصی حدی از این منابع را میتواند تأمین کند. وی بابیاناینکه در کشورهایی مانند آمریکا که ادعا دارند همه کارها ازسوی بخش خصوصی انجام میشود، یک ستاد در کاخ سفید راهاندازی شده، ادامه داد: اینکه برخیها این سؤال را میپرسند که آیا در همه کشورهای دنیا سند هوش مصنوعی تدوین شده است؟ پاسخ آن مثبت خواهد بود. کشور امارات وزارتخانه هوش مصنوعی ایجاد کرده و بهواسطهآن در کل کشورهای عربی تنها کشوری بود که مدل زبانی بزرگ اختصاصی را توسعه داد، فالکون (Falcon) و جیس (Jais) را توسعه داده که هردو از مهمترین پروژههای هوش مصنوعی در جهان عرب محسوب میشوند. ضیابری بابیاناینکه کشورهایی چون ژاپن و کره نیز همینراه را رفتهاند، افزود: اکثر کشورها فناوریهای هوش مصنوعی خود را طبق سند ملی خودشان توسعه دادند. دور اول سند اینکشورها بهپایان رسید و سند دوم هوش مصنوعی را تدوین کردند. همه کشورهای پیشرو دراینحوزه طبق برنامهای، جلو رفتند. وی بااشارهبه مدلهای زبانی هوش مصنوعی بابیاناینکه اگر دوسهسال قبل وارد اینعرصه میشدیم و کارهای لازم را انجام میدادیم میتوانستیم تاحدودی همپای کشوری دیگر بهپیش برویم، گفت: اینک باتوجهبه تحریمهایی که علیه کشور وجود دارد، جبران فاصله کشور با مدلهای زبانی خیلیبزرگ تقریباً نشدنی است؛ اما میتوانیم در توسعه مدلهای زبانی کارهایی را انجام دهیم که واجب است. ضیابری نمونه اینکارهای بزرگ را فاینتیونینگ (Fine-tuning؛ برداشتن یک مدل بزرگ ازپیش آموزشدیده، مثل GPT یا BERT و آموزشدادن بیشتر آن روی دادهها تا مدل متناسب با نیاز خاص عمل کند)، اینسپشونینگ دانست و گفت: دراینزمینه نیز هرروز عقب و عقبتر میافتیم و نیاز است با سرعت و چابکی بیشتری دراینحوزه حرکت کنیم. وی درخصوص توان پردازشی کشور بابیاناینکه هیچ نهادی حتی معاونت علمی نمیتواند عدد دقیقی دراینزمینه ارائه کند، یادآور شد: وضعیت کشور درزمینه توان پردازشی وضعیت مطلوبی نیست ولی خیلی از ارگانها و سازمانها و حتی بخشهای خصوصی بزرگ اقدام به واردات زیرساختهای پردازشی کردند.ایسنا