به نقل از روزنامه اقتصادی ابرار
در خصوص انجام پروژه های بزرگ مانند مدل زبانی بومی و سایر مدل هایی که در مرز علمی هوش مصنوعی باشند نیازمند شرکت بزرگی است تا بتواند زیرساخت آن پروژه را به صورت پایدار تامین کند اما متاسفانه اکنون در زیست بوم فناوری کشور خلا وجود شرکت های بزرگ در این حوزه به شدت احساس می شود.
به گزارش فارس، علیرضا سلطانی پژوهشگر در این خصوص توضیح داد:
هوش مصنوعی مهم ترین موضوع دنیای تکنولوژی است. موجی که به واسطه انتشار چت جی پی تی در رسانه ها و دنیای تکنولوژی شکل گرفت تا امروز به صورت پیوسته ادامه داشته است و اخبار این حوزه در کنار مهم ترین اخبار دنیا قرار گرفته اند. هوش مصنوعی مولد توانایی ماشین برای انجام وظایف پیچیده تر را افزایش داده و گام بلندی برای برقراری ارتباط انسان با ماشین برداشته است. با توجه به پیشرفت چشم گیر هوش مصنوعی، از هم اکنون چشم اندازی که هوش مصنوعی بتواند بسیاری از کارها را انجام دهد قابل مشاهده است.
به عقیده بسیاری از تحلیلگران
مانند هنری کیسینجر، با گسترش توانایی های هوش مصنوعی بشر وارد عصر جدیدی خواهد شد. همین چشم انداز تحول رقابت را برای دستیابی سریع تر و ساخت مدل های قدرتمندتر در سراسر دنیا تشدید کرده است. از همین رو کشورهای گوناگون اکنون به دنبال دستیابی به جایگاه مناسب خود در زمینه هوش مصنوعی هستند.
فعالیت بیش از 180 شرکت دانش بنیان ایرانی
در این زمینه در کشور ما نیز از چند سال قبل گفتمان هوش مصنوعی شکل گرفته و چشم انداز قرارگیری ایران در میان ده کشور برتر در زمینه هوش مصنوعی نیز ترسیم شده است. هم اکنون بیش از 180 شرکت دانش بنیان در زمینه هوش مصنوعی در ایران مشغول فعالیت هستند. اکنون خدماتی نظیر تبدیل متن به صوت فارسی و بالعکس، نویسه خوان فارسی، احراز هویت، تشخیص اشیا و غیره توسط بسیاری از این شرکت ها ارائه می شود.
زیست بوم فعلی هوش مصنوعی کشور
متشکل از چند شرکت متوسط و تعداد زیادی شرکت کوچک و استارت آپی است. اکنون پرسش اصلی است که با این زیست بوم می توان در بین کشورهای پیشرو هوش مصنوعی در جهان ایستاد؟
برای پاسخ دادن به این پرسش باید شناخت اولیه ای از اینکه مدل های هوش مصنوعی چطور کار می کنند داشته باشیم. اکثر مدل های هوش مصنوعی امروزی بر اساس سازوکاری به نام شبکه عصبی کار می کنند. این مدل از عملکرد مغز انسان الهام گرفته شده است. (اما با عملکرد واقعی مغز تفاوت های زیادی دارد.)
به این ترتیب
که تعداد زیادی نورون مصنوعی در فضای ذخیره سازی ایجاد می شود و هرکدام از آن ها ورودی، خروجی و تابعی دارند که ورودی را به خروجی تبدیل می کند. با کنار هم قرار دادن این نورون ها می توان توابعی بسیار پیچیده ساخت که بتوانند مسائل خاصی را حل کنند. به عنوان مثال تشخیص دهند در یک تصویر گربه وجود دارد یا خیر. این کار با استفاده از داده انجام میشود. برای ساخت چنین مدلی نیاز به تصویر هزاران گربه از زوایا، رنگ ها، سن ها، نژادها و حالات گوناگون وجود دارد تا مدل بتواند الگوی اصلی گربه را یاد بگیرد و در تصاویر جدید نیز آن را شناسایی کند. تمرین دادن یک مدل بار پردازشی زیادی دارد. اگر بر روی یک کارت گرافیک معمولی اجرا شود ممکن است تا چند روز طول بکشد.
به همین خاطر اساسا در الگوریتم های یادگیری ماشینی مبتنی بر شبکه عصبی دو پارامتر مهم در کیفیت و دقت مدل تاثیرگذار است. مقدار داده و ظرفیت پردازشی. هرقدر مقدار داده بیشتر باشد و بهتر آماده سازی و پیش پردازش شود، دقت مدل بیشتر خواهد بود. از طرفی هرچه قدر تعداد نورون های شبکه عصبی بیشتر باشد توانایی آن برای انجام وظایف پیچیده تر بیشتر است. به عنوان مثال مدل زبانی های کنونی چند صد میلیارد پارامتر دارند. به همین خاطر پردازش داده های عظیم در یک شبکه عصبی بسیار بزرگ، نیازمند توان پردازشی خارق العاده ای خواهد بود که هرکسی از پس تامین آن بر نخواهد آمد.
