دولت سیزدهم باید به موضوع هوش مصنوعی، اعتبار خاصی اختصاص دهد

احسان ناظرفرد، عضو هیات علمی دانشکده مهندسی کامپیوتر دانشگاه امیرکبیر در این خصوص به سیناپرس گفت: هوش مصنوعی امروزه در تمامی علوم کاربرد زیادی پیدا کرده  و طی دو دهه اخیر پیشرفت های زیادی به همراه داشته است. افزایش میزان محصولات هوشمند به بازار هم اکنون گواه این مساله است.

دکترای علوم کامپیوتر افزود: گوشی های هوشمند مثال بارز این محصولات است. این گوشی ها کلی از دنیای هوش مصنوعی بهره برده اند. به عنوان مثال هنگام رانندگی فرد نمی تواند پیامکی ارسال کند. او توسط برنامه گوشی می تواند صوت خود را تبدیل به متن کند و برای مخاطبش بفرستد. یعنی او با استفاده از این برنامه هنگام رانندگی می تواند با صدایی واضح و شمرده صحبت کند و بگوید نامه مورد نظر را تا شب برایتان ارسال مینمایم. به این ترتیب در واقع پیام گفتاری او به نوشتاری تبدیل شده است.

وی اظهارداشت: یادگیری عمیق، یکی از حوزه های یادیگری ماشین است که طی پانزده سال اخیر بسیاری از چالش های هوش مصنوعی را برطرف کرده و به اوج خودش رسانده است. پیش از این برای ارسال چنین پیام هایی دچار مشکلاتی بودیم زیرا نیاز به تطبیق صدای گوینده با سیستم وجود داشت. تفاوت هایی در فرکانس ها و ویژگی های صوتی وجود داست و این سیستم عادت می کرد که فقط با صدای چه کسی فرمان بگیرد. اکنون دیگر شاهد چنین مشکلاتی نیستم زیرا پیشرفت های زیادی به وجود آمده است. به گزارش سیناپرس، به گفته وی، این پیشرفت ها بسیار خوشحال کننده است اما اگر در این زمینه غفلت کنیم، از فناوری های روز دنیا عقب خواهیم افتاد.

وی اظهارداشت: قطعا دولت سیزدهم باید برای تحقق این مساله اعتبار خاصی اختصاص دهد، زیرا آینده دنیا در اختیار هوش مصنوعی است. هم اکنون نیز شاهد پیشرفت های زیادی در دنیا در زمینه هوش مصنوعی هستیم. اگر در این حوزه سرمایه گذاری نشود کاملا از پیشرفت های روز دنیا عقب می مانیم زیرا این تکنولوژی کاملا قابل رشد است و با شتاب فراوانی حرکت می کند. به عنوان مثال اکنون اکنون دنیا در حال ساخت خودروهای هوشمند است در حالی که ما این کار را انجام نداده ایم و هیچ پیشرفتی در این زمینه نداشته ایم. دولت باید در این حوزه سرمایه گذاری کند.

وی ادامه داد: سرمایه گذاری برای این حوزه این گونه نیست که ما تصیم به انجام این کار را داشته باشیم و بلافاصله اتفاق بیفتد. قطعا در کنار تیم طراحی و توسعه و نیروهای عملیاتی، باید یک گروه تحقیقاتی وجود داشته باشد تا گروه عملیاتی از دستاوردهای گروه تحقیقاتی استفاده کرده و به تدریج هوشمندی را به محصولات خود اضافه کند.

عضو هیات علمی دانشکده مهندسی کامپیوتر دانشگاه امیرکبیر به چالش های این حوزه اشاره کرد و گفت: هم اکنون چالش های زیادی در این حوزه وجود دارد که به عنوان نمونه میتوان به چالشهای حوزه داده کاوی که یک از شاخه های هوش مصنوعی است اشاره کرد. هدف از داده کاوی کشف الگوهای ناشناخته در حجم زیادی از داده هاست. به عنوان مثال یک متخصص علوم داده، لیستی از تراکنش های دستگاه خودپرداز یا (ATM) در اختیار دارد. داده های او حجیم است و او قصد بررسی این داده ها در یک بازه زمانی دو ساله را دارد. او باید در حجم این داده ها که به وسعت یک اقیانوس است دنبال یک سری الگوها باشد. در واقع انجام این کار مانند پیدا کردن یک سوزن در انبار کاه است و چالش های زیادی به دنبال دارد.

وی در پایان گفت: یادگیری شامل یادگیری با معلم، یادگیری بی معلم و یادگیری تقویتی است. در یادگیری با معلم، ما با یک سری داده ها سرو کار داریم که همه شان برچسب دارند یعنی در کنارشان نوشته شده که این کار قبلا انجام شده است. پس اگر هدف ما شناسایی و کشف یک سری ناهنجاری ها مانند دزدی ها، اختلاس ها و …. در بازه زمانی طولانی باشد، کار بسیار سخت و دشواری در پیش رو داریم زیرا حجم داده های برچسب دار بسیار کم است اما در مقابل انبوهی از حجم داده های بدون برچسب داریم که باید به آنها برچسب بزنیم. چگونگی مدیریت کردن این داده های نامتوازن از مهمترین چالش هایی است که اکنون با آن سر و کار داریم. همچنین یادگیری بر خط از جمله دیگر چالش های این حوزه است.

گفتگو: فرزانه صدقی

 

No tags for this post.