دسترسی پژوهشگران ایرانی به زیرساخت پردازشی، لازمۀ گسترش فعالیت‌های هوش مصنوعی است
احسان کیانخواه در ابتدای این گفت‌وگو با اشاره به الزامات توسعه هوش مصنوعی در کشور اظهار کرد: پیشرفت این حوزه به دسترسی به منابع محاسباتی مناسب نیاز دارد. پژوهشگری که یک مدل چندمیلیاردپارامتری را دریافت می‌کند، برای اجرای مدل، انجام آزمایش یا تنظیم آن باید به پردازنده‌های گرافیکی و ظرفیت پردازشی کافی دسترسی داشته باشد.
وی افزود: اجاره این منابع می‌تواند هزینه زیادی ایجاد کند و دسترسی محدود به زیرساخت، فعالیت پژوهشگران و آزمایشگاه‌های هوش مصنوعی را با دشواری مواجه سازد. بنابراین، فراهم‌کردن ظرفیت پردازشی قابل استفاده برای افراد و مجموعه‌های فعال در این حوزه اهمیت دارد.
هزینه پردازش؛ یکی از موانع فعالیت پژوهشی
این کارشناس حوزه ارتباطات و فناوری اطلاعات با اشاره به نیاز مدل‌های هوش مصنوعی به توان محاسباتی گفت: حتی پژوهشگری که مدل مورد نظر خود را دریافت کرده است، برای اجرای آن یا انجام تنظیمات فنی به منابع پردازشی نیاز دارد. تأمین این منابع، به‌ویژه در پروژه‌هایی که به پردازش سنگین نیاز دارند، می‌تواند هزینه‌بر باشد.
کیانخواه تأکید کرد که برنامه‌ریزی برای کاهش این محدودیت‌ها باید بخشی از سیاست‌های توسعه هوش مصنوعی باشد تا ورود پژوهشگران به این حوزه صرفاً به برخورداری از منابع مالی قابل‌توجه وابسته نماند.
فراهم‌کردن زیرساخت برای پژوهشگران و آزمایشگاه‌ها
وی با تأکید بر ضرورت ایجاد دسترسی گسترده‌تر به منابع محاسباتی بیان کرد: زیرساخت باید در اختیار افرادی قرار گیرد که توانایی فعالیت پژوهشی و توسعه راهکار‌های هوش مصنوعی را دارند. ایجاد چنین امکانی می‌تواند زمینه انجام آزمایش‌های بیشتر و توسعه مدل‌ها و محصولات جدید را فراهم کند.
به گفته کیانخواه، این ظرفیت باید به‌گونه‌ای طراحی شود که آزمایشگاه‌ها، پژوهشگران و مجموعه‌های مختلف بتوانند متناسب با نیاز پروژه‌های خود از آن بهره بگیرند.
پیوند زیرساخت پردازشی با توسعه مدل‌های بزرگ
این کارشناس حوزه ارتباطات و فناوری اطلاعات با اشاره به پیشنهاد همکاری با شرکت‌های چینی گفت: در کنار بررسی امکان استفاده از مدل‌های موجود، می‌توان زیرساخت پردازشی متناسب با نیاز‌های توسعه و تنظیم مدل‌های بزرگ را نیز ایجاد کرد. چنین رویکردی به اجرای مدل‌ها در داخل کشور و توسعه تدریجی قابلیت‌های آنها کمک می‌کند.
کیانخواه افزود: ایجاد زیرساخت مرتبط با همکاری فناورانه، امکان توسعه مدل‌ها و فراهم‌کردن خدمات هوش مصنوعی برای بخش‌های مختلف را افزایش می‌دهد.
حمایت از آزمایش‌های کاربردی و نوآوری
وی شناسایی مسائل واقعی کشور را یکی دیگر از ضرورت‌های این مسیر دانست و اظهار کرد: باید امکان استفاده از زیرساخت برای آزمایش راهکار‌هایی فراهم شود که به حل مسائل عمومی و صنعتی کمک می‌کنند. دسترسی به منابع محاسباتی زمانی ارزش بیشتری پیدا می‌کند که فعالیت‌های پژوهشی بتوانند به توسعه خدمات و محصولات کاربردی منجر شوند.
کیانخواه با تأکید بر نقش دانشجویان و آزمایشگاه‌ها در توسعه هوش مصنوعی گفت: دسترسی به منابع پردازشی و مشخص‌بودن مسائل اولویت‌دار می‌تواند فعالیت پژوهشگران را هدفمندتر کند. هدایت پروژه‌ها به سمت نیاز‌های صنایع، بخش خصوصی و مردم نیز زمینه استفاده عملی از دستاورد‌های علمی را افزایش می‌دهد.
وی در جمع‌بندی تأکید کرد که دسترسی به زیرساخت پردازشی، حمایت از آزمایشگاه‌ها و تعریف مسائل کاربردی باید به‌صورت مکمل دنبال شوند تا ظرفیت پژوهشی کشور در حوزه هوش مصنوعی تقویت شود.
انتهای پیام/
