غزال زیاری- در دنیای امروز، هوش مصنوعی به‌عنوان یکی از محرک‌های اصلی پیشرفت اقتصادی و صنعتی شناخته می‌شود و بسیاری از کشورها سرمایه‌گذاری گسترده‌ای برای توسعه و به‌کارگیری این فناوری انجام داده‌اند. اما در ایران، هنوز پذیرش و استفاده از هوش مصنوعی در صنایع و کسب‌وکارها با چالش‌های متعددی مواجه است.
به همین دلیل، در این مصاحبه با دکتر حمیدرضا کشاورز، دکترای هوش مصنوعی از دانشگاه تربیت مدرس و استاد مدعو دانشگاه‌های تهران و علوم پزشکی تهران، به بررسی وضعیت پذیرش هوش مصنوعی در ایران، چالش‌های موجود، تفاوت آن با بازار جهانی و فرصت‌هایی که این فناوری می‌تواند برای کسب‌وکارهای ایرانی ایجاد کند، پرداخته‌ایم.
شرکت‌های ایرانی مزایای هوش مصنوعی را نمی‌بینند
این گفت‌وگو فرصتی است برای درک بهتر موانع پیش روی تحول دیجیتال در کشور و یافتن راهکارهایی برای کاهش این فاصله با جهان؛ حمیدرضا کشاورز در پاسخ به این پرسش که وضعیت پذیرش و استفاده از فناوری هوش مصنوعی در ایران چگونه است، گفت:«در ایران هنوز درک درستی از کاربردهای عملی هوش مصنوعی و یادگیری ماشین در کسب‌وکارها وجود ندارد. بسیاری از شرکت‌ها متوجه نیستند که این فناوری چگونه می‌تواند در کاهش هزینه‌ها و افزایش بهره‌وری آن‌ها نقش داشته باشد. برای مثال، ما می‌بینیم که برخی از شرکت‌های بزرگ بعد از بررسی، به این نتیجه می‌رسند که نیازی به یادگیری ماشین ندارند. این در حالی است که حتی یک فروشگاه کوچک می‌تواند از این فناوری برای پیش‌بینی فروش و بهینه‌سازی موجودی کالاهای خود استفاده کند.»
او در ادامه افزود:«در کشورهای پیشرفته، استفاده از هوش مصنوعی در حوزه‌هایی مانند مدیریت زنجیره تأمین، پیش‌بینی تقاضا، بهینه‌سازی تولید و تحلیل داده‌های مشتریان کاملاً رایج است. اما در ایران، بسیاری از شرکت‌ها هنوز به‌صورت دستی و سنتی کار می‌کنند که باعث اتلاف منابع و کاهش کارایی آن‌ها می‌شود. در نتیجه، این شرکت‌ها مزایای هوش مصنوعی را نمی‌بینند و درک نمی‌کنند که چگونه می‌توانند از آن بهره ببرند.»
هدف استفاده از هوش مصنوعی کاهش خطا، نه حذف کامل آن‌ها است
این استاد مدعو دانشگاه‌های تهران و علوم پزشکی تهران در ادامه و در پاسخ به این پرسش که دلیل این عدم استقبال از هوش مصنوعی در ایران چیست، گفت:«یکی از مشکلات اصلی، بی‌اعتمادی به سیستم‌های هوشمند است. بسیاری از مدیران فکر می‌کنند که تصمیم‌گیری باید حتماً توسط انسان انجام شود و نمی‌توان به تحلیل‌های ماشین اعتماد کرد. برای مثال، وقتی گفته می‌شود که یک مدل یادگیری ماشین می‌تواند با دقت ۷۰ درصد آینده بازار را پیش‌بینی کند، برخی مدیران این میزان را ناکافی می‌دانند، درحالی‌که در بسیاری از حوزه‌ها، چنین دقتی می‌تواند یک مزیت رقابتی بزرگ محسوب شود.»
کشاورز در ادامه گفت:«در کشورهای توسعه‌یافته، مدل‌های هوش مصنوعی به‌عنوان دستیار تصمیم‌گیری مورداستفاده قرار می‌گیرند و مدیران از آن‌ها برای بهینه‌سازی فرایندها بهره می‌برند. در ایران، بسیاری از شرکت‌ها انتظار دارند که هوش مصنوعی همه مشکلات را به‌صورت صد درصدی حل کند، درحالی‌که هدف اصلی این فناوری کاهش خطا و افزایش کارایی است، نه حذف کامل خطاها.»
چالش‌های استارتاپ‌های ایرانی: نبود زیرساخت‌های سخت‌افزاری و عدم پذیرش از سوی بازار
او در ادامه و در پاسخ به این پرسش که وضعیت استارتاپ‌های ایرانی در حوزه هوش مصنوعی چگونه است، گفت:«استارتاپ‌های ایرانی فرصت‌های بسیار خوبی برای استفاده از هوش مصنوعی دارند، اما همچنان با چالش‌هایی مانند نبود زیرساخت‌های سخت‌افزاری و عدم پذیرش از سوی بازار روبه‌رو هستند. بسیاری از شرکت‌ها هنوز متوجه نشده‌اند که می‌توانند از یادگیری ماشین و تحلیل داده به‌عنوان یک سرویس استفاده کنند. برای مثال، حتی یک کارگاه تولیدی کوچک می‌تواند از هوش مصنوعی برای پیش‌بینی میزان تولید موردنیاز و جلوگیری از انباشت بی‌رویه کالا استفاده کند. اما متأسفانه، در بسیاری از موارد، مدیران این کسب‌وکارها به مدل‌های یادگیری ماشین اعتماد ندارند و همچنان به روش‌های سنتی تکیه می‌کنند.»
رتبه بالای ایران در زمینه انتشار مقالات علمی در حوزه هوش مصنوعی
کشاورز در ادامه و در پاسخ به این پرسش که آیا مقالات علمی ایران در حوزه هوش مصنوعی با سطح جهانی رقابت می‌کنند، گفت:«ایران در زمینه انتشار مقالات علمی در حوزه هوش مصنوعی و یادگیری ماشین رتبه نسبتاً بالایی دارد، اما چالش اصلی این است که بسیاری از این تحقیقات در عمل به کار گرفته نمی‌شوند. در کشورهای توسعه‌یافته، دانشگاه‌ها و صنایع همکاری نزدیکی دارند و تحقیقات علمی مستقیماً به توسعه محصولات و خدمات جدید منجر می‌شود. اما در ایران، بسیاری از پژوهش‌ها صرفاً جنبه تئوری دارند و کمتر به نیازهای واقعی صنعت پاسخ می‌دهند.»
او در ادامه افزود:«علاوه بر این، کمبود زیرساخت‌های سخت‌افزاری و محدودیت‌های دسترسی به سرورهای قدرتمند باعث شده که پژوهشگران ایرانی نتوانند مدل‌های خود را در مقیاس‌های بزرگ آزمایش کنند. در نتیجه، با وجود توانمندی‌های علمی، فاصله‌ای میان تحقیقات و پیاده‌سازی‌های عملی وجود دارد که باید برطرف شود.»
باید بین دانشگاه و صنعت همکاری شکل گیرد
این استاد مدعو دانشگاه‌های تهران و علوم پزشکی تهران در ادامه و در پاسخ به این پرسش که چه راهکارهایی برای بهبود این وضعیت وجود دارد، گفت:« مهم‌ترین گام، افزایش همکاری بین دانشگاه‌ها و صنعت است. شرکت‌ها باید ارزش استفاده از یادگیری ماشین را درک کنند و به جای تمرکز صرف بر تعداد مقالات علمی، به دنبال پیاده‌سازی عملی مدل‌های هوش مصنوعی باشند.»
او در آخر گفت:«همچنین، لازم است که فرهنگ اعتماد به سیستم‌های هوشمند تقویت شود. در برخی موارد، می‌توان ابتدا از این فناوری در کنار نیروی انسانی استفاده کرد تا به‌مرورزمان اعتماد لازم شکل بگیرد. در نهایت، حمایت‌های دولتی و سرمایه‌گذاری در زیرساخت‌های پردازشی نیز برای رقابت با سایر کشورها ضروری است.»
۲۲۷۲۲۷
source