به گزارش کارگروه فناوری اطلاعات سایبربان ، یکشنبه ۱۳ آبان ماه، نشست دستیابی به عمق هوش مصنوعی در لایه زیرساخت با حضور کارشناسان بخش خصوصی و دانشگاهی در پژوهشگاه ارتباطات و فناوری اطلاعات برگزار شد.امین نظارات مدیر یکی از شرکتهای خصوصی با اشاره به چالشها و فرصتهای صنعت نیمههادیها و نرمافزارهای پایه در ایران اظهار کرد: کشورهایی مثل مالزی، کره جنوبی و ژاپن در این حوزهها بهخوبی پیشرفت کردهاند و ایران میتواند از این تجارب بهرهبرداری کند. وی افزود: حضور در صنعت نیمههادیها، بهخصوص با توجه به رشد تکنولوژی و نیاز به تولیدات بومی، یک فرصت طلایی است. اگرچه تا کنون ورود جدی نداشتهایم، اما با توجه به زیرساختها و دانش فنی موجود، امکان توسعه وجود دارد، بهخصوص در زمینه طراحی و مهندسی که میتواند به تولید برونسپاری شده منجر شود، پتانسیل خوبی برای رشد وجود دارد.نظارات افزود: در مورد نرمافزارهای بنیادی هم برای پیشرفت در این زمینه نیاز به زیرساخت و سرمایهگذاری داریم. این نرمافزارها بهخصوص در حوزه هوش مصنوعی و مدلهای زبانی به عنوان زیرساختهای اصلی برای توسعه اپلیکیشنها ضروری هستند. مدیر بخش خصوصی گفت: سرمایهگذاری در این زمینه میتواند به پیشرفتهای چشمگیری منجر شود و ایران را در این حوزهها رقابتیتر کند. اگر به طور خاص دربارهی استراتژیها یا چالشهایی که ممکن است در این مسیر با آنها مواجه شویم صحبت کنیم، میتوانیم دقیقتر به راهکارها و برنامههای عملی بپردازیم.
در این نشست که به صورت پنل برگزار شد، مهدی مشیری معاون تحقیق و توسعه زیرساختهای ارتباطی شرکت زیرساخت نیز با اشاره به پیادهسازی هوش مصنوعی در لایه زیرساخت گفت: در زمینه مدیریت خودکار شبکه، امنیت، بهینهسازی منابع و پیشبینیها، استفاده از تکنیکهای هوش مصنوعی میتواند تحولی بزرگ به وجود آورد. با استفاده از الگوریتمهای یادگیری ماشین، سیستمها میتوانند بهطور خودکار خطاها را شناسایی و اصلاح کنند.وی افزود: استفاده از هوش مصنوعی برای شناسایی تهدیدات و حملات سایبری میتواند به بهبود امنیت زیرساختها کمک کند و بهینهسازی منابع شبکه از طریق الگوریتمهای هوش مصنوعی میتواند به مدیریت بهینه مصرف انرژی، پهنای باند و ذخیرهسازی کمک کند.مشیری گفت: برای تحقق این اهداف، نیاز به سرمایهگذاری در آموزش نیروی انسانی، توسعه زیرساختهای تکنولوژیکی و همکاری میان بخشهای مختلف دولت و صنعت داریم. اگر بتوانیم این چالشها را بهدرستی مدیریت کنیم، میتوانیم به پیشرفتهای چشمگیری در زمینه زیرساختهای ارتباطی و فناوری اطلاعات دست یابیم.
بهنام رهنما فعال بخش خصوصی و مدیر یک هلدینگ تخصصی نیز در این پنل با اشاره به جوانب مختلف و چالشهای توسعه هوش مصنوعی، بهویژه در زمینههای سختافزاری و نرمافزاری اشاره و اظهار کرد: هوش معنایی میتواند به توانایی سیستمها برای فهم و پردازش دادهها در یک سطح عمیقتر اشاره داشته باشد. این توانایی برای تصمیمگیریهای هوشمندانه و خودمختار حیاتی است. برای دستیابی به این سطح از هوش مصنوعی، نیاز به دادههای باکیفیت و الگوریتمهای پیچیدهتری داریم که بتوانند معانی و روابط بین دادهها را شناسایی کنند.رهنما با اشاره به زیر ساختهای سختافزاری ادامه داد: برای پردازشهای عمیقتر در هوش مصنوعی به سختافزارهای پیشرفته نیاز داریم، مانند TPUها و IPUها. این موارد بهویژه برای آموزش مدلهای پیچیده اهمیت دارند.وی افزود: ایجاد ظرفیتهای خالی در کارخانههای بزرگ مانند TSMC و همکاری با آنها برای تولید چیپهای سفارشی میتواند رویکرد مناسبی باشد همچنین به یک سیستمعامل اپن سورس و مخصوص هوش مصنوعی نیاز داریم که بتواند بهطور خاص برای پردازشهای AI بهینهسازی شود. این امر میتواند شامل ابزارهای متنوعی باشد که در سطح کرنل برای بهینهسازی پردازشهای AI پیادهسازی شوند. رهنما گفت: برای تحقق این اهداف، بهویژه در ایران، نیاز به همکاری میان دانشگاهها، صنعت و دولت داریم. اگر بتوانیم بر روی این جوانب کلیدی تمرکز کنیم، میتوانیم به توسعهای پایدار و مؤثر در حوزه هوش مصنوعی و رباتیک دست یابیم. در این مقطع زمانی یک فرصت طلایی برای سرمایهگذاری در زمینه تکنولوژیهای هوش مصنوعی و تولید چیپهای مرتبط وجود دارد. بیایید چند جنبه کلیدی را بررسی کنیم:
رهنما تصریح کرد: در حوزه تولید tpuها شاید بتوانیم مثل بسیاری کشورهای دیگر برای داشتن یک زیرساخت اساسی ما امروز تنها کاری که باید انجام بدهیم این است که یک خط تولید بخریم و در ادامه خودمان طراحیهای جدید را انجام دهیم در واقع کار اصلی ما باید در حوزه سختافزار به تولید برسیم وگرنه خیلی عقب خواهیم ماند.وی افزود: اگر از امروز برای تولید یک چیپ ساده در شرایط تحریمی کاری نکنیم عقب خواهیم ماند، ما باید به این نکته توجه کنیم که در کشور tpuها و چیپهای دیگر تنها در حوزههای فناوری به کار نمیرود و در حوزه دفاعی نیز مورد استفاده قرار میگیرد، شاید نتوانیم نمونهای به کیفیت درجه یک کشور صنایع بزرگ برسیم اما مطمئنم با دو لول پایینتر میتوانیم این محصول را داشته باشیم که ضریب اطمینان آن بیشتر است.
