یادداشت ویژه دکتر حیدر ربیعی، استاد دانشگاه تهران برای تابناک را - که در پاسخ به این که  طراحی و برنامه‌ریزی یکپارچه هوش مصنوعی چیست، نوشته شده است- مرور می کنیم.

***

« در حال حاضر، هوش مصنوعی چه در سطح اقتصاد کلان (هوش مصنوعی تجاری بین‌المللی) و چه در سطح اقتصاد خرد (هوش مصنوعی اقتصاد دیجیتال) بسیار بیشتر از آنچه قابل تخمین باشد، در حال گسترش، رشد و نفوذ در همه عرصه‌ها است. اگر نیازی به تعریف هوش مصنوعی باشد، می‌توان گفت که فرایندی از عملیات مدیریت جریان داده‌های مختلف از نقطه مبدا تا بهره‌برداری از داده‌ها به عنوان اطلاعات صحیح، با هدف کاهش هزینه، ریسک و هزینه تمام‌شده در تصمیم‌گیری است.

 

همکاری، هماهنگی و یکپارچگی سه موضوع قابل توجه در مدیریت هوش مصنوعی هستند. به عبارتی دیگر، نبود هر یک از این سه عامل به هم‌گسیختگی و بی‌معنا شدن نظام هوش مصنوعی منجر می‌شود. هنر مدیریت هوش مصنوعی در واقع در ایجاد همکاری، فراهم کردن هماهنگی و یکپارچگی بین اجزای مختلف نظام بهره‌برداری از هوش مصنوعی است؛ اعم از بخش‌های مختلف سازمانی، تولید نرم‌افزارهای تخصصی، نرم‌افزارهای پشتیبانی، رویه‌های بهره‌برداری، سازوکارهای مدیریتی و اجرایی و غیره.

 

 

در حال حاضر، یکی از چالش‌های اساسی موجود در کشور ما، مدیریت هوش مصنوعی است. عدم وجود یکپارچگی و هماهنگی در زمینه پیش‌بینی نیازها، تأمین مایحتاج کشور، رفع دغدغه و فراهم کردن آسایش متخصصین، تأمین محل مناسب ذخیره‌سازی و انبارداری داده‌ها، تدارک مسیر امن و مستقل نقل داده‌ها، استانداردسازی موضوعات میان‌رشته‌ای و کلیه اموری است که داده‌ها در مسیر حرکتی خود با آن درگیر هستند. به طور قاطع، عدم هماهنگی و یکپارچگی به افزایش هزینه‌ها، عدم بهره‌برداری به موقع از داده‌ها و نرم‌افزارها، افزایش قیمت تصمیم‌گیری مورد نیاز و در پایان بالا رفتن نارضایتی و کاهش استفاده مطلوب نیازمندان از داده‌ها و خروجی‌های مورد نیاز خود منجر می‌شود.

 

ایجاد یکپارچگی در نظام هدفمند هوش مصنوعی، از طریق کنترل و مدیریت یکپارچه سه عامل اصلی زیر امکان‌پذیر خواهد بود:

 

برای ایجاد استراتژی یک نظام هوش مصنوعی به صورت یکپارچه، باید چهار موضوع اصلی را تعیین و برای بهبود آن، برنامه‌ریزی کرد:

 

نیازها: شامل گره‌های تقاضا، گره‌های عرضه، مبادی ورودی، مبادی خروجی، مراکز توزیع، انبارهای داده و مراکز نظارت بر نظام هوش مصنوعی.

مسیرها: که عبارتند از وسیله نقل داده مثل فیبر نوری، هوایی از طریق اپراتورها، مسیرهای ماهواره‌ای و غیره.

نرم‌افزارها و ابزارهای پشتیبانی: شامل انواع وسایل که برای فراهم کردن اطلاعات پردازش‌شده مختلف مورد نیاز قرار می‌گیرد.

داده‌ها: انواع داده‌های خام و اطلاعات پردازش‌شده که در شبکه هوش مصنوعی جابجا می‌شوند.

برنامه‌ریزی نظام هدفمند هوش مصنوعی، بر پایه چهار رکن فوق، مانند همه طراحی‌های استاندارد، باید در دو بعد استراتژیک و عملیاتی انجام شود.

 

طراحی نظام هوش مصنوعی در بعد استراتژیک به چالش‌هایی مانند نیازسنجی، اعم از تقاضا، عرضه، مبادی ورودی، مبادی خروجی، مراکز بهره‌برداری، انبارهای داده، مراکز نظارت بر نظام هوش مصنوعی، نحوه اتصال بین نقاط مثل فیبر نوری، از طریق اپراتورها، ماهواره‌ای و یا ترکیبی، تخصیص اینکه کدام نقاط از چه روش ارتباط به یکدیگر متصل شوند و ظرفیت‌سنجی نیازها و مسیرها می‌پردازد.

 

در مورد برنامه‌ریزی نظام هدفمند هوش مصنوعی در بعد عملیاتی، به مسائلی مثل تعیین شیوه انتقال، مسیر انتقال، انتخاب متخصص، مکان‌های نگهداری و انبارش، به تفکیک هر یک از نیازهای مشتریان و همچنین حدود زمان برآوردن نیازهای آن‌ها پرداخته می‌شود. این بعد از طراحی و برنامه‌ریزی در نظام هدفمند هوش مصنوعی، اصطلاحاً "مهندسی هوش مصنوعی" نامگذاری می‌شود. مهندسی هوش مصنوعی، پایین‌ترین سطح برنامه‌ریزی در نظام هوش مصنوعی است که شامل مجموعه‌ای از دستورات و استانداردهای اجرایی معین، ملموس و قابل فهم برای همگان است که برای تحقق اهداف به متخصصین، مسئولان و مجریان قسمت عملیات نظام هوش مصنوعی داده می‌شود و به صورت متداوم و پیوسته کنترل می‌شود.

 

افق تصمیم‌گیری در این مرحله در حد کوتاه‌ترین زمان ممکن است و مسئولان و متخصصین بر اساس نیازهای کشور اقدام به تصمیم‌گیری می‌کنند. هدف از تصمیم‌گیری در این برهه، برآوردن موقعیت و نیازها به بهترین شکل ممکن است. در این مرحله، روش نقل، مسیر انتقال، فراهم کردن متخصصین، ایجاد محل‌های نگهداری و انبارش، به تفکیک هر یک از نیازهای کشور و همچنین حدود زمان برآوردن آن‌ها تعیین می‌شود. از آنجا که داشتن یک نظام مطلوب برای مهندسی هوش مصنوعی، کلید موفقیت و برگ برنده برای کشور است، به همین دلیل، متخصصین و مسئولان اجرای نظام هوش مصنوعی در صورت داشتن یک سیستم مهندسی هوش مصنوعی خبره و کارآمد، خواهند توانست مزیت رقابتی ارزشمندی در بازار جهانی هوش مصنوعی برای خود ایجاد نمایند.

 

نکته حائز اهمیت در طراحی و برنامه‌ریزی برای یک نظام هدفمند هوش مصنوعی، حفظ یکپارچگی بین سطوح مختلف برنامه‌ریزی است. به عبارتی دیگر، برنامه‌ریزی استراتژیک و برنامه‌ریزی عملیاتی در هر پروژه برای اینکه اثرگذار و قابل اجرا واقع شود، لازم و ملزوم یکدیگرند. بدین معنی که تیم طراحی استراتژیک به هدف هرچه دقیق‌تر انجام دادن برنامه راهبردی نیاز دارد تا داده‌های واقعی را از واحد برنامه‌ریزی عملیاتی بگیرد و بالعکس نیز صحیح است. واحد برنامه‌ریزی عملیاتی باید چارچوب‌های برنامه استراتژیک را به عنوان ورودی خود همیشه مد نظر قرار دهد.

 

به عنوان خلاصه بحث فوق، اینگونه می‌توان جمع‌بندی کرد که این دو بعد از طراحی و برنامه‌ریزی کاملاً مکمل یکدیگر هستند و علی‌رغم اختلاف‌های ماهوی، از جمله اینکه طراحی استراتژیک غالباً بر پایه پیش‌بینی و برآورد است، اما برنامه‌ریزی عملیاتی کاملاً بر پایه داده‌ها و نیازهای واقعی انجام می‌شود، باید به صورت یکپارچه طراحی و تدوین شوند.»