گامي براي ورود ايران به بازي جهاني AI
در حالي كه موج نوآوري‌هاي جهاني در حوزه هوش مصنوعي با سرعتي بي‌سابقه در حال پيشروي است، ايران نيز با راه‌اندازي پروژه «سكوي ملي هوش مصنوعي» در تلاش است تا نقشي فعال در آينده اين فناوري ايفا كند.
در حالي كه موج نوآوري‌هاي جهاني در حوزه هوش مصنوعي با سرعتي بي‌سابقه در حال پيشروي است، ايران نيز با راه‌اندازي پروژه «سكوي ملي هوش مصنوعي» در تلاش است تا نقشي فعال در آينده اين فناوري ايفا كند. اين پلتفرم ملي نه‌تنها زيرساختي فني براي پردازش هوش مصنوعي فراهم مي‌كند، بلكه به‌دنبال ايجاد يك اكوسيستم بومي، كارآمد و هم‌افزا ميان دانشگاه، صنعت و كاربران ايراني است. در بحبوحه تحولات شتابان جهاني در حوزه هوش مصنوعي، ايران نيز در حال برداشتن گام‌هايي براي توسعه زيرساخت‌هاي بومي در اين حوزه است. يكي از مهم‌ترين اين پروژه‌ها، طرح ملي «سكوي ملي هوش مصنوعي» است كه جزييات آن اخيراً توسط مجريان و اعضاي تيم توسعه آن تشريح شده و نويد آغاز فاز آزمايشي آن از تيرماه ۱۴۰۴ داده شده است. اين پروژه ملي كه با حمايت مالي ۳۰ ميليارد توماني پيش‌بيني‌شده براي بازه زماني آبان ۱۴۰۳ تا پايان اسفند همين سال همراه است، توسط پژوهشكده علوم و فناوري‌هاي شناختي دانشگاه صنعتي شريف و با حمايت معاونت علمي رياست‌جمهوري به اجرا درآمده و قرار است حلقه گمشده توسعه فناورانه كشور در حوزه پلتفرم‌هاي هوش مصنوعي را تكميل كند. حميدرضا ربيعي، استاد دانشگاه صنعتي شريف و مجري طرح ملي سكوي هوش مصنوعي، ضمن معرفي اين پروژه، بر سوابق علمي و صنعتي تيم مجري تأكيد كرد.
نقش دانشگاه و صنعت در توسعه پلتفرم
مجريان اين طرح ملي معتقدند كه توسعه پلتفرم، حلقه مفقوده توسعه فناورانه در كشور است. ربيعي با اشاره به روند شكل‌گيري شركت‌هاي دانش‌بنيان از دل دانشگاه، خاطرنشان كرد كه بيش از ۶۰۰ شركت فعال در حوزه فناوري، از حركت‌هاي كوچك دانشگاهي آغاز به كار كرده‌اند. وي به اين نكته اشاره كرد كه در گذشته، بسياري از دانشگاه‌ها نقش خود را تنها در آموزش و نگارش مقالات علمي مي‌ديدند، اما دانشگاه‌هاي معتبر دنيا نقش اجتماعي و فناورانه نيز ايفا مي‌كنند. چرخه‌اي كه تيم مجري آغاز كرده، از آموزش تا تأثيرگذاري اجتماعي را شامل مي‌شود و براي تيم‌سازي، تنها بر اعضاي هيات علمي دانشگاه تكيه نمي‌كنند. او همچنين به ناآشنايي برخي مخاطبان با ارتباط صحيح صنعت و دانشگاه اشاره كرد و تأكيد كرد كه فعالان صنعتي بايد به بخش مناسبي از دانشگاه‌ها كه مي‌تواند مسائل فناورانه را پاسخ دهد، مراجعه كنند. همكاري با دانشگاه‌ها و شركت‌ها بخش حياتي اين پروژه است و مجريان از دانشگاه‌ها و شركت‌ها براي مشاركت و توسعه فناوري‌هاي بومي دعوت به همكاري كرده‌اند.
فضاي كاربري ساده و الهام‌گرفته از گوگل درايو
يكي از ويژگي‌هاي برجسته سكوي ملي هوش مصنوعي، طراحي رابط كاربري آن است كه با هدف پوشش طيف وسيعي از كاربران، از مبتدي تا توسعه‌دهندگان حرفه‌اي، صورت گرفته است. حميد بيگي، استاد دانشگاه صنعتي شريف و عضو تيم توسعه اين سكو، توضيح داد كه ابزارهاي توسعه‌اي متناسب با نيازهاي كاربران مختلف در نظر گرفته شده و حتي افرادي كه دانش عمومي در هوش مصنوعي دارند اما توانايي برنامه‌نويسي ندارند، مي‌توانند از آن بهره‌مند شوند. ايده كليدي در اين بخش، الهام‌گرفته از گوگل است. به دليل اينكه بسياري از كاربران عمومي با جزييات يادگيري ماشين يا نحوه اجراي عمليات پردازشي آشنايي ندارند، اين پلتفرم امكان بارگذاري انواع فايل را فراهم كرده و براي هر نوع فايل، مجموعه‌اي از عمليات از پيش آماده‌شده ارايه مي‌دهد. كاربران پس از بارگذاري فايل‌ها، تنها با چند كليك ساده مي‌توانند پردازش‌هاي مورد نظر را اجرا كنند، بدون نياز به تعريف يا تنظيمات پيچيده. اين بخش از سكو با عنوان «فضاي من» شناخته مي‌شود و تلاش دارد همانند گوگل درايو، بستري كاربرپسند، امن و در دسترس براي پردازش فايل‌ها فراهم كند.
زيرساخت بومي براي مديريت منابع محدود
يكي از چالش‌هاي اصلي در توسعه پروژه‌هاي هوش مصنوعي در مقياس ملي، مديريت منابع محدود سخت‌افزاري نظير GPU، CPU و فضاي ذخيره‌سازي است. جمال اميدي، مدير تيم پلتفرم سكوي ملي هوش مصنوعي، به تشريح نحوه طراحي زيرساخت بومي اين سكو پرداخت. وي تأكيد كرد كه اگر منابع محدود موجود به‌صورت عادي و عمومي مورد استفاده قرار مي‌گرفتند، كارايي لازم را نداشتند. به همين دليل، تيم زيرساخت تصميم گرفت لايه‌اي واسط بين لايه اجرايي سكو و سخت‌افزارهاي موجود طراحي كند تا بيشترين بهره‌وري ممكن را از اين منابع فراهم آورد. اين زيرساخت در سه لايه اصلي طراحي شده و آماده بهره‌برداري است. براي افزايش كارايي، تيم زيرساخت يك سيستم‌عامل مينيمال و بهينه را انتخاب كرده كه به‌طور گسترده در دنيا شناخته‌شده است و تغييرات سيستم از يك مركز كنترل واحد به آن ارجاع داده مي‌شود. در فرآيندهاي يادگيري ماشين توزيع‌شده كه ممكن است هزاران پروسه هم‌زمان روي حجم زيادي از داده فعاليت داشته باشند، زمان‌بندي و توزيع اين تسك‌ها روي سخت‌افزار نيازمند يك لايه استاندارد و تخصصي است. به همين دليل از ابزارهايي با كارايي بالا در مديريت توزيع و هماهنگي وظايف استفاده شده است. اميدي اشاره كرد كه ابزارهاي مرسوم مانند SLURM با زيرساخت‌هاي مدرن سازگار نيستند و تيم تنها تجربه قبلي در استفاده از آن را بررسي كرده و ساختار مشابهي را به سيستم‌عامل خود اضافه كرده است. در بخش شبكه، شبكه‌اي مبتني بر RDMA و نسخه دوم RoCE براي ارتباط سريع بين GPUها در نظر گرفته شده است. همچنين براي تغذيه پرسرعت مدل‌هاي هوش مصنوعي، يك شبكه ذخيره‌سازي سريع مبتني بر Ceph طراحي شده است. چالش ذخيره‌سازي در يادگيري عميق يكي از مسائل كليدي است، زيرا نياز به دسترسي هم‌زمان به حجم عظيمي از داده وجود دارد و در اغلب سيستم‌هاي ذخيره‌سازي رايج، امكان پردازش هم‌زمان توسط چندين فرآيند وجود ندارد. در طراحي اين زيرساخت، امكان پردازش هم‌زمان و انتقال موازي داده‌ها با هزينه‌اي مقرون‌به‌صرفه پيش‌بيني شده است. تيم به جاي خريد تجهيزات تجاري گران‌قيمت، از راه‌حل‌هاي تعريف‌شده (defined) استفاده كرده كه هزينه كمتر و بهره‌وري بالاتري دارد. يكي از ويژگي‌هاي كليدي در لايه پردازش، قابليت كار با مدل‌هاي بزرگ مبتني بر ديتابيس است، به‌طوري‌كه امكان تقسيم مدل روي چندين GPU فراهم شود. اين امر براي مدل‌هايي با پارامترهاي بسيار بالا كه نمي‌توان آنها را روي يك يا دو GPU اجرا كرد و بايد بخش‌هاي مختلف آنها روي چندين پردازنده گرافيكي توزيع شوند، ضروري است. مدير تيم پلتفرم سكوي ملي هوش مصنوعي اين ساختار را با زيرساخت‌هاي مشابه در امريكا و همچنين پلتفرم‌هاي شركت‌هايي چون علي‌بابا و هوآوي مقايسه كرده و معتقد است نسخه توليدي بومي در بيشتر شاخص‌ها قابليت رقابت با سرويس‌هاي مشابه بين‌المللي را دارد. وي از همكاري با مجموعه‌هاي علاقه‌مند و تيم‌هايي كه تجربه‌هاي مشابه دارند، استقبال كرد و تأكيد كرد كه هدف تكرار كارهاي قبلي نيست، بلكه رسيدن به نتيجه با سرعت و هزينه كمتر به نفع كشور است.
ضرورت پلتفرم‌سازي و نگاه استراتژيك به آينده
مجريان طرح سكوي ملي هوش مصنوعي معتقدند كه پلتفرم‌سازي يك ضرورت است و نمي‌توان با نگاه سنتي آن را پيش برد. ربيعي با مرور روندهاي جهاني، اظهار كرد كه رشد پلتفرم‌ها هم‌زمان با رشد اقتصادهاي ديجيتال بوده و كشورهايي كه صاحب پلتفرم نيستند، ناگزير مصرف‌كننده خواهند بود. وي تأكيد كرد كه پلتفرم‌سازي نه يك انتخاب، بلكه يك ضرورت براي آينده اقتصاد است. شركت‌هايي كه نتوانسته‌اند «پلتفرمي» شوند، بهره‌وري پاييني دارند و نمونه‌هاي متعددي از فاصله فاحش ميان شركت‌هاي پلتفرمي و غيرپلتفرمي حتي در ايران ديده مي‌شود. وي با انتقاد از نگاه مصرف‌گرايانه به فناوري در كشور، تأكيد كرد كه اين نگاه بايد اصلاح شود و دانشگاه‌ها بايد نقش تسهيل‌گر را ايفا كرده و مالكيت پلتفرم‌ها را به بخش خصوصي واگذار كنند تا توسعه يابند. در خصوص تحولات سريع تكنولوژيكي در جهان، به‌ويژه در حوزه هوش مصنوعي، ربيعي بر لزوم هوشياري و داشتن ديد استراتژيك نسبت به آينده فناوري تأكيد كرد. او مثال زد كه نمي‌توان صرفاً روي يك تكنولوژي خاص سرمايه‌گذاري كرد و انتظار داشت تا دو سال ديگر نيز جواب دهد، چرا كه حوزه هوش مصنوعي به سرعت در حال تحول است؛ از مدل‌هاي نمادين دهه ۹۰ ميلادي به سمت يادگيري ماشين، يادگيري عميق و استدلال‌هاي ذهني حركت كرده‌ايم. وي اذعان داشت كه اگرچه زيرساخت‌هايي مانند داده و توان محاسباتي در ايران شايد كمتر از برخي كشورهاي پيشرو باشد، اما توان تئوريك ايران در حوزه هوش مصنوعي قابل‌توجه است. ربيعي همچنين به روند جهاني حركت مدل‌هاي زباني بزرگ به سمت مدل‌هاي كوچك‌تر با عملكرد بالاتر اشاره كرد و گفت كه تيم‌هايي در ايران نيز در اين زمينه فعال بوده و نتايج اوليه خوبي كسب كرده‌اند. وي با مرور تحولات نرم‌افزاري، گفت كه اكنون وارد مرحله‌اي شده‌ايم كه مفاهيم نرم‌افزار در حال تغيير است و در آينده بايد پرسيد كه پس از اين دوره، چه تحولي در راه است.
هم‌افزايي انسان و ماشين و مسير رسيدن به AGI
يكي از مباحث مهم در حوزه هوش مصنوعي، هم‌افزايي انسان و ماشين است. ربيعي معتقد است كه در برخي وظايف، ماشين از انسان پيشي خواهد گرفت، اما به‌صورت كلي، ماشين هيچگاه جاي انسان را نمي‌گيرد و انسان در كنار ماشين، بهترين عملكرد را دارد. او به هوش مصنوعي عمومي (AGI) اشاره كرد كه موضوع بحث‌هاي فراوان است و برخي معتقدند مسير رسيدن به AGI از طريق توسعه ايجنت‌ها است. در مسير توسعه هوش مصنوعي، ربيعي دو بعد كليدي را مي‌بيند: يادگيري (Learning) و استدلال (Reasoning) . وي با بيان اينكه تمركز دنيا عمدتاً روي يادگيري بوده، تأكيد كرد كه براي رسيدن به AGI، مدل‌هاي سمبوليك دهه ۱۹۵۰ نيز بايد در كنار يادگيري تركيب و اركستره شوند. تيم مجري اين طرح يك گروه تحقيقاتي در اين زمينه دارد و به‌محض رسيدن به نتايج مطلوب، آنها را وارد فاز اجرايي خواهند كرد. با توجه به تمام اين جزييات، سكوي ملي هوش مصنوعي ايران نه تنها يك زيرساخت فني، بلكه يك اكوسيستم جامع است كه مي‌كوشد با تكيه بر توان بومي، همكاري موثر دانشگاه و صنعت و نگاهي استراتژيك به آينده فناوري، نقشي كليدي در توسعه هوش مصنوعي در كشور ايفا كند و زمينه را براي پيشرفت‌هاي آتي فراهم آورد.