آینده هوش مصنوعی ملی

دروازه ورود به آینده هوشمند

جهان در آستانه یک تحول عمیق و بنیادین قرار دارد. هوش مصنوعی دیگر یک مفهوم علمی-تخیلی نیست بلکه به نیروی محرک اصلی در اقتصاد، حکمرانی و امنیت ملی تبدیل شده و به‌طور فزاینده‌ای به‌عنوان یک فناوری حیاتی برای کاربردهای نظامی شناخته می‌شود که پتانسیل تغییر اساسی موازنه قدرت جهانی را دارد. این موضوع هوش مصنوعی را فراتر از یک مزیت رقابتی صرفاً اقتصادی یا فناوری به یک ابزار ژئوپلیتیکی حیاتی ارتقاء می‌دهد. توانایی توسعه و کنترل مدل‌های پیشرفته هوش مصنوعی مستقیماً بر قابلیت‌های نظامی یک ملت، جمع‌آوری اطلاعات و تصمیم‌گیری راهبردی در یک چشم‌انداز جهانی به‌سرعت در حال تحول، تأثیر می‌گذارد.

موفقیت در این رقابت جهانی، صرفاً به میزان استفاده ما از این فناوری وابسته نیست، بلکه به میزان کنترل و مالکیت ما بر زیرساخت‌های آن بستگی دارد. شاید بتوان با قاطعیت گفت که زیرساخت نرم‌افزاری هوش مصنوعی چیزی نیست جز مدل‌های پایه (Foundation Models). این مدل‌ها مانند موتور بخار در انقلاب صنعتی، هسته مرکزی تحولی هستند که تمام صنایع را به حرکت در می‌آورد. 

همانطور که رهبر معظم انقلاب تأکید کرده‌اند: «هوش مصنوعی در اداره‌ی آینده‌ی دنیا نقش خواهد داشت... ما باید کاری کنیم که حداقل به ده کشور اول دنیا در این مسئله برسیم.» (بیانات در دیدار جمعی از نخبگان و استعدادهای برتر علمی کشور، ۱۴۰۰/۰۸/۲۶)

کشورهایی که در توسعه و آموزش این مدل‌ها سرمایه‌گذاری می‌کنند، آینده را می‌سازند. برعکس، کشورهایی که تنها مصرف‌کننده مدل‌های خارجی باشند، خود را در معرض وابستگی استراتژیک و محدودیت‌های فرهنگی قرار می‌دهند. اکنون زمان آن است که ما نیز با یک نگاه بلندمدت، از مصرف‌کننده بودن به یک تولیدکننده و پیشگام در این عرصه تبدیل شویم.

درک مدل‌های پایه، آجرهای بنای هوش مصنوعی

برای اینکه یک بنای عظیم ساخته شود، به آجرها و مصالح اولیه نیاز است. در دنیای هوش مصنوعی، مدل‌های پایه همان آجرهای سازنده این بنای فناوری هستند. این مدل‌ها بر روی حجم عظیمی از داده‌ها (متن، تصویر، صدا و ...) آموزش می‌بینند تا یک درک عمومی و گسترده از جهان پیدا کنند. این دانش، پایه و اساس توسعه هزاران کاربرد تخصصی دیگر در حوزه‌های مختلف می‌شود. به همین دلیل به جای اینکه هر بار از صفر شروع کنیم، می‌توانیم از این مدل‌ها به عنوان نقطه‌ی شروع استفاده کنیم.

شرکت‌های بزرگ فناوری با سرمایه‌گذاری‌های سنگین، پیشگام توسعه این مدل‌ها بوده‌اند. به طور کلی این مدل‌ها به چند دسته اصلی تقسیم می‌شوند:

●    مدل‌های متنی: بر اساس میلیاردها صفحه متن آموزش می‌بینند و می‌توانند به سؤالات پاسخ دهند، خلاصه‌نویسی کنند و متن جدید تولید کنند. مشهورترین نمونه آن GPT-4 محصول شرکت OpenAI یا مدلهایی مثل Llama از شرکت Meta و Gemma از شرکت Google است.
●    مدل‌های تصویری: بر روی میلیون‌ها تصویر آموزش می‌بینند و می‌توانند تصاویر را درک، تحلیل یا خلق کنند. مدل‌هایی مانند DALL-E 2 و Midjourney نمونه‌های برجسته در این حوزه هستند.
●    مدل‌های صوتی: می‌توانند گفتار را به متن تبدیل کنند، موسیقی بسازند یا صداهای مختلف را تشخیص دهند. Whisper از OpenAI یک نمونه قدرتمند در این زمینه است.
●    مدل‌های چندوجهی (Multimodal): پیشرفته‌ترین نوع این مدل‌ها، قادر به پردازش همزمان چندین نوع داده (متن، تصویر، صدا) هستند. این مدل‌ها می‌توانند یک ویدیو را تماشا کنند، محتوای آن را توصیف کرده و به سؤالات مربوط به آن پاسخ دهند. Gemini از Google مثالی برجسته از این مدل‌ها است.

چرا مدل‌های پایه بومی یک ضرورت راهبردی هستند؟

وابستگی به مدل‌های پایه توسعه‌یافته در کشورهای دیگر، فراتر از یک وابستگی فناورانه و در واقع یک تهدید امنیتی و ژئوپلیتیک است. رهبر انقلاب در این خصوص هشدار داده‌اند که: «در مسئله‌ی هوش مصنوعی، بهره‌بردار بودن امتیاز نیست... این فنّاوری لایه‌های عمیقی دارد که باید بر آن لایه‌ها مسلّط شد؛ آن لایه‌ها دست دیگران است... زرنگهای دنیا، فرصت‌طلب‌ها و قدرت‌طلب‌های دنیا دنبال این چیزها هستند... لایه‌های زیرساختی هوش مصنوعی را باید در کشور دنبال کنید.» (بیانات در نخستین دیدار هیئت دولت چهاردهم، ۱۴۰۳/۰۶/۰۶) 

این مدل‌ها به دلیل ماهیت پیچیده و داده‌های عظیمی که بر پایه آن‌ها آموزش دیده‌اند، می‌توانند به عنوان ابزاری برای تأمین منافع کشورهای سازنده به کار گرفته شوند و بدون شک از مصادیق لایه‌های عمیق هوش مصنوعی اشاره شده در بیانات مقام معظم رهبریست.
برون‌سپاری فرآیند آموزش مدل‌های یادگیری ماشین به اشخاص ثالث می‌تواند منجر به جاسازی «درب‌های پشتی غیرقابل شناسایی» شود که برای تحریک رفتارهای مخرب طراحی شده‌اند. این امر یک خطر امنیتی حیاتی و وجودی را تشکیل می‌دهد. اگر ملتی به‌شدت به مدل‌های پایه توسعه‌یافته خارجی متکی باشد، ناخواسته آسیب‌پذیری‌های بالقوه غیرقابل شناسایی را در حساس‌ترین و حیاتی‌ترین سیستم‌های خود، از زیرساخت‌های ملی تا شبکه‌های دفاعی، جاسازی می‌کند. این تهدید بسیار فراتر از نگرانی‌های صرفاً حریم خصوصی داده‌ها است؛ بلکه شامل پتانسیل خرابکاری عمدی، جاسوسی در مقیاس بزرگ، یا توانایی نهادهای خارجی برای اعمال کنترل پنهان بر عملکردهای حیاتی ملی است. در نتیجه، توسعه بومی مدل‌های پایه صرفاً یک ترجیح برای استقلال فناوری نیست، بلکه یک ضرورت مطلق برای حفاظت از تمامیت ملی، امنیت عملیاتی و تاب‌آوری راهبردی در آینده‌ای مبتنی بر هوش مصنوعی است.

نمونه‌های موفق جهانی نیز این راهبرد را تأیید می‌کنند:

●    چین بیش از ۷۰ مدل با پارامترهای بالا توسعه داده و میلیاردها دلار روی مراکز داده اختصاصی سرمایه‌گذاری کرده است. با وجود چالش های قابل توجهی که چین در خصوص تامین و تولید تراشه ها با آن موجه است، اما توانسته به موفقیت‌های قابل‌توجهی دست پیدا کند، که نمونه آن DeepSeek است که به‌سرعت محبوبیت جهانی پیدا کرده است.
●    امارات متحده عربی از طریق مؤسسه نوآوری فناوری ابوظبی (TII)، مدل هوش مصنوعی فالکون (Falcon) را توسعه داده است، یک مدل زبانی بزرگ (LLM) که به‌عنوان جایگزینی برای مدل‌های مشابه غول‌های فناوری جهانی مانند OpenAI و گوگل ارائه می‌شود.
●    دولت هند سرمایه‌گذاری قابل‌توجهی به میزان ۱.۲۵ میلیارد دلار  را به پروژه‌های توسعه هوش مصنوعی داخلی اختصاص داده است این بودجه برای توسعه زیرساخت‌های محاسباتی و مدل‌های زبانی بزرگ، تأمین مالی استارت‌آپ‌های هوش مصنوعی و توسعه برنامه‌های کاربردی هوش مصنوعی در بخش عمومی استفاده خواهد شد
در کشور ما نیز سال گذشته سازمان ملی هوش مصنوعی در اقدامی با جذب تعدادی از دانشجویان نخبه کشور در فرایندی رقابتی اقدام به تیم ‌سازی برای توسعه یکی از این مدل‌های پایه کرد که متاسفانه به دلایل مختلف از جمله سیاست‌گزاری‌های غیرمتمرکز این تلاش متوقف شد.

الزامات و مسیر پیش رو

برای تبدیل شدن به یک بازیگر مهم در حوزه هوش مصنوعی، یک نقشه راه و اقدام منسجم ضروری است. این مسیر به چهار عامل کلیدی وابسته است:

۱. زیرساخت سخت‌افزاری
آموزش یک مدل هوش مصنوعی پایه به قدرت محاسباتی فوق‌العاده‌ای نیاز دارد. این امر مستلزم ایجاد و توسعه مراکز داده‌ پیشرفته مجهز به پردازنده‌های گرافیکی (GPU) با ظرفیت بالا است. با توجه به محدودیت‌ها و تحریم‌ها، باید راهبردهای نوآورانه برای تأمین تجهیزات تخصصی تدوین و اجرا شود.

۲. نیروی انسانی متخصص
مدل‌های پایه توسط انسان‌ها ساخته می‌شوند و سرمایه‌گذاری در آموزش و جذب متخصصان، حیاتی‌ترین گام در این مسیر است. باید محیطی جذاب برای نخبگان فراهم کرد تا به جای مهاجرت، در داخل کشور به توسعه فناوری‌های آینده بپردازند. همانطور که در بیانات رهبر معظم انقلاب ذکر شده است: «در دانشهای جدید مثل هوش مصنوعی... احتیاج داریم به همین روحیه... باید نخبگان را وارد میدان کنیم.» (بیانات در دیدار نخبگان و استعدادهای برتر علمی، ۱۴۰۳/۰۷/۱۱).

۳. داده‌های آموزشی
آموزش مدل‌های پایه به داده‌های آموزشی باکیفیت و متنوع در سطح ملی نیاز دارد. این داده‌ها باید به صورت منسجم و سازمان‌یافته جمع‌آوری و در دسترس پژوهشگران و توسعه‌دهندگان قرار گیرند تا مدل‌هایی بومی با درک عمیق از فرهنگ و زبان محلی ایجاد شود. داده‌سنجی ملی (National Data Census) در این زمینه از اهمیت بالایی برخوردار است.

۴. چارچوب سیاستی و همکاری
هیچ‌یک از الزامات فوق بدون یک نقشه راه و همکاری منسجم امکان‌پذیر نیست. دولت باید نقش فعال خود را به عنوان تسهیل‌گر و سرمایه‌گذار ایفا کند. این کار از طریق تدوین نقشه راه ملی، ایجاد همکاری میان دولت، دانشگاه‌ها و بخش خصوصی و تخصیص بودجه‌های بلندمدت میسر می‌شود.

از تئوری تا عمل: آینده را خودمان می‌سازیم

ما در آستانه یک تحول بی‌سابقه هستیم. تاریخ ثابت کرده است که تنها ملت‌هایی در مسیر پیشرفت باقی می‌مانند که به جای پیروی از موج‌ها، خودشان موج‌آفرینی کنند. هوش مصنوعی، موج بعدی این تحول است و هسته آن، مدل‌های پایه، کلید اصلی ورود به این میدان است.
بر این اساس، توصیه‌هایی برای سرمایه‌گذاری راهبردی برای توسعه مدل‌های پایه بومی به شرح ذیل ارائه می‌شود:
1.    تقویت چارچوب سیاست‌گذاری و حکمرانی:
○    ارتقاء جایگاه راهبردی و نهادی هوش مصنوعی در سطح ملی، با اختصاص بودجه‌های مشخص و ایجاد یک نهاد ملی هماهنگ‌کننده (مانند ستاد ملی هوش مصنوعی) که مسئول تدوین و اجرای برنامه ملی توسعه هوش مصنوعی باشد.
○    توسعه چارچوب‌های قانونی و اخلاقی جامع برای حکمرانی هوش مصنوعی، با تأکید بر شفافیت، پاسخگویی، انصاف و حفاظت از حریم خصوصی داده‌ها.
2.    سرمایه‌گذاری گسترده در زیرساخت‌های محاسباتی:
○    ایجاد و توسعه مراکز داده ملی و تأمین سخت‌افزارهای پردازشی پیشرفته (مانند GPU و TPU) برای آموزش و استقرار مدل‌های پایه، با هدف کاهش وابستگی به زیرساخت‌های خارجی و تضمین ظرفیت محاسباتی کافی.
3.    توسعه و حفظ سرمایه انسانی متخصص:
○    اجرای برنامه‌های جامع برای جذب، پرورش و حفظ استعدادهای برتر در حوزه هوش مصنوعی، از طریق پذیرش ویژه در دانشگاه‌ها، ارائه امتیازات و مشوق‌های بنیاد ملی نخبگان و ایجاد محیط‌های کاری رقابتی.
○    رسیدگی به دلایل ریشه‌ای فرار مغزها، از جمله بهبود شرایط مالی، فراهم کردن دسترسی به منابع پیشرفته و ایجاد فرصت‌های همکاری بین‌المللی.
4.    ایجاد اکوسیستم داده ملی و حکمرانی قوی:
○    تمرکز بر جمع‌آوری، سازماندهی و مدیریت داده‌های با کیفیت بالا و مرتبط فرهنگی برای آموزش مدل‌های پایه بومی.
○    استقرار یک چارچوب حکمرانی داده جامع که امنیت، حریم خصوصی و یکپارچگی داده‌ها را در طول چرخه عمر هوش مصنوعی تضمین کند. در حال حاضر بسیاری از داده‌های ارزشمند در کشور به دلیل فقدان دستورالعمل‌های ملی در خصوص نحوه استفاده و تصمیم‌گیری‌های جزیره‌ای عملا قابل استفاده در آموزش مدل‌های پایه نیستند.
با اجرای این توصیه‌ها، یک ملت می‌تواند نه تنها از خطرات وابستگی خارجی در حوزه هوش مصنوعی بکاهد، بلکه موقعیت خود را به‌عنوان یک بازیگر فعال و مستقل در انقلاب هوش مصنوعی تقویت کرده و آینده‌ای مبتنی بر نوآوری، امنیت و شکوفایی ملی را رقم بزند.

تصمیمی که امروز گرفته می‌شود، تعیین خواهد کرد آیا ایران در جمع مصرف‌کنندگان وابسته باقی می‌ماند یا در ردیف تولیدکنندگان و بازیگران مؤثر جهانی قرار می‌گیرد. باید با سرمایه‌گذاری در ظرفیت‌های بومی خود، معمار  سرنوشت هوشمند کشورمان باشیم.

* دانشجوی دکتری هوش مصنوعی دانشگاه تهران