دکتر محمدی: سلام و درود. در پلتفرم فیوچراو، ما به بحث و گفتگو پیرامون آینده و فناوری می‌پردازیم. در ادامه سلسله گفتگوهای ما درباره هوش مصنوعی، امروز در خدمت دکتر مجید نیلی، عضو هیئت علمی دانشگاه تهران و دبیر سابق ستاد علوم شناختی معاونت علمی و فناوری ریاست جمهوری هستیم. در این گفتگو، دو محور اصلی را دنبال خواهیم کرد: نخست، بررسی آینده‌ای که از تلاقی هوش مصنوعی و علوم شناختی شکل خواهد گرفت و پیش‌بینی‌های مرتبط با آن. دوم، نقش دولت در ایجاد اکوسیستمی مناسب برای توسعه و تسریع پیشرفت در این حوزه‌ها. دکتر نیلی، ضمن خوشامدگویی، لطفاً با یک مقدمه در مورد تخصص خود در حوزه هوش مصنوعی و علوم شناختی آغاز کنید.

دکتر نیلی: با سپاس از شما و بینندگان محترم برنامه. اجازه دهید با یاد خداوند متعال، نگاهی به گذشته بیندازیم تا درک بهتری از آینده داشته باشیم. هوش مصنوعی تاکنون سه جهش عمده را تجربه کرده است. اولین جهش در دهه 80 و 90 میلادی رخ داد، زمانی که هوش مصنوعی توانست در انجام کارهای الگوریتمیک، مانند بازی شطرنج، به موفقیت‌های چشمگیری دست یابد. این پیشرفت در ابتدا بسیار امیدوارکننده به نظر می‌رسید، اما به زودی مشخص شد که هوش مصنوعی تنها قادر به حل بخش کوچکی از مسائل پیچیده دنیای واقعی است.

جهش دوم با ظهور یادگیری عمیق (Deep Learning) اتفاق افتاد. این پیشرفت، که از مطالعات علوم اعصاب شناختی الهام گرفته بود، منجر به ایجاد شبکه‌های عصبی عمیق شد. این شبکه‌ها، با الگوبرداری از سیستم پردازش بینایی در مغز پستانداران، توانستند در زمینه‌هایی مانند تشخیص چهره، از توانایی انسان پیشی بگیرند.

جهش سوم و اخیر، با پیدایش مدل‌های مولد زبانی مانند GPT و سیستم‌های تصویری مانند DALL-E رخ داده است. این پیشرفت نیز ریشه در مفاهیم علوم شناختی، به ویژه مفهوم “توجه” یا “اتنشن” دارد. این ایده، که کنترل توجه در پیش‌بینی و درک آینده نقش مهمی ایفا می‌کند، منجر به تحول در مدل‌های ترانسفورمر و پیشرفت‌های اخیر در هوش مصنوعی شده است.

در نسل‌های آتی هوش مصنوعی، انتظار می‌رود دو جهت اصلی تحول را شاهد باشیم. نخست، از منظر سخت‌افزاری، تلاش‌هایی در جهت کاهش مصرف انرژی و نزدیک شدن به کارایی مغز انسان (با مصرف حدود 20 وات) در حال انجام است. دو رویکرد اصلی در این زمینه وجود دارد:

توسعه سخت‌افزارهای سیلیکونی یا گرافینی با الهام از ساختار مغز و ساخت شبکه‌های عصبی با استفاده از سلول‌های زنده و ایجاد “مغزهای مینیاتوری”. این رویکرد دوم، علی‌رغم چالش‌های موجود در نگهداری طولانی‌مدت، می‌تواند به درک بهتر ما از فرآیند یادگیری در شبکه‌های طبیعی کمک کند.

از منظر دیگر، پیشرفت در زمینه ترکیب قابلیت‌های مغز میانی (مشترک بین انسان و حیوانات) و قشر مغز (خاص انسان) در سیستم‌های هوش مصنوعی مورد انتظار است. این ترکیب می‌تواند منجر به ایجاد سیستم‌هایی شود که هم در وظایف پایه‌ای مانند تشخیص چهره و هم در فعالیت‌های پیچیده‌تر مانند استنتاج زبانی توانمند باشند.

یک مسیر مهم دیگر، توسعه یادگیری اجتماعی در هوش مصنوعی است. برخلاف سیستم‌های فعلی که عمدتاً بر یادگیری فردی تمرکز دارند، هدف ایجاد سیستم‌هایی است که بتوانند از طریق تعامل و مشاهده یکدیگر یاد بگیرند، مشابه آنچه در جوامع انسانی رخ می‌دهد.

دکتر محمدی: این مفهوم یادگیری اجتماعی در هوش مصنوعی بسیار جالب است. می‌توانید بیشتر توضیح دهید؟

دکتر نیلی: بله، البته. در دنیای امروز، با توجه به گستردگی استفاده از دستگاه‌های هوشمند مانند تلفن‌های همراه، امکان ایجاد شبکه‌های یادگیری اجتماعی بین این دستگاه‌ها وجود دارد. این امر می‌تواند به شخصی‌سازی سریع‌تر و کارآمدتر اپلیکیشن‌ها برای کاربران منجر شود. به جای اینکه هر دستگاه به تنهایی و در مدت زمان طولانی برای یک کاربر شخصی‌سازی شود، شبکه‌ای از دستگاه‌ها می‌توانند از تجربیات یکدیگر بیاموزند و این فرآیند را تسریع کنند.

سیستم‌های هوش مصنوعی می‌توانند از طریق همکاری و یادگیری متقابل، سرعت انطباق با کاربران را افزایش دهند. این رویکرد، مسیر جدیدی را در یادگیری ماشین ایجاد می‌کند که متفاوت از روش‌های سنتی مبتنی بر داده‌های ثابت است. در این مدل اجتماعی، سیستم‌های هوش مصنوعی به صورت فعال یاد می‌گیرند و در محیط خود تغییر ایجاد می‌کنند تا داده جمع‌آوری کنند. این روش در محیط فردی ممکن است پرهزینه باشد، اما در محیط اجتماعی، داده‌های جمع‌آوری شده توسط یک سیستم می‌تواند توسط سیستم‌های دیگر نیز مورد استفاده قرار گیرد. بنابراین، هوش مصنوعی اجتماعی و استفاده بیشتر از رویکردهای بیولوژیک، چه در مدل یادگیری و چه در سخت‌افزار، دو زمینه مهم برای تعامل در آینده به نظر می‌رسند.

دکتر محمدی: در گزارش سال 2021 اتحادیه اروپا درباره انقلاب صنعتی پنجم، یک ویژگی کلیدی مشاهده می‌شود که تفاوت عمده‌ای با انقلاب صنعتی چهارم دارد. این ویژگی، نفوذ مفاهیم شناختی در حوزه هوش مصنوعی و ایجاد رابط‌های انسانی است. این امر نشان‌دهنده تمایل به انسان‌محور کردن هوش مصنوعی و هوشمندسازی است. آیا این رویکرد می‌تواند پاسخی به چالش‌های احتمالی هوش مصنوعی برای بشر باشد؟ همچنین، به نظر می‌رسد ما با دو سناریو در آینده هوش مصنوعی مواجه هستیم: یکی تکینگی و تسلط هوش مصنوعی، و دیگری یکپارچه شدن انسان و ماشین. کدام یک از این سناریوها احتمال وقوع بیشتری دارد؟

دکتر نیلی: در مورد آینده هوش مصنوعی، به نظر می‌رسد که رویکرد انسان‌محور اهمیت بیشتری پیدا خواهد کرد. این امر به چند دلیل است:

هوش مصنوعی در حال ورود به تمام جنبه‌های زندگی ماست و باید بتواند با محیط انسانی تعامل کند. بنابراین، باید قادر به مدل‌سازی رفتار انسان و واکنش متناسب با آن باشد.

از آنجا که هوش مصنوعی قرار است به انسان خدمات ارائه دهد، منطقی است که انسان را محور قرار دهد.

از نظر اقتصادی، اگر قرار است سیستمی به ما خدمات ارائه دهد و ما هزینه آن را بپردازیم، ما باید محور آن باشیم.

در آینده، ما یک جامعه همزیستی خواهیم داشت که در آن هوش مصنوعی باید از انسان‌ها در محیط اجتماعی یاد بگیرد.

با پیشرفت ابزارهای جدید هوش مصنوعی مانند ترانسفورمرها و یادگیری عمیق، مفاهیمی مانند یادگیری تقلیدی دوباره اهمیت پیدا می‌کنند. در نهایت، ما به عنوان موجوداتی در یک جامعه ترکیبی حضور خواهیم داشت که در آن انسان و هوش مصنوعی در کنار هم زندگی می‌کنند و از یکدیگر می‌آموزند.

در آینده، ما شاهد جامعه‌ای خواهیم بود که در آن انسان‌ها و ماشین‌ها به طور متقابل از یکدیگر یاد می‌گیرند. به نظر می‌رسد که موفقیت و تغییرات آینده در فضایی رقم می‌خورد که ترکیبی از انسان و ماشین است. در این فضا، تفاوت رفتاری چشمگیری بین انسان و ماشین مشاهده نخواهد شد، بلکه همگنی رفتاری وجود خواهد داشت، هرچند در کیفیت رفتارها تفاوت‌هایی دیده خواهد شد.

دکتر محمدی: با این دیدگاه، می‌توان انتظار داشت که در حدود 20 سال آینده، جامعه‌ای خواهیم داشت که نه تنها انسان‌ها در مکانیزم‌های تعاملی‌شان به یکدیگر کمک می‌کنند، بلکه این تعامل بین انسان و ماشین نیز رخ می‌دهد. در واقع، ترکیبی از انسان‌ها، ماشین‌ها و موجودات هیبریدی که نه کاملاً انسان و نه کاملاً ماشین هستند، جامعه آینده را شکل می‌دهند. این امر مسائل تنظیم‌گری متعددی را به وجود می‌آورد، از جمله مسائل مربوط به اشتغال، حریم خصوصی، اخلاقیات و حتی نیاز به شکل جدیدی از دموکراسی. در این شرایط، نقش حاکمیت‌ها، دولت‌ها و نهادهای تنظیم‌گر پررنگ‌تر می‌شود. به نظر شما، مهم‌ترین موضوعاتی که از نظر تنظیم‌گری آینده هوش مصنوعی را تحت تأثیر قرار می‌دهند، کدامند؟

دکتر نیلی: موضوعات تنظیم‌گری در آینده هوش مصنوعی بسیار گسترده و پیچیده هستند. یکی از مهم‌ترین جنبه‌ها این است که تنظیم‌کنندگان باید جامعه علمی را تحت فشار قرار دهند تا روش‌هایی را توسعه دهند که ویژگی‌های خاصی داشته باشند. به عنوان مثال، ما باید به سمت سیستم‌های هوش مصنوعی حرکت کنیم که با حداقل داده‌های خصوصی کار کنند. این امر می‌تواند از طریق یادگیری اجتماعی محقق شود، جایی که سیستم‌ها از رفتارهای عمومی یاد می‌گیرند، نه از داده‌های خصوصی افراد.

موضوع دیگر، مسئله اشتغال است. اگرچه برخی معتقدند که هوش مصنوعی فرصت‌های شغلی جدیدی ایجاد می‌کند، اما باید اطمینان حاصل کنیم که این مشاغل معنادار و موثر هستند. تنظیم‌کنندگان باید قوانینی وضع کنند که هر جا از هوش مصنوعی در کسب و کار استفاده می‌شود، باید منجر به افزایش اشتغال و رشد اقتصادی شود.

هوش مصنوعی می‌تواند کیفیت کار را حتی با افراد دارای مهارت متوسط افزایش دهد. به عنوان مثال، در دوران همه‌گیری کرونا، برخی از همکاران ما در دانشکده سیستم‌هایی را توسعه دادند که به پزشکان در تشخیص بهتر بیماری کمک می‌کرد. این سیستم‌ها می‌توانستند با استفاده از گزارش‌های شخصی بیماران، وضعیت آنها را پیش‌بینی کنند و شرایط حاد را تشخیص دهند.

ما می‌دانیم که تفاوت کیفیت در کار انسان‌ها زیاد است. هوش مصنوعی می‌تواند این تفاوت را به شدت کاهش دهد. این به معنای از دست دادن شغل نیست، بلکه باید پذیرفت که کارایی افزایش می‌یابد. این وظیفه قانون‌گذار و تنظیم‌کننده است که اطمینان حاصل کند درآمد افراد با افزایش کارایی کاهش نیابد.

به نظر من، اولین تحولی که هوش مصنوعی ایجاد خواهد کرد، افزایش کیفیت و سرعت است. وقتی این افزایش در نقاط گلوگاهی رخ دهد، به این معناست که می‌توانیم در سطوح پایین‌تر، شغل‌های بیشتری ایجاد کنیم. این مشابه اتفاقی است که در اتوماسیون صنعت خودروسازی رخ داد.

دکتر محمدی: بسیار خوب. نکته دومی که در صحبت‌های قبلی شما مطرح شد، مسئله داده است. در بحث‌های مدیریت فناوری، ما از موج‌های فناوری صحبت می‌کنیم که فرصت‌های جدید کسب و کار و کارآفرینی ایجاد کرده‌اند. هر موج فناوری معمولاً بر یک عامل ارزان قیمت استوار بوده است. به نظر می‌رسد موتور محرک این نسل جدید که ما از آن به عنوان موج جدید یاد می‌کنیم، بر عاملی به نام “داده” استوار شده است. هر چه داده در دسترس‌تر و بازتر باشد، احتمال ظهور سرویس‌های هوش مصنوعی در آن حوزه افزایش می‌یابد.

حال، یک نکته بسیار مهم در اقتصادهایی مانند ایران که به شدت دولتی هستند، این است که بخش زیادی از داده‌ها در دست دولت یا نهادهای خصولتی است. شما در صحبت قبلی‌تان نکته مهمی گفتید که وقتی داده آزاد می‌شود، انگار مکانیزم شفافیت ظهور می‌کند و شفافیت یعنی امکان استنطاق و به چالش کشیدن. این پارادوکس را چگونه باید حل کرد؟ داده‌ای که باید آزاد شود تا بتوانیم سرویس هوش مصنوعی توسعه دهیم، وگرنه اقتصاد هوش مصنوعی شکل نخواهد گرفت.

دکتر نیلی: بله، دقیقاً. این تحول جدید بر یک منبع ارزان به نام داده استوار است. این موضوع چالش‌های جدی را در کشورهایی با اقتصاد دولتی ایجاد می‌کند، جایی که بخش عمده‌ای از داده‌ها در اختیار دولت یا نهادهای شبه‌دولتی است. آزادسازی این داده‌ها می‌تواند منجر به شفافیت بیشتر شود، که ممکن است برای برخی نهادها چالش‌برانگیز باشد.

برای حل این پارادوکس، نیاز به یک رویکرد متعادل داریم. باید راه‌هایی برای آزادسازی داده‌ها پیدا کنیم که هم به توسعه اقتصاد هوش مصنوعی کمک کند و هم ملاحظات امنیتی و حریم خصوصی را در نظر بگیرد. این می‌تواند شامل ایجاد چارچوب‌های قانونی برای استفاده از داده‌ها، اجرای سیستم‌های حفاظت از حریم خصوصی، و تشویق همکاری بین بخش خصوصی و دولتی در زمینه اشتراک‌گذاری داده‌ها باشد.

باید توجه داشت که خلاقیت انسانی در دوره کنونی، نقشی بسیار مؤثرتر نسبت به گذشته در تحولات مرتبط با داده ایفا می‌کند. در مورد داده‌های موجود در اختیار حاکمیت، باید گفت که بر اساس تجربیات ما، این داده‌ها اغلب از کیفیت و کاربردپذیری لازم برخوردار نیستند. در بسیاری موارد، با مشکلاتی چون داده‌های گمشده یا ناقص مواجه هستیم. این مسئله تنها محدود به کشور ما نیست و در سطح جهانی نیز وجود دارد، زیرا اکثر داده‌ها برای اهداف گزارش‌دهی جمع‌آوری شده‌اند، نه برای مدل‌سازی.

از سوی دیگر، شرکت‌هایی که از ابتدا به صورت دیجیتال متولد شده‌اند، با آگاهی از نیازهای داده‌ای خود، از همان ابتدا اقدام به جمع‌آوری داده‌های مناسب می‌کنند. بنابراین، این فرض که در حال حاضر داده‌های غنی و تمیزی در اختیار داریم، نیاز به بررسی بیشتر دارد.

دکتر محمدی: پس به نظر می‌رسد که حتی اگر حاکمیت تصمیم به آزادسازی داده‌ها بگیرد، کیفیت و کاربردپذیری این داده‌ها محل بحث است. چه راهکاری برای این مسئله پیشنهاد می‌کنید؟

دکتر نیلی: اولین گام، ایجاد آگاهی در میان حاکمیت، مشاغل و عموم جامعه درباره اهمیت داده است. داده به ما امکان می‌دهد درک عمیق‌تری از محیط پیچیده اطرافمان داشته باشیم. در شرایط پیچیده کنونی، تصمیم‌گیری بر اساس مشاهدات سطحی و غیردقیق، که متأسفانه در کشور ما رایج است، دیگر کارآمد نیست.

نکته مهم دیگر این است که باید به سمت خلق داده در فرآیندهای کاری حرکت کنیم. یعنی تولید داده باید بخشی جدایی‌ناپذیر از فرآیندهای ما باشد. همچنین، داده باید به یک کالای اقتصادی تبدیل شود. من معتقدم که ایجاد یک بورس داده می‌تواند راهکار مناسبی باشد. این امر می‌تواند به ایجاد رقابت در تولید داده‌های با کیفیت و قیمت‌گذاری مناسب آن‌ها منجر شود.

دکتر محمدی: بله، به نظر می‌رسد که در دنیای امروز، بیشترین پیشرفت‌ها در استفاده از داده، از جاهایی شروع شده که مردم در فضای دیجیتال زندگی می‌کنند و داده‌ها به طور طبیعی در این فرآیند تولید می‌شوند. آیا فکر می‌کنید این روند در آینده تغییر خواهد کرد؟

دکتر نیلی: بله، من معتقدم که در آینده، تمرکز بر استفاده از داده و هوش مصنوعی از حوزه‌های سرگرمی و شبکه‌های اجتماعی به سمت خلق ارزش واقعی، ایجاد ثروت، حفاظت از محیط زیست، امنیت غذایی و موارد مشابه حرکت خواهد کرد. برای تحقق این امر، داده باید ارزش اقتصادی پیدا کند. به عنوان مثال، شهرداری‌ها باید بتوانند از داده‌های ترافیکی خود درآمد کسب کنند، نه فقط برای استفاده داخلی.

اقتصادی کردن داده و ایجاد چیزی شبیه به بورس داده می‌تواند راهکار مناسبی باشد. در این مدل، ما صاحبان داده خواهیم داشت که می‌توانند دستگاه‌های دولتی، بخش خصوصی یا حتی پلتفرم‌های آنلاین باشند. این رویکرد می‌تواند به استفاده بهینه از داده‌ها و ایجاد ارزش افزوده برای جامعه منجر شود.

در حال حاضر، شرکت‌هایی مانند نشان، اسنپ و دیجی‌کالا داده‌های ارزشمندی در مورد الگوهای حرکتی، سبک زندگی و رفتار خرید مردم در اختیار دارند. این شرکت‌ها احتمالاً اطلاعات بیشتری نسبت به خود افراد در مورد آنها دارند. از سوی دیگر، داده‌های گسترده‌ای در بخش‌های دولتی و صنایعی مانند بانکداری، بورس و بیمه وجود دارد.

پیشنهاد من این است که این داده‌ها در قالب یک مکانیزم شبیه به بورس به اشتراک گذاشته شوند. در این سیستم، داده‌ها قیمت‌گذاری می‌شوند و خریداران و فروشندگان مجاز مشخص می‌شوند. قیمت‌ها توسط بازار تعیین خواهد شد.

دکتر محمدی: آیا در این سیستم، خریداران مجاز می‌توانند اپراتورهایی باشند که داده‌ها را پاک‌سازی کرده و به صورت API در اختیار توسعه‌دهندگان سرویس قرار دهند؟

دکتر نیلی: بله، دقیقاً. احتمالاً چنین مکانیزمی شکل خواهد گرفت. باید توجه داشت که در سطح جهانی، این اکوسیستم در دست پنج شرکت بزرگ مانند آمازون، گوگل و فیسبوک متمرکز شده است. این شرکت‌ها در حال ساخت اکوسیستم هوش مصنوعی هستند و نقش آنها به قدری مهم است که حتی دولت آمریکا نقش چندانی در این زمینه ندارد.

دکتر محمدی: با توجه به اینکه ما چنین شرکت‌های بزرگی نداریم، چگونه باید این اکوسیستم را در کشور خود طراحی کنیم؟

دکتر نیلی: ما باید مکانیزم متفاوتی طراحی کنیم. بازیگران جدیدی باید شکل بگیرند یا بازیگران موجود باید انگیزه پیدا کنند تا وارد این عرصه شوند. این امر احتمالاً نیازمند یارانه‌هایی از سوی دولت و حمایت‌های دیگر است.

نکته جالب این است که طی پنج سال گذشته، وضعیت هوش مصنوعی در جهان تغییر کرده است. اکنون، حدود 80 درصد توان پردازشی GPU جهان در دست شرکت‌های آمریکایی است، که نوعی انحصار بزرگ را شکل می‌دهد.

دکتر محمدی: در این شرایط، کشور ما چگونه می‌تواند در این عرصه نقش‌آفرینی کند؟

دکتر نیلی: به نظر می‌رسد ما می‌توانیم از الگوی چین الهام بگیریم. چینی‌ها اگرچه در سطح جهانی بازیگر اصلی نیستند، اما در داخل کشور خود از هوش مصنوعی برای بهبود زندگی و خدمات داخلی به خوبی استفاده می‌کنند.

در کشور ما، به نظر می‌رسد حاکمیت از بزرگ شدن شرکت‌ها و در اختیار داشتن اطلاعات توسط آنها نگران است. این نگرانی باعث محدود شدن سرمایه‌گذاری در اکوسیستم دیجیتال شده است.

برای حل این مشکل، ابتدا باید این ترس را از بین برد. من فکر می‌کنم در حال حاضر، وظیفه اصلی فعالان بخش هوش مصنوعی و دیجیتال، ترس‌زدایی است. ما باید یک پروژه مشترک بین بخش خصوصی و حاکمیت در حوزه هوش مصنوعی و داده‌محوری ایجاد کنیم تا بتوانیم به صورت مشترک در این زمینه پیشرفت کنیم.

دکتر محمدی: به نظر می‌رسد که حاکمیت ما هنوز به خوبی درک نکرده است که عملکرد داده‌محور چقدر می‌تواند در کیفیت کار، مقبولیت اجتماعی و حل مسائل کلیدی مؤثر باشد. مسائلی مانند ناترازی انرژی، سلامت، آموزش و ترافیک می‌توانند با استفاده از هوش مصنوعی و داده‌ها بهتر حل شوند. ما باید ترس حاکمیت را از این موضوع کاهش دهیم.

دکتر نیلی: بله، مشکل اصلی ما در حال حاضر ذهنیت حاکمیت است. آنها تمایلی به بزرگ شدن شرکت‌های فعال در این حوزه ندارند و تجربه نشان داده که هر زمان حاکمیت مستقیماً وارد عمل شده، نتیجه مطلوبی حاصل نشده است.

دکتر محمدی: آیا راه حل میانه‌ای مانند استفاده از مکانیزم‌های مشارکت عمومی-خصوصی (PPP) می‌تواند مفید باشد؟ مثلاً ایجاد کنسرسیوم‌های خصوصی-دولتی، مشابه آنچه در دهه 40 به ما کمک کرد وارد عصر صنعتی شویم؟

دکتر نیلی: این پیشنهاد خوبی است. در حال حاضر نیز بسیاری از شرکت‌های ما بخش بزرگی از سهامشان متعلق به حاکمیت است. حتی در اروپا و آمریکا نیز چنین وضعیتی وجود دارد. حاکمیت همیشه نگران مدلی است که دیگران از جامعه دارند و تمایلی ندارد که کسی نسبت به شرایط، دید دقیق‌تر و جامع‌تری داشته باشد.

دکتر محمدی: در غرب، شرکت‌ها این نگاه را به حاکمیت می‌دهند و همه می‌پذیرند که حاکمیت از این دیدگاه استفاده می‌کند و شرکت‌ها نیز از این طریق کسب و کار خود را پیش می‌برند. ما باید مدل مناسب خودمان را پیدا کنیم. در این میان، به نظر شما نقش دانشگاه چیست؟

دکتر نیلی: دانشگاهیان در انتشار مفاهیم علمی به زبانی قابل فهم برای جامعه و حاکمیت ضعف دارند. ایجاد زبان مشترک بین دولت، دانشگاه، صنعت و جامعه بسیار دشوار است. ما باید تلاش کنیم مفاهیم را به گونه‌ای بیان کنیم که برای همه قابل درک باشد.

دکتر محمدی: شما از جمله شخصیت‌های علمی هستید که همواره زبان علمی را به مفاهیم قابل فهم ترجمه کرده‌اید. چگونه می‌توانیم تعداد افراد فعال در دانشگاه که قادر به انتقال مفاهیم به زبان ساده هستند را افزایش دهیم؟

دکتر نیلی: این موضوع در حوزه‌های مختلف علمی متفاوت است. همکاران ما در علوم رفتاری و انسانی در این زمینه بهتر عمل می‌کنند، زیرا ماهیت کارشان از این جنس است. ما که بیشتر در حوزه‌های فنی فعالیت می‌کنیم، ضعف‌های بیشتری داریم. این مسئله در همه جای دنیا وجود دارد و تعداد کمی از افراد می‌توانند این کار را انجام دهند.

به نظر من، مهم‌ترین کاری که می‌توانیم انجام دهیم، همکاری بین‌رشته‌ای است. متأسفانه در حال حاضر، این بحث‌ها بیشتر در دانشکده‌های فنی و مدیریت مطرح می‌شود و در سایر دانشکده‌ها کمتر به آن پرداخته می‌شود. در حوزه‌هایی مانند جامعه‌شناسی و فلسفه، کمتر شاهد ورود به این موضوع هستیم.

دکتر محمدی: بله، متأسفانه در حوزه اقتصاد هوش مصنوعی نیز کمتر کار شده است. البته در اقتصاد، رشدهایی وجود دارد و اساتیدی هستند که خوب در این زمینه صحبت می‌کنند. به نظر می‌رسد ایده‌هایی مانند این پادکست‌ها و مصاحبه‌ها می‌تواند در انتشار این مفاهیم مؤثر باشد.

حضور در جلسات حکمرانان و تلاش برای آگاهی بخشی به آنها متأسفانه در جامعه و محافل علمی امتیاز مثبتی تلقی نمی‌شود. به نظر می‌رسد که باید این تابو را شکست. افراد علمی برجسته همواره باید با حکمرانان در ارتباط باشند تا آنها را به سرمایه‌گذاری در جامعه علمی ترغیب کنند. متأسفانه در کشور ما، حکمرانان اغلب به دنبال بهترین افراد در میان نزدیکان خود هستند، نه لزوماً نزدیک‌ترین افراد در میان بهترین‌ها.

دکتر نیلی: بله، این یک مسیر دو طرفه است. همه باید کمک کنند تا حکمران دیدگاه بهتری داشته باشد. فعالیت‌های ترویجی در این حوزه توسط برخی افراد در کشور به خوبی پیش می‌رود، اما متأسفانه در برخی موارد جنبه ژورنالیستی پیدا کرده است. ما در دانشگاه‌ها نیز باید در این زمینه فعال‌تر باشیم.

دکتر محمدی: دکتر، برای جمع‌بندی، می‌خواهم نظر شما را درباره فرصت‌های کسب و کار در حوزه هوش مصنوعی بدانم. به عنوان فردی که هم در جایگاه سیاست‌گذار بوده‌اید و هم یک دانشگاهی هستید و در حوزه شرکت‌های دانش‌بنیان و کارآفرینی فعالیت می‌کنید، به نظر شما پنجره‌های فرصت کسب و کار در حوزه هوش مصنوعی، به ویژه در تلاقی با علوم شناختی، کدام‌ها هستند؟

دکتر نیلی: یکی از مهم‌ترین تحولات دو سال اخیر در حوزه هوش مصنوعی، جدا شدن آن از داده‌های اختصاصی است. امروزه، با استفاده از هوش مصنوعی‌های مولد مانند ChatGPT یا DALL-E، می‌توان بدون نیاز به داده‌های خاص و تنها با ارائه چند دستورالعمل یا تصویر، از کل دانش موجود در شبکه استفاده کرد و چیزی جدید خلق نمود.

این تحول بزرگ باعث شده که هوش مصنوعی عمومی، بدون نیاز به داده‌های حجیم، در دسترس همگان قرار گیرد. به عنوان مثال، یک نجار می‌تواند برای طراحی کار خود از هوش مصنوعی مولد استفاده کند، یا یک معلم می‌تواند کیفیت تدریس و سؤالات خود را با کمک این فناوری افزایش دهد.

دکتر محمدی: بله، به نظر می‌رسد که هوش مصنوعی می‌تواند تأثیری مشابه اینترنت بر زندگی و کسب و کار ما داشته باشد.

دکتر نیلی: دقیقاً. همان طور که اینترنت تحول بزرگی در دنیا ایجاد کرد، هوش مصنوعی نیز می‌تواند چنین تأثیری داشته باشد. این فناوری می‌تواند به افراد در حرفه‌های مختلف کمک کند تا کیفیت کار خود را افزایش دهند و درآمد بیشتری کسب کنند.

در گذشته، دسترسی به مقالات علمی زمان‌بر بود. برای ما ایرانیان، این فرآیند حتی قبل از تحریم‌ها حدود یک هفته طول می‌کشید. برای دانشمندان آمریکایی، این زمان به دو روز کاهش می‌یافت. امروزه، با پیشرفت فناوری، دسترسی به این منابع برای آمریکایی‌ها تنها یک دهم ثانیه و برای ما حداکثر 3 ثانیه زمان می‌برد. البته، در صورت نیاز به استفاده از فیلترشکن، این زمان ممکن است به 10 دقیقه افزایش یابد.

اکنون، هوش مصنوعی عمومی و مولد برای همه ما، فارغ از شغلمان، ابزاری قدرتمند برای بهبود کیفیت، ارزش‌افزایی و تسریع کارها شده است. این فناوری می‌تواند بهره‌وری ما را به طور چشمگیری افزایش دهد.

دکتر محمدی: بله، به نظر می‌رسد که وظیفه ما آموزش جامعه در مورد چگونگی استفاده از هوش مصنوعی در کسب و کار است. این آموزش خود می‌تواند یک فرصت تجاری باشد.

دکتر نیلی: دقیقاً. ما باید به اقشار مختلف جامعه، از تراشکار گرفته تا نقاش ساختمان، آموزش دهیم که چگونه هوش مصنوعی مولد می‌تواند بدون نیاز به داده‌های محلی، کیفیت کارشان را افزایش دهد. با توجه به خلاقیت ذاتی جمعیت ما و مهارت‌هایمان در تولیدات دستی و نیمه‌صنعتی، این می‌تواند تحولی جدی در مشاغل کوچک ایجاد کند.

حتی یک پزشک در مطب خود می‌تواند با استفاده صحیح از هوش مصنوعی، خطاهای پزشکی را کاهش دهد. در سطح کلان‌تر، در هر حوزه‌ای که ما با شکاف کیفیت یا قیمت مواجه هستیم، هوش مصنوعی می‌تواند راهگشا باشد.

دکتر محمدی: این موضوع چالش‌های حاکمیتی نیز به همراه دارد، به ویژه در حوزه‌های حساسی مانند سلامت، آموزش و انرژی.

دکتر نیلی: بله، مسئله انرژی بسیار جدی است و حاکمیت قطعاً به سمت تعدیل قیمت انرژی و تغییر الگوی مصرف حرکت خواهد کرد. در این زمینه، استفاده از ابزارهای هوش مصنوعی برای مدیریت هزینه‌ها بسیار مهم خواهد بود.

همچنین، در زمینه مدیریت سبد زندگی، برنامه‌ریزی مالی و ارائه توصیه‌های شخصی‌سازی شده، هوش مصنوعی می‌تواند نقش مهمی ایفا کند.

دکتر محمدی: جالب است. آیا در حوزه‌های دیگر نیز هوش مصنوعی می‌تواند تأثیرگذار باشد؟

دکتر نیلی: قطعاً. در صنعت بازی‌های رایانه‌ای، هوش مصنوعی نقش بسیار مهمی دارد و این بازار بزرگی با امکان صادرات است. همچنین، استفاده از هوش مصنوعی در تولید نرم‌افزار می‌تواند شرکت‌ها را متحول کند. شرکت‌هایی که توان استخدام تعداد زیادی نیروی متخصص نرم‌افزار را ندارند، می‌توانند با استفاده از هوش مصنوعی، با تعداد کمتری نیرو و هزینه کمتر، نرم‌افزارهای مورد نیاز خود را تولید کنند.

دکتر محمدی: پس می‌توان گفت که هوش مصنوعی در کشوری مانند ایران با تولیدکنندگان و کسب و کارهای کوچک که مشکل اصلی‌شان کیفیت و بازدهی است، بسیار مؤثر خواهد بود.

دکتر نیلی: دقیقاً. می‌خواهم این نکته را به خودم و جوانان عزیز کشورمان یادآوری کنم که نسل ما تلاش‌های ناموفق زیادی در کشور داشته است، اما تغییرات جدی در لایه نیروی انسانی رخ داده است. خلاقیت نسل جدید بسیار بیشتر از یکی دو دهه گذشته می‌تواند نقش‌آفرین و اثربخش باشد، چه در لایه فعالیت خصوصی اقتصادی در حوزه فناوری‌های پیشرفته و چه در حوزه آینده علمی.

دکتر محمدی: بسیار عالی. به نظر می‌رسد که موضوع منابع انسانی و تعامل با این نسل جدید که به شدت صریح‌تر، شفاف‌تر و چندمهارتی‌تر از نسل قبل هستند، موضوع مهمی است که باید بیشتر به آن پرداخت.

دکتر نیلی: کاملاً درست است. ترکیب این ویژگی‌ها با تلاش برای کاهش نرخ مهاجرت، به ویژه در میان نیروهای نخبه، موضوعات کلیدی هستند که نه تنها آینده توسعه در ایران، بلکه آینده توسعه به طور کلی را تحت تأثیر قرار خواهند داد.

دکتر محمدی: زمان ما رو به پایان است، ممنون از حضورتون. امیدواریم این گفتگو برای مخاطبان جذاب بوده باشد.

دکتر نیلی: متشکر از شما و تیم فیوچر آو.