آینده هوش مصنوعی
گفتگوی دکتر مهدی محمدی، رئیس انجمن مدیریت فناوری و نوآوری ایران و عضو هیئتعلمی و دانشیار دانشگاه تهران با مهران ضیابری، موسس و مدیرعامل پردازش هوش مصنوعی ترگمان و نایب رئیس کمیسیون هوش مصنوعی نصر، درباره آینده هوش مصنوعی
معرفی
این گفتگو با حمایت ویژه دبیرخانه برنامه ملی آینده نگاری علم و فناوری ایران و همراهی مجموعه ویکست و انجمن مدیریت فناوری و نوآوری ایران و با تهیهکنندگی صابر خسروی تهیه و تولید شده است.
علاوه بر نسخه صوتی، میتوانید نسخه تصویری این گفتگو را نیز در یوتیوب و آپارات بشنوید.
دکتر مهدی محمدی: سلام من مهدی محمدی هستم اینجا فیوچر آو در ادامه گفتگوهایی که در رابطه با آینده و فناوری داریم داریم در مورد آینده هوش مصنوعی با صاحب نظرای این حوزه گفتوگو میکنیم بحث میکنیم چشمانداز و نوع نگاهشون رو در رابطه با این فناوری اصطلاحاً برانداز تخریب کننده تحول آفرین صحبت میکنیم بعضی از این دوستانی که دعوت میکنیم خودشون کسبوکاری تو این حوزه دارن با یه نگاهی حتی وارد این حوزه شدن حتی مسیرهایی تو این حوزه رفتن و الان در همین دو سه سال اخیر حتی در خود حوزه هوش مصنوعی دچار تخریب شدن یعنی با وجود اینکه کور بیزینس شون حوزه هوش مصنوعی بوده ولی خود هوش مصنوعی خود هوش مصنوعی رو تخریب کرده امروز در خدمت آقای مهران ضیابری هستیم مدیر عامل ترگمان یکی از مهمترین شاید استارتاپهای هوش مصنوعی تو ایران و جز پیشتاز از
دکتر مهدی محمدی: بیش از یک دهه گذشته اصطلاحاً این پروژه شروع شد روی حوزه ترجمه و الان نایب رئیس کمیسیون هوش مصنوعی نصرهم هستن و خلاصه در خدمتشون هستیم مهران جان یه کمی در مورد خودت بگو از کجا شروع کردی چی شد اصلا وارد فضای هوش مصنوعی شدی و بعد کمکم وارد نگاهت به آینده بشیم خلاصه
مهران ضیابری: سلام عرض میکنم خدمت بینندگان محترم و خدمت جناب تشکر میکنم از دعوتی که انجام گرفته والا حقیقت تو صحبتهای مختلف من همه جا میگم ورود ما به حوزه هوش مصنوعی [عبارت نامفهوم در زیرنویس] در واقع از اول قرار نبود [عبارت نامفهوم در زیرنویس] بعداً قرار شد [عبارت نامفهوم در زیرنویس] من از بچگی خب خیلی علاقه داشتم به الکترونیک ی در از دبستان من کار الکترونیک شروع کرده بودم و به مرور حالا با کامپیوتر آشنا شدیم فضا فضایی بود که تازه فضای کامپیوتر داشت شکل میگرفت یعنی رایانههای شخصی و وارد حوزه نرمافزار شدم تو دورای راهنمایی و دورا دبیرستان شروع کردیم برنامهنویسی وارد دانشگاه که شدیم از هرچی نرمافزار و کامپیوتر زده شدم با اینکه رشتم نرمافزار بود بعد چسبیدم به همون الکترونیک که ت تقریباً ۱۰ سالی ما تو الکترونیک در واقع کار کردیم الکترونیک
مهران ضیابری: دیجیتال و طراحی مدارات و نمیدونم ساخت الکترونیک صنعتی الکترونیک حالا حتی برق قدرت تو این حوزه تا کمکم از مسیر رباتیک دوباره بازگشتیم به اصل خویش برگشتیم به دنیای نرم
دکتر مهدی محمدی: الکرونیک رسیده به رباتیک دوباره دب از رباتیک اومدید توی هوش مصنوعی
مهران ضیابری: و حالا کارای مختلفی که تو حوزه حالا نرمافزار تو حزه شبکه و امنیت شبکه و اینها در واقع انجام شد و تا اینکه در دوره فوق لیسانس به نوعی دوباره بهمون بار خورد بیایم تخصصی رو حوزه ترجمه ماشینی کار کنیم با اینکه هیچ تجربهای از قبلش روی حوزه ترجمه ماشینی نداشتیم پروژه ترگمان پروژهای بود که تو دانشگاه امیرکبیر شکل گرفت با هدایت آقای دکتر خدیوی که از اساتید بسیار جوان دانشگاه امیرکبیر بودن اون زمان و عرض کنم خدمتتون که پروژهای بود که خب ما خیلی روش سرمایهگذاری کردیم هم سرمایهگذاری مادی هم سرمایهگذاری معنوی بالاخص و زمان خیلی زیادی روی اون گذاشتیم که بتونیم یک محصولی رو بدیم که خیلی از انگارههای ذهنی منفی که وجود داره توی جامعه راجع به محصولات ایرانی راجع به محصولات هوش مصنوعی در واقع چیز اون انگارهها رو به نوعی
مهران ضیابری: عوض بکنیم و تغییر بدیم و یکی از افتخارات ماست که در حالی که در کل این ۱۳ سال تقریباً گوگل شاید سر جم سه یا چهار روز در دسترس مردم نبوده گوگل ترنسلیت و سایر مترجمهای خارجی هم همیشه در دسترس بودن و کاملاً هم رایگان بودن محصولی رو توسعه دادیم که مردم حاضرن بابتش هزینه بپردازن به جای محصول رایگان خارجی از محصول بومی با هزینه حتی استفاده بکنن این داستان شکلگیری ترگمان
دکتر مهدی محمدی: اون زمان خب هنوز خب ما اون موقع این ال رو نداشتیم در واقع این انق انقلاب چت جیپیتی و اپنایآی به وقوع نپیوسته بود خب بالاخره یه گام رو به جلو بود مضیت شماهم قاعدتاً تو اون زمان این تسلط تون رو زبان فارسی بوده دیگه یعنی مثلاً احتمالاً ترجمهی که ترگمان احتمالا که قطعاً من چون خودم استفاده کردم دارم ترگمان خروجی که ترگمان میده در میداد مخصوصاً نسبت به خب بالاخره گوگل ترنسلیت یا ترجمیار گوگل اصطلاحاً بهتر بوده قاعدتا این این چجوری شکل گرفت یعنی مثلا چقدر انرژی و زمان از شما گرفت برای اینکه برسین به یک لابل پروداکت که بتونه بالاخره با گوگل رقابت بکنه دیگه
مهران ضیابری: خ بید سر آغاز ترگمان اساسا این بود که خوشبختانه دولت به این فکر افتاده بود که ما باید زود بجنبیم گوگل تقریبا د سال بود که ترجمه ماشینیشو ارائه کرده بود کمتر از یک سال بود که تشین فارسی رو ارائه کرده بود و اتفاق مهمی که افتاده بود این بود که گوگل رو یک روش جدید داشت کار میکرد اون زمان همه مترجمهای ماشین مترجمهای قاعده منند بودن همون روشی که سنتی فکر میشد برای ترجمه استفاده میشد یعنی استفاده از دیکشنری ها و قواعد زبانی خب روش بسیار هزینه بر و بسیار کم کیفیتی هستش به خاطر اینکه شما هر چقدرم برای زبانها قاعده در نظر بگیری باز هم زبان یک موجودیت بیقاعده است یعنی قواعد به نمیتونن بی قاعدهها رو پوش پوشش بدن آقای دکتر خدیوی دکتراش وو اساساً روی ترجمه ماشینی آماری گرفته بودن تازه
مهران ضیابری: ۲ سال بود که از آلمان اومده بودن خب آلمان دانشگاه آخن مهد ترجمه ماشینی دنیا شناخته میشه و خیلی از خروجیهای ترجمه ماشین اصلا اساساً از دانشگاه آخن آلمان خارج میشه مثل در واقع نماس مثل موزز جاشوا که اینا در واقع چیزی هستش که هنوزم که هنوزه روشون داره بحث ترجمه ماشینی تحقیقات انجام میشه محصولات این دانشگاه هستن پژوهشگاه ارتباطات به عنوان بازوی تحقیقاتی وزارت ارتباطات فراخوانی داده بود برای دانشگاهها برای اینکه مترجم قاعده منند توسعه بدن با همکاری دکتر خدیوی ما یه پروپوزال دادیم به پژوهشگاه که آقا این ره که میروید به ترکستان است قائده مندو بذارید کنار الان دنیا داره روی آماری تحقیق میکنه
مهران ضیابری: که بعد از یک سال در واقع رفت و آمد با مدیران پژوهشگاه که انصافاً در واقع همراهی کردن ول خیلی راحت میتونستن بگن نه ما اصلا این موضوع رو نمیخوایم ما قاعد مند رو چیز ک پروژهی در واقع برای توسعه یه مدل تحقیقاتی بسته شد و اون شد سرآغاز ترگمان که خب ظرف ۶ ماه ما موتور ترجمه ماشینی انگلیسی فارسی رو دادیم کیفیتش از همه بهتر بودش حالا گوگل و سیستم سیستمهای دیگه و ایرانی که در واقع وجود داشت ایرانیا همه قاعده من بودن بعد در واقع اومدیم ی کار خرق عادت کردیم کلی هم بابتش فحش خوردیم اومدیم در واقع در حالی که اون زمان سال ۹۹۰ پیشبینی میشد مثلاً یه چیز حلش ۲ میلیارد تومن هزینه نیازه با ظرف صرف زمان حدود ۲ سال برای مترجم فارسی به انگلیسی یعنی بر عکس حالا انگلیسی
مهران ضیابری: و فارسی ما [عبارت نامفهوم در زیرنویس] با حدود ۶۰۰ میلیون تومن ظرف ۳ ماه فارسی به انگلیسی رو دادیم به خاطر همینم خیلی فحش خوردیم که آقا کلاً بیزنس چرا داری به هم میزنی
دکتر مهدی محمدی: آره ۲ میلیارد و ۲ سال کجا در واقع ۳ ماه و ۶۰ تومن در کجا و که فارسی به انگلیسی
مهران ضیابری: آره فارسی به انگلیسی هم چیز شد ترجمه ترجم شده اولین موتور در واقع بومی دو طرفه و بازم از تک و ت ن ف
دکتر مهدی محمدی: مالکیت فکریش مال خودتون بود
مهران ضیابری: ببینید بحثی مالکیت بحث این که اتفاقاً راجع بهشون باید صحبت کرد هنوزم که هنوزه بحثی مالکیت توی دولت حل نشده قرارداد بسته میشه بعد سر مالکیت نمیدونن باید چیکار بکنن یعنی معضلات زیاد داریم تو طرح جویشگر من خودم شدم مسئول اصلاً بحث آزاد رسانی خروجیها و شاید بگم که بالای ۸۰ زمانی که ما گذاشتیم توی اون پروژه به جای اینکه صرف توسعه و آزاد رسانی بشه صرف بحث لایسنس شد که اصلاً این مالکیت به چه صورته خیلیها برداشته بودن محصولی که مالکیتش پایاننامه دانشگاهی بود و مالکیتش با دانشگاهو به عنوان یه پروژه تحویل داده بودن یا بعضی از مالکیت معلوم نبود دولت باید ورداره نباید ورداره مال بخش خصوصی هست نیست هیچی در واقع یه ملغمهای بود که هنوزم که هنوز این مسائل وجود داره و حل داره نشده یکی از مشکلاتی هم که هست
مهران ضیابری: اینه که بحث اپن سورس چون تو قوانین ما اساساً بهش پرداخته نشده و هیچ نوع حمایتی رو نداره پیچیدگیهای خیلی زیادی این وسط به وجود میاد خب ما بعد از پروژه اول سه تا پروژه دیگه رو با دولت داشتیم تا اینکه ترگمان به بلوغ رسید و شد به عنوان موتور در واقع بومی که مورد استفاده قرار بگیره و بعد از س پروژه سوم ما دیگه اومدیم با دولت صحبت کردیم که کفایت میکنه تران به بلوغ کافی برای توسعه رسیده و دیگه نیازی به حمایت بودجهای نداره ولی خب حمایت زیرساختی رو طبیعتاً میخواد به خاطر اینکه داره یک سرویس ملی رو ارائه میکنه
مهران ضیابری: و شروع کردیم به اینکه خب ما باید ازی جا کسب درآمد بکنیم سامانه ترجمیار ایده یکی از دوستان هیئت مدیر شرکت بود که در واقع روش ما سرمایهگذاری کردیم نزدیک یه سال روش کار کردیم و این ایده شکل گرفت اولی که ترجمهی رو وارد بازار شد چندان موفق نبود به خاطر اینکه ترجمه هنوز ترجمه با کیفیتی نبود درسته از گوگل بهتر بود ولی بین بدها این خوبه بود نه اینکه ترجمهی باشه چیز ب انقلابهای هوش مصنوعی خب سرعت گرفته بودن استفاده از جی پی یو تازه از ۲۲۰۱ شروع شد و داشتش کار روش انجام میشد ترجمه نورونی داشت روش در واقع واقع کار انجام شد پروژه سومو ما بردیم سمت ترجمه نورونی گفتیم گوگل داره این کارا رو انجام میده ما نمیتونیم از گوگل عقب بمونیم بخوایم با همین آماری اتکا بکنیم خوشبختانه سال ۹۶
مهران ضیابری: ما تونستیم قبل از گوگل مترجم نورونی رو بدیم مترجم نورونی که داریم میگیم منظورمون اینه که از دیپ لرنینگ داریم استفاده میکنیم از شبکههای عصبی عمیق داریم استفاده میکنیم و خب کیفیت متحول شد اصلاً کیفیت یه چیز عجیب و غریبی بود کاملاً در وا قابل استفاده شده بود حالا خروجیهای ترجمه ماشینی دیگه فقط مفهوم نبود دیگه واقعاً ترجمهها معنا داشت و قابلیت بهرهبرداری داشت این باعث شد که ما بتونیم بعضی از جاها مث جهاد دانشگاهی رو مجاب بکنین که بیاد با ما شراکت بکنه و در قبال این شراکت ما از اونها پیکره گرفتیم خب توی بحث در واقع هوش مصنوعی زیرساخت یه سمت مغز افزار یا نیروی یه سمت داده شاید بر همه اینا هر کدومو داشته باشید داده رو نداشته باشی هیچ اتفاقی نمیفته ما یه داده کلانی رو از جهاد دانشگاهی که اون
مهران ضیابری: زمان متولی در واقع مقالات ایندکس گذاری شده در واقع ایرانی اس آیدی در واقع بود گرفتیم و اون رو آموزش دادیم به ماشین خب ترجمه تو حوزه علمی اصلاً یک چیز غیر قابل قیاس بود با تمام چیز با آماری که داشتیم توی اکثریت رشتههای حالا مخصوصاً فنی و رشتههایی مثل مدیریت و اینها ۷۰ جملاتی که ما از پایاننامهها از مقالات ترجمه میکردیم احتیاج به حتی ویرایش نداشت ویراستاری نمیخواست مستقیم قابلیت استفاده داشت حالا یه ۲ ۳۰دی احتیاج
دکتر مهدی محمدی: د طرفه
مهران ضیابری: نه فقط انگلیسی به فارسی انگیس فسی حالا اون سمتشو توضیح میدم ما تعمداً اون سمتشو هیچوقت ندادیم بحث چیز رو با اینکه کیفیت اونم حتی بهتر بود عرض میکردم خدمتتون ما ترجمی رو در واقع از اونجا خب تازه بیزنس اصلا شکل گرفت و اونی که میگم مردم حاضرن در واقع بابتش پول بپردازن سرویس ترجمیار مونه و حالا ترگمان که خب سرویس رایگان هستش و ترجمش م تو حوزه عمومی داره ارائه میکنه و همیشه هم قراره رایگان بمونه ولی ترجمیار چون یه کیفیت خیلی عجیب غریبی داشت تو حوزه علمی ارائه میکرد و عملاً مشتری ترجمه هم خب دانشجویان و محققین هستن شاید مردم عادی خیلی کمتر به ترجمه ماشینی نیاز داشته باشن ی همون دیکشنری عملاً کارشونو راه بندازه و خب این باعث شد که این بیزنس خیلی خوب شکل بگیره این بیزنس به حدی رسید
مهران ضیابری: که شرکت تا حدود ۳۲ نفر لیست بیمه ما یعنی حالا سرجم یه ۱۰۰ نفرو ما در واقع مستقیم غیر مستقیم دارن از ترگمان ارتزاق میکنن شرکت ۳۲ نفر لیست بیمه ما رو ۸۰ درنامه شو ترجمیار شکل داد یی درقه حالا بخوایم یه عدد رقم
دکتر مهدی محمدی: چه سالی بگیم
مهران ضیابری: تا همین پارسال دقیقاً تا پارسال دی قا حالا الان یه مقدار آره سویچ شده عرض کنم خدمتتون که و در عین حال یه افتخار دیگهای برای ما ایجاد کرد این که سال ۱۴۰۰ گوگل به صورت کاملاً رسمی علنی در واقع ترجمههای ترگمان رو تو خروجی خودش میداد و بثر ی اشتباهی که انجام داده بودن صریح مینوشتند ترجمه ترگمان دو نقطه اون ترجمه یی در چیز قابل کتمان دیگه اساساً نبود و کاملاً به صورت علنی اعت
دکتر مهدی محمدی: شت نکردین شما
مهران ضیابری: خیلی بحثها شد افراد مختلف پیشنهادی مختلفی داشتن ی یکی از پیشنهاد همین بود که بریم گوگلو سو بکنیم ارزیابی نشون میداد که خب ما این سوکم فقط اون چنده هزار دلار فقط هزینه ایجاد میکنه بدون هیچ آوردهای به خاطر اینکه قبلاً مشابه همین کیس رو گوگل و بینگ با همدیگه داشتن و بینگ دست آخر تو دادگاه چیز کرد که خب یه چیزی که تو پابلیک گذاشتی دیگه منم استفاده کم خب که چی اتفاق خاصی در واقع نتونست بیفته اون حالا مایکروسافت با اون ه گوگل و مایکروسافت تو اون جنگ در واقع نتونست گوگل کاری بکنه طبیعتا ماد شدم تو اون داستان خیلی چیزی نداره فقط افتخارش موند و حالا یه بهرهبرداری تبلیغاتی که ازش تونستیم به نوعی استفاده بکنیم اما خب بعد از اون ماجرایی که گوگل از پیکرههای ما عملاً خب وجه تمایز مهم
مهران ضیابری: ما با گوگل خب اون پیکره خاصی بود که ما داشتیم و این پیکره روی وب نبود که گوگل بهش دسرسی داشته بشه وقتی گوگل به صورت غیر مستقیم به اون پیکره دسترسی پیدا کرد از طریق ترجمههای خودمون خب شتاب کاهش فاصله زیاد شد یعنی ما کاهش فاصله زیادی داشتیم بعد که ال ما اومدن کلا دیگه بازی عض شست ع شد داستان کلاً عوض شد و الان کیفیت ترجمه ها تو حوزههای مختلف انقدر بالا هست که میتونیم بگیم که ترجمیار اگر امروز داره میفروشه بیش از اینکه کیفیت ترجمش باشه سرویسی هستش که داره میده حالا اون سرویس رو در حال حاضر به اون مدل در واقع نه گوگل نه هیچ سرویس دیگهی ارائه نمیکنه ولی خب کیفیت ترجمه خیلی وقتا داریم میبینیم که گوگل یا سایر سرویسهای حتی مثل خود چت جیپیتی شاید تو بعضی زمینهها در واق کیفیت مناسبتری ارائه بکنن
دکتر مهدی محمدی: آره الان مثلاً من چون خودمم استفاده میکنم واقعاً بعد از این داستان اپنایآی و چت جیپیتی مخصوصاً جی پی تی ف و کلاد اصلا واقعاً ترجمهها عجیب شده اصلا یعنی مثلا خیلی دقیق با دقت بالا با بعضا کلماتی استفاده میکنه که مثلا من فکر میکنم مگه میشه مثلا من که خودم کارم اینه بعی این کلمه رو به ذهنم میرسیده اینجا جاگذاری بکن در این حد رشد کرده
مهران ضیابری: یکی از دوستان هست کار چیز انجام میدن کارشون کلا نشره چون کارشون حوزه هوش مصنوعی نیست و خیلی چیز دارم ترجمه انجام میدم کتابی مختلفی به صورت در واقع ای بوک منتش شر میکنن خب قبلش ما با همدیگه همکاریهای داشتیم از سرویس ترجمی رو سرویس ترنج ما استفاده میکردن ولی بعد از اینکه در واقع کلاد و اینا اومدن الان ایشون یه پایپ لاین اتومیشن چیز درست کرده قشنگ دیگه من ن
دکتر مهدی محمدی: آینده انتشارات چی میشه مثلا مثلا خب میخوان بزنن مترجم کی مثلا باید بنویسن مترجم
مهران ضیابری: مسی بود که اتفاقا با انجمن صنفی مترجم را جاش بحثش یه نشستی بود راجع به همین بود که اصلا بحث کپی رایت ترجمه دیگه کلا تغییر میک داستانش عوض میشه دیگه این مسئله رو قبلشم داشتیم مثلاً ما توی چ پنج سال گذشته شاید یه چیزی نزدیک به ۵۰۰۰ جلد کتاب توسط حالا سرویسهای ما ترجمه شده ولی به نام یه نفری ثبت شده طرف میخواسته مثلاً دکترا بگیره میخواسته مثلاً یه کاری بکنه به نام ایشون ثبت شده ولی خب ترجمه ترجمه ماشین بوده حالا الان که دیگه کلاً داره همه چی ماشینری میشه طبیعت با همه چی دیگه اصلا چیزی تحت عنوان ترجمه مترجم فکر کنم حذف بشه
دکتر مهدی محمدی: چون همین سرویس خودشون ویرایشهای خوبی هم میکنن یعنی حتی یه بار کافیه یه بار ترجمه بکنی بهش یه بار بهش بگو ویرایشش بکن ترکیب این د تا تقریباً دیگه
مهران ضیابری: البته خب حوزهی از ترجمه هست که هنوز در واقع نمیشه انتظار داشت ماشین کاری بکنه ما این بحثو توی چیزا زیاد داریم بحث خلاقیت رو که آیا ماشین اساساً خلاق هست یا خلاقیت نداره فعلاً حداقل تا قبل از ایجی آی حالا هنوز ایجی آی نیومده ببینیم چه اتفاقات میفته تا قبل از ایجی آی باید بگیم که خب ماشین هنوز خلاقیت نداره ماشین کلاژ ماهرانهای داره انجام میده و هنوز تو حوزههایی مثل حوزههای ادبی که عملاً اونجا ترجمه نیست بازآفرینی متنه تو اون حوزه هنوز انسان خب به ماشین میچربه ولی تو حوزههایی که ترجمهها ترجمههای فنی هستش یا ترجمههای چیز هست واقعاً دیگه الان ماشین ماشین بهتر از انسان میتونه ترجمه بکنه
دکتر مهدی محمدی: حالا هیستوری رو گفتیم میخوام یه کم در مورد نگاهت به آینده هوش مسوی بالاخره هم خودت کار کردی تو این حوزه هم میدونم که نگاههایی به آینده این موضوع هم داری تو د تا بخش یکی در حو حوزه همین حوزه کسبوکار خودتون پیشبینیهای آیندت چیه یعنی فکر میکنی چه اتفاقاتی میفته احتمالاً و بالاخره حوزه شما یه سری صنایع رم تحت تاثیر قرار میده مثل همین صنعت انتشارات مثلا و حالا بیرون از این حوزه هم بعد میپرسم ازت که مثلاً احتمالاً پیشبینی ها و سلوشن هایی در بیرون از این حوزه هم داری حتی ممکنه حتی خودت دایورس فای بخوای بکنی احتمالاً این بیزینس باید دایورس افای کنی یا پیوت کنی این پیوت و دایورس افای به کدوم سمت خلاصه
مهران ضیابری: عرض کنم خدمتتون که خب ترجمه ماشین اساساً خب بازار ترجمه و نشر رو که دست خوش تغییرات کرده بود ما حتی یکی از استارتاپهای خیلی بزرگ حالا اونایی که یه مقدر قدیمیتر با این مترجم سرکار داشتن احتمالاً بشناسن اسم نمیبرم الان که شاید خودشون تمایل نداشته باشن سه چهار ساله که دیگه تو بازار نیست و همون سه چهار سال پیش اومد با ما صحبت کرد که آقا من که میدونم در واقع یکی دو سال دیگه منو از این بازار قراره پرتم کنین بیرون پس بیا همین الان با هم یه توافق کنیم من پیکرم بهت بفروشم حداقل همین الان یه پول نقدی بگیرم من پیوت میکنم در واقع تو یه حوزه دیگه حالا پیوت کردن تو حوزه ترجمه رسمی که خب عملاً ترجمه رسمی ترجمه نیست دیگه ترجمه رسمی عملاً اون مهرس و کارای رسمی که داره انجام میشه
مهران ضیابری: ولی خب من همیشه به دوستانی که حالا نگران بحث مشاغل هستن که دست خوش تغییر هوش مصنوعی قر میگم همیشه میگم خب مگه اون زمانی که ماشین اختراع شد گاریچی از گشنگی مردن خب اونا هم رفتن رانندگی یاد گرفتن دیگه یا مثلاً موقع که انقلاب صنعتی شد مگه همه کارگرا از بین رفتن انسان توانایی تطبیق رو داره پس ما همیشه میتونیم از مواهب استفاده بکنیم مخاطرات رو اونقدری بهشون چیز نکنیم تو آینده هوش مصنوعی هم حالا اون نمودارهایی که آینده پژوها در واقع دارن ارائه میکنن حالا ایجی آی شاید بگیم در واقع غایت نیست ایجا ی چیزی که خیلی به زودی احیاناً بهش می ما بحث سینگولاریتی رو خواهیم داشت بحث ممزوج شدن انسان و ماشین رو خواهیم داشت بحث ابر انسانها رو بعد از اون خواهیم داشت اینا چیزایی هستش که مال همین ۱
مهران ضیابری: پون ۲۰ سال آینده است زیاد دور نیست و از الان باید در واقع واسه چرخههای مختلف تغییرات خودمون رو آماده بکنیم و شاید بگیم دیگه اینا بحث آینده پژوهی نیست چون ۲۰ سال دیگه آینده حساب نمیشه ۲ سال مال همین نسل فعلی خودمون یعنی تو زندگی خودمون اینها رو خواهیم دید پلنت کرد در واقع توی مغز که همین الان داره انجام میشه بحث در واق درمان کوری دقیقا همه اینا داره رخ میده و چیزایی که دیگه همون جور که یک روزی این یک روزی که میگیم دقیقاً ۲۰ سال پیشه دست گرفتن یک تجهیزی به اسم در واقع تلفن همراه ساچ واو بود همه میگفتن عجب چیزیه و الان همه بچه از مگه می مگه میشه
مهران ضیابری: ا همچین چیزی وجود نداشته باشه الان مثلا ما رو مسخره میکنن دیسکت چیه سیدی چیه اینا چیز بدیی شد برای ماهم همین خواهد شد در واق پیش پسرم از من میپرسید ویدو چی بوده من تعجب ویدو همی ۲۰ سال هنو زمانی ب برای ماها نسل ماها خیلی چیز جالبیه که ما هم دوران کاملاً سنتی قبل از اینترنت و قبل از کامپیوتر دیدیم هم دوران امروزی که با یه سرعت وحشتناکی داریم رشد میکنیم و توی زمینه حالا کسبوکار خودمون خب ماهم میدونیم ترجمه ماشینی عملاً دیگه نمیشه روش به عنوان یک کسبوکار اساسی حداقل حساب کرد یه سری حواشی داره که هنوزم در واقع از اونا کسب و درآمد داره میکنیم تولید محتوا کماکان چیز هست بحثهای هرچند که تو بحثهای سو هم الان هوش مصنوعی خیلی خوب داره کار میکنه
مهران ضیابری: ولی کماکان انسان تو این حوزهها ولی خب طبیعتاً کسب درآمد آنچنانی نمیشه از اون حوزهها داشت الان چیزی که ما خودمون تمرکز کردیم با توجه به حالا مسئولیت دیگهای که حالا من تو سمت سازمان نظام صنفی دارم و مباحثی که داریم رصد میکنیم کار شرکتهای مختلف و مباحثی که تو نیازهایی که تو سطح حاکمیت داریم نیازهایی که تو سطح در واقع چیز داریم اومدیم روی دست گذاشتیم روی مبحثی که تو کشور بهش پرداخته نشده و نیاز مبرم بهش وجود داره اونم بحث مهندسی هوش مصنوعی همین دیروز اتفاقاً جلسه کمیسیون آی دکتر مینایی رئیس ستاد هوش مصنوعی مهمون ما بودن یکی از مباحثی که باشون مطرح کردیم اتفاق همین بود که تمام ارکان در واقع آموزشی و تمام ارکان در واقع تصمیمگیری به سمت آموزش علم هوش مصنوعی معطوف هستن یا نهایت آموزش مدیران و آموزش
مهران ضیابری: در واقع افراد برای اینکه آشنا بشن با اینکه هوش مصنوعی چی هست و چی نیست اما مهندسی هوش مصنوعی یک علمیه که نه تو کشور بهش پرداخته شده نه تو دنیا چندان بهش توی به صورت حالا نظامند آکادمیک بهش پرداخته میشه به خاطر اینکه توی دنیا بحث مهندسی هوش مصنوعی در اختیار ای دبلیو اس و جی سی پی گوگل و آژور مایکروسافت میذارن و خود اون شرکتها یا حالا چند تا شرکت دیگهای که در واقع تو حزه املا اپس و اینها کار میکنن عملاً دارن به شرکتها و به محققین و دیتا ساینتیستها دارن میگن آقا شما این حوزه رو ولش کن شما دانشمند داده باش شما هوش مصنوعی رو توسعه بده اینا با ما اینه که اینا با ما یعنی چی کل چرخههای آموزش کل چرخههای سرویس و عرض کنم خدمتتون که رس ندن محصول
مهران ضیابری: هوش مصنوعی به یک محصول پایدار مقیاس پذیر و عرض کنم خدمتتون که توتال سولوشن عملاً که بتونه خدمت بده خب ما تو ایران چون امکان استفاده از ای دبلیو و جی سی پی آژور رو نداریم پس باید ی جایگزینی واسش داشته باشیم دیگه توی حالا یکی دو سال گذشته به دلیل حمایتهایی که حالا معاونت علمی انجام داد و ستاد اقتصاد دیجیتال و ستاد هوش مصنوعی انجام دادن بحث توسعه هوش مصنوعی تو کش کشور خیلی خوب شد یعنی در واقع حمایتی که از بحثهای زیرساختهای پردازشی انجام شد و اینها مدلهای هوشم سونی الان زیاد شدن یا کاریی که توی دانشگاههای علوم پزشکی داره انجام میشه ما انبوه زیادی اصلاً جالبه که علوم پزشکی نسبت به بقیه رشتهها حتی رشته کامپیوتر دارن خیلی بهتر تو هوش مصنوعی محصول تولید میکن
دکتر مهدی محمدی: خی یادم حتی تو الوم پزشک شیراز ما یه تیم خیلی خوبی داشتیم رو حز هوش مصنوعی کارای جالبی هم کردن همون زمان کرونا و اینا سرویس آوردن بالا
مهران ضیابری: ب کارای خیلی خوبی داره انجام میشه ولی خب نتیجشو تو جامعه میبینیم هیچه تقریباً نزدیک به صفره چرا به خاطر اینکه تو لایه آخر که لایه فینیشینگ لایه که شما میخوای سرویس بدی لایهای که میخوای حالا بیای با دیتاهای اساسی سر کار با بیگ دیتاها سر کار بزنی با بحثه امنیت این موضوع با وسه حریم خصوصی با حالا دیگه شرکتا لک آف نالج اساسی دارند یعنی اساساً با ادبیات موضوع هم حتی آشنا نیستن چه برس این کهه بخوان در واقع روی اون موضوع سرویس دادن خیلی از شرکت رو ما داریم میبینیم که مثلاً محصول خیلی خوب کیوای سی داره خب کیوای سی یکی از اون چیزایی که مردم دارن استفاده میکنن تو شبکه بانکی توی بحث بورس جاهای مختلف مردم دیدن کوای سی همون چیز هست که تصویر صورتتو میگیره ی مکالمه میکنه شناسایی میشه
مهران ضیابری: احراز و هویت میشی اح ولی تو حوزه سرویس که مییم میبینیم که هزینههای سرویسدهی خیلی بالا سرویسها ناپایداری زیادی دارن بحث اطمینان در واقع پایینی دارن و اینا مسائلیه که تو دنیا عملاً اون سه تا شرکت اصلی و چند تا شرکت دیگه دارن در واقع سرویس زیرساختی سرویس زیرساختی شو فراهم میکنن به خاطر همین ما حالا به واسطه تجربهای که از قبل داشتیم خب ترگمان اولین شرکتی بود که توی ایران اساساً اومدش رو بحث جی پی یو فارم ها و زیرساختهای پردازشی و اینها کار کرد و اولین سرویس ترجمهی که ما داشتیم خیلی جالبه همون طرفهای سال ۹۰ ۹۱ ما یک سرویسی داشتیم که مبتنی بر یه محصول اپن سورس بود ۲۴ بار در روز به طور متوسط کرش داشتیم ولی خب کارب متوجه این کیفیت سرویس پایین نمیشد ولک کیفیت سرویس بالا رو میگرفت
مهران ضیابری: به خاطر اینکه از لایههای بالاتر در واقع اومده بودیم بحث کرش شو در واقع پشت پوشش داده بودیم یا همین بحثهای جی پی یو فارم خب یک تجربه انباشته زیادی برای ما از سال ۹۴ ایجاد شد که چه شکلی با جی پی یو های ارزون قیمت هم کلاستر اینگ شونو انجام بدیم هم بحث جی پی یو شیرینگ رو بتونیم اشتراکگذاری جیپی رو کنیم یا اخیراً تو بحث ال ام ها حالا ال امی که با همکاری چ تا شرکت در واقع انجام شد ما یک تجربه خیلی گران قیمتی به دست اومد توی کشور مبنی بر اینکه چه شکلی چار تا شرکت بدون دسترسی مستقیم به سخت افزار میتونن در واقع با همدیگه همکاری بکنن لای دست و پای همدیگه نرن و
دکتر مهدی محمدی: چ بود این چهار تا
مهران ضیابری: ترگمان بود عصر فناوری دانش شرکت داد ماتک و شرکت پارت ما چهار تا با همدیگه یه الی رو توسعه دادیم ولی خب انقدر سرعت رشد اینها بالاست که شما کاری که ۶ ماه پیش انجام میدی الان دیگه ی اسب بازی حساب میشه اصلا فا ده خاصی نداره به خاطر همین ما تمرکزمون الان گذاشتیم روی هم توسعه یک محصولی توی این حوزه که تحت عنوان محصول سکوی بومی دماوند شناخته میشه که حالا سرویس جی پی یو ابریه سرویس جی پی یو نمیشه بهش گفت سرویس زیرساخت هوش مصنوعی روی سرویسهای ابری زیرساختی که حالا شرکتهایی مثل پارت و مثل گرین وب و اینا ارائه میکنن سوار میشه
دکتر مهدی محمدی: آره روی اون پلتفرمی سخت افسی سوار میشه
مهران ضیابری: پلتفرم نرمافزاری در اختیارشون در اختیار میذاره و در عین حال چیز دیگهای رو که ورود کردیم بهش بحث بله دماوند بحث امنیت دادهها و امنیت سرویس هست توی سطوح مختلف ما یه سری جا داریم مثل ارگانهای نظامی خب بحث امنیت اونجا اصلاً یه مدل تعریف میشه انرژی اتمی یه مدل تعریف میشه میایم توی حالا یه مقدار پایینتر توی فولاد توی نفت یه مدل تعریف میشه میایم توی کتابخونه ملی باز یه مدل دیگه در واقع تعریف میشه به هر حال ما همیشه امنیت دادهها رو داریم امنیت سرویسها رو داریم اومدیم در واقع از مدلهایی که الان عملاً باید بگیم تو سطح دنیا بیشتر خود ان اس ا نشنال سکوریتی اجنسی آمریکا در واقع داره روش کار میکنه روی بحثهای معماریهای بدون اعتماد ی در کار میکنیم که بتونیم هم تضمین امنیت دیتا بدیم یعنی نه اینکه تأمین امنیت دیتا کن
دکتر مهدی محمدی: آره زیرو
مهران ضیابری: حالا زیرو تراست شاید این ذهنیت ایجاد بکنیم چون زیرو تراست چیز مفهومی هست که تو دنیای شبکه شناخته شده است و و ممکنه ذهنیت اشتباه ایجاد بکنه زیر تراس تو دنیای هوش مصنوعی خیلی جلوتر و تعاریف پایهی تری داره نسبت به زیرو تراست توی دنیای شبکه یه مدل بلوغ سازمانی هست تحت عنوان زد تی ام ام زیرو تراست در واقع مایگریشن مدل که این بلوغ سازمانی توی سازمانهای مختلف تعریف میشه وابسته به نیاز حالا سازمان برای اینکه اساسا چه شکلی با دنیای هوش مصنوعی خودشون رو عجین بکنن از صفر حکمران داده توی اون در واقع سازمان تا اینکه اساساً چه شکلی باید مناقصه برگزار بکنه و چه شکلی آ پی بنویسه چه شکلی این آرف پی رو حالا تحویل بگیره با شرکتها ج باید چه شکلی تعامل بکنه که بتونه با این معماری امن با
مهران ضیابری: این معماری که در واقع هم امنیت داده براش ایجاد میکنه هم امنیت سرویس ایجاد میکنه بتونه خودش رو تطبیق بده
دکتر مهدی محمدی: بگن نکته کلیدی همینجاست دیگه الان چند وقتی هم هست بالخره سازمان ملی هوش مصنوعی هم یه ایدهای تتان اپراتورهای هوش مصنوعی تو ذهنش هی بالاخره بالا پایینم دارن میکنن ولی نکته کلیدی توی داستان اپراتوری نقاط داده است دیگه یعنی مثلا شما یه جاهایی دارید مثل مثلا سازمان تأمین اجتماعی که اونجا نقطه تجمع داده هاست دادهها مهمن بحثهای امنیتی داره و به این راحتی اصلا تقریبا غیرممکنه که داده رو در اختیار یه سرویس بخش خصوصی قرار بده احتمالاً این سلوشن که شما داری میگی این امکان رو فراهم میکنه که این سرویس در درون همون سازمان روی دادههای همون سازمان بدون اینکه اون داده بتونه لیک بکنه اتفاق میفته درسته
مهران ضیابری: دقیقاً همین طوره یکی از مسائلی که اتفاقاً ما حالا تو جاهای مختلف مثل مجلس و مثل خود سازمان ملی وشمس شورا فضای مج جاهای مختلف بحثش داشتیم این این که خب مجلسی زحمتی کشید طرح دوام یا طرح دادههای باز ملی رو در واقع تصوب کرد نزدیک به ۲ سالم ازش میگذره حتی آی نامههای اجرایش ایجاد شد سازمان فناوری اطلاعات یه سری مسئولیت به عهده گرفت ولی خب هیچ اتفاق خاصی نیفتاد ما عملاً هیچ داده به درد بخوری رو آزادست نکردیم میریم داخل موضوع میشیم و در واقع آسیبشناسی میکنیم که مشکل چی بوده که طرح به این خوبی که اومده حتی در واقع جرائم در نظر گرفته و یک سری درم سنگینم در نز تا حد انفصال از خدمت برای کسایی که درق آزاد رسانی نمیکنن اما چرا اتفاق نمیفته یکی از مدیران یکی از شرکتهای
مهران ضیابری: معظم دولتی شاید علاقهمند نباشن اسمشونو ببرن تو یکی از اندیشکدهها یه حرف خیلی خوبی رو زد اتفاقاً خود نمایندگان طراح طرح هم در واقع بودن توی اون جلسه گفتش که من مدیر آیتی شرکت فلان شما این قانونو نوشتی و من اگر اجراش نکنم انفصال از خدمت میخورم ولی حقیقت امر اینه که من ترجیح میدم انفصال از خدمت بخورم توی گونی نرم چون شما قانون معارض امنیتی هم در واقع داری و من اینو انفصال از خدمت به گونیی ترجیح میدم این در واقع باعث میشه که خب خیلی جاها و مخصوصاً دی نگاههای حراستی که وجود داره که خیلی هاشونم متأسفانه نگاه امنیتی سازی اضافه است واقعاً دادههایی که اساساً امنیتی نیستند یا دادگان که میشه
مهران ضیابری: راحت با گمنامسازی لایه امنیتی شو حذف کرد اینا رو حراست ها در واقع روش دست گذاشتن و عملاً اجازه خروج نمیدن توی مدل در واقع چیز خیلی جالبه حالا این ما توی ایران شاید نگاه بکنیم که خب به خاطر مسائل سیاسی یا مسائل به این صورت در واقع هستش که بحث حراستی امنیت در واقع زیاد میشه اما خب تو دنیا ما علاوه بر مسائل سیاسی و مسائل رقابت رقابت تجاری سنگین داریم یعنی ما مثلاً توی جیتکس بچهها صحبت میکردن با شرکتها اونها هم همین در واقع دغدقه دارن که آقا من حالت دغدقه اینجا دغدقه من بیزنسی من دیتامون میخواد از سازمان من بره بیرون به خاطر اینکه رقیب من به این داده دسترسی پیدا نکنه یعنی فقط بحث امنیت در واقع اطلاعات و بحث نمیدونم سیاسی نیست
مهران ضیابری: حالا یه تجربه چیز بگم خیلی جالبه که برادر خانم من خب آمریکا ساکن هستن توی شرکت کار میکنن یکی از کارای اساسی که این شرکت انجام میده خیلی جالب بود برای ما اصلاً اول که تعریف میکرد نمیفهمیدیم میگفت ما کارمون جستجو برای شرکت اینله اینتل جستجو توی گوگل برای تمام کارمندا ممنوعه حق ندارن از گوگل استفاده کنن خب کجا باید جستجو کنن میده ما براش جستجو میکنیم به خاطر اینکه در واقع ما میایم در واقع به صورت ستریب وتد به صورت با افراد مختلف اون جستجو رو برای اینتل انجام میدیم نتیجه نتیجه رو به اینتل تحویل میدیم برای اینکه در واقع اینتل نگران اینه که اطلاعات خودش در در اختیار شرکتی مثل گوگل که تازه جالب اینجاست که حالا گوگل و اینتل میگیم تو د تا سگمنت مختلف حوزه آیتی دارن کار میکنن ولی در
مهران ضیابری: این حد هم حتی در این حد هم بحث امنیت اطلاعات براشون مهم هست و اینجاهم همینه ما در واقع داریم میگیم که حالا ما بیایم دادهها رو توی ردههای مختلف دسته بندی بکنیم یه رده میشه دادههای در واقع محرمانه کاری با اونا نداریم بحثشون اصلا کاملا جداست یه ردم میشه دادههای حساس و دادههایی که حوزه حریم خصوصی در وا ما دادههایی که با حریم خصوصی در ارتباط هستم مثل همون تأمین اجتماعی مثل در واقع دانشگاههای علوم پزشکی به دادههای حساس در واقع تبدیل میکنیم که خب یه جور باید باهاشون رفتار کرد میایم از اون سر طیف یه سری دادهها هستن دادههای عمومی آقا اینا رو اصلاً باید مشخص بکنیم و بحثی که حالا ما با سازمان هوش مصنوعی اتفاقاً داشتیم که ما بیایم دادههای عمومی رو مشخص بکنیم مارک بکنیم آقا اینا دادهها اساساً عمومیه
مهران ضیابری: اساساً باید کاملاً عمومی منتشر بشه یه سری دادهها حالا عمومی نیست میشه روی که این قانون جدید اتحادی اروپا یوآی اکت که همین تازگی هم منتشر شده اونم اومده چار تا سطح کرده سطح اولو کلاً ممنوع کرده سطح دومو حساس گفته یه سری ملاحظات گفته سطح سومو سادهتر کرده سط چهارمم که کلاً اپن دیتاست دیگه در واقع ما داریم همین کارو میکنیم میشه سطحبندی کرد آره ما بیایم میگیم در واقع دادهها سطحبندی بشن مدلها سطحبندی بشن سرویسها سطحبندی بشن و بر اساس اون سطح حالا در واقع سلوشن مختلفی رو میشه پیادهسازی کرد از سولوشن پابلیک دامین تا سولوشن در واقع حالا اینکه ما بیایم تو سازمان مثلاً زد تی ام ام به وجود بیاریم یا اینکه اساساً بریم حالا محرمانگی داره و موارد خاص خودش
دکتر مهدی محمدی: بعد حالا ب علاوه بر این موضوعات خودت پیش بینیت برا آینده کاربردای هوش مصنوعی به ویژه توی ایران چیه یعنی مثلاً فکر میکنی چه بازارهای هدفی الان پر پتانسیل برای ورود سلوشن هوش مصنوعی مثلاً میگم مثال دارم میزنم مثلاً میگیم استفاده از چت پاتا برای پشتیبانی از مشتریان یه پتانسیل خیلی خوبیه همین الان بانکها یه سری مجموعهها رفتن سراغش موضوعات دیگه از این جنس منظورم
مهران ضیابری: ببین ما یه سری کاربردهای واقعی داریم یه سری کاربردهای رومیز و هایپ در وا کاربردای از جنس چت بات که خیلی هم زیاده و مدام دارن بانکها و سازمانهای مختلف مناقصه میذارن و خیلی وقتا متأسفانه مناقصه میذارن خنده داره یعنی اصلاً اسم چت باتو شنیده کل آرف فی میخونی اساسا ربطی به چت پات نداره بگو من جویشگر میخوام چرا میگی مثلاً چیز این استفاده رو من عملا میگم استفادههای در واقع هایپ و چی میگن نقل نبات نقل نباته فقط بگیم که حالا ما داریم با هوش مصنوعی کار می
دکتر مهدی محمدی: ما تو دسته بندی پروژههای توسعه محصولی به اینا میگیم نون و کره خلاصه
مهران ضیابری: آره دقیقا اما ما یک سری پروژههای دیگه داریم در دو جنس یه سری پروژهها داریم همین امروز رو میزه و و میتونه یه تحول اساسی ایجاد بکنه بالاخص داخل ایران نه فقط تو حوزه هوش مسون از هوش مصنوعی داریم استفاده میکنیم برا مثل مثلاً حوزه نفت خب ما به خاطر مسائل تحریمها به خاطر قدیمی بودن در واقع تجهیزات مون به خاطر دسترسی نداشتن به فناوری جدید و یا گرون قیمت بودنش نتونستیم چیز بکنیم راندمان مون خیلی پایینه تو حوزههای مثل نفت حوزههایی مثل گاز تو حوزه مخصوصاً کشاورزی تو حوزه دامداری تو حوز تو خیلی از حوزههای صنعتی در واقع هستش که ما راندمان بسیار پایینی داریم و استفاده از هوش مصنوعی و هوشمندسازی ترکیبشون با همدیگه یعنی هم آیو تی هم هوش مصنوعی با همدیگه میتونه یه تحول اساسی ایجاد بکنه الان توی دنیا مخصوصاً
مهران ضیابری: تو حوزهای مثل نفت که حالا آمارا دقیقتر ارائه میشه ما افزایش راندمان های ۱۵ رو به عنوان در واقع خروجیهای از آرامکو و امثال هم داریم میبینیم که این ۱۵ تو صنایع ما کف افزایش راندمان حساب میشه با توجه به تجهیزات مون قدیمی هست یا مثلاً تو حوزه فولاد بحث استفاده از سافت سنسورها سنسورهای نرم به جای اینکه ما سنسور سخت افزاری بخریم که هر س ماه یه بار باید عوض بشه و هزینههای خیلی بالایی داره ما میتونیم از سنسورهای نرم مبتنی و هوش مصنوعی استفاده بکنیم و راندمان در واق خ
دکتر مهدی محمدی: چی دقیقاً سنسورهای نرم
مهران ضیابری: سنسورهای نرم سنسورهایی هستن که میان حالا از سنسور سخت شروع کنیم سنسور سخت خب داره میاد پارامترهای مختلفی مثل مثلاً میزان کربن مث چ ای ار اندازهگیری میه و حالا یری فرامین صادر میشه که م ا پی سی ای فرامین صادر بکن که مثلا اصلاحاتی انجام بشه خب یه سنسوری که سخت افزاری باشه و مواد شیمیایی سر کار داشته باشه طول عمر خیلی کوتاه مدتی داره چون مواد شیمیایی هستش دیگه شما هر مثلا ه ماه یه بار باید مثلا ه میلیارد تا ۵ میلیارد مثلا بدی اون سنسور عوض بکنی تا اگر بتونی از بازار تهیه بکنی مسئ تحریم نداشت باشه صاف سنسور میاد یک دوره زمانی ارزیابی میکنه فعالیت خود در واقع هاردور سنسور رو و در عین حال سایر شاخصهایی که تو محیط بودن مثل مثلا تنش بوده ولتاژ بوده حالا چیزی دیگه
مهران ضیابری: بودن همه اینا رو میاد ارزی میکنه برا یه مدلی رو میسازه و عملکردی با دقت نزدیک به ۹۰۰ ۹۵ همون سنسور راز نداری
دکتر مهدی محمدی: دیگه یش مصنوعی دیگه یه حش مصنوعی پیشبینی کننده ب جای اون سنسور با دقت بالا چیز میکن
مهران ضیابری: دقیق و خب هزینه به شدت میاد پایین راندمان در واقع میره بالا و از این این جنس کارها در واقع یا مثلاً الان دوستان توی بحث کشاورزی هوشمند دارن اعداد و ارقام خیلی بالایی رو چیز میکنن در حدی که شما هزینهای که همین الان این چیزی که دار میگم کیس واقعی هست داره انجام میشه تو همین کشور داره انجام میشه هزینهای که یک در واقع دامپروری متوسط داره انجام میده برای تأمین تجهیزات هوشمندسازی دامپروری ظرف ۲ ماه بهش برمیگرده بقیش دیگه کلاً سوده یعنی تو ۲ ماه کل هزینهای که واسه تجهیزات انجام داده بهش برمیگرده یا تو کشاورزی هوشمند چه تو کشاورزی های صنعتی چه تو کشاورزی های در واقع خرد حالا سنتی رو نمیتونیم بگیم چون سنتی ی ولی خب ما قاعد با توجه به کشور کم آبی هم هستیم باید بریم به سمت
مهران ضیابری: کشاورزی هوشمند کشاورزی صنعتی و باید بهره برداری بکنیم اینا مسئله روم میزه اینا چیزایی هستش که هم کشور باید روشون سرمایهگذاری بکنه که شرکتها بیان کار بکنن و هم این کهه خب پول توشه یعنی در واقع دولت لازم نیست از جیبش هزینه بکنه من وقتی که در واقع ۱ نمیگم ۱۵ ۱ ۱ درآمد یک پتروشیمی رو بتونم افزایش بدم انقدر ترنش بالاست که شاید همون ۱ به اندازه ترناب مجموع سالیانی یه شرکت در واقع اس ام ای حوزه هوش مصنوعی اقتصادیش برای مملکت خیلی بالاست میگم من تازه فقط بخش اقتصاد دیجیتال شو نگاه کردن که اگر ما میگیم میخوایم برسیم به حالا ۸ و ۱۵دی که توی برنامه برای بحث اقتصاد دیجیتال هوشمندسازی هست
مهران ضیابری: خب اینا از طریق صنایع خیلی راحت قابل تامینه به شرطی که اینجا یه مهم داره حضرات نیان از قوانین سوا استفاده بکنن الان داریم میبینیم دیگه سی وی سی تشکیل میدن شرکتی اقماری خودشونو تشکیل میدن اون بحث معافیتهای مالیاتی و بحث در واق قانون عرض کنم خدمتتون جهش دانشبنیان رو میارن عملاً تو دل خودشون دوباره پیرسازی میکنن و شرکتهای اسمی که توان اجرای این کار رو واقعا دارن میتونن اون سنتو متحول بکنن یه جورایی سرشون بیلاه مونده
دکتر مهدی محمدی: بله حالا پس ما سه چهار تا حوزه من تو لابه لای صحبتهای شما تونستم بیرون بکشم یکی بحث حوزه عام پروری و کشاورزی و اینور چیزاست که یه صنعت به شدت سنتی ریسورس محورنشان اتفاق بیفته بالاخره احتمالاً تلفات دام یا موضوعات از این چه تلفات هم محصول کشاورزی هم دامو کاهش بده حوزه نفت و گاز به ویژه احتمالاً صنعت پتروشیمی میتونه
مهران ضیابری: معدن فولاد
دکتر مهدی محمدی: آره حوزه معدن و فولاد خیلی پتانسیلی خوبی داره همین چالشی که همین چند وقت اخیر برای معدن دارا متسفانه اتفاق افتاد واقعاً حادثه دردناکی هم بود با یه در واقع تحلیل ساده هوش مصنوعی و یه سری سنسور ساده آیو تی واقعاً این از این جور خسارتها میشه پیشبینی پیشبینی کرد و جلوگیری کرد نکته کلیدی در واقع بیزنس مدل این شرکتهایی که این سلوشن رو میخوان ارائه کنن نگاه کنین بالاخره بخشی از این پروژهها این هزینه داره مثلاً الان خب تو شرکتهای ایرانی هم که عمدتاً ما میبینیم شرکتی بزرگ ایرانی اشون گرو نشونه یا حدا حداقل ادای اینو درمیارن دیگه با توجه به وضعیت اقتصادی مم چه سلوشن بیزینس مدلی میشه پیشنهاد داد یعنی مثلاً یه وقتی هست
دکتر مهدی محمدی: من میگم من یه سلوشن پروواین هوش مصنوعی مثلا میام توی کاهش بهرهوری با شریک میشم یه سلوشن میارم پایین بالا برات مثلاً برابری توو میارم پایین توی میزان یعنی ببخشید منظر برابری توو میبرم بالا هزینت تو کاهش میدم توی کاهش هزینت باهات شریک میشم خلاصه یا مدلای دیگه خلاصه روی تو اینا فکری کردین که احتمالاً ما آینده باید به سمت چه نوع بیزنس مدلهایی حرکت کنیم
مهران ضیابری: بله ببینید اینجا استثناً مدلی که توی ایران قابلیت بهره برداری داره با مدلایی که تو دنیا مرسوم هست مقدار زیادی متفاوته مخصوصاً به خاطر اینکه ما اقتصادمان [عبارت نامفهوم در زیرنویس] اقتصاد دولتی هست خصوصی هامونم دوباره خصو خصولتی هستن و نگاهها نگاههای دولتی از بجه بودجه محور هست مدلهای مختلفی وجود داره مهمترین مدلی که در واقع پیش بینیم پیشنهاد میشه اتفاقاً همین مدل شراکت هست ما چندین بار به جاهای مختلف اتفاقاً این پیشنهاد دادیم که ما حاضریم کل مبحث تحول دیجیتال سازمان رو از لایه سنسور انگش بگیریم تا هوشمند سازیش رو در واقع بیاییم و مجاناً در واقع پیادهسازی بکنیم نخص از محل افزایش تولید و از محل در واقع افزایش بهرهوری در واقع بتونیم حالا هم هزینهها مونو مستهلک کنیم هم با همدیگه در واقع سود ببریم جفتمون اما خب این احتیاج به یک
مهران ضیابری: بلوغ مدیریتی داره یعنی سنگی که اینجا واسه ما وجود داره طول عمر کوتاه مدیریت در کشوره متأسفانه طول عمر مدیریت در کشور سقفش ۲ ساله حالا به طور و معمولاً داریم میبینیم حتی ۳ ماه و ۶ ماه داریم توی مدیران و یک مدیری که به این صورت هست خب میگه من چیزی که داره کار میکنه اصطلاحاً دست نزنم بهش دیگه این دار داشته کار میکرده این شرکت شت میاد و پس فردا یک دیتایی نشت میکنه و دودش تو چشم من میره یعنی همه در واقع ترس این موضوع رو دارن چیزی که ما الان با سازمان هوش مصنوعی و با ستاد هوش مصنوعی اتفاقاً داریم رایزنی میکنیم و از به نوعی معاونت علمی با توجه به قبلاً سابقه این کار رو داشته درخواست داریم بحث تضمین گریه ببینید ما میریم مثلاً با معادن صحبت میکنیم
مهران ضیابری: خب خودمونم میذاریم جای اونها میگیم شما ۱۰ تا شرکت هوش مسوی جمع بکنی کل ترن وور سالیانه این ۱۰ تا با هم جمعش تنخواه یه روز این معدن نمیشه خب طبیعیه که اصلا ما نمیتونیم با همدیگه دیالوگ بکنیم نمیتونیم با هم چیز کنیم اونها ترجیح میدن برن با شرکتهای بزرگ مثلاً برن با فناپ کار بکنن مثلاً ولی خب میبینیم که شرکتی بزرگ نه فقط تو ایران توی دنیا این شکله شرکت بزرگ چابکی نداره نمیتونه این کارو میتونست که بالخره فناب مدتهاست که دنبال این کاره یا حتی با شرکتهای دیگه خ دقی مدلی که ما به معاونت علمی در واقع پیشنهاد کردیم مدلی هستش که حالا تو نفت چند بار اجرا شد یا تو نانو به شدت اجرا شد اونم بحث نظام تضمین گریه اینکه آقا آی معاونت علمی شما بیا به عنوان چیز [عبارت نامفهوم
مهران ضیابری: در زیرنویس] بگو آقا من تضمین میکنم این کنسرسیوم هر کاری بکنه ممکنه به نتیجه نرسد این بالاخره این احتمالاً هست ولی خرابکاری نمیکند در واقع اجازه بده این چار تا کو کوچولو با همدیگه جمع بشن یه چیز در واقع متوسطی بسازن و بیان اینجا حداقل یه کسب تج تجربی بشه ممکنه تجربه اول اصلاً شکست بخوره تجرب دوم شکست بخوره ولی خب این رسوب دانشش میمونه این در واقع تجربیاتش میمونه و بالاخره به یک جایی به نتیجه میرسه اتفاقی که تو این نفت افتاد توی در واقع خط لولهای که در واقع چینیها کشیدن کنار معاونت علمی اومد تضمین گری کرد و یک شرکتی در واقع تأسیس شد لوله رو لوله رو در واقع تولید کرد و حالا اون لوله داره صادر میشه خب اگه این تضمین گریه نبود خب اون شرکتم هیچ وقت نمیتونست ورود کنه به موضوع
دکتر مهدی محمدی: حالا اگه بخوایم یه جمعبندی هم بکنیم روی صحبتها یه مقداری یه پروجکشن برای آینده ترسیم بکنیم حالا شاید به قول تو یه کمی بخوایم بلند نگاه بلند مدت تر داشته باشیم یعنی مثلاً ۲۰ سال ۳۰ سال آینده رو ببینیم واقعاً من که خودم یه کمی نگاهم به ساینس فیکشن میشه دیگه در واقع به قول شما ابر انسان و بالاخره احتمالاً عجین شدن هوش مصنوعی با انسان و موضوعاتی از این دست نه یه کم تو افقهای کوتاه مدت تر در دسترس تر مثلاً شاید تا یک دهه آینده به نظرت مهمترین اتفاقاتی که میفته چیه مثلاً ما خب واقعاً ۵ سال پیش فکر نمیکردیم انقلاب مثلاً این لارج لنگویج مدلا و این اینا اینجوری تحت تاثیر قرار بده فکر میکنی آیا ما از اینجور تریگر پوینت هایی اینجوری خواهیم داشت تو ۱۰ سال آینده
مهران ضیابری: ببینید چیزی که داریم میبینیم علنی داریم میبینیم اینه که شتاب تحولات تو حوزه هوش مصنوعی خیلی بالاست ما الان تقریباً میشه گفت هر ۶ ماه یک بار یک تحول اساسی بنیادین داره میبینیم که قبلیا رو داره منسوخ میکنه و حالا چیزی که من از بزرگان شنیدم و خودم درقاب نوی ارزیابی کردم این تحول تا یکی دو سال دیگه به زیر س۳ ماه میرسه یعنی ما هر کمتر از هر ه ماه در واقع یک تحول بنیادین توی این حوزه شاهد خواهیم بود و این تریگر پوینت حتماً هست یعنی درسته تحولات بنیادین ولی مثلاً همین الان تحول بنیادی که داریم میگیم تو بیشتر تو ال ال ام داره رخ میده ال ال ام و حالا حواشی ال ام یعنی حالا این بحث تولید فیلمها و تولید اینا همه محصولات جانبی دوباره خود ال امن با اینکه بله
مهران ضیابری: پردش زبان لزوماً نیستن بحث تصویر و بحث ویدیو ولی اینا محصولات جانبی ال ام محسوب میشن الان کارای خیلی خوبی که تو حوزه مطالعات ژنتیک و مطالعات شیمی روی همین ال ما داره انجام میشه خب یک تحولات بنیادینی رو توضیه دارویی توزه بله توضیه دارویی توضیه ژنتیک خواهیم دید و احتمال اینکه ما یه سری تریگر داشته باشیم ی یه سری انشعاب داشته باشیم الان هایپ رو ال همه اتفاق رو حول حش ال ام داره میچرخه یه سری تریگر دیگه داشته باشیم و یک سری در واقع فناوریهای دیگهی بیاد موازات ال ام که به اندازه ال ام تحول آفرین در واقع باشن حتما وجود داره
دکتر مهدی محمدی: این رو حوزه کوانتوم کامپیو اینگو چه جوری میبینی مخصوصاً برای حوزه اصطلاحاً پردازش گرهای نوین و افزایش توان و پردازش از یه طرف و احتمال احتمالا یوز کیس هاش توی حوزه سکیوریتی و امنیت داده هات
مهران ضیابری: کوانتوم اون هم داره با شتاب میره جلو هرچند که شتابش کند تره به خاطر هزینه ها و به خاطر پیچیدگی های خیلی بالایی که داره من نگاهم اینه که احتمالا کوانتوم و هوش مصنوعی با همدیگه ترکیب میشن یعنی به عنوان د تا چیز مستقل جلو نمیرن شاید الانم حالا مطالعات خیلی من خیلی خب کوانتوم مسلط نیستم بخوام راجع بش راحت جواب بدم ولی خیلی از چیزایی که جسته گریخته در واقع میخونم دارم میبینم که خیلی از تغییراتی که اخیرا تو حوزه کوانتوم رخ داده منتج از در واقع تغییرات تو حوزه هوش مصنوعی بوده که تونستن این کارا رو بکنن ما یک موضوع دیگه هم علاوه بر کوانتوم داریم که تقریبا میتونم بگم بهش توجه اصلاً نمیشه
مهران ضیابری: اونم در واقع بایو کامپیو اینگه حالا کوانتوم هنوز در واقع علوم علمی هستش که علم در واقع چی میگن علمی هستش که مبتنی با فیزیک و در واقع اینها داریم میریم جلو ولی سوتینگ که از چند سال پیش شاید بگیم الان بایو کامپیو قدمتش به نزدیک ۲۲۰ سال میرسه بایو کامپیوتر یه حوزه بسیار پیچیده تر خواهد بود که اونجایی که من میگم حالا مزوش زدن و ابر انسانها و در واقع ترکیبش مس کوانتوم و اینا روی بایو کامپیو خودشو در واقع بیشترین نمایش رو خواهدداشت
دکتر مهدی محمدی: دقیقا نکتهای مونده که بخوای اضافه کنی
مهران ضیابری: شاید باید بگیم غرب باید بزنیم دیگه
دکتر مهدی محمدی: اگه ر داری بزن اشکال نداره
مهران ضیابری: آقایون بجنبین بجنبین بجنبین من اخیراً اتفاقا یه مطلبی رو بعد از بیانات رهبری در دیدار با دولت نوشته بودم که بیانات رهبری یک روو داشت یه کنه داشت که آقا ۳ سال پیش یه چشمانداز مطرح شد حالا هر کی به فراخور اومد و همه سازمان ریختن آی ما باید بشیم ۱۰ تایی برتر ولی کسی نگاه نکرد خب مسیرش چیه چه شکل چیکار باید بکنیم نباید بشینیم فقط ۳ سال وقت تلف بکنیم سند بنویسیم به قول آقای دکتر مینای همین دیروز داشتن میگفتن که هر یک ساعتی که شما تو تزریق بودجه دارین ت چیز میکنین تأخیر میکنین سالها ما رو عقب میندازه اون یک ساعته یک ساعت نیست نگاه سنتی رو باید تغییر بدیم و باید به فراخور نیاز این حوزه که چابکی چابکی چابکی ا مدلی عمل بکنه
دکتر مهدی محمدی: آره واقعاً همین طوره حالا خوشبختانه آگاهی نسبت به موضوع افزایش پیدا کرده یعنی بالاخره سیگنالها فعال شده مثلاً من یادمه زمانی که من ستاد را انداختیم ستاد هوشمندسازی و دیجیتال من رفتم پیش یکی از مسئولین اسم نمیارم چون میشناسن همه کلی توضیح دادم آقا هوش مصنوعی مهمه فلان و از این حرفا آخرش گفت که آره هوش مصنوعی مهمه ولی هوش هیجانی هم مهمه مثلاً در این حد خلاصه و مسئول مرتبطی هم بود ولی الان خوشبختانه دیگه ورد زبون همه است ولی نکته کلیدی اینه که کاری با باید بکنیم حرف زدن کافیه به نظر من
گوینده نامشخص: آره دیگه با حرف و سند و اینجور چیزا چیزی تش ح نمیشه
دکتر مهدی محمدی: خلاصه خیلی خوشحال شدم ممنونم از اینکه دعوت ما رو پذیرفتی و یه گفتگوی خوبی بود کلی برای خودم یادگیری داشت انشاالله که حالا برای مخاطبای ما هم یادگیری داشته باشه بازم تشکر میکنم امیدوارم بازم همدیگه رو ببینیم بیشتر ازت یاد بگیرم
مهران ضیابری: سلامت باشید اختیار دارید
دکتر مهدی محمدی: ممنونم از اینکه با ما همراه بودید تا برنامه آینده شما رو به خدای بزرگ میسپارم ان
درباره این قسمت:
- عنوان: گفتگو با مهران ضیابری درباره آینده هوش مصنوعی
- مدت: ۵۲:۰۶
- تاریخ انتشار: ۱۵ آذر ۱۴۰۳