در رویداد تجربه محور هوش مصنوعی در صنعت چه گذشت؟ «داده» دانش با ارزش فردای دنیاست

کارگزاری مفید، پنجشنبه 28 اردیبهشت، با برگزاری رویداد تجربه محور هوش مصنوعی در صنعت، با حضور فعالان صنعت هوش مصنوعی و همچنین دانشجویان و علاقه‌مندان به این حوزه به بررسی چالش‌های هوش مصنوعی و کاربرد آن در بخش‌های مختلف صنایع پرداخت.

در این رویداد علمی که در سالن اصلی مرکز همایش‌های بین‌المللی صدا و سیما، با تمرکز بر فعالیت‌های مبتنی بر هوش مصنوعی و علوم داده برگزار شد، سخنرانی‌هایی با محور به اشتراک گذاشتن تجربیات فعالان این حوزه از شرکت‌های داخلی و بین‌المللی ارائه شد.

حمیدرضا مختاریان، مدیر تیم دیجیتال مفید در بخش نخست این رویداد، توضیحاتی درباره کشور چین به بررسی هوش مصنوعی در این کشور پرداخت و گفت: «چند سال قبل یک شرکت انگلیسی برنامه‌ای به نام آلفاگو (AlphaGo) توسط هوش مصنوعی برای انجام بازی محبوب چینی‌ها طراحی کرد.»

او با تاکید بر اینکه گو، شبیه‌سازی شده بود، گفت: «تصور غالب بعد از طراحی گو این بود که هوش مصنوعی هنوز به سطحی از پیشرفت نرسیده است که بتواند در این بازی نیز همانند شطرنج انسان را مغلوب کند.»

این واکنش به طراحی گو در حالی عنوان شده که در سال ۲۰۱۷ هوش مصنوعی موفق به این کار شد و یکی از خبره‌ترین و معروف‌ترین بازیکنان چینی در مقابل چشم همگان در بازی «گو» از هوش مصنوعی شکست خورد.

مختاریان در بخش دیگری از توضیحات خود با تاکید بر اینکه ما در ایران به computing power دسترسی داریم، گفت: «علاوه بر این دسترسی ما با کمک استعدادهای خوب و منابع مالی موجود می‌توانیم مدل‌ها را شبیه‌سازی کنیم.»

به باور او، مهم‌ترین موضوعی که در خصوص صنعت هوش مصنوعی در کشور می‌توان به آن اشاره کرد این است که ما به نسبت کشورهای اروپایی و ایالات متحده وضعیت خوبی در بحث «داده» داریم.

نگاهی به جزئیات بهره‌گیری هوش مصنوعی توسط تپسی

در بخش آغازین ارائه شرکت‌کنندگان در این رویداد یک روزه، علی الهی، مدیر واحد هوش مصنوعی تپسی به توضیح درباره تجربیات این شرکت در حوزه هوش مصنوعی پرداخت. او در توضیحات خود با محوریت «پشت هر سفر چه می‌گذرد؟» جزئیات بهره‌گیری از هوش مصنوعی توسط تپسی را هم مورد بررسی قرار داد.

الهی درباره انتخاب مبدا و مقصد، قیمت‌گذاری و تخمین زمان سفر و چالش‌هایی که هر کدام از این بخش‌ها در حوزه بهره‌گیری از هوش مصنوعی دارند، به ارائه مثال‌هایی پرداخت و گفت: «یکی از مهم‌ترین بخش‌های ارائه خدمات این مجموعه قیمت‌گذاری است.»

الهی با اشاره به 6 سال فعالیت تپسی با تکیه بر امکاناتی که هوش مصنوعی در اختیار این مجموعه قرار داده است، گفت: «امروز به نقطه‌ای رسیده‌ایم که از تمام گزینه‌های موجود داخلی و خارجی دقت بیشتری داریم. در حوزه تخمین زمان سفر و دقت آن در حال حاضر تا ده درصد دقت بیشتری نسبت به سایرین داریم. برای بیزنس ما هر یک درصد بهبود می‌تواند صدها میلیون تومان برای مجموعه رانندگان ما بهره‌مندی داشته باشد.»

درک داده‌های موجود به جای هدررفت سرمایه

سخنران بعدی این رویداد عباس حسینی، هم‌بنیان‌گذار تپسل، با تاکید بر اینکه به جای استفاده از مدل‌های پیچیده، باید داده‌های موجود را درک کرد، به هدررفت سرمایه و انرژی در تبلیغات سنتی اشاره کرد و گفت: «در تبلیغات سنتی به رسانه‌های خاصی مثل بیلبوردها وابستگی وجود دارد.»

او در ادامه توضیحات خود در این بخش گفت: «اصلی‌ترین چالش در تبلیغات سنتی هدررفت سرمایه و منابع است بدون آنکه برآورد خاصی از میزان آن وجود داشته باشد. اندازه‌گیری آورده‌ها یا هزینه‌ها و در واقع بررسی به صرفه بودن مسیر انتخاب شده، تقریبا در این نوع از تبلیغات غیر ممکن است.»

به باور حسینی، در صورتی می‌توانیم بگوییم یک شرکت از هوش مصنوعی استفاده می‌کند که به همه فاکتورهای این حوزه توجه کرده باشد.

هم‌بنیان‌گذار تپسل در ادامه گفت: «در همین راستا، تیمی که هوش مصنوعی را در تپسل توسعه می‌دهد برای رسیدن به مدل فعلی و اینکه بتواند روزانه یک میلیارد «ایمپرشن» را مدیریت کند، ۵ نسل هوش مصنوعی را طراحی و به روزرسانی کرده است.»

اثر تحریم بر مطالعات ژنتیک با هوش مصنوعی

دامون نشتاعلی، مدیرعامل شرکت هومن ژن پارس سخنران بعدی این همایش، از کاربرد هوش مصنوعی در مطالعات مربوط به ژنتیک و تجربه‌‌های کاری خود در این زمینه گفت.

او با اشاره به اینکه ما در هومن ژن پارس سعی کردیم به داده‌هایی که اغلب دورریزهای سیستم‌هایی بودند که مطالعات روی دی ان ای را انجام می‌دادند، دسترسی پیدا کنیم، گفت: «این موضوع برای بیماران ژنتیکی بسیار اهمیت دارد که تغییرات داخل نقاط مورد مطالعه در بررسی‌های ژنتیکی به درستی تحلیل شود. این روند کمک می‌کند که علت بیماری ژنتیکی هم کشف و استخراج شود»

او به مشکلاتی که تحریم‌ها برای فعالیت در زمینه مطالعات ژنتیک در کشور ایجاد کرده هم اشاره کرده و گفت: «برای مطالعات با درصد خطای پایین و دقت بالا در حوزه ژنتیک به یک دستگاه توالی‌یابی نیاز داریم تا به آلفابت اصلی دست‌ پیدا کنیم.»

به گفته او، به واسطه تشدید تحریم‌ها، این دستگاه‌ها و کیت‌های مربوط به این مطالعات، در ایران بسیار نادر شد و چالش اصلی حالا این است که قیمت این دستگاه حدود یک میلیون دلار است که هم خود دستگاه و هم سوخت مورد نیاز آن در حال حاضر تحریم است.

طراحی یک مدل اختصاصی هوش مصنوعی برای کارگزاری مفید

علی زارع‌زاده مدیر تیم هوش مصنوعی کارگزاری مفید، ماجرای طراحی یک مدل اختصاصی در این مجموعه را روایت کرد و با اشاره به اینکه در سال ۹۹ از نسخه اولیه هوش مصنوعی مفید، رونمایی شده است، گفت: «در این فرآیند، اصلی‌ترین مساله تشخیص زنده بودن تصویر بود که برای آن یک ماژول طراحی شده است که به خوبی می‌تواند این مساله را حل کند.»

او با توضیح درباره این هوش مصنوعی گفت: «در واقع تلاش ما در کارگزاری مفید در این مسیر پیش می‌رفت که نرخ پذیرش اشتباه به صفر برسد؛ نرخی که در آن مقطع روی تستر خودمان حدود دو درصد بود.»

زارع‌زاده در خصوص تجربه بهره‌گیری از امکانات اوپن سورس در این مسیر نیز گفت: «ناچار بودیم که صوت‌ها را به متن مکتوب تبدیل کنیم تا بررسی آن‌ها آسان‌تر شود. همه می‌دانیم دستیار صوتی گوگل این امکان را فراهم کرده و استفاده از آن می‌توانست برای ما یک مزیت باشد اما تبدیل گفتار به متن توسط گوگل به ما نشان داد که این ابزار گوگل با درصد خطای ۸۰ درصد، ابزار قابل اتکایی به شمار نمی‌آید.»

او در ادامه به نتایج این تلاش‌ها اشاره کرده و گفت: «در این روند بارها و بارها دست به اصلاح قانون‌هایی که خودمان طراحی کرده بودیم زدیم و بعضی ساز و کارها را به طور کلی بازنویسی کردیم و در نهایت به مدل اختصاصی خودمان رسیدیم: «درصد خطا را از ۸۰ درصد به ۲۰ درصد کاهش دادیم و تعداد خطاها را در یک صوت مشخص از ۸۴ خطای موجود در دستیار صوتی گوگول به ۴ خطا در دستیار صوتی مفید رساندیم»

چالش‌های یادگیری عمیق در صنعت

در ادامه محمد شکوهی یکتا، دانشمند ارشد مایکروسافت و استاد دانشگاه استنفورد که به صورت آنلاین در نشست حضور پیدا کرد از چالش‌های حوزه یادگیری عمیق در بخش‌های صنعت و پزشکی سخن گفت و برخی از تجربیات جهانی در این زمینه را مرور کرد.

شکوهی یکتا در سخنان خود با اشاره به اینکه داده‌ها روز به روز در جهان بیشتر می‌شوندگفت: «آمارها می‌گویند ۹۰ درصد داده‌ موجود در بانک‌های داده جهانی در دو سال گذشته ایجاد شده است. این آمارها نشان می‌دهد میزان رشد داده به صورت نمایی در حال افزایش است و این روند در آینده هم تشدید خواهد شد.»

شکوهی یکتا در خصوص بهره‌گیری از هوش مصنوعی در حوزه سلامت با طرح سوالی از حضار مبنی بر اینکه یادگیری عمیق بیشتر جان انسان‌ها را نجات می‌دهد یا پزشکان؟ گفت: «می‌توان این پاسخ را داد که ترکیب این دو با هم برای تحول در حوزه سلامت نیاز است. امروز بیش از 1.2 میلیون نفر در دنیا، هر سال به خاطر تصادف از دنیا می‌روند. ماشین لرنینگ می‌تواند جان میلیون‌ها نفر را نجات دهد.

به گفته او بر این اساس می‌توان چند دهم ثانیه قبل از تصادف، رخداد آن پیش‌بینی شود. بعد از این تشخیص ماشین باید روی ترمز بزند و کمربند سرنشینان را محکم کند یا ایربگ را باز کند.

مسائل موجود در صنعت پیچیده نیست

پیام اسفندیاری مدیر سابق بلوبانک سخنران دیگر همایش بود که سخنرانی خود را با محوریت هوش مصنوعی توضیح پذیر ارائه کرده و در بخشی از سخنان خود گفت: «شیوه درست استفاده از هوش مصنوعی مدام به روز رسانی‌ می‌شود. برای مثال در گذشته تعدد داده‌ها می‌توانست برای یک مدل مزیت محسوب شود. اما بعد از گذشت مدتی، این طراحی درست یک الگوریتم بود که ارزش پیدا کرد.»

به باور او امروز به نظر می‌رسد بعد از عبور از این مراحل، قابل اعتماد بودن داده‌هاست که حرف اول را می‌زند.»

او در پایان توضیحات خود با تاکید بر اینکه کارشناسان داده باید بتوانند از تک تک تصمیمات خود دفاع کنند و دلیل هر کدام را شفاف توضیح دهند گفت: «از مدیران می‌خواهم که در نظر داشته باشند مسائل امروز در صنعت ما خیلی ساده‌تر از تصور حل می‌شوند و گاهی تاکید بر استفاده از مدل‌های پیچیده و دیپ‌لرنینگ فقط ما را از رسیدن به هدف اصلی دور می‌کند»

اثرات هوش مصنوعی بر محیط زیست

مرضیه طاحایی، محقق حوزه یادگیری عمیق از شرکت هواوی در این نشست به شکل آنلاین حاضر شد و گفت: «ردپای کربن در این حوزه بسیار بالاست و فعالیت‌های مرتبط با آن به نفع محیط زیست نیست. ممکن است این تصور به وجود آید که اگر چند سال صبر کنیم ظرفیت‌های هارد وب افزایش پیدا می‌کند و هزینه آموزش و راه‌اندازی این مدل‌ها کاهش پیدا خواهد کرد.»

اما او در ادامه توضیحات خود با اشاره به این واقعیت که در چند سال اخیر این هزینه در حال افزایش است، گفت: «از طرفی هزینه آموزش بالا باعث می‌شود که فقط یک جمعیت خاص و تنها کمپانی‎های بزرگ امکان استفاده از آن را داشته باشند»

باز کردن گره صنعت هوش مصنوعی در تعامل با دانشگاه

در بخش پایانی این رویداد یک‌ روزه، پنلی با حضور افراد حاضر در این رویداد برگزار شد. در این روند میزان اثرگذاری صنعت و دانشگاه بر یکدیگر مورد تحلیل قرار گرفت. برخی از شرکت‌کنندگان در این پنل اهمیت صنعت را به طور جدی مورد بررسی قرار دادند.

در این پنل تخصصی، سخنرانان به سوالات حضار که اغلب از دانشجویان و اساتید دانشگاه و فعالان بخش صنعت بودند پاسخ دادند. در پایان توصیه‌های عملی برای پر کردن شکاف میان فضای دانشگاهی و بازار کار نیز تعامل هم‌سو و موازی عنوان شد.