رامین عابدی، تحلیلگر و کارشناس هوش مصنوعی در گفت‌وگو با ایسنا، با بیان اینکه در جهان امروز، هوش مصنوعی در حال تبدیل شدن به یکی از کلیدی‌ترین فناوری‌ها برای پیشرفت در زمینه‌های مختلف است، گفت: با این حال، استفاده از این فناوری نیازمند تطبیق با شرایط و نیازهای محلی است. محلی‌سازی هوش مصنوعی نه تنها به کشورها کمک می‌کند تا از این فناوری به شکل مؤثرتری استفاده کنند، بلکه به حفظ حاکمیت ملی، بهبود نتایج و تقویت نوآوری‌های داخلی نیز کمک می‌کند.
وی یکی از چالش‌های مهم هوش مصنوعی را ساختار داده‌ای دانست که ماشین با آن یاد گرفته است که این داده از کجا تامین شده؟ آیا محتوای داده با ساختار ملی و فرهنگی یک کشور مطابقت دارد یا نه و افزود: داده‌ها یکی از با ارزش‌ترین منابع در دنیای دیجیتال شناخته می‌شوند. با توجه به اهمیت داده‌ها، حفظ آنها در داخل مرزهای ملی از اهمیت بسیاری برخوردار است. ماشین‌هایی که با داده‌های محلی هر کشوری آموزش دیده باشند، می‌توانند از تمام لحاظ برای مردم آن کشور بهترین ابزار باشند؛ چه از لحاظ فرهنگی و چه از لحاظ تطابق با قوانین ومقررات آن کشور. از این رو در هر کشوری برای سیاستگذاریهای بلند مدت در حوزه هوش مصنوعی حفظ حاکمیت داده برای هر کشور از اهمیت بالایی برخوردار است و علاوه بر این درستی داده و کامل بودن آنها نقش مهمی در تولید خروجی‌های مناسب و منطبق بر معیارهای فرهنگی و ساختار اجتماعی آن کشور دارد.
عابدی تاکید کرد: هر کشور دارای نیازها، مسائل و چالش‌های خاص خود است که ممکن است با سایر کشورها متفاوت باشد. الگوریتم‌های هوش مصنوعی که برای نیازهای عمومی و جهانی طراحی شده‌اند، ممکن است نتوانند به طور کامل به این نیازها پاسخ دهند. با محلی‌سازی هوش مصنوعی، کشورها می‌توانند الگوریتم‌ها و مدل‌های خود را بر اساس نیازها و مسائل خاص خود تنظیم کنند. این کار به بهبود کارایی و دقت نتایج کمک می‌کند و موجب می‌شود که هوش مصنوعی به ابزار مؤثرتری برای حل مشکلات محلی تبدیل شود.
این تحلیلگر حوزه هوش مصنوعی یکی از مهمترین و اصلی‌ترین چالش‌های اصلی هوش مصنوعی را توانایی آن در درک و تطبیق با تفاوت‌های فرهنگی و زبانی عنوان کرد و یادآور شد: این چالش اگر به درستی مدیریت نشود، می‌تواند خسارت‌های بزرگی در حوزه فرهنگ کهن کشورهای مختلف ایجاد کند و در برخی از موارد باعث عقب راندن هوش مصنوعی توسط جامعه شود، در این خصوص محلی‌سازی هوش مصنوعی به کشورها این امکان را می‌دهد که سیستم‌های خود را بر اساس زبان و فرهنگ محلی خود تنظیم کنند. این تطبیق نه تنها به بهبود تجربه کاربری کمک خواهد کرد، بلکه از بروز سوءتفاهم‌های فرهنگی و زبانی نیز جلوگیری می‌کند.
عابدی خاطر نشان کرد: یکی از بزرگ‌ترین مزایای محلی‌سازی هوش مصنوعی، بهبود دقت نتایج آن است. زمانی که الگوریتم‌های هوش مصنوعی بر اساس داده‌ها و نیازهای محلی آموزش داده می‌شوند، نتایج دقیق‌تر و مرتبط‌تری ارائه می‌دهند. این امر به ویژه در حوزه‌هایی مانند پزشکی، کشاورزی و مدیریت شهری از اهمیت بالایی برخوردار است؛ جایی که دقت و ارتباط مستقیم نتایج می‌تواند تأثیرات عمیقی بر جامعه داشته باشد و از مهمترین بخش‌های دیگری که محلی‌سازی می‌تواند تاثیر مثبتی داشته باشد، ارائه خروجی‌های هوش مصنوعی مبتنی بر ساختارهای فرهنگی هر جامعه است. به عنوان مثال فرض کنید در مورد یک پرسش خاص برای یک شخص مسلمان اگر خروجی هوش مصنوعی دیدگاه مبتنی بر مسیحیت باشد، آیا پاسخ هوش مصنوعی درست بوده، بله یا خیر؟ قطعا هر دو پاسخ درست است؛ ولی از دو دیدگاه مختلف. در اینجا محلی‌سازی هوش مصنوعی می‌تواند جلوی بسیاری از موارد مشابه این را بگیرد.
ارتقای نوآوری‌های بومی و توسعه اقتصادی
وی با اشاره به تفاوت‌های جوامع جهانی، محلی‌سازی هوش مصنوعی را موجب رشد نوآوری‌های بومی دانست و ادامه داد: زمانی که کشورها بر توسعه هوش مصنوعی داخلی تمرکز می‌کنند، این امر منجر به ایجاد فرصت‌های شغلی جدید، تقویت تحقیق و توسعه و در نهایت افزایش توانمندی‌های اقتصادی می‌شود. شرکت‌ها و مؤسسات تحقیقاتی می‌توانند از داده‌ها و منابع محلی برای ایجاد محصولات و خدمات نوآورانه استفاده کنند که نه تنها به نیازهای داخلی پاسخ می‌دهد، بلکه می‌تواند در بازارهای جهانی نیز رقابت کند.
کاهش وابستگی به فناوری‌های خارجی
عابدی یکی دیگر از چالش‌های مهم برای بسیاری از کشورها از جمله کشور ما را وابستگی به فناوری‌های خارجی دانست و اظهار کرد: این امر همیشه در سیاستگذاریهای کلان جزء مواردی بوده که تلاش برای کم کردن وابستگی در اولویت سیاستگذاری قرار داشته است؛ در برخی از این موارد، وابستگی می‌تواند کشورها را در معرض خطرات امنیتی و اقتصادی قرار دهد.
وی یادآور شد: با محلی‌سازی هوش مصنوعی، کشورها می‌توانند کنترل بیشتری بر فناوری‌های خود داشته باشند و از وابستگی به شرکت‌ها و فناوری‌های خارجی کاسته شود. این امر به ویژه در شرایطی که در روابط بین‌المللی تحت فشار قرار می‌گیرند، اهمیت بیشتری پیدا می‌کند.
چالش‌های محلی‌سازی هوش مصنوعی
عابدی یکی از چالش‌های مهم محلی‌سازی هوش مصنوعی را نیازمندی این تکنولوژی به زیرساخت‌های فناوری قوی و پیشرفته عنوان کرد و یادآور شد: این زیرساخت‌ها شامل شبکه‌های ارتباطی، دیتا سنترها و ابزارهای محاسباتی قدرتمند می‌شود. بسیاری از کشورها به‌ویژه کشور ما، ممکن است با کمبود این زیرساخت‌ها مواجه باشند. این مساله می‌تواند فرآیند محلی‌سازی را به چالش بکشد و نیازمند سرمایه‌گذاری‌های بزرگ در زمینه توسعه زیرساخت‌ها باشد. با توجه به تحریم‌های تاثیرگذار در حوزه فناوری و سخت‌افزار، تامین زیرساخت پردازشی مورد نیاز یکی از چالش‌های اساسی در کشور ما به حساب می‌آید و سیاستگذاری برای رفع این مورد باید در اولویت کار دولت قرار گیرد.
وی تاکید کرد: برای موفقیت در محلی‌سازی هوش مصنوعی، کشورها نیازمند نیروی کار متخصص در زمینه‌های مختلف از جمله برنامه‌نویسی، داده‌کاوی، و تحلیل داده‌ها هستند. این نیروی کار باید توانایی‌های لازم را برای توسعه و مدیریت سیستم‌های هوش مصنوعی داشته باشد. آموزش و تربیت نیروی کار متخصص یکی از چالش‌های اساسی در بسیاری از کشورها است که نیازمند برنامه‌ریزی دقیق و سرمایه‌گذاری در آموزش و تحقیق و توسعه است؛ شاید یکی از حوزه‌هایی که کشور ما می‌تواند با سرمایه گذاری اندک کار بزرگ انجام دهد، تامین نیروی متخصص از بین نخبگان داخلی است.
این کارشناس حوزه هوش مصنوعی ادامه داد: محلی‌سازی هوش مصنوعی به مسائل حقوقی و اخلاقی خاصی نیز مرتبط است. این مسائل شامل حریم خصوصی، امنیت داده‌ها و استفاده اخلاقی از هوش مصنوعی می‌شود. کشورها باید قوانین و مقررات مناسبی برای مدیریت این مسائل وضع کنند. این امر نیازمند همکاری نزدیک بین دولت‌ها، نهادهای حقوقی و بخش خصوصی است تا اطمینان حاصل شود که محلی‌سازی هوش مصنوعی به شکل مسئولانه و با رعایت حقوق شهروندان انجام می‌شود.
وی به چند نمونه از کشورهایی که در خصوص محلی‌سازی هوش مصنوعی موفق عمل کردند، اشاره کرد و گفت: چین یکی از کشورهایی است که با موفقیت در زمینه محلی‌سازی هوش مصنوعی فعالیت می‌کند. این کشور با سرمایه‌گذاری‌های کلان در زمینه تحقیق و توسعه و ایجاد شرکت‌های فناوری بومی، توانسته است به یکی از پیشروان جهانی در این حوزه تبدیل شود. سیاست‌های دولت چین برای حمایت از توسعه هوش مصنوعی داخلی و حفاظت از داده‌ها، به این کشور کمک کرده است تا به شکلی پایدار و مستقل از فناوری‌های خارجی در این زمینه پیشرفت کند.
عابدی هند را یکی دیگر از کشورهایی نام برد که با استفاده از هوش مصنوعی به حل مشکلات خاص بومی پرداخته است و خاطر نشان کرد: این کشور با تمرکز بر توسعه مدل‌های هوش مصنوعی محلی، توانسته است در زمینه‌هایی مانند کشاورزی، بهداشت و آموزش به نتایج مثبتی دست یابد. به عنوان مثال، استفاده از هوش مصنوعی برای پیش‌بینی شرایط آب و هوایی و مدیریت منابع آبی در مناطق روستایی هند، به افزایش بهره‌وری و کاهش خسارات ناشی از خشکسالی کمک کرده است.
به گفته وی، ژاپن به عنوان یکی از پیشرفته‌ترین کشورها در زمینه فناوری، توانسته است هوش مصنوعی را با فرهنگ و جامعه خود تطبیق دهد. استفاده از ربات‌ها و سیستم‌های هوش مصنوعی در حوزه‌هایی مانند مراقبت از سالمندان و خدمات مشتریان، نمونه‌هایی از موفقیت ژاپن در این زمینه هستند. ژاپن با تمرکز بر نیازهای جمعیت سالمند خود و توسعه راه‌حل‌های بومی، توانسته است از هوش مصنوعی به عنوان ابزاری برای بهبود کیفیت زندگی استفاده کند.
استراتژی‌های مؤثر برای محلی‌سازی هوش مصنوعی
وی یکی از مهمترین استراتژی‌ها برای موفقیت در محلی‌سازی هوش مصنوعی را سرمایه‌گذاری در تحقیق و توسعه دانست و افزود: این سرمایه‌گذاری می‌تواند به توسعه الگوریتم‌ها و مدل‌های محلی کمک کند که با نیازها و شرایط خاص هر کشور سازگار باشند. علاوه بر اینها برای موفقیت در محلی‌سازی هوش مصنوعی، کشورها نیازمند قوانین و مقرراتی هستند که از حریم خصوصی، امنیت داده‌ها و استفاده اخلاقی از هوش مصنوعی محافظت کنند. این قوانین باید باتوجه به شرایط محلی و نیازهای خاص هر کشور تدوین شوند. ایجاد یک چارچوب قانونی مناسب می‌تواند به توسعه پایدار و مسئولانه هوش مصنوعی کمک کند.
این تحلیلگر حوزه هوش مصنوعی توسعه همکاری‌های بین‌المللی و بومی را یکی از ضروریات مؤثر برای محلی سازی هوش مصنوعی عنوان کرد و گفت: با توجه به تحریم‌های اساسی کشور در خصوص تکنولوژی‌ها و به خصوص هوش مصنوعی یکی از چالش‌های اساسی در کشور ما ایجاد ارتباط بین المللی برای همکاری‌های گسترده با کشورهای پیشرو در هوش مصنوعی است. کشورها می‌توانند با استفاده از تجارب موفق کشورهای دیگر و توسعه مشارکت‌های علمی و فناوری با سایر کشورها، از مزایای بیشتری بهره‌مند شوند. همچنین، همکاری‌های بومی بین دولت، بخش خصوصی و دانشگاه‌ها می‌تواند به تقویت زیرساخت‌ها و افزایش کارایی محلی‌سازی هوش مصنوعی کمک کند.
