ایران با رونمایی از نسخه آزمایشی پلتفرم ملی هوش مصنوعی گام بلندی در توسعه فناوری های پیشرفته برداشته است. این پلتفرم که با حمایت معاونت علمی، فناوری و اقتصاد دانش بنیان ریاست جمهوری طراحی شده، قرار است تا سال 1404 به نسخه نهایی خود برسد و تحولی اساسی در زیرساخت دیجیتال کشور ایجاد کند.
به گزارش ICTNNاولین نمایش از پلتفرم ملی هوش مصنوعی ایران هفته آینده رونمایی می شود. این پلتفرم با تمرکز بر حوزه پزشکی و تشخیص، قرار است تا زمان انتشار نسخه آزمایشی آن و نسخه نهایی آن در سپتامبر 1404 آماده استفاده باشد.
راه اندازی اولین مزرعه GPU کشور نقطه عطف دیگری در توسعه فناوری های هوش مصنوعی است. طبق برنامه ریزی های انجام شده این مزرعه در اواخر فروردین یا اوایل اردیبهشت سال آینده راه اندازی می شود. ایجاد این مرکز پاسخگوی تمامی نیازهای زیرساختی کشور در زمینه هوش مصنوعی خواهد بود.
پلتفرم هوش مصنوعی محیطی است که ابزارها، فناوری‌ها و زیرساخت‌های مورد نیاز برای توسعه، آموزش، استقرار و مدیریت مدل‌های هوش مصنوعی و یادگیری ماشین را فراهم می‌کند. این پلتفرم ها به افراد، کسب و کارها و سازمان ها کمک می کنند تا فرآیندهای مرتبط با هوش مصنوعی را بهینه و ساده کنند.
اجزای اصلی یک پلتفرم هوش مصنوعی عبارتند از:
| اجزاء | برنامه |
| داده ها و مدیریت آن | ابزارهای جمع آوری، پردازش و مدیریت داده ها |
| امکان دسترسی به پایگاه های داده یا منابع داده های مختلف | |
| مدل سازی و آموزش | ابزارهای طراحی و آموزش مدل های هوش مصنوعی |
| پشتیبانی از چارچوب هایی مانند TensorFlow، PyTorch و Scikit-learn | |
| محیط استقرار | فراهم کردن محیطی برای پیاده سازی مدل های آموزش دیده در سیستم های واقعی |
| قابلیت ادغام مدل ها با اپلیکیشن ها | |
| مدیریت و نظارت | نظارت بر عملکرد مدل در زمان اجرا |
| مدیریت منابع و بهینه سازی زیرساخت |
پلتفرم‌های هوش مصنوعی کاربردهای زیادی در زمینه‌های مختلف دارند، از جمله:
| حوزه تخصصی | برنامه |
| دارو و سلامت | تشخیص بیماری ها |
| داروهای جدید طراحی کنید | |
| نظارت بر وضعیت بیمار | |
| صنعت و تولید | پیش بینی خرابی تجهیزات |
| بهینه سازی فرآیندهای تولید | |
| مدیریت موجودی | |
| امور مالی | کشف تقلب |
| تحلیل بازار | |
| مدیریت ریسک | |
| بازاریابی | تحلیل رفتار مشتری |
| شخصی سازی محتوا و پیشنهادات | |
| شخصی سازی محتوا و پیشنهادات | |
| بهینه سازی کمپین های تبلیغاتی | |
| چگونه حرکت کنیم | مدیریت ترافیک |
| بهینه سازی مسیر | |
| توسعه خودروهای خودران | |
| آموزش و پرورش | توسعه سیستم های یادگیری شخصی |
| نیازهای یادگیری دانش آموزان را شناسایی کنید. | |
| تولید محتوای آموزشی تعاملی |
توسعه پلتفرم های هوش مصنوعی Wave باعث کاهش زمان و هزینه توسعه، افزایش دقت و کارایی مدل ها، دسترسی آسان به منابع رایانش ابری و امکان همکاری تیمی بین افراد و سازمان ها می شود. بنابراین، این پلتفرم‌ها نقش اساسی در تسریع استفاده از هوش مصنوعی در صنایع مختلف ایفا می‌کنند و به‌ویژه در ایران با توسعه «پلتفرم ملی هوش مصنوعی» می‌توانند زمینه ساز پیشرفت علمی و اقتصادی باشند.
علاوه بر این، توسعه پلتفرم‌های هوش مصنوعی به ترکیبی از زیرساخت‌های قوی، نیروی کار متخصص و پشتیبانی سازمانی و قانونی نیاز دارد. با توجه به پیچیدگی این فرآیند، همکاری بین دولت، صنعت و دانشگاه می تواند نقش اساسی در موفقیت این پروژه ها داشته باشد. بنابراین، توسعه این پلتفرم‌ها نیازمند زیرساخت‌هایی مانند «نیازمندی‌های فنی و زیرساختی»، «نیازهای انسانی و مهارتی»، «نیازهای سازمانی و قانونی» و «نیازهای تحقیق و نوآوری» است.
اما در شرایطی که زیرساخت‌های پردازش و داده‌های گسترده محدود است، پلتفرم‌های هوش مصنوعی نیز می‌توانند کاربردهای مختلفی داشته باشند، اما این برنامه‌ها محدودتر خواهند بود و به سمت موضوعات خاص‌تری معطوف خواهند شد. در این شرایط، استفاده از روش‌ها و فناوری‌هایی که کمتر به کلان داده یا منابع محاسباتی گسترده وابسته هستند، ترجیح داده می‌شود.
با توسعه این پلتفرم بومی، باید منتظر ماند و دید که آیا سازمان‌ها و دستگاه‌ها برای به اشتراک گذاشتن داده‌ها برای توسعه مدل‌های هوشمند اقدامی انجام خواهند داد یا خیر.
مهم ترین پلتفرم های هوش مصنوعی جهان
در سطح جهانی، بسیاری از شرکت ها و سازمان ها پلتفرم های هوش مصنوعی پیشرفته ای را توسعه داده اند که هر کدام دارای ویژگی ها و قابلیت های منحصر به فردی هستند. در زیر تعدادی از مهم ترین پلتفرم های هوش مصنوعی جهان را معرفی می کنیم:
| نام پلت فرم | شرکت توسعه | برنامه | عملکرد |
| پلتفرم هوش مصنوعی گوگل (Vertex AI) | گوگل | تجزیه و تحلیل داده ها، پردازش زبان طبیعی (NLP)، و بینایی کامپیوتری | ابزارهایی برای توسعه، آموزش و استقرار مدل های هوش مصنوعی |
| پشتیبانی از چارچوب هایی مانند TensorFlow | |||
| ادغام با Google Cloud برای مدیریت داده و منابع | |||
| AWS AI/ML (سرویس وب آمازون) | آمازون | تجزیه و تحلیل پیشرفته، خدمات مشتری و اتوماسیون فروش | ارائه خدمات یادگیری ماشینی مختلف مانند Amazon SageMaker |
| ابزارهایی برای ساخت، آموزش و استقرار مدل ها | |||
| خدمات از پیش ساخته شده مانند تشخیص صدا، ترجمه و تجزیه و تحلیل احساسات | |||
| Microsoft Azure AI | مایکروسافت | اتوماسیون، سلامت و پیش بینی در کسب و کار | ابزارهای پیشرفته برای تجزیه و تحلیل داده ها، یادگیری ماشین و NLP |
| ادغام با سایر محصولات مایکروسافت مانند Office و Dynamics | |||
| خدمات ابری مقیاس پذیر | |||
| آی بی ام واتسون | IBM | تجزیه و تحلیل کلان داده، مشاوره دیجیتال و بهبود خدمات مشتری | تمرکز بر پردازش زبان طبیعی (NLP) و تجزیه و تحلیل داده ها |
| تمرکز بر پردازش زبان طبیعی (NLP) و تجزیه و تحلیل داده ها | |||
| ابزارهایی برای استخراج دانش از داده های ساخت یافته و بدون ساختار | |||
| قابل استفاده در حوزه های خدمات پزشکی، حقوقی و مالی | |||
| OpenAI | OpenAI | تولید متن، ترجمه، ربات‌های گفتگو و سیستم‌های پاسخ خودکار | مدل های پیشرفته مانند GPT (مدل های زبان بزرگ) و DALL-E (مدل های تولید تصویر) |
| تمرکز بر پردازش زبان طبیعی، تولید محتوا و دید کامپیوتری | |||
| Baidu AI | بایدو (چین) | سیستم های جستجو، ماشین های خودران و شناسایی | تخصص در پردازش زبان چینی، بینایی کامپیوتر و ماشین های خودران |
| ارائه خدمات ابری هوش مصنوعی | |||
| صورت نوازش | صورت در آغوش گرفته (استارت آپ فرانسوی-آمریکایی) | چت بات ها، ترجمه ماشینی و تجزیه و تحلیل متن | روی پردازش زبان طبیعی و یادگیری عمیق تمرکز کنید |
| مدل های از پیش ساخته شده مانند ترانسفورماتور را ارائه دهید | |||
| جامعه باز و ابزارهای رایگان برای توسعه دهندگان |
به گزارش ICTNN، رونمایی از پلتفرم ملی هوش مصنوعی ایران نقطه عطفی در استقلال فناوری کشور است. این اقدام نه تنها زیرساخت های لازم برای تحول دیجیتال را فراهم می کند، بلکه عزم ایران را برای رقابت پذیری در دنیای فناوری نشان می دهد، اما یادمان باشد که در این مسیر بیش از هر زمان دیگری به کار گروهی، همکاری سازمان ها و دستگاه ها نیاز داریم. و حاکمیت داده
ICTNN
تیم تحرریه شبکه خبری فناوری اطلاعات و ارتباطات
