استراتژی توسعه هوش مصنوعی در ایران

بقا در مرداب؛ چگونه اکوسیستم هوش مصنوعی در ایران می‌تواند از دل بحران رشد کند؟

اگر تاریخ مواجهه جامعه ایران با پدیده‌های مدرن را ورق بزنیم، به یک ویژگی اخلاقی و رفتاریِ برجسته برمی‌خوریم: ایرانی‌ها رابطه احساسی و بسیار نزدیکی با فناوری‌های جدید دارند. از اولین باری که سیم‌های تلگراف در دوره ناصری کشیده شد، تا روزگاری که شبکه‌های اجتماعی تلفن‌های همراه را تسخیر کردند، فناوری همواره در ذهن ایرانی به عنوان ابزاری برای احیای تمدنی و پیوند دوباره با جهان پیشرفته دیده شده است. ما می‌خواهیم هم‌پای جهان بدویم و این میل به به‌روز بودن، بخشی از هویت ملی ما شده است.

اما واقعیت این است که این شتاب تمدنی، در بسیاری از مواقع با دیوارهای سختی از واقعیت‌های ساختاری، کمبود بودجه و بوروکراسی دولتی برخورد کرده است. نتیجه این برخورد، شکل‌گیری یک توسعه کاریکاتوری و سطحی بوده که بیش از آنکه ریشه در زمین داشته باشد، به یک نمایش پر زرق‌وبرق شبیه است. امروز که تب و تاب هوش مصنوعی در ایران بالا گرفته، درست در همان نقطه تاریخی ایستاده‌ایم؛ نقطه‌ای که باید تصمیم بگیریم آیا می‌خواهیم مسیر خطای گذشته را تکرار کنیم یا با تکیه بر یک استراتژی توسعه هوش مصنوعی واقع‌بینانه، راهی بومی و پایدار برای بقا و رشد پیدا کنیم.

بحران به عنوان غربال؛ خروج سموم از اکوسیستم

در نگاه نخست، وقوع بحران‌های پی‌درپی، قطعی ممتد اینترنت و آسیب به زیرساخت‌ها، تیر خلاصی بر پیکر نیمه‌جان فناوری کشور به نظر می‌رسد. اما اگر عینک تحلیل تاریخی را به چشم بزنیم، درمی‌یابیم که بحران‌ها عموماً نقش «دانشگاه تمدن‌ها» را بازی می‌کنند. در بستر سخت بحران است که سره از ناسره مشخص می‌شود و سیستم‌ها ناچار به خودپالایی می‌گردند.

مدتی پیش، هم‌زمان با داغ شدن تب جهانی این فناوری و مطرح شدن ایده قرارگیری ایران در میان ۱۰ کشور برتر هوش مصنوعی جهان، موجی ناگهانی از ابراز علاقه‌ها و احساس وظیفه‌های اداری شکل گرفت. سازمان‌ها، دانشگاه‌ها و مدیرانی که تا پیش از آن تفاوتی میان یک الگوریتم ساده و یادگیری عمیق قائل نبودند، ناگهان متولی پروژه‌های بزرگ هوش مصنوعی شدند. بودجه‌های کلانی در سال‌های اخیر تخصیص یافت، اما بخش بزرگی از این منابع مالی صرف کارهای نمایشی، همایش‌های بی‌حاصل و شوءمن‌بازی‌های رسانه‌ای شد. نتیجه این روند، ورود سموم خطرناک به اکوسیستم بود؛ سمومی از جنسِ ارائه‌های پاورپوینت زیبا بدون حتی یک خط کدنویسی واقعی یا ارزش‌آفرینی ملموس.

بحران‌های اخیر و سختی‌های ناشی از زیرساخت‌های ضعیف و محدودیت‌های ارتباطی، مانند یک غربال بزرگ عمل کردند. پروژه‌های نمایشی که تکیه‌گاهشان بودجه‌های بی‌حساب دولتی و عکس‌های یادگاری بود، یکی از اولین قربانیان این بستر سخت شدند. بحران به ما نشان داد که چه کسانی واقعاً مردِ عمل هستند و چه شرکت‌هایی بنیه علمی و فنی برای بقا دارند. این فرآیندِ سم‌زدایی، گرچه دردناک است، اما زیربنای اکوسیستم فناوری ایران را تمیز و آماده یک شروع واقعی، به دور از توهمات اداری می‌کند.

توسعه کاریکاتوری و سندرم «درختان مصنوعی در کویر»

برای درک بهتر خطای استراتژیک ما در مواجهه با فناوری، می‌توان به تمثیل زیبایی اشاره کرد که وضعیت توسعه فناوری‌های نوین را به خوبی تصویر می‌کند.

تصور کنید فردی که در بیابانی خشک و بی‌آب‌وعلف زندگی می‌کند و تمام عمرش چیزی جز خاک و سنگ ندیده، به سفری دوردست می‌رود. او در آنجا با باغی سرسبز، انبوهی از درختان کهنسال، رودخانه‌ای خروشان و صدای دلنشین پرندگان مواجه می‌شود. او شگفت‌زده می‌شود و با خود می‌گوید: «زندگی واقعی این است، نه آن بیابانی که من در آن زندگی می‌کنم!» او با شتاب به قلمرو خود بازمی‌گردد و به کارگزارانش دستور می‌دهد: «من چنین باغی می‌خواهم، فوراً برای من بسازید!»

کارگزاران که نه باغبانی می‌دانند و نه رطوبت خاک را می‌شناسند، می‌پرسند: «آن باغ چه شکلی بود؟» و او پاسخ می‌دهد: «یک‌سری لوله‌ها و استوانه‌های قهوه‌ای‌رنگ روی زمین قرار داشت. از بالای آن‌ها تکه‌های سبزی آویزان بود که در باد تکان می‌خورد. صد تا از این‌ها را در حیاط من بکارید!» نتیجه روشن است؛ آن‌ها ستون‌های بی‌روح می‌سازند، برگ‌های مصنوعی به آن می‌چسبانند و در زمین فرومی‌کنند.
در ظاهر، حیاط او شبیه به یک باغ شده است، اما باغی مرده، بی‌ریشه و بدون میوه که با اولین طوفان بیابان فرو می‌ریزد. این مسافر هرگز ندید که آن درختان کهنسال حاصل کاشت یک هسته کوچک در خاکی مناسب بوده‌اند که سال‌ها آبیاری شده، ریشه دوانده و با صبوری رشد کرده است.

ما در اجرای استراتژی توسعه هوش مصنوعی دقیقاً در دام همین تمثیل افتاده‌ایم. وقتی می‌بینیم ایالات متحده یا کشورهای توسعه‌یافته مدل‌های زبانی بزرگی مثل GPT را توسعه داده‌اند، یا وقتی می‌شنویم کشورهای حاشیه خلیج فارس مثل امارات بودجه‌های میلیاردی برای استخدام مهندسان پرامپت و توسعه مدل‌های بومی اختصاص داده‌اند، بلافاصله می‌خواهیم همان پوسته ظاهری را کپی کنیم. ما فراموش می‌کنیم که نسبت توان مالی و زیرساختی ما با آن‌ها یک به صد یا حتی یک به هزار است. تلاش برای ساختن یک اَبَرمدل زبانی ملی در کشوری که برنامه‌نویسانش برای دسترسی به ابتدایی‌ترین ابزارهای توسعه باید هفت‌خوان فیلترینگ داخلی و تحریم خارجی را دور بزنند، چیزی جز کاشتن همان درختان مصنوعی در کویر نیست.

تجربه‌نگاری ۲۰ سال شکست؛ چرا پروژه‌های ملی فناوری به بن‌بست می‌رسند؟

تاریخ بیست سال گذشته در اکوسیستم فناوری ایران، آینه‌ای تمام‌نما از تکرار یک خطای ساختاری است. ما این مسیر کاریکاتوری را دست‌کم چهار بار با پروژه‌های مختلف طی کرده‌ایم:

موج اول: سیستم‌عامل ملی ──> موج دوم: مرورگر ملی ──> موج سوم: موتور جستجوی ملی ──> موج چهارم: هوش مصنوعی ملی

در تمام این دوره‌ها، الگوی رفتار دولتی کاملاً یکسان بوده است. ابتدا موجی از نگرانی یا شیفتگی نسبت به یک فناوری جدید شکل می‌گیرد. سپس بوروکراسی دولتی وارد عمل شده و بودجه‌های سنگینی را تحت عنوان پروژه «ملی» تعریف می‌کند. دانشگاه‌ها و مراکز تحقیقاتی دولتی پروژه‌ها را تعریف می‌کنند، شرکت‌های خصولتی بودجه‌ها را می‌بلعند و در نهایت پس از چند سال، پروژه‌ها بی‌سروصدا بایگانی می‌شوند بدون اینکه حتی یک کاربر واقعی از آن‌ها استفاده کند.

علت اصلی این شکست‌های متوالی، درک نادرست از تفاوت معنایی دو واژه «بومی» و «ملی» است. در ادبیات مدیریتی کشور، واژه «ملی» عموماً به معنای «حکومتی» و «تحت کنترل دولت» تفسیر شده است. حاکمیت به دلیل عدم اعتماد به پویایی بازار آزاد و بخش خصوصی، همواره تلاش کرده تا مالکیت و مدیریت فناوری‌های کلیدی را در دست خود نگه دارد.

بوروکراسی دولتی ذاتا تمایلی به ریسک‌پذیری، چابکی و نوآوری ندارد؛ در نتیجه، فناوری پویا را تبدیل به یک فرآیند اداری صلب و مرده می‌کند. موتور جستجوی ملی شکست خورد، چون به جای حل نیاز واقعی کاربر، بر اساس دستورالعمل‌های اداری ساخته شده بود. سیستم‌عامل ملی به نتیجه نرسید، چون اکوسیستمی از توسعه‌دهندگان مستقل برای پشتیبانی از آن شکل نگرفت. امروز نیز اصرار بر ساخت «هوش مصنوعی ملی» با همان ساختار قدیمی، پیشاپیش سرنوشتی مشابه را نوید می‌دهد.

نادیده گرفتن لایه داده؛ پرش از روی فونداسیون

یکی از تفاوت‌های بنیادین اقتصاد کلاسیک و اقتصاد دیجیتال در تعریف منابع اولیه است. در اقتصاد کلاسیک، مواد اولیه (نظیر نفت، فولاد یا زمین) با مصرف شدن مستهلک و تمام می‌شوند. اما در اقتصاد دیجیتال، منبع اصلی «داده» است. داده نه‌تنها با مصرف شدن تمام نمی‌شود، بلکه هر بار استفاده از آن می‌تواند ارزش جدیدی خلق کند و کیفیت سیستم را ارتقا دهد.

متاسفانه در روند توسعه فناوری‌های اطلاعات در ایران، ما لایه حیاتی داده را کاملاً نادیده گرفته و به اصطلاح از روی فونداسیون کار پریده‌ایم. بدون داشتن کلان‌داده‌های تمیز، برچسب‌گذاری شده و منسجم، صحبت از توسعه هوش مصنوعی شبیه به راه‌اندازی یک کارخانه پیشرفته بدون داشتن آب و برق است. ما مستقیماً به سراغ لایه اپلیکیشن و سرویس رفته‌ایم، بدون اینکه زیرساخت جمع‌آوری و تحلیل داده‌ها را به شکل بومی توسعه دهیم.

از سوی دیگر، تحریم‌های بین‌المللی و محدودیت‌های داخلی، نبرد نابرابری را برای توسعه‌دهندگان ایرانی رقم زده است. واقعیت این است که با شروع نوسانات شدید اینترنت و مسدود شدن دسترسی به سرویس‌های ابری بزرگی همچون کلودفلر، گیت‌هاب و ابزارهای هوش مصنوعی مانند چت‌جی‌پی‌تی یا کلود، سرعت تولید نرم‌افزار در شرکت‌های ایرانی به شدت افت کرده است. مدیران فنی گزارش می‌دهند که بهره‌وری تیم‌های برنامه‌نویسی به دلیل درگیری مداوم با فیلترشکن‌ها و روش‌های دور زدن تحریم، کاهش چشمگیری یافته است. ما در حالی ادعای رقابت در سطح جهانی را داریم که ابتدایی‌ترین ابزارهای توسعه از برنامه‌نویسان ما دریغ شده است.

تعارض منافع حاکمیت و کاربر؛ امنیت داده‌های زیستی در نبرد نابرابر

در حوزه سیاست‌گذاری فناوری در ایران، همواره یک تعارض جدی میان اولویت‌های حاکمیت و نیازهای واقعی کاربران وجود داشته است. دغدغه اصلی حاکمیت در مواجهه با ابزارهایی مانند هوش مصنوعی، عموماً از جنس کنترل محتوا، جلوگیری از نفوذ فرهنگی و مسائل امنیتیِ سنتی است. در مقابل، کاربر عادی یا مدیر کسب‌وکار به دنبال کارایی، سرعت و بقای اقتصادی خود است. او می‌خواهد کارش با بهترین ابزار موجود راه بیفتد، چه این ابزار داخلی باشد و چه خارجی.

این تعارض منافع، در سال‌های آینده چالش‌های بزرگ‌تری را در حوزه‌های حساسی مانند پزشکی رقم خواهد زد. به عنوان نمونه، کشورهای همسایه مانند امارات با فاند‌های سرمایه‌گذاری سنگین در حال توسعه استارت‌آپ‌های پیشرفته تحلیل ژنتیک و پزشکی شخصی‌سازی‌شده بر پایه هوش مصنوعی هستند. فرض کنید در پنج یا ده سال آینده، یک شهروند ایرانی برای درمان یک بیماری خاص، نیاز به دارویی داشته باشد که فرمول آن تنها از طریق تحلیل داده‌های ژنتیکی (DNA) او توسط یک هوش مصنوعی اماراتی یا غربی ساخته می‌شود.

در این سناریو، دو اتفاق رخ می‌دهد:

1. کاربر به دلیل نیاز مبرم به درمان، تمام داده‌های زیستی و ژنتیکی خود را به خارج از کشور ارسال می‌کند.
2. حاکمیت با یک چالش بزرگ مواجه می‌شود؛ چرا که بانک داده‌های ژنتیکی و بیولوژیکی شهروندانش عملاً در خارج از مرزها ذخیره و تحلیل می‌شوند.

این یک چالش واقعی و هولناک است. حاکمیت نمی‌تواند با روش‌های سنتی مانند فیلترینگ یا ممنوعیت، جلوی کاربری که به دنبال نجات جان خویش است را بگیرد. راهکار این مسئله، ایجاد دیوارهای بلند و ممنوعیت‌های جدید نیست؛ بلکه تنها راهکار، ایجاد جایگزین‌های بومی کارآمد از طریق توسعه ظرفیت‌های داخلی است. اما این جایگزین‌ها چگونه ساخته می‌شوند؟ قطعاً نه با پروژه‌های ملی دولتی.

استراتژی نیلوفر آبی؛ مدلی برای توسعه از بستر مرداب

وقتی شرایط محیطی برای توسعه فناوری تا این حد نامساعد، مبهم و شبیه به یک مرداب راکد است، چگونه می‌توان به آینده امیدوار بود؟ پاسخ این پرسش در کتاب ارزشمند «استراتژی توسعه ایران» نوشته دکتر لشکربلوکی نهفته است. او مدلی را معرفی می‌کند که به خوبی با واقعیت‌های اکوسیستم فناوری ایران همخوانی دارد: استراتژی نیلوفر آبی.

مرداب، محیطی تاریک، راکد و انباشته از لجن است که در نگاه اول هیچ پتانسیلی برای زیست و زیبایی ندارد. اما گل نیلوفر آبی دقیقاً در همین بستر نامساعد رشد می‌کند. ویژگی نیلوفر آبی این است که برای رشد خود منتظر تمیز شدن مرداب نمی‌ماند؛ او از میان همان گل‌ولای ریشه می‌دواند، سر از آب بیرون می‌آورد و شکوفه می‌دهد. جذابیت اصلی این مدل زیستی در آن است که وقتی تعداد این نیلوفرها زیاد می‌شود، آن‌ها با هم یک شبکه زنجیره‌ای روی سطح آب می‌سازند. این شبکه نه‌تنها جلوه زیبایی به محیط می‌دهد، بلکه به مرور زمان آب مرداب را تصفیه کرده و آن را تبدیل به یک اکوسیستم زنده و پویا می‌کند.

مرداب راکد (شرایط سخت محیطی) ──> رشد نیلوفرهای تک‌افتاده (کسب‌وکارهای کوچک بومی) ──> ایجاد شبکه افقی روی آب (پیوند زنجیره‌ای کسب‌وکارها) ──> تصفیه اکوسیستم (تحول کارآمد بومی)

کاربرد این استراتژی برای توسعه هوش مصنوعی در کشور ما کاملاً روشن است:

• عبور از توهم تحول بزرگ: ما باید این تصور که دولت با یک طرح بزرگ یا سند ملی می‌تواند تحولی عظیم در هوش مصنوعی ایجاد کند را کنار بگذاریم. این اسناد دولتی عموماً به بایگانی‌ها می‌پیوندند.
• تمرکز بر موفقیت‌های کوچک و ملموس (Micro-Successes): به جای تلاش برای ساخت رقیب برای ابزارهایی مثل ChatGPT، باید بر روی گوشه‌های ناپیدا و بازارهای دنجی (Niche Markets) تمرکز کنیم که غول‌های جهانی فناوری علاقه‌ای به ورود به آن‌ها ندارند یا دسترسی به داده‌های بومی آن در انحصار ماست.

پزشکی سنتی و داروسازی گیاهی، پردازش زبان و ادبیات غنی فارسی، و تحلیل رفتارهای بومی کاربران ایرانی در حوزه‌های مالی و لجستیک، نمونه‌هایی از این گوشه‌های ناپیدا هستند. اگر یک شرکت کوچک ایرانی بتواند یک دستیار هوش مصنوعی فوق‌العاده کارآمد برای تحلیل متون حقوقی ایران یا تشخیص الگوهای درمانی بومی بسازد، یک «نیلوفر آبی» خلق کرده است. این موفقیت‌های کوچک، باور به توانستن را در جامعه زنده می‌کنند و اعتماد سرمایه‌گذاران را جلب می‌نمایند.

معجزه شبکه‌سازی در فناوری به جای بوروکراسی دولتی

چگونه می‌توان این نیلوفرهای آبی تک‌افتاده را به هم پیوند داد تا اکوسیستم تصفیه شود؟ پاسخ در شبکه‌سازی در فناوری نهفته است.

واقعیت این است که ما امروز در ایران ریشه‌های خوبی داریم که شاید در شلوغی‌های اخبار ناامیدکننده دیده نشوند. به عنوان مثال، در سازمان نظام صنفی رایانه‌ای، در کمیسیون هوش مصنوعی و علوم داده، بیش از ۱۵۰ شرکت فعال و شناسنامه‌دار وجود دارند. این شرکت‌ها، ریشه‌های واقعی اکوسیستم ما هستند. آن‌ها سال‌هاست که در همین شرایط سخت جنگیده‌اند، زیرساخت ساخته‌اند، داده جمع‌آوری کرده‌اند و نیروی متخصص تربیت نموده‌اند.

این شرکت‌ها به جای انتظار برای حمایت‌های دولتی، باید پیوندهای افقی میان خود را تقویت کنند. در نظریه‌های نوین سیستم‌های پیچیده انطباقی، ثابت شده است که شبکه‌های افقی همتا به همتا (P2P) به شدت نسبت به ساختارهای عمودی بوروکراتیک، منعطف‌تر و مقاوم‌تر هستند. بوروکراسی دولتی با ایجاد اداره، صادر کردن مجوز و وضع قوانین بازدارنده، سرعت توسعه را می‌گیرد؛ اما شبکه بخش خصوصی با به اشتراک‌گذاری داده‌ها، ایجاد زیرساخت‌های مشترک پردازشی و سرمایه‌گذاری‌های موازی بر روی پروژه‌های کوچک، می‌تواند کارهایی را پیش ببرد که دولت‌ها با بودجه‌های هزار میلیاردی هم قادر به انجامش نیستند.

اگر شرکت دارنده داده‌های لجستیکی با شرکت متخصص الگوریتم‌های بهینه‌سازی و صندوق سرمایه‌گذاری بخش خصوصی هم‌پیمان شوند، زنجیره‌ای شکل می‌گیرد که نیاز به هیچ مجوز یا بودجه دولتی ندارد. این شبکه، خود به خود اعتماد و پایداری خلق می‌کند.

افق پیش رو

توسعه کارآمد هوش مصنوعی در ایران نیازمند یک چرخش فکری بزرگ در میان سیاست‌گذاران و البته فعالان بخش خصوصی است. ما باید بپذیریم که دورانِ پروژه‌های نمایشیِ ملی به پایان رسیده است. ما توان رقابت در لبه فناوری جهانی برای ساخت سخت‌افزارها یا مدل‌های زبانی عمومی بزرگ را نداریم و این یک واقعیت است، نه ناامیدی.

راه نجات ما، پناه بردن به استراتژی نیلوفر آبی است؛ ایجاد موفقیت‌های کوچک، کاربردی و سودآور در حوزه‌های تخصصی بومی و سپس پیوند زدن این موفقیت‌ها از طریق شبکه‌سازی در فناوری. با تکیه بر این مدل، حتی در نامساعدترین مرداب‌ها نیز می‌توان اکوسیستمی زنده، خلاق و کارآمد ساخت که نه‌تنها به بقای خود ادامه می‌دهد، بلکه کیفیت زندگی شهروندان را نیز ارتقا می‌بخشد. آینده هوش مصنوعی در کشور ما را نه اسناد مصوب دولتی، بلکه شبکه‌های پنهان اما مستحکم کارآفرینان و متخصصان واقعی رقم خواهند زد.

«این مقاله بر اساس گفتگوی امیرحسین عسگری (مدیرعامل دیتاک) و برخی دیگر از متخصصان در همایش «هوش مصنوعی در عصر بحران» که توسط هوشیو در تاریخ ۲۵ خرداد ۱۴۰۵ برگزار شد، تنظیم و نوشته شده است.»

برای عبور از بوروکراسی‌های بی‌حاصل و ساختن یک مسیر واقعی و داده‌محور، اولین قدم را بردارید. اگر می‌خواهید با تکیه بر کلان‌داده‌های دقیق و شبکه‌سازی هوشمند، «نیلوفر آبی» اختصاصی کسب‌وکار خود را پرورش دهید و فناوری هوش مصنوعی را به صورت کاربردی و واقعی در سازمان خود پیاده‌سازی کنید، با کارشناسان ما در دیتاک تماس بگیرید. ما در کنار شما هستیم تا با هم شبکه موفقی از راهکارهای داده‌محور و پایدار بسازیم.