– اخبار اجتماعی –
به گزارش خبرنگار اجتماعی خبرگزاری تسنیم، نشست خبری «اقدامات و برنامه‌های معاونت علمی در حوزه هوش مصنوعی در یک سال گذشته» با حضور دکتر عبدالحسن بهرامی رئیس مرکز راهبری ستادهای توسعه اقتصاد دانش‌بنیان، دکتر عمادالدین فاطمی‌زادگان رئیس دبیرخانه ستاد توسعه فناوری و کاربردی‌سازی هوش مصنوعی، و دکتر حسین اسدی نماینده دانشگاه صنعتی شریف و عضو تیم سکوی ملی هوش مصنوعی برگزار شد.
محمدباقر غزنوی، ناظر پروژه «دستیار هوش مصنوعی»، گفت: معاونت علمی و فناوری ریاست‌جمهوری از سال گذشته ایده‌ای را دنبال می‌کند که بر اساس آن ابزارهای هوش مصنوعی مشابه فناوری‌های روز دنیا که به‌طور مداوم توسعه می‌یابند در خدمت بدنه اجرایی دولت قرار گیرد تا در سطح تصمیم‌گیری، نقش «یار تصمیم‌ساز» ایفا کنند نه تصمیم‌گیرنده.
وی افزود: برای اجرای این ایده، ساختاری مثلثی با حضور دانشگاه‌ها، وزارتخانه‌ها یا سازمان‌های مرتبط، و معاونت علمی شکل گرفت و بیش از 11 وزارتخانه، استانداری و سازمان انتخاب شدند. برخی دانشگاه‌ها نیز با توجه به تجربه تخصصی، دو مأموریت همزمان بر عهده گرفتند.
غزنوی گفت: وزارتخانه‌ها سال‌ها پروژه‌های IT خود را اجرا کرده‌اند و بعضی حتی داشبوردهای مدیریتی دارند، اما بخش‌هایی از این سامانه‌ها غیرفعال یا ناکامل است. «دستیار هوش مصنوعی» قرار است این خلأها را برطرف و قابلیت‌های تحلیلی و پیش‌بینی‌گر را اضافه کند.
وی افزود: این پروژه در چهار مرحله شامل فاز صفر، یک، دو و سه طراحی شده که فاز صفر و یک در عمل به‌صورت یک گروه کلی نیز تعریف می‌شود. در فاز صفر، دانشگاه‌ها موظف شدند قوانین مرتبط با وزارتخانه یا سازمان هدف را گردآوری و دسته‌بندی کنند.
ناظر پروژه «دستیار هوش مصنوعی» گفت: منابع بسیاری از این قوانین از قبل موجود بوده است؛ از جمله در مرکز پژوهش‌های مجلس و در معاونت حقوقی دولت به شکل دیجیتال و سرویس جست‌وجو. قوانین گردآوری‌شده باید برای تأیید نهایی، به وزارتخانه مربوطه ارائه می‌شد تا تعامل دانشگاه و نهاد اجرایی، ساختارمند باشد.
وی افزود: میزان همکاری وزارتخانه‌ها در این بخش یکسان نبود. در مرحله بعد، دانشگاه‌ها مأمور به شناسایی تعارض‌ها و تناقضات قوانین شدند؛ از تعارض منافع تا اختلاف در مهلت‌های مقرر قانونی که می‌تواند مشکلات حقوقی ایجاد کند.
غزنوی گفت: بسیاری از نهادهای تصمیم‌گیر هنگام وضع مصوبه یا قانون، به تمام قوانین مرتبط دسترسی ندارند و این مسئله می‌تواند منجر به تصویب قوانین ناسازگار شود. نمونه بارز آن تفاوت مهلت‌های دو ماهه و شش ماهه در قوانین مشابه است که می‌تواند محل اعتراض حقوقی باشد.
وی افزود: هرچند ابزارهای شناسایی تعارضات در فضای عمومی اینترنت در دسترس‌اند، اما در حوزه قوانین داخلی چنین سامانه جامعی وجود نداشت. با همکاری دانشگاه‌ها، انواع دسته‌بندی‌ها و سطوح تعارضات قانونی مشخص شد و حتی در برخی موارد، دانشگاه‌ها جلوتر از تیم‌های نظارت معاونت عمل کردند.
ناظر پروژه «دستیار هوش مصنوعی» گفت: تاکنون حدود 700 تعارض قانونی شناسایی شده که در سه سطح قابل بررسی و حل است. بالاترین سطح این کار، توسط مرکز تنقیح و تطبیق قوانین انجام می‌شود و بخشی از آن با ابزارهای ماشینی نیز قابل پیاده‌سازی است.
وی افزود: در صورت تکمیل فاز صفر و یک که برای بیش از 50 درصد دانشگاه‌ها انجام شده وزارتخانه‌ها صاحب یک سامانه هوش تجاری (BI) اختصاصی می‌شوند. پس از جلب اعتماد وزارتخانه‌ها به این سیستم، فرآیندهای داخلی آنها وارد سامانه شده و دستیار هوش مصنوعی قادر خواهد بود پیامدهای هر تصمیم دولت و اثرات زنجیره‌ای آن بر سایر بخش‌ها را پیش‌بینی کند؛ موضوعی که معاونت علمی بارها بر اهمیت آن تأکید کرده است.
غزنوی گفت: در عمل، پیش‌بینی پیامدها از اواخر فاز دو انجام خواهد شد. اگر این مرحله با موفقیت پیش برود، در فاز سه کلیه فرایندهای قابل اجرا در سیستم ثبت خواهد شد. به این معنا که اگر یکی از واحدهای حساس یک وزارتخانه فرآیندی را وارد سیستم کند، امکان حذف بخش‌هایی از داده یا ارقام وجود ندارد و تمام اطلاعات مرتبط در چارچوب سیستم پردازش می‌شود.
وی افزود: در این مرحله، «دوقلوی دیجیتال» وزارتخانه‌ها شکل خواهد گرفت؛ ابزاری که می‌تواند زنجیره واکنش‌ها و پیامدهای هر تصمیم را پیش از اجرا شبیه‌سازی و پیش‌بینی کند. در حال حاضر، این پیش‌بینی‌ها بیشتر بر اساس ذهن، تجربه حسی و شهود انسانی انجام می‌شود، اما هدف آن است که سیستم در نهایت بتواند مبتنی بر داده و مدل‌های دقیق، مسیر تصمیم‌گیری را بهینه کند.
ناظر پروژه «دستیار هوش مصنوعی» گفت: ساختار نهایی این طرح شامل فدراسیون «دستیارهای» اختصاصی برای دستگاه‌های مختلف خواهد بود که در عمق لایه کارشناسی هر سازمان فعالیت می‌کنند. در مراحل ابتدایی، کارکرد این دستیارها به سطح «پیشخوان اطلاعات» نزدیک خواهد بود، اما با تکمیل فازها، نقش راهبردی‌تری پیدا می‌کنند.
وی افزود: در برخی موارد، هنگام آغاز همکاری دانشگاه‌ها با وزارتخانه‌ها، دستگاه‌های اجرایی ابتدا درخواست‌های روزمره یا کوتاه‌مدت مطرح کرده‌اند. برای مثال، بعضی از دانشگاه‌ها برای تسریع کار، اقدام به خلاصه‌سازی فرآیندهای اتوماسیون و نامه‌نگاری نمونه کرده‌اند. با این حال، تصمیم‌گیری‌های اصلی برای مدیران ارشد تنها زمانی امکان‌پذیر است که مدل داده‌ای صحیح و کامل در سیستم ثبت شده باشد.
وی گفت: تنها در این صورت است که یک «دستیار هوشمند رئیس‌جمهور» یا سایر مقامات عالی دولت می‌تواند بر پایه تحلیل دقیق داده‌ها، پیشنهاد یا پیش‌بینی ارائه دهد. در این مرحله، همه بخش‌های زنجیره تصمیم‌سازی from داده‌پردازی تا شبیه‌سازی یکپارچه عمل خواهد کرد.
انتهای پیام/
