به گزارش گروه اقتصادی خبرگزاری دانشجو، نشست تخصصی دستیابی به عمق هوش مصنوعی در لایه زیرساخت به میزبانی پژوهشکده ارتباطات و فناوری اطلاعات برگزار شد.
امین نظارات مدیر یکی از شرکت‌های خصوصی با اشاره به به چالش‌ها و فرصت‌های صنعت نیمه‌هادی‌ها و نرم‌افزار‌های پایه (فاندیشن سافتور) در ایران گفت: درست است که کشور‌هایی مثل مالزی، کره جنوبی و ژاپن در این حوزه‌ها به‌خوبی پیشرفت کرده‌اند و ایران می‌تواند از این تجارب بهره‌برداری کند. حضور در صنعت نیمه‌هادی‌ها، به‌خصوص با توجه به رشد تکنولوژی و نیاز به تولیدات بومی، یک فرصت طلایی است. اگرچه تا کنون ورود جدی نداشته‌ایم، اما با توجه به زیرساخت‌ها و دانش فنی موجود، امکان توسعه وجود دارد. به‌خصوص در زمینه طراحی و مهندسی که می‌تواند به تولید برونسپاری شده منجر شود، پتانسیل خوبی برای رشد وجود دارد.
وی تصریح کرد: در مورد نرم‌افزار‌های بنیادی هم کاملاً صحیح است که برای پیشرفت در این زمینه نیاز به زیرساخت و سرمایه‌گذاری داریم. این نرم‌افزار‌ها به‌خصوص در حوزه هوش مصنوعی و مدل‌های زبانی به عنوان زیرساخت‌های اصلی برای توسعه اپلیکیشن‌ها ضروری هستند. سرمایه‌گذاری در این زمینه می‌تواند به پیشرفت‌های چشمگیری منجر شود و ایران را در این حوزه‌ها رقابتی‌تر کند. اگر به طور خاص درباره‌ی استراتژی‌ها یا چالش‌هایی که ممکن است در این مسیر با آنها مواجه شویم صحبت کنیم، می‌توانیم دقیق‌تر به راهکار‌ها و برنامه‌های عملی بپردازیم.
مهدی مشیری معاون تحقیق و توسعه زیرساخت‌های ارتباطی شرکت زیرساخت در ادامه این پنل با اشاره به پیاده‌سازی هوش مصنوعی در لایه زیرساخت گفت: ب در زمینه مدیریت خودکار شبکه، امنیت، بهینه‌سازی منابع و پیش‌بینی‌ها، استفاده از تکنیک‌های هوش مصنوعی می‌تواند تحولی بزرگ به وجود آورد. با استفاده از الگوریتم‌های یادگیری ماشین، سیستم‌ها می‌توانند به‌طور خودکار خطا‌ها را شناسایی و اصلاح کنند همچنین استفاده از هوش مصنوعی برای شناسایی تهدیدات و حملات سایبری می‌تواند به بهبود امنیت زیرساخت‌ها کمک کند و بهینه‌سازی منابع شبکه از طریق الگوریتم‌های هوش مصنوعی می‌تواند به مدیریت بهینه مصرف انرژی، پهنای باند و ذخیره‌سازی کمک کند. برای تحقق این اهداف، نیاز به سرمایه‌گذاری در آموزش نیروی انسانی، توسعه زیرساخت‌های تکنولوژیکی و همکاری میان بخش‌های مختلف دولت و صنعت داریم. اگر بتوانیم این چالش‌ها را به‌درستی مدیریت کنیم، می‌توانیم به پیشرفت‌های چشمگیری در زمینه زیرساخت‌های ارتباطی و فناوری اطلاعات دست یابیم.
بهنام رهنما فعال بخش خصوصی در ادامه این نشست به جوانب مختلف و چالش‌های توسعه هوش مصنوعی، به‌ویژه در زمینه‌های سخت‌افزاری و نرم‌افزاری، به‌خوبی اشاره کرد و گفت: هوش معنایی می‌تواند به توانایی سیستم‌ها برای فهم و پردازش داده‌ها در یک سطح عمیق‌تر اشاره داشته باشد. این توانایی برای تصمیم‌گیری‌های هوشمندانه و خودمختار حیاتی است. برای دستیابی به این سطح از هوش مصنوعی، نیاز به داده‌های باکیفیت و الگوریتم‌های پیچیده‌تری داریم که بتوانند معانی و روابط بین داده‌ها را شناسایی کنند.
رهنما با اشاره به زیر ساخت‌های سخت‌افزاری ادامه داد: برای پردازش‌های عمیق‌تر در هوش مصنوعی به سخت‌افزار‌های پیشرفته نیاز داریم، مانند TPUها و IPU ها. این موارد به‌ویژه برای آموزش مدل‌های پیچیده اهمیت دارند. ایجاد ظرفیت‌های خالی در کارخانه‌های بزرگ مانند TSMC و همکاری با آنها برای تولید چیپ‌های سفارشی می‌تواند رویکرد مناسبی باشد همچنین به یک سیستم‌عامل اپن سورس و مخصوص هوش مصنوعی نیاز داریم که بتواند به‌طور خاص برای پردازش‌های AI بهینه‌سازی شود. این امر می‌تواند شامل ابزار‌های متنوعی باشد که در سطح کرنل برای بهینه‌سازی پردازش‌های AI پیاده‌سازی شوند. برای تحقق این اهداف، به‌ویژه در ایران، نیاز به همکاری میان دانشگاه‌ها، صنعت و دولت داریم. اگر بتوانیم بر روی این جوانب کلیدی تمرکز کنیم، می‌توانیم به توسعه‌ای پایدار و مؤثر در حوزه هوش مصنوعی و رباتیک دست یابیم.
نقش دانشگاه در حوزه زیرساخت
دارا رحمتی عضو هیات علمی دانشکده مهندسی کامپوتر دانشگاه شهید بهشتی در این نشست با تاکید بر نقش دانشگاه‌ها گفت:دانشگاه‌ها در زمینه طراحی مدار‌های مجتمع و چیپ‌ها پتانسیل بالایی دارند. این توانایی می‌تواند به عنوان یک نقطه قوت در توسعه صنعت نیمه‌هادی مورد استفاده قرار گیرد. مشکل اصلی در تولید و ساخت این چیپ‌هاست که به زیرساخت‌های پیشرفته و سرمایه‌گذاری نیاز دارد. این نکته به‌ویژه در صنعت نیمه‌هادی حیاتی است، زیرا ساخت چیپ‌های پیشرفته نیازمند فناوری و تجهیزات مدرن است.
وی تصریح کرد: برای پیشرفت در این زمینه، لازم است که دانشگاه‌ها و مراکز تحقیقاتی حمایت بیشتری از سوی دولت و بخش خصوصی دریافت کنند. این حمایت می‌تواند شامل تأمین مالی، تجهیزات و ارتباط با صنایع تولیدی باشد همچنین برقراری ارتباط با کشور‌هایی که در این حوزه محدودیت کمتری دارند نیز می‌تواند به‌عنوان یک راهکار مؤثر در تسهیل تولید و طراحی چیپ‌ها عمل کند.
هوش مصنوعی به‌عنوان کاتالیزور
رحمتی تاکید کرد: بهبود فناوری‌های هوش مصنوعی می‌تواند به‌عنوان کاتالیزور برای توسعه صنعت نیمه‌هادی عمل کند. با توجه به رشد روزافزون نیاز به پردازش‌های خاص، سرمایه‌گذاری در چیپ‌های بهینه‌سازی شده برای هوش مصنوعی می‌تواند به تسریع این روند کمک کند. با توجه به این پتانسیل‌ها و نیازها، توسعه زیرساخت‌های مرتبط با تولید و طراحی چیپ‌ها باید به‌عنوان یک اولویت در نظر گرفته شود. این اقدام نه‌تن‌ها به رشد اقتصادی کمک خواهد کرد، بلکه می‌تواند به تأمین نیاز‌های داخلی و افزایش خودکفایی در فناوری نیز منجر شود.
ارسال نظرات