چالش‌های هوش مصنوعی در ایران؛ از زیرساخت تا امنیت داده‌ها

نمایشگاه بین‌المللی الکامپ ۱۴۰۴، بستر مهمی برای گفت‌وگو درباره آینده فناوری به‌ویژه درباره چالش‌های هوش مصنوعی در ایران بود. در این رویداد، محمدعلی کهن دژ، مدیرعامل شرکت کهن سیستم فردا، تجربه‌های عملی و دغدغه‌های کلیدی درباره توسعه هوش مصنوعی در کشور را بیان کرد. این شرکت بیش از ۱۰ سال است که در حوزه امنیت سایبری، توسعه نرم‌افزارهای مبتنی بر هوش مصنوعی و مشاوره شبکه فعالیت می‌کند و در الکامپ ۱۴۰۴، چت‌بات تلکام را برای نخستین بار معرفی کرد.

سابقه و فعالیت‌های کهن سیستم فردا در حوزه هوش مصنوعی

مدیرعامل کهن سیستم فردا توضیح داد که این شرکت نزدیک به یک دهه است در حوزه‌های مختلف فناوری اطلاعات فعالیت دارد. از مهم‌ترین فعالیت‌های آن می‌توان به توسعه سامانه‌های امنیت سایبری، پروژه‌های هوش مصنوعی و مشاوره تخصصی در حوزه شبکه اشاره کرد. او تاکید کرد که هر محصول مبتنی بر AI نیازمند زیرساخت و منابع مشخص است و همین موضوع از اصلی‌ترین چالش‌های هوش مصنوعی در ایران محسوب می‌شود.

درس مهم از الکامپ ۱۴۰۴: شکست روز اول چت‌بات

یکی از اتفاقات مهم نمایشگاه، تجربه راه‌اندازی چت‌بات تلکام بود. به گفته کهن دژ، در روز نخست نمایشگاه و در حضور متخصصان، این چت‌بات از کار افتاد. تیم فنی توانست با انتقال سرویس به پشتوانه زیرساخت‌هایی مثل Kubernetes، Docker و Cloudflare مشکل را رفع کند.

این تجربه نشان داد که چالش‌های هوش مصنوعی در ایران صرفاً به الگوریتم و نرم‌افزار محدود نمی‌شود، بلکه زیرساخت سخت‌افزاری و مدیریت منابع اهمیت حیاتی دارد. حتی تخمین میزان منابع مورد نیاز یک سرویس تا زمانی که در عمل اجرا نشود، کاری دشوار است.

هزینه‌های سنگین و محدودیت دسترسی به API

کهن دژ اشاره کرد که برای ارائه سرویس به کاربران ناچار شده‌اند نزدیک به ۴۰ میلیون تومان برای APIهای خارجی هزینه کنند. در همان ساعت اول، توکن‌ها تمام شد و سیستم به دلیل حجم بالای درخواست‌ها از دسترس خارج گردید. در نهایت، تیم فنی مجبور شد برای مدیریت درخواست‌ها از یک فایل JSON استفاده کند تا کاربران ابتدا پاسخ‌های آماده دریافت کنند و در صورت نیاز به سراغ مدل اصلی بروند. این تجربه نمونه‌ای روشن از چالش‌های هوش مصنوعی در ایران در زمینه دسترسی به منابع خارجی و مدیریت هزینه‌ها بود.

حکمرانی داده و دغدغه امنیت در پروژه‌های هوش مصنوعی

یکی از موضوعات محوری گفت‌وگو، حکمرانی داده در کشور بود. مدیرعامل کهن سیستم فردا تاکید کرد که توسعه هوش مصنوعی بدون دسترسی به داده‌های کافی و امن امکان‌پذیر نیست. اما نگرانی‌های بخش دولتی درباره داده‌های حساس باعث محدودیت همکاری با بخش خصوصی شده است.

به گفته او، یکی از راهکارها استفاده از مدل‌های زبانی محلی (Local LLM) برای گمنام‌سازی داده‌هاست. این فرآیند می‌تواند کدملی، سوابق پزشکی یا سایر اطلاعات حساس را به داده‌های ناشناس تبدیل کند و در عین حال امکان آموزش مدل‌ها و تحلیل داده‌ها را فراهم سازد. چنین رویکردی علاوه بر حفظ امنیت، می‌تواند به توسعه بازار داده و ایجاد منبع درآمد برای دولت منجر شود.

مدل‌های زبانی محلی و راهکار گمنام‌سازی داده‌ها

کهن دژ توضیح داد که در پروژه‌های حساس، استفاده از LLMهای محلی گزینه‌ای قابل‌اعتماد است. در این مدل‌ها، داده‌ها پیش از ورود به الگوریتم اصلی رمزگذاری و گمنام‌سازی می‌شوند. برای مثال، بیماری «سرماخوردگی» ممکن است در فرآیند آموزش به یک کلیدواژه دیگر مانند «بیماری X» تبدیل شود. این فرآیند انکود و دیکود از انتشار اطلاعات حساس جلوگیری می‌کند.

چنین راهکارهایی می‌تواند بخشی از چالش‌های هوش مصنوعی در ایران در حوزه امنیت داده را برطرف کند و زمینه‌ای برای رشد اعتماد میان بخش خصوصی و دولتی باشد.

موانع سخت‌افزاری و اهمیت داده در توسعه داخلی

به گفته مدیرعامل کهن سیستم فردا، مهم‌ترین چالش‌های هوش مصنوعی در ایران در دو حوزه خلاصه می‌شود:

1. سخت‌افزار شامل GPU و توان پردازشی.
2. داده به عنوان ماده خام آموزش مدل‌ها.

تحریم‌ها باعث شده دسترسی به سخت‌افزارهای قدرتمند دشوار باشد. در عین حال، کشور مملو از داده‌های ارزشمند است که می‌تواند برای آموزش مدل‌ها مورد استفاده قرار گیرد. به اعتقاد او، دولت می‌تواند نهادی ایجاد کند که داده‌ها را خریداری یا از مردم به‌صورت داوطلبانه دریافت کند. حتی داده‌های منقضی یا اطلاعات افراد فوت‌شده نیز قابلیت استفاده در آموزش مدل‌ها را دارند.

فرهنگ‌سازی و آموزش: پیش‌نیاز توسعه هوش مصنوعی

کهن دژ تاکید کرد که یکی از مهم‌ترین چالش‌های هوش مصنوعی در ایران، فقدان فرهنگ‌سازی و آموزش عمومی است. او معتقد است باید آموزش استفاده از این فناوری از سنین کودکی آغاز شود. همان‌طور که علوم پایه در مدارس تدریس می‌شود، مهارت کار با ابزارهای هوش مصنوعی نیز باید جزو آموزش‌های ضروری نسل جدید باشد.

او به‌عنوان یک والد، هشدار داد که بمباران اطلاعاتی و رشد سریع ابزارها می‌تواند برای کودکان خطرساز باشد. به همین دلیل، پیشنهاد داد چارچوب‌هایی مانند Prompt Decorators برای محدودسازی پاسخ‌های هوش مصنوعی به کودکان طراحی شود.

جمع‌بندی: راه عبور از چالش‌های هوش مصنوعی در ایران

گفت‌وگو با مدیرعامل کهن سیستم فردا نشان داد که آینده این فناوری در ایران به شدت وابسته به رفع موانع زیرساختی، امنیتی و فرهنگی است. از شکست یک چت‌بات در روز نخست نمایشگاه تا دغدغه‌های امنیت داده و هزینه‌های سنگین API، همه نشان می‌دهند که چالش‌های هوش مصنوعی در ایران واقعیتی جدی است.

با این حال، راهکارهایی مانند استفاده از مدل‌های محلی، گمنام‌سازی داده‌ها، سرمایه‌گذاری در سخت‌افزار داخلی و آموزش نسل جوان می‌تواند مسیر کشور را برای حضور مؤثر در انقلاب هوش مصنوعی هموار کند.