کالبدشکافی چالش‌های آموزش مهارتی و تجاری‌سازی هوش مصنوعی در گفتگو با دکتر «زینب کمالی»، مدیرعامل آیتک

حرکت به سمت تجاری‌سازی هوش مصنوعی و تبدیل تئوری‌های دانشگاهی به محصولات ثروت‌آفرین در صنعت، نیازمند بازتعریف بنیادین در دو حوزه کلیدی است: «تربیت نیروی انسانی متخصص» و «توسعه زیرساخت‌های سخت‌افزاری». بسیاری از مجموعه‌های فعال در کشور، مسیر توسعه را صرفاً در برگزاری دوره‌های آموزشی تئوریک خلاصه کرده‌اند؛ رویکردی که خروجی آن توسعه‌دهندگانی است که بدون درک عمیق از ریاضیات و ساختار الگوریتم‌ها، به کپی کردن کدهای آماده بسنده می‌کنند.

رویکرد کارگاهی و پروژه‌محور؛ عبور از تئوری محض

نخستین محور گفتگو با مدیرعامل آیتک، به بررسی هویت ساختاری این مجموعه و مرزبندی میان مراکز صرفاً آموزشی با نهادهای فعال در حوزه تحقیق و توسعه اختصاص داشت. دکتر «زینب کمالی» در پاسخ به پرسشی درباره ماهیت فعالیت‌های این شرکت، اظهار داشت که آیتک اساساً یک مرکز آموزشی تحقیقاتی است که از ابتدا با رویکرد جدی اجرای پروژه‌های کاربردی پایه‌گذاری شده است.

کمالی با نقد جدی به نظام‌های آموزشی سنتی که تمرکز خود را صرفاً بر انتقال مفاهیم نظری می‌گذارند، تصریح کرد: «اگر آموزش صرفاً تئوری و نظری باشد، به نظر بنده در حوزه فناوری و به‌ویژه هوش مصنوعی ارزش چندانی ندارد.» وی معتقد است آموزش‌های تئوریک تنها زمانی معنای بهتری پیدا می‌کنند که با پروژه‌های واقعی و ملموس پیوند بخورند.

بر همین اساس، مدیرعامل این شرکت اعلام کرد که آن‌ها برای توانمندسازی کارآموزان جهت اجرای پروژه‌های واقعی، زیرساخت‌های سخت‌افزاری لازم را فراهم کرده‌اند. کمالی در این زمینه به تأمین پردازنده‌های گرافیکی (GPU)  از جمله کارت‌های گرافیک نظیر RTX 5090 و RTX 4070 در این مجموعه اشاره کرد تا کارآموزان بتوانند پس از دریافت آموزش‌ها، بلافاصله پروژه‌های خود را پیاده‌سازی کرده و به نتیجه برسانند.

چالش پدیده «کپی‌کد» و رویکرد آموزشی دوگانه در یادگیری ماشین

یکی از بخش‌های کلیدی این گفتگو، آسیب‌شناسی وضعیت مهارتی فارغ‌التحصیلان رشته‌های مرتبط با فناوری اطلاعات و هوش مصنوعی در کشور بود. دکتر کمالی با اشاره به تجربیات پیشین خود در محیط‌های دانشگاهی و تعامل با دانشجویان، از رواج پدیده‌ای به نام «کپی‌کد» ابراز نگرانی کرد.

وی توضیح داد که در بررسی پروژه‌های دانشجویی متوجه شده است که بسیاری از دانشجویان کدهای مورد نیاز خود را به صورت آماده از پلتفرم‌هایی مانند گیت‌هاب دریافت کرده یا از ابزارهای آماده استفاده می‌کنند، بدون اینکه درک عمیقی از معماری الگوریتم داشته باشند یا بدانند خط به خط کدی که اجرا می‌کنند چه فرایندی را طی می‌کند. کمالی با توصیف این افراد به عنوان توسعه ‌دهندگانی که صرفاً کپی‌کاری می‌کنند، تأکید کرد: «این افراد فکر می‌کنند در حال تولید محصول هستند، اما در واقع کدی را از گیت‌هاب یا جاهای دیگر کپی می‌کنند و الگوریتم آن را نمی‌توانند تحلیل کنند.» به گفته او، پاشنه آشیل این رویکرد زمانی آشکار می‌شود که کارفرما یا صنعت خواستار تغییر، بهینه‌سازی یا شخصی‌سازی محصول باشد؛ در این حالت، افرادی که فاقد درک عمیق از خطوط کد هستند، توانایی خلق و نوآوری نخواهند داشت.

از سوی دیگر، کمالی به افراط و تفریط‌های موجود در بازار آموزش اشاره کرد. وی تشریح کرد که برخی دوره‌های آموزشی در کشور بیش از حد تئوریک بوده و به قدری وارد ریاضیات عمیق و انتزاعی الگوریتم‌ها می‌شوند که شاید برای بازار کار بین‌المللی توجیه داشته باشد، اما خروجی عملیاتی برای بازار ملی ندارند.

برای حل این بن‌بست مهارتی، مدیرعامل آیتک مدعی است که این مجموعه تعادل بهینه‌ای را میان تئوری و عمل برقرار کرده و دوره‌های یادگیری ماشین خود را به دو شاخه مجزا تقسیم نموده است؛ اول یادگیری ماشین تکنیکال که به گفته کمالی، این دوره مناسب افرادی است که می‌خواهند فرمولاسیون ریاضی و آمار پیچیده پشت الگوریتم‌ها را به طور کامل درک کنند. وی جامعه هدف این دوره را کسانی دانست که قصد دارند به شرکت‌های بزرگ فناوری جهان مانند گوگل و مایکروسافت بپیوندند و روی لایه‌های بنیادین و توسعه الگوریتم‌های مرجع کار کنند.

دوم یادگیری ماشین کاربردی که طبق توضیح کمالی ویژه کسانی است که هدفشان توسعه سامانه‌ها و پیاده‌سازی الگوریتم‌ها برای بازار ملی است. در این مسیر، اگرچه نیازی به درگیر شدن با مفاهیم ریاضی بسیار عمیق نیست، اما کارآموز باید بتواند الگوریتم را به طور کامل ردیابی (Trace) کرده و کارکرد دقیق هر خط از کد خود را متوجه شود.

وی معتقد است با این الگوی دوگانه، کارآموزان نه آن‌قدر غرق در تئوری می‌شوند که از کار عملی بازبمانند و نه آن‌قدر سطحی بار می‌آیند که کدهای خود را متوجه نشوند.

سبد محصولات بومی؛ بررسی ادعاها و ویژگی‌های فنی

بخش دیگری از این مصاحبه به معرفی محصولات بومی اختصاص داشت که به گفته کمالی روی وب‌سایت این شرکت قرار گرفته و روانه بازار شده‌اند. در ادامه، جزئیات فنی و مزایای رقابتی این محصولات از زبان مدیرعامل مجموعه تشریح شده است:

دستیار هوشمند معلم (ربات معلم)

کمالی از توسعه یک سامانه هوش مصنوعی به عنوان دستیار معلم خبر داد که عملکردهایی نظیر تدریس، رفع اشکال تخصصی دانش‌آموزان و برگزاری آزمون‌های مستمر و کویزها را بر عهده دارد. وی همچنین مدعی شد که این پروژه در حال حاضر در فاز توسعه بیشتر و تکمیل‌سازی است تا در آینده بتواند با دریافت تصویر دانش‌آموز، تعاملی دوطرفه برقرار کرده و خودِ معلم نیز به صورت تصویری در آن صحبت کند.

پروژه گفتار به گفتار بومی (Speech-to-Speech)

در حوزه پردازش زبان طبیعی و گفتار، کمالی ادعا کرد که این شرکت یک سیستم گفتار به گفتار (STS) را با دقت بالا برای زبان فارسی توسعه داده است. در شرایطی که غول‌های فناوری بین‌المللی نظیر شرکت‌های توسعه ‌دهنده ChatGPT و Gemini این قابلیت‌ها را ارائه می‌دهند، کمالی مزیتی کلیدی را برای محصول خود برشمرد؛ وی تأکید کرد که این مدل به صورت کاملاً بومی و محلی راه‌اندازی می‌شود که این ویژگی برای سازمان‌های نیازمند امنیت داده بسیار حائز اهمیت است.

مدیرعامل آیتک در رابطه با سنجش دقت این سیستم مدعی شد که بخش تبدیل گفتار به متن (Speech-to-Text) این ابزار به قدری بهینه شده است که در هر ۳۰۰ تا ۴۰۰ کلمه خروجی، تنها ۲ یا ۳ خطا (آن هم در حد چسبندگی کلمات به یکدیگر) به چشم می‌خورد. وی همچنین در مقایسه محصول خود با نمونه‌های بومی مشابه در بازار داخلی، به کیفیت بخش تبدیل متن به گفتار (Text-to-Speech) اشاره کرد و اظهار داشت که محصولات موجود در بازار عمدتاً لحنی رباتیک یا لهجه‌ای مصنوعی و ماشینی دارند، اما مدل توسعه‌یافته در آیتک تا حد زیادی انسانی‌سازی (Humanize) شده و لهجه‌ای طبیعی‌تر و روان‌تر ارائه می‌دهد. کمالی همچنین مدعی شد که مدل زبانی استفاده‌ شده در بخش پردازش متن این سامانه نیز از کارآمدی بسیار بالایی برخوردار است.

ابزار شناسایی نوری نویسه‌های فارسی (OCR)

محصول دیگر این مجموعه، ابزاری برای پردازش و دیجیتالی‌سازی اسناد سازمانی است. کمالی با اشاره به اینکه بخش زیادی از اسناد اداری در سازمان‌های کشور همچنان به صورت دست‌نویس نگهداری می‌شوند، مدعی شد که این محصول OCR می‌تواند اسناد با دست‌خط فارسی را اسکن کرده و با دقت بالا خروجی دیجیتال متنی تحویل دهد تا سازمان‌ها بتوانند آرشیو دیجیتال خود را پیاده‌سازی کنند.

پروژه‌های حوزه سلامت

کمالی همچنین به ورود این مجموعه به حوزه‌های پزشکی و سلامت اشاره کرد و از طراحی و اجرای پروژه‌ای تحت عنوان تشخیص پوسیدگی‌های دندان به کمک ربات‌های هوشمند و پردازش تصویر خبر داد.

برنامه استراتژیک آینده؛ سامانه همرسانی «آی‌نت»

دکتر زینب کمالی بزرگ‌ترین و محوری‌ترین کلان‌پروژه این مجموعه در بازه زمانی ۳ تا ۵ سال آینده را توسعه و بهره‌برداری از سامانه «آی‌نت» (AI Net) معرفی کرد. به گفته وی، آی‌نت یک پلتفرم همرسانی هوشمند است که با بهره‌گیری از الگوریتم‌های هوش مصنوعی، قصد دارد ارکان مختلف اکوسیستم این فناوری در کشور را در قالب ۸ حوزه تخصصی به یکدیگر متصل کند.

علاوه بر این، سامانه آیتک خدمات دیگری نظیر هدایت تحصیلی کارآموزان، تسهیل فرایند اشتغال و اشتراک‌گذاری زیرساخت‌ها را نیز ارائه می‌دهد. در بخش هدایت تحصیلی، دانشجویان و متقاضیان آموزش با ثبت مشخصات و شرایط خود، نقشه راه آموزشی شخصی‌سازی ‌شده‌ای از هوش مصنوعی دریافت می‌کنند.

همچنین، این پلتفرم با فراهم‌ کردن بستری برای ثبت توانمندی‌های متخصصان و بارگذاری مسایل از سوی کارفرمایان، فرایند اشتغال و برون‌سپاری را تسهیل کرده و به‌وسیله هوش مصنوعی، مناسب‌ترین پروژه‌های فعال را به متخصصان واجد شرایط متصل می‌سازد. در کنار این موارد، اشتراک‌گذاری زیرساخت‌ها از دیگر قابلیت‌های کلیدی این سامانه است که ارتباط میان دارندگان تجهیزات و توان پردازشی را با توسعه‌دهندگان فاقد سخت‌افزار برقرار می‌کند.

تجارب عملی در پیوند صنعت و دانشگاه

یکی از دغدغه‌های جدی در اکوسیستم فناوری کشور، چگونگی متصل کردن تئوری‌های دانشگاهی به نیازهای واقعی کف کارخانه‌ها است. دکتر کمالی در پاسخ به این پرسش که آیا پیش از رویداد اخیر نیز تجربه موفقی در این زمینه داشته‌اند یا خیر، تأکید کرد که اساساً ایده برگزاری چنین رویدادهایی از موفقیت یک تجربه واقعی در گذشته الهام گرفته شده است.

وی در تشریح این تجربه اظهار داشت که در گذشته، کارخانه‌ای با یک چالش فنی در فرایند «عیب‌یابی چاپ» روبه‌رو بود. مجموعه آیتک با اطلاع از این نیاز و با اتکا به شناخت خود از اکوسیستم، یک شرکت دانش‌بنیان را که مؤسسان آن از نخبگان و اساتید دانشگاهی بودند و پیش‌تر تجربه موفقی در حل این چالش برای کارخانه دیگری داشتند، به کارفرمای جدید معرفی کرد. به گفته کمالی، موفقیت این پیوند و اثربخشی آن ثابت کرد که می‌توان این الگوی همرسانی را در ابعاد کلان‌تر تکرار کرد؛ کما اینکه وی مدعی شد در همان روز اول رویداد فعلی نیز چندین نفر از اساتید دانشگاه به طور مستقیم به صنایع متقاضی متصل شدند.

گلوگاه اصلی؛ چالش سخت‌افزاری پیش روی مدل‌های بومی

مدیرعامل آیتک در بخش پایانی گفتگو، دست روی بزرگ‌ترین سد راه توسعه هوش مصنوعی در ایران گذاشت؛ سخت‌افزار و زیرساخت محاسباتی.

دکتر کمالی با صراحت تأکید کرد که در حال حاضر، عدم دسترسی آسان و قیمت‌های سرسام‌آور پردازنده‌های گرافیکی (GPU) اصلی‌ترین محدودیت و چالش پیش روی متخصصان داخلی برای توسعه مدل‌های هوش مصنوعی بومی بزرگ است. وی ابراز امیدواری کرد که با سرمایه‌گذاری بخش‌های مختلف، این چالش زیرساختی برطرف شود تا فرایند تجاری‌سازی شتاب بیشتری به خود بگیرد.