راهبردهای عملی برای جامعه هوش مصنوعی ایران

در یکی از جذاب‌ترین بخش‌های AI Summit 2025، ارتباط زنده‌ای با دو متخصص برجسته ایرانی برقرار شد؛ دو پژوهشگری که در قلب شرکت‌های پیشروی دنیا بر پروژه‌های پیشرفته هوش مصنوعی کار می‌کنند.
این ارتباط با مدیریت «پوریا حداد»، مدیرعامل «فیلاگر»، برقرار شد. «محمدتقی صفار» مهندس و محقق ارشد هوش مصنوعی در Google DeepMind و «مجتبی کمیلی» دانشمند و پژوهشگر هوش مصنوعی در Meta و فعال در استارتاپ تولید ویدئو Mirage، مهمانان این گفتگو بودند.

صفار گفت‌وگو را با معرفی کوتاه آغاز کرد؛ او با خنده توضیح داد که درست چند ساعت پیش از اتصال به همایش، Gemini 3 لانچ شده و دفتر گوگل به‌قدری شلوغ بوده که مجبور شده برای ادامه میتینگ از ساختمان خارج شود.

حداد تاکید کرد که این نکته ساده اما مهم، نشان‌دهنده این است که جامعه هوش مصنوعی ایران، امروز توانسته با فاصله‌ای اندک از قلب تصمیم‌گیری‌های Big Tech، وارد همان فضا و ریتم جهانی شود.

آیا یک استارتاپ می‌تواند وارد بازی مدل‌های عظیم زبانی شود؟

پوریا حداد با طرح مثالی از DeepSeek، مدلی که با هزینه‌ای بسیار پایین‌تر از OpenAI آموزش داده شد و باعث سقوط تاریخی بازار سهام آمریکا شد، پرسید:

«آیا واقعاً استارتاپ‌ها می‌توانند وارد رقابت مدل‌های زبانی شوند؟ یا همچنان فقط آمریکا و چین میدان‌دار خواهند بود؟»

صفار تأکید کرد که هزینه‌های تکنولوژی همیشه در طول زمان ارزان‌تر شده و هوش مصنوعی نیز از این قاعده مستثنا نیست. او گفت:

• فاز «سوپر سیکل» که فقط چند شرکت می‌توانستند مدل‌های بزرگ بسازند پایان یافته.
• جامعه متن‌باز با سرعتی بی‌سابقه فاصله با مدل‌های منبع بسته را کاهش داده.
• استارتاپ‌ها می‌توانند از کامپیوتر اشتراکی و از دانش جمعی متن‌باز استفاده کنند.

اما نکته کلیدی او این بود: «پیش آموزش هنوز گران و سنگین است، اما پست‌ترینیگ و سفارشی‌سازی مدل‌ها ارزان و کاملاً در دسترس است.»

مدل‌های ویدئویی؛ میدان جنگ بعدی

مجتبی کمیلی که تجربه‌اش بیشتر در حوزه بینایی ماشین و ویدئو است، تصویری واقع‌گرایانه از آینده مدل‌های مولد ویدئویی ارائه کرد:

• هزینه سخت‌افزار و نیروی انسانی در این حوزه بسیار بالاست.
• تنها چند کشور قدرت ساخت مدل‌های عظیم ویدئویی را دارند.
• اما پیشرفت‌های جدید مثل مدل‌های کوچک‌تر، داده‌های مصنوعی و تکنیک‌های بهتر آموزش، در حال تغییر بازی هستند.

او تأکید کرد: «مدل‌ها دارند کوچک‌تر می‌شوند، هزینه‌ها کمتر می‌شود و متن‌بازها نقش کلیدی پیدا کرده‌اند.»

ایجنت‌ها؛ جذاب ولی هنوز غیرقابل‌اعتماد

در بخش بعدی، بحث به یکی از داغ‌ترین موضوعات صنعت رسید: AI Agents

صفار گفت: «در سراسر جهان،نه فقط ایران، ایجنت‌ها موضوع داغی هستند، اما ایجنت‌ها هنوز در کارهای چندساعته یا پیچیده ثبات کافی ندارند.» او افزود که بهترین کاربردهای فعلی آنان اتوماسیون کارهای روتین، تست‌های کوتاه، ساخت ابزارهای داخلی شرکت‌ها و افزایش سرعت تیم‌ها و کاهش هزینه است.

او خاطرنشان کرد: «ایجنت‌ها هنوز ابزارهای خلاق یا تصمیم‌گیر نیستند. هدف این است که زمان بخریم تا بتوانیم داده‌های باکیفیت‌تری جمع کنیم.»

چالش ایران: دیتاست‌هایی که «خوب نیستند»

پوریا حداد توضیح داد که در بسیاری از سازمان‌های ایرانی، دیتاست‌هایی که «فکر می‌شود ارزشمند هستند» در واقع پر از نویز، فاقد ساختار و بدون استراتژی جمع‌آوری شده‌اند.

صفار و کمیلی هر دو تأیید کردند که این چالش جهانی است، اما یک نکته کلیدی مطرح شد:
«باید نقطه صفر تعریف کنیم، بعد استراتژی جمع‌آوری داده، و سپس با ابزارهای فعلی، به‌ویژه ایجنت‌ها، زمان بخریم تا داده‌های واقعی ساخته شود.»

نقطه پرش بعدی کجاست؟

محمدتقی صفار توضیح داد که آینده لزوماً از آنِ کسانی نیست که هزینه‌های نجومی صرف آموزش مدل‌های غول‌پیکر می‌کنند؛ بلکه از آنِ کسانی است که یاد بگیرند چگونه همین مدل‌های موجود را با هزینه‌ای بسیار پایین برای نیازهای خودشان سفارشی‌سازی کنند.

او از روش‌هایی مثل LoRA و SFT گفت؛ تکنیک‌هایی که به سازمان‌ها اجازه می‌دهد روی شانه مدل‌های بزرگ بایستند، اما بر اساس داده‌های خودشان مدل‌هایی دقیق‌تر و کارآمدتر بسازند. صفار با تأکید گفت: «در عصر امروز، جایی که مدل‌ها همه‌گیر شده‌اند، آنچه اهمیت دارد حجم داده یا قدرت سخت‌افزار نیست؛ بلکه طراحی درست «تابع پاداش» است؛ چیزی که به مدل یاد می‌دهد دقیقاً چگونه رفتار کند.» به گفته او، اگر سازمان‌ها بتوانند این بخش را جدی بگیرند، نیمی از مسیر را رفته‌اند.

دوقلوهای دیجیتال؛ آینده صنعت ایران

صفار سپس به آینده صنعت ایران اشاره کرد؛ آینده‌ای که از نگاه او بدون «دوقلوهای دیجیتال» قابل تصور نیست. او توضیح داد که از پتروشیمی گرفته تا خودرو، همه می‌توانند با ساخت نسخه‌های شبیه‌سازی‌شده از فرآیندها و تجهیزات خود ریسک‌ها را کاهش دهند، آزمایش‌ها را از فضای واقعی به محیط امن شبیه‌سازی منتقل کنند و هزینه‌هایی را که گاه تا صدها هزار دلار در ساعت هستند کاهش دهند.

پس از او، مجتبی کمیلی با نگاهی تکمیلی‌تر ادامه داد. او باور داشت که قدرت واقعی نه در هوش مصنوعی به‌تنهایی، و نه در نیروی انسانی به‌تنهایی، بلکه در ترکیب هوشمندانه این دو است. به گفته او، AI جای انسان را به‌طور کامل نمی‌گیرد، اما سرعت انجام بسیاری از کارها را چند برابر می‌کند؛ و همین کافی است تا معادلات صنعتی و تجاری تغییر کند.

کمیلی سپس به نکته‌ای اشاره کرد که کمتر درباره‌اش صحبت می‌شود: «شبکه‌های زبانی، در واقع «دانش فشرده‌شده اینترنت» هستند. بسیاری از پاسخ‌ها، همین‌جا مقابل ما هستند، اما چون دنبال پیچیدگی می‌گردیم، از ساده‌ترین ابزارهای موجود استفاده نمی‌کنیم.»

او در پایان به یک خطر مشترک اشاره کرد؛ خطری که هم در سیلیکون‌ولی دیده می‌شود و هم در ایران: «هیجان‌زدگی سازمانی». شرکت‌هایی که صرفاً برای اینکه در گزارش سالانه‌شان بنویسند از هوش مصنوعی استفاده کرده‌اند، هزینه‌های اضافه می‌کنند؛ بدون اینکه واقعاً مسئله‌ای را حل کنند. کمیلی هشدار داد که اگر ایران می‌خواهد در این رقابت بماند، باید از این دام دوری کند.

آینده به‌قدری نزدیک است که باید دوباره نگاه کنیم

جمع‌بندی این گفتگو تصویری روشن ارائه می‌داد: متخصصان ایرانی در قلب توسعه مدل‌های نسل جدید حضور دارند و فاصله ایران با جریان اصلیِ جهان می‌تواند کمتر شود؛ به شرط آنکه استراتژی داده درستی داشته باشیم، از مدل‌های متن‌باز هوشمندانه استفاده کنیم. آینده، آن‌طور که مهمانان گفتند، آن‌قدر نزدیک است که باید دوباره به آن نگاه کرد. ایجنت‌ها، سفارشی‌سازی مدل‌ها، دوقلوی دیجیتال و مدل‌های ویدئویی، همه چیزهایی هستند که همین امروز می‌توان قدم اولشان را برداشت، نه فردا.