«هوش مصنوعی» در خدمت حفظ سرمایه علمی و راهکاری برای تداوم تفکر دانشمندان حتی پس از ترور یا مهاجرت
رئیس اندیشکده حکمرانی هوشمند با تاکید بر اینکه ترور دانشمندان فقط حذف یک انسان نیست، بلکه از بین بردن یک مدل ذهنی و انباشت عظیمی از دانش و تجربه است، گفت: با تکیه بر مدیریت دانش و بهره‌گیری از هوش مصنوعی می‌توان الگوریتم فکری دانشمندان کشور را بازتولید کرد و به صورت یک ربات در آورد. این شیوه می‌تواند دشمن را نسبت به ترور دانشمندان برای آسیب به بخش علمی کشور ناامید کند.
سیدطه‌حسین مدنی ، ایران را یک کشور دانشمندپرور توصیف کرد که با وجود اینکه برخی از این دانشمندان از کشور خارج و برخی در داخل مشغول کار در مسائل عمومی می‌شوند؛ اما باز هم تعداد دانشمندانی که در مسائل حساس و کلیدی فعالیت دارند، کم نیستند و تاکید کرد: کشور باید همچنان حداکثر حراست و حفاظت را از آنها داشته باشد.
وی با بیان اینکه بخش علمی کشور ما همواره مورد دشمنی آشکار و پنهان رژیم صهیونیستی قرار گرفته است، افزود: این رژیم از همان سال‌های نخست انقلاب اسلامی یا به صورت غیرمستقیم و با استفاده از عواملی چون رژیم بعث، منافقین و دیگر نهادهای تروریستی یا به صورت ترور مستقیم یا بیولوژیک دانشمندان ما، سعی کرده به پیشرفت علمی کشور آسیب وارد کند.
مدنی ادامه داد: در همین راستا طی سال‌های اخیر ما دانشمندانی چون مجید شهریاری، مصطفی احمدی‌روشن، مسعود علی‌محمدی، داریوش رضایی‌نژاد، محسن فخری‌زاده، فریدون عباسی دوانی و ... را از دست داده‌ایم. شهادت این دانشمندان در مدت اخیر فقط از دست رفتن یک جان نبوده است، بلکه کشور با شهادت هر کدام از آنان، یک مدل ذهنی منحصر به فرد و انبوهی از دانش انباشته شده در فکر یک دانشمند را از دست داده است.
رئیس اندیشکده حکمرانی هوشمند خاطرنشان کرد: با توجه به ادامه خباثت و دشمنی رژیم صهیونیستی و حمایت از گروه‌های تروریستی برای ضربه زدن به بخش علمی کشور، ما در کنار حفاظت و حراست از داشته‌های فکری، باید با استفاده از ابزارهای مدرن و جدید کاری کنیم که شدت این رخدادها کمتر شده و حتی به سمتی برویم که دشمن از ترور دانشمندان ناامید شده و آن را روشی ناکارآمد بداند.
وی در این خصوص به لزوم استفاده از مدیریت دانش با بهره‌گیری از سطوح بالا و تفسیرپذیر هوش مصنوعی اشاره و خاطرنشان کرد: در برخی از بخش‌ها از این روش استفاده شده تا هم آسیب‌های ناشی از ترور کاسته شود و هم سرعت رشد دانش مستقل از دانشمندان افزایش پیدا کند.
راهکار مقابله با دشمن برای حفظ دانشمندان ایرانی
رئیس اندیشکده حکمرانی هوشمند ادامه داد: مدیریت دانش یا Knowledge Management که به آن اختصاراً KM هم گفته می‌شود؛ در تعریف ساده یعنی نگذاریم دانسته‌ها، تجربه‌ها، ایده‌ها و راه‌حل‌هایی که در ذهن افراد است، با آنها از بین برود. این فرآیند تلاش می‌کند تا دانش موجود در ذهن افراد مثل تجربه یک استاد دانشگاه یا نخبه، راه‌حل خاص یک مهندس و ایده‌پرداز یا روش تحلیل یک پژوهشگر نظامی را جمع‌آوری، مستندسازی، ذخیره و منتقل کند و آن را در زمان مناسب، به‌دست فرد یا سیستمی مناسب برساند تا به کار گرفته شود. با توجه به این تعریف، اگر یک متخصص باتجربه بازنشسته شود یا به هر دلیلی در دسترس نباشد و هیچ‌کس نداند چطور مشکلات فنی را حل می‌کرد، ما قربانی فقدان مدیریت دانش شده‌ایم.
مدنی درباره نقش و جایگاه هوش مصنوعی در این باره، گفت: هوش مصنوعی یا Artificial Intelligence یا به اختصار همان AI، در این موضوع به معنای ساختن سیستم‌هایی است که بر اساس الگوریتم شبکه عصبی مصنوعی(ANN) بتوانند شبیه انسان فکر کنند، یاد بگیرند، تصمیم بگیرند و حتی خلاقیت به خرج دهند. این فناوری با تحلیل داده‌ها، کشف الگوها و یادگیری تدریجی می‌تواند متن‌ها، گفتار و ایده‌ها را بفهمد و بر اساس آن پیشنهاد دهد، طراحی یا حتی تحلیل کند و مهمتر از همه، کمک دهد تا پیچیده‌ترین اطلاعات را مدیریت و استفاده کنیم.
وی خاطرنشان کرد: هوش مصنوعی در این مبحث حتی می‌تواند در مواردی تفکرات یک دانشمند را درک و بازسازی کرده و در نهایت قدرت تحلیل آن را تا حد زیادی برای همیشه تثبیت کند.
رئیس اندیشکده حکمرانی هوشمند با اشاره به ارتباط میان مدیریت دانش و هوش مصنوعی، گفت: در واقع می‌توان هوش مصنوعی را ابزاری قدرتمند برای مدیریت دانش در عصر دیجیتال دانست، به این صورت که این ابزار می‌تواند اطلاعات پنهان در اسناد، سخنرانی‌ها یا حتی مکالمات را استخراج و طبقه‌بندی کرده و بر اساس آن سبک فکری یک فرد را شناسایی و الگوسازی کند تا از میان انبوه اطلاعات، دانشی دقیق و قابل استفاده استخراج شود.
وی توضیح داد: به عبارت ساده‌تر، اگر مدیریت دانش، مغز دوم یک کشور باشد؛ هوش مصنوعی، دستیار سریع، دقیق، خستگی‌ناپذیر(tireless)، جاودان و نامیرای آن مغز است.
انتقال دانش بین نسلی در دنیا
مدنی به تجربه کشورهای مختلف جهان در استفاده از این شیوه اشاره و خاطرنشان کرد: به طور مختصر می‌توان به تجربه ژاپن در بحث «انتقال دانش بین نسلی» یا Intergenerational Knowledge Transfer توسط شرکت‌هایی مانند Fujitsu و Hitachi-GE برای انتقال مهارت‌های فنی به نسل اشاره کرد. در آلمان هم پروژه‌هایی در RWTH Aachen و Karlsruhe توسعه یافته‌اند تا به‌ویژه پس از بازنشستگی مهندسان، دانش فنی را مستندسازی کنند.
وی، چین را یکی دیگر از کشورهایی عنوان کرد که به دنبال مدل‌سازی سبک تفکر کارشناسان مختلف است و ادامه داد: چین در این راستا به سمت بایگانی دیجیتال یا Digital Archiving و استفاده از پردازش زبان طبیعی یا AI Model Building رفته تا به استخراج دانش و مدل‌سازی سبک تفکر کارشناسان برسد.
مدنی افزود: یونان در بحث مدیریت دانش، تولیدات پژوهشی موجود در مرکز اسناد ملی(EKT) و ۴۴ هزار پایان‌نامه دکتری در آرشیو ملی از سال ۱۹۸۰ را دیجیتال و برای آن استانداردهای دسترسی آزاد به دانش را پیاده‌سازی کرده است. این کار باعث بهبود دسترسی سیاست‌گذاران، دانشگاه‌ها و پژوهشگران جوان به دانش علمی این کشور شده است.
رئیس اندیشکده حکمرانی هوشمند تصریح کرد: یکی دیگر از تجربه‌های مطرح در مبحث مدیریت دانش متعلق به کشور برزیل است. در این خصوص، مؤسسه حفاظت پرتوزایی و دزیمتری(IRD) در سال ۲۰۱۶ مدرسه مدیریت دانش را ایجاد و سه سال بعد گروه کاری مدیریت دانش(KM) را تشکیل داد تا دانش حیاتی کارکنانی که در آستانه بازنشستگی هستند را نقشه‌برداری کند. ایجاد فرآیند ساختاریافته برای ثبت دانش ضمنی در حوزه علوم هسته‌ای و کاهش خطر از دست رفتن آن اثربخش بوده است.
وی خاطرنشان کرد: همانطور که گفته شد، کشور ما با ریسک ترور دانشمندان مواجه است. علاوه بر ترور، ممکن است مرگ طبیعی، مهاجرت و موارد این چنینی هم برخی از دانشمندان را از دسترس ما خارج کند. به طور کلی از بین رفتن یا عدم دسترسی به دانشمندان را می‌توان به مثابه یک تهدید ملی دانست. این چالش فقط یک خلأ انسانی نیست، بلکه خلأ دانشی و حتی فرهنگی است و می‌تواند آثاری فرهنگی مانند ایجاد ناامیدی در جامعه علمی و عموم مردم هم به دنبال داشته باشد. بنابراین شدیداً به مبحث مدیریت دانش نیازمندیم.
مدیریت دانش و دسترسی به بخش‌های پنهان ذهن دانشمندان
مدنی با بیان اینکه مدیریت دانش را باید به صورت یک چرخه در نظر بگیریم، گفت: یک استاد نخبه دانشگاه را در نظر بگیرید که مشغول تدریس یک موضوع خاص در یک دانشگاه است. اگر این فرد درباره مباحث خود کتابی ننوشته باشد یا جلسات تدریس او به صورت صوت و فیلم ثبت نشود؛ با از دست رفتن او، این دانش هم از بین خواهد رفت. این یعنی نبود مدیریت دانش باعث از دست رفتن دانش یک فرد نخبه شده است. حال اگر این جلسات ضبط شود؛ در صورت از دست دادن این دانشمند، فقط جلسات تدریس او باقی خواهد ماند. سپس حالتی از مدیریت دانش را فرض کنید که با او جلساتی گذاشته می‌شود و به پرسش‌های متعددی درباره حوزه تخصصی خود پاسخ می‌دهد. در این شرایط می‌توان به بخش‌های پنهان ذهن او هم وارد شد و روش پاسخ او را بهتر درک کرد.
مدنی ادامه داد: این دانش ضمنی است و در گام بعدی مدیریت دانش، این دانش باید به صورت داده‌های قابل خوانش و صریح برای ماشین پیاده‌سازی شود.
رئیس اندیشکده حکمرانی هوشمند افزود: بنابراین در بحث مدیریت دانش ابتدا باید درخت دانش را ترسیم و بر اساس آن نخبگان را شناسایی کرد. سپس باید دانش ذهنی و ضمنی آنها را تهیه و به دانش صریح تبدیل کرد تا برای عموم نخبگان آن حوزه قابل فهم و برای ماشین قابل خوانش باشد.
وی افزود: در جلساتی که با افراد نخبه گذاشته می‌شود؛ برای یکسری از افراد خاص می‌توان از ابزار هوش مصنوعی محدود شده برای موضوعات خاص استفاده کرد. هوش مصنوعی از داده‌های کسب شده استفاده و سؤالاتی را برای درک الگوریتم ذهنی و سیستم تفکر فرد مورد نظر طرح می‌کند. هوش مصنوعی الگوی به دست آمده را به طور مداوم با فرد مورد نظر بررسی می‌کند تا شیوه‌های استدلال را اصلاح و در نهایت سیستم تفکری فرد مورد نظر را بازتولید کند. این سیستم تفکری می‌تواند در بازه زمانی مشخص حتی در صورت از دست دادن آن دانشمند، مورد استفاده قرار گیرد.
مدنی خاطرنشان کرد: این الگو بدون خستگی و با خطای کمتر و با همان شیوه فکری می‌تواند مسائل را تحلیل کند و اگر تفسیرپذیر باشد، می‌تواند به عنوان یک ابزار قوی حتی به دانشمند مورد نظر در حوزه کاری خود هم کمک کند. به این صورت که به جای حل سنتی و قدیمی مسائل، موضوع را برای سیستم فکری شبیه‌سازی شده خود طرح و این سیستم فکری، آن مسأله را با اعلام شیوه‌های استدلال حل کند تا اگر نیاز به اصلاح داشت، اصلاحات لازم بر روی آن انجام شود. در نتیجه با این شیوه می‌توانیم بگوییم که این ربات کاملاً مشابه این دانشمند فکر می‌کند و اگر آن دانشمند در ترور یا هر حالت دیگری از بین رفت؛ نگرانی نسبت به دانش او وجود نداشته باشد و یک یادگار قوی از او باقی بماند.
وی افزود: به بیان دیگر هدف نهایی از این کار، طراحی یک سیستم هوش مصنوعی است که بتواند در بلندمدت، بر اساس سبک فکری، اصول تحلیلی و روش تولید محتوای یک فرد خاص، پاسخ دهد و استدلال کند، طوری که گویی خود آن فرد در موقعیت حضور دارد.
مدنی گفت: اجرای گسترده و موفق مدیریت دانش با استفاده از ابزار هوش مصنوعی می‌تواند دانش کشور را ایمن، دشمن را از ترور دانشمندان ناامید و از حذف دانش جلوگیری کند.
وی درباره جزئیات اجرای چنین طرحی، گفت: برای اجرای این کار باید سطوح، روش‌ها و ابزارهای مشخصی به کار گرفت. در سطح یک باید دانش و حافظه معنایی یا Semantic Memory & Knowledge Encoding را با هدف ثبت ساخت‌یافته باورها، اصول فکری، مفاهیم کلیدی و مدل ذهنی پایدار فرد بازنمایی کرد.
مدنی افزود: در این سطح از روش‌ها و ابزارهایی چون ساختاردهی مفاهیم کلیدی و روابط بین آنها یا Ontological Modeling، ترسیم گراف مفهومی باورها و ساختار شناختی یا Concept Graphs / Semantic Networks و ترکیب دانش نمادین با بردارهای آموخته‌شده برای نگاشت مفاهیم به صورت پیوسته یا Neuro-Symbolic Representations استفاده می‌شود. این لایه همان حافظه بلندمدت معناشناختی است و زیرساخت شناختی برای تفکر و تفسیر مدل را فراهم می‌کند.
رئیس اندیشکده حکمرانی هوشمند ادامه داد: سطح دوم مربوط به حافظه اپیزودیک و تجربی یا Episodic Memory & Experiential Encoding است که ذخیره و ساختاردهی تجربه‌های زیسته، تصمیمات گذشته و واکنش‌ها در موقعیت‌های خاص را دنبال می‌کند. روش‌ها و ابزارهای مورد استفاده در این سطح Vector-based Episodic Memories با بازیابی مبتنی بر شباهت معنایی، Event Encoding Structures برای ضبط دنباله وقایع و وابستگی‌های زمانی و Attention-based Retrieval Systems برای اولویت‌بندی تجربیات مرتبط است. این لایه زمینه یادگیری سبک‌مند، آموزش بر مبنای تجربه و استدلال در شرایط مشابه را فراهم می‌کند.
مدنی افزود: در سطح سوم، یادگیری عمیق سبک فکری یا Deep & Representation Learning of Thought Style با هدف آموختن سبک نوشتار، الگوهای زبانی و شکل استدلال فرد در تولید محتوا و تحلیل مسائل و با روش‌ها و ابزارهایی چون Transformer-based Sequence Modeling برای مدل‌سازی ساختار متن و استدلال زنجیره‌ای، Contrastive & Embedding-based Learning برای بازنمایی شباهت‌ها و تمایزهای سبکی و Meta-Learning & Few-shot Adaptation جهت یادگیری انعطاف‌پذیر با داده‌های محدود، اما گویا دنبال می‌شود. این لایه به مدل امکان می‌دهد به جای تقلید سطحی، سبک فکری و زبانی فرد را به‌صورت عمیق درونی‌سازی کند.
رئیس اندیشکده حکمرانی هوشمند به سطح چهارم مدیریت دانش با استفاده از ابزار هوش مصنوعی اشاره و خاطرنشان کرد: این سطح به استدلال و حل مساله تطبیقی یا Adaptive Reasoning & Cognitive Inference با هدف بازسازی فرآیند تحلیل، داوری و تصمیم‌گیری فرد در مواجهه با مسائل جدید یا مبهم مربوط است. روش‌ها و ابزارهای مورد استفاده در این سطح شامل حل مساله با رجوع به نمونه‌های قبلی و حافظه اپیزودیک یا Case-Based Reasoning(CBR)، ارزیابی احتمالات و عدم قطعیت‌ها یا Bayesian & Probabilistic Inference و ترکیب استدلال نمادین با انعطاف‌پذیری عصبی برای استخراج نتیجه از دانش بازنمایی‌شده یا Neuro-Symbolic Logic Systems است. این سطح موتور شناختی سیستم است؛ همان چیزی که به مدل «شخصیت تحلیلی» فرد را می‌دهد.
مدنی گفت: در سطح بازتاب شناختی و یادگیری پیوسته یا Meta-Cognition & Continual Learning با هدف مدل‌سازی توانایی خودبازنگری، سازگاری با تحول فکری فرد و یادگیری بدون فراموشی دانش پیشین را داریم که در آن از روش‌ها و ابزارهایی چون Continual & Incremental Learning Algorithms، Meta-cognitive Feedback Loops به عنوان چرخه‌هایی برای ارزیابی خروجی سیستم در پرتو سبک فکری اصلی و Memory Consolidation Mechanisms مانند Elastic Weight Consolidation برای جلوگیری از فراموشی استفاده می‌شود. این سطح به مدل امکان می‌دهد مانند یک انسان، با تغییرات محیط یا خود فرد همگام شود.
رئیس اندیشکده حکمرانی هوشمند، افزود: سطح ششم به استدلال توصیف‌پذیر و تفسیر رفتار شناختی یا Explainable & Interpretable AI با هدف ارائه شفاف دلایل، مسیرهای تفکر و تبیین‌های قابل درک برای تصمیم‌ها و پاسخ‌ها مربوط است. در این سطح روش‌ها و ابزارهایی چون Chain-of-Thought Reasoning Traces برای نمایش مرحله‌به‌مرحله تفکر Causal Attribution Maps به منظور تبیین علت‌یابی در پاسخ‌ها و Symbolic Reason Path Extraction برای استخراج مسیرهای استدلالی از داده‌های نمادین استفاده می‌شود. این سطح برای اعتمادسازی، کنترل انسانی و آموزش کاربران کاربرد حیاتی دارد.
وی خاطرنشان کرد: به طور کلی این سطوح در اینجا زیاد باز نشده است و دارای جزئیات بسیار بیشتری است.
دستاوردهای اقتصادی مدیریت دانش
وی در ادامه با اشاره به آثار اقتصادی مدیریت دانش و به کارگیری هوش مصنوعی در این زمینه، تصریح کرد: علاوه بر جنبه دانشی این مقوله، وقتی کشور در نقطه‌ای قرار گیرد که بتواند تمام دانش دانشمندان خود را به این صورت پیاده‌سازی کند، همه هزینه‌هایی که برای رشد این متفکران صرف شده، محفوظ خواهد ماند. در مقابل، اگر این برنامه پیاده‌سازی نشود، این هزینه‌ها هم ممکن است هر لحظه با از دست رفتن یک دانشمند از بین برود.
وی افزود: همچنین در صورت تحقق این مهم، این امکان فراهم خواهد شد تا نخبگان و دانشجویان دکتری سطح بالا که در لبه دانش تخصصی خود قرار دارند، مراحل یادگیری بعدی را بسیار سریعتر و با کیفیت بیشتر دنبال کنند. طی این مراحل دیگر معطل دسترسی این نخبگان به دانشمندان آن حوزه نخواهد ماند و می‌تواند مسیرهای چندین ساله را کوتاه‌تر کند.
مدنی افزود: این روند باعث کمتر شدن هزینه‌های کلی، حذف هزینه‌های اشتباه و تکرار اشتباهات و جلوگیری از میلیاردها دلار اتلاف منابع می‌شود.
تأکید اسناد بالادستی بر مدیریت دانش
رئیس اندیشکده حکمرانی هوشمند ادامه داد: موضوع مدیریت دانش علاوه بر اینکه می‌تواند به عنوان یک توصیه بسیار جدی مطرح شود؛ در قوانین، اسناد بالادستی و استانداردهای کشور هم آمده و بنابراین از نظر قانونی هم مورد تأکید است. در این خصوص در ارتباط با مدیریت دانش، ایزو ۳۰۴۰۱ تعریف شده است. همچنین در کشور ما اسناد بالادستی وجود دارد که به این موضوع اشاره مستقیم داشته‌اند که برخی از این اسناد شامل سیاست‌های کلی نظام در بخش نظام اداری (۱۳۸۹)، نقشه جامع علمی کشور (۱۳۸۹)، سیاست های کلی علم و فناوری (نظام آموزش عالی، تحقیقات و فناوری) (۱۳۹۳)، نقشه راه اصلاح نظام اداری (۱۳۹۳)، نظام‌نامه مدیریت دانش دستگاه‌های اجرایی کشور (۱۳۹۹)، قانون برنامه پنج ساله پنجم توسعه جمهوری اسلامی ایران (۱۳۹۴-۱۳۹۰) و قانون برنامه پنج ساله ششم توسعه جمهوری اسلامی ایران (۱۴۰۰ – ۱۳۹۶) می‌شود.
وی در پاسخ به این سؤال که مسئولیت اجرای این موضوع با کدام نهاد یا سازمان است، اظهار کرد: نهادها در حوزه مسئولیت خود می‌توانند با توجه به مباحث حفاظتی، سیاست‌ها و برنامه‌های مربوط به مدیریت دانش را دنبال کنند. مثلا سازمان انرژی اتمی، وزارت علوم، نهادهای نظامی، معاونت علمی و فناوری ریاست جمهوری و ... می‌توانند در حوزه خود و با استفاده از هم‌افزایی با یکدیگر به این موضوع بپردازند. در این راستا می‌توان از ظرفیت نهادهایی چون مرکز آمار، سازمان اسناد و کتابخانه ملی و ... هم در ایجاد دیتابیس و کلان‌داده‌ها استفاده کرد.
مدنی افزود: علاوه بر این‌ها، سازمان اداری و استخدامی کشور و معاون اول رئیس‌جمهور هم وظیفه دارند برای کارکنان نخبه و سطح بالای دولت، این موضوع را به صورت ویژه پیگیری کنند.
رئیس اندیشکده حکمرانی هوشمند با ابزار امیدواری از اینکه در این دوران که تهدیدات دشمنی وحشی را به صورت جدی، لمس و تجربه کردیم و دیدیم که این تهدیدات چه اثر مخربی دارد، موضوع مدیریت دانش به شیوه‌ای که بیان شد، مورد توجه جدی قرار گیرد، خاطرنشان کرد: نهادهایی که بیشتر در معرض این ترورها و از دست رفتن دانشمندان به شیوه‌های دیگر همچون مهاجرت، فوت و ... هستند، باید پیگیر این موضوع باشند. نهادهای دانشی که در این حوزه تخصص دارند هم به هر نحوی آماده همکاری هستند. امیدواریم با یک اجماع نخبگانی و تخصصی بتوانیم از آسیب به کشور جلوگیری کنیم یا در حد توان آسیب‌ها را کاهش دهیم و باعث رشد فزاینده و با سرعت بالاتر کشور شویم.
نظر شما