هوش مصنوعی در میدان مسائل واقعی؛ از تحلیل تصاویر ماهواره‌ای تا عیب‌یابی تجهیزات نفتی
رئیس آزمایشگاه هوش مصنوعی پژوهشگاه ارتباطات و فناوری اطلاعات با تأکید بر ضرورت ارزیابی استاندارد محصولات هوش مصنوعی، گفت: صرف افزایش تعداد محصولات هوش مصنوعی نمی‌تواند نشان‌دهنده رسیدن به نقطه مطلوب باشد، بلکه دقت، کارایی و عملکرد این محصولات باید با سنجه‌ها و بنچ مارک‌های استاندارد ارزیابی شود و راهکارهای برتر نیز در صنایع و مجموعه‌های صاحب مسئله به مرحله اجرا برسند.
مژگان فرهودی، در آیین اختتامیه رویداد مساله‌محور هوش مصنوعی، با اشاره به گسترش کاربردهای هوش مصنوعی در حوزه‌های مختلف، اظهار کرد: هوش مصنوعی اکنون وارد همه حوزه‌ها و مسائل شده است و ورود آن را می‌توان در تبلور، ظهور و بروز مجموعه‌ای از محصولات و خدمات مشاهده کرد. در سطح دنیا و در کشورهای مختلف شاهد ظهور و توسعه محصولات و خدمات هوش مصنوعی هستیم و در کشور خودمان نیز این محصولات در حوزه‌های مختلف توسعه یافته‌اند، اما این پرسش مطرح است که آیا صرف توسعه محصولات هوش مصنوعی برای رسیدن به اهداف مورد نظر کافی است؟
فرهودی ادامه داد: اگر تعداد محصولات هوش مصنوعی افزایش پیدا کند و این محصولات در حوزه‌های مختلف توسعه یابند، آیا می‌توان گفت به نقطه مطلوب رسیده‌ایم؟ پاسخ قطعاً منفی است؛ چراکه باید مشخص شود محصولی که توسعه یافته، از دقت، کارایی و عملکرد مناسبی در کاربرد مورد نظر برخوردار است یا خیر.
رئیس آزمایشگاه هوش مصنوعی پژوهشگاه ارتباطات و فناوری اطلاعات با تأکید بر اهمیت ارزیابی محصولات هوش مصنوعی، تاکید کرد: پاسخ به این مسائل جز با ارزیابی امکان‌پذیر نیست و برای ارزیابی نیز به سنجه‌ها و معیارهای استاندارد نیاز داریم تا بر اساس آنها بتوان بنچ مارک‌های استاندارد ایجاد کرد و محصولات هوش مصنوعی را که در طیف بسیار گسترده‌ای قرار دارند، با یکدیگر مقایسه کرد. همچنین باید روش‌های استانداردی برای ارزیابی این محصولات وجود داشته باشد و از این منظر ضرورت وجود آزمایشگاه هوش مصنوعی احساس می‌شود.
فرهودی با اشاره به فعالیت آزمایشگاه هوش مصنوعی پژوهشگاه ارتباطات و فناوری اطلاعات خاطر نشان کرد: پژوهشگاه ارتباطات و فناوری اطلاعات تقریباً از سه سال گذشته آزمایشگاه هوش مصنوعی را ایجاد کرده است و بیش از دو سال است که توانسته‌ایم مرجعیت آزمایشگاه را در حوزه خدمات پایه دریافت کنیم. همان‌طور که می‌دانید، طیف محصولات هوش مصنوعی در حوزه‌های مختلف بسیار گسترده است و ما در حوزه خدمات پایه ورود کرده‌ایم؛ چراکه خدمات پایه در همه حوزه‌ها کاربرد دارد. حتی در حوزه خدمات پایه نیز محصولات متنوعی وجود دارد و ارزیابی همه این محصولات با یک آزمایشگاه امکان‌پذیر نیست.
رئیس آزمایشگاه هوش مصنوعی پژوهشگاه ارتباطات و فناوری اطلاعات ادامه داد: رویکرد ما در این زمینه استفاده از شبکه آزمایشگاهی بوده است. تلاش کرده‌ایم از پتانسیل‌ها و ظرفیت‌های موجود در کشور استفاده کنیم و آزمایشگاه‌هایی را که ظرفیت لازم برای این کار دارند، ارزیابی کنیم تا به عنوان بازوهای ارزیاب و کمکی در فرآیند ارزیابی محصولات در کنار ما قرار گیرند.
وی با اشاره به دو مسیر اصلی ارزیابی در آزمایشگاه هوش مصنوعی گفت: از یک منظر، ما دو مسیر ارزیابی را در آزمایشگاه دنبال می‌کنیم که یکی از آنها محصول‌محور است. در این مسیر، محصولاتی را که در کشور وجود دارند و به بلوغ نسبی رسیده‌اند، ارزیابی می‌کنیم. برای نمونه، سامانه‌های پلاک‌خوان که در پارکینگ‌های بزرگ مورد استفاده قرار می‌گیرند، دستیارهای هوشمند و سامانه‌های احراز هویت از جمله محصولاتی هستند که تا حدی به بلوغ نسبی رسیده‌اند.
وی توضیح داد: رویکرد آزمایشگاه در قبال این محصولات به این صورت است که محصول وارد آزمایشگاه می‌شود، برای آن بنچ‌مارک ایجاد و سنجه‌ها و معیارها مشخص می‌شوند و در نهایت محصول مورد ارزیابی قرار می‌گیرد. پس از آن نیز یک گزارش آزمون برای مشتری ارسال می‌کنیم که در آن نقاط ضعف و قوت محصول مشخص شده است و در صورت امکان، پیشنهادهایی برای بهبود آن نیز ارائه می‌شود.
رئیس آزمایشگاه هوش مصنوعی پژوهشگاه ارتباطات و فناوری اطلاعات با اشاره به مسیر دوم ارزیابی، گفت: دسته دیگری از مسائل، مسائلی هستند که هنوز لزوماً در قالب یک محصول آماده وارد آزمایشگاه نشده‌اند، بلکه یک صنعت یا سازمان مسئله‌ای را مطرح می‌کند که می‌تواند با استفاده از هوش مصنوعی حل شود. برای مثال در گفت‌وگو با شرکت‌های بیمه، این مساله مطرح شد که مجموعه‌ای از تصاویر خودروهای تصادفی در اختیار دارند و می‌خواهند از هوش مصنوعی برای تخمین میزان خسارت استفاده کنند. این موضوع یک مسئله مشخص است که می‌تواند تعریف و برای آن بنچ‌مارک و روش‌های ارزیابی مشخصی ایجاد شود.
فرهودی اظهار کرد: این دسته از فعالیت‌ها بیشتر در قالب رویدادهای مساله‌محور دنبال می‌شود. در این رویدادها مسائل را فرموله و تعریف می‌کنیم، در آزمایشگاه روش‌های ارزیابی برای آنها مشخص می‌شود و سپس مسئله وارد فضای رقابتی می‌شود تا از ظرفیت جامعه پژوهشی کشور برای حل آن استفاده کنیم. نکته مهم این است که هدف صرفاً ارائه راهکار نیست، بلکه این راهکارها باید وارد صنعت و حوزه‌ای شوند که مسئله از آنجا مطرح شده است تا امکان کاربردی‌شدن و عملیاتی‌شدن آنها فراهم شود.
رئیس آزمایشگاه هوش مصنوعی پژوهشگاه ارتباطات و فناوری اطلاعات گفت: با چنین رویکردی، رویدادهای مسئله‌محور را در پژوهشگاه آغاز کردیم. همان‌طور که مشاهده می‌کنید، در زمستان سال ۱۴۰۲ با رویداد «پارسی‌آزما» که یک رویداد مساله‌محور با تمرکز بیشتر بر تحلیل متن فارسی در شبکه‌های اجتماعی بود، این مسیر را شروع کردیم.
وی با بیان اینکه در این رویداد چهار مساله به خوبی تعریف و راهکارهای مناسبی نیز برای آنها ایجاد شد، یادآور شد: نکته جالب این است که همچنان پژوهشگران و دانشجویانی به این مسائل مراجعه می‌کنند و داده‌ها را از سایت ما دریافت کرده و مورد استفاده قرار می‌دهند. در پاییز سال ۱۴۰۳ نیز با همکاری بنیاد ملی نخبگان اصفهان، رویدادی را آغاز کردیم که محور اصلی آن بنیاد نخبگان استان اصفهان بود.
فرهودی با اشاره به برگزاری رویداد «هوش مصنوعی ایران AI ۱۴۵» اظهار کرد: در این رویداد نیز فعالیت‌هایی را برای کمک به برگزاری و اجرای آن انجام دادیم. مسابقه این رویداد در تابستان برگزار شد و اکنون در مرحله اختتامیه آن قرار داریم. در نهایت نیز برنامه‌ریزی کرده‌ایم که در پاییز امسال و در آذرماه، رویداد مسئله‌محور حوزه سلامت را برگزار کنیم.
وی ادامه داد: از اواخر تابستان و اوایل پاییز سال گذشته، گفت‌وگو با مجموعه‌های مختلف را آغاز کردیم که تمرکز بیشتری بر مجموعه‌های مالی و بانکی داشت. این مجموعه‌ها نیازهای بسیار زیادی داشتند، اما همه نیازها قابلیت تبدیل‌شدن به مسئله برای رویدادهای مسئله‌محور را ندارند؛ چراکه برای تعریف یک مسئله باید داده‌های مشخص، معیارهای ارزیابی و چارچوب مشخصی وجود داشته باشد.
رئیس آزمایشگاه هوش مصنوعی پژوهشگاه ارتباطات و فناوری اطلاعات افزود: در حوزه بانکی، بخش قابل توجهی از داده‌ها محرمانه است یا ممکن است از کیفیت و پاکیزگی لازم برای استفاده در چنین رویدادهایی برخوردار نباشد. با این حال، پس از گفت‌وگو با مجموعه‌های مختلف، در نهایت به 5 مساله رسیدیم که برای رویداد تعریف شدند.
یکی از مسائل از سوی شرکت فناوران هوش مصنوعی جویا مطرح شد که مربوط به استفاده از روابط و اطلاعات موجود در روزنامه رسمی بود. روزنامه‌های رسمی ساختاریافته هستند و اطلاعات حقوقی متعددی از جمله انتصابات، ثبت شرکت‌ها و انتقال سهام در آنها وجود دارد. هدف شرکتی که این مساله را مطرح کرده بود، این بود که اطلاعات حقوقی مرتبط با اشخاص حقیقی را که در مجموعه روزنامه‌های رسمی وجود دارد، در قالب گراف‌های مفهومی استخراج و به عنوان راهکار ارائه کنند.
وی مساله دیگر را مربوط به تشخیص کاداستر از تصاویر ماهواره‌ای عنوان کرد و ادامه داد: تصاویر ماهواره‌ای ممکن است کیفیت بسیار بالایی نداشته باشند و نتوان زمین‌های کشاورزی را که گاهی نوع محصول آنها نیز مشابه است، به راحتی از یکدیگر تفکیک کرد.
برای مثال، ممکن است دو زمین کشاورزی در کنار یکدیگر قرار داشته باشند که در یکی گندم و در دیگری جو کشت شده باشد. هدف این بود که شرکت‌کنندگان با استفاده از روش‌های یادگیری عمیق بتوانند این زمین‌ها و محصولات آنها را با دقت مناسبی از یکدیگر تفکیک کنند.
فرهودی با اشاره به مساله شناسایی خرابی «بیرینگ» در صنعت نفت و گاز، گفت: این مساله از سوی یکی از شرکت‌های نفتی پیشنهاد شد. در صنعت نفت و گاز تجهیزاتی به نام الکتروفن وجود دارد که برای خنک‌سازی استفاده می‌شوند و دارای قطعه‌ای به نام بیرینگ هستند. بیرینگ‌ها ارتعاشاتی ایجاد می‌کنند و با تحلیل داده‌های ارتعاشی می‌توان نوع خرابی را شناسایی کرد.
در این زمینه، داده‌های واقعی مربوط به یک سال فعالیت پنج الکتروفن این شرکت را دریافت کردیم که در محیط واقعی ثبت شده بود و از شرکت‌کنندگان خواستیم روی این مسئله تمرکز کرده و راهکار ارائه دهند.
وی مساله دیگر را مربوط به «کمپین فروشگاهی» دانست و با بیان اینکه این مساله از سوی یکی از شرکت‌ها مطرح شد، یادآور شد: این شرکت تعدادی فروشگاه با موقعیت جغرافیایی مشخص و همچنین باشگاه مشتریانی داشت که نیازهای خرید آنها مشخص بود. هدف این بود که شرکت‌کنندگان بر اساس نیازهای خرید مشتریان، فروشگاه‌هایی را مشخص کنند که از نظر جغرافیایی به یکدیگر نزدیک باشند، تراکم مناسبی داشته باشند و بتوانند حداکثر پوشش نیازهای مشتریان را ایجاد کنند.
فرهودی با اشاره به مساله تخصیص منابع در شبکه هم‌زنجیره اظهار کرد: این مساله نیز از سوی یکی دیگر از شرکت‌ها ارائه شد. در این مساله، شرکت‌کنندگان با تحلیل و استخراج تعاملات کسب‌وکاری در شرکت‌های هم‌زنجیره، باید بهترین خوشه یا بخش زنجیره را مشخص می‌کردند تا گردش اعتبار به صورت بهینه در آن اتفاق بیفتد.
فرهودی با اشاره به حمایت‌های صورت‌گرفته از این رویداد، گفت: برای این رویداد حدود ۸۰۰ میلیون تومان جایزه نقدی برای پنج مسئله تعریف کردیم. همچنین شرکت ستاره سیلیکون پذیرفت زیرساخت‌های پردازشی H100 را برای مدت مشخصی به صورت رایگان در اختیار تیم‌های برتر قرار دهد. تعامل خوبی نیز با بنیاد ملی نخبگان داشتیم.
طرح خود را در بنیاد ارائه کردیم و بر اساس آن، رویداد ما ذیل طرح شهید بابایی بنیاد ملی نخبگان قرار گرفت و امیدواریم برای برندگان رویداد نیز امتیاز نخبگی در نظر گرفته شود. در حال حاضر مراحل داوری از سوی بنیاد در حال انجام است تا بتوانیم این امتیاز را برای برندگان رویداد نیز داشته باشیم.
وی با اشاره به حمایت پژوهشگاه از انتشار علمی دستاوردهای رویداد، گفت: در داخل پژوهشگاه نیز تصمیم گرفتیم راهکارهای برتر در قالب مقاله ارائه شوند تا در یکی از مجلات پژوهشی معتبر پژوهشگاه منتشر شوند. زمان‌بندی رویداد از سال گذشته آغاز شد، اما مرحله پایانی آن به زمان جنگ و پس از آن قطعی اینترنت برخورد کرد و مجبور شدیم بخشی از زمان‌بندی‌ها را به تأخیر بیندازیم. در نهایت، روز ۲۵ مردادماه، مرحله نهایی مسابقه برگزار شد و تیم‌ها در یک رقابت ۶ ساعته با یکدیگر به رقابت پرداختند.
رئیس آزمایشگاه هوش مصنوعی پژوهشگاه ارتباطات و فناوری اطلاعات با تشریح فرآیند برگزاری رویداد، گفت: پس از اطلاع‌رسانی، ثبت‌نام تیم‌ها انجام شد و مرحله آموزش و توسعه مدل‌ها را داشتیم. می‌توانم با اطمینان بگویم که در این رویداد و رویدادهای قبلی، داده‌های بسیار خوبی برای آموزش مدل‌ها ایجاد شد که در اختیار پژوهشگران و دانشجویان نیز قرار دارد و آنها می‌توانند برای فعالیت‌های پژوهشی خود از این داده‌ها استفاده کنند.
وی ادامه داد: در مرحله بعد، توسعه و بهبود مدل‌ها دنبال شد. تقریباً در هر رویداد، یک بازه زمانی دو هفته‌ای برای شرکت‌کنندگان در نظر می‌گیریم و یک مجموعه داده از نوع داده‌های آزمون در اختیار آنها قرار می‌دهیم تا بتوانند مدل‌های خود را آزمایش کنند. پس از آن، مرحله آزمون مدل‌ها انجام شد و نتایج نیز روی تابلوی رتبه‌بندی مسابقات قابل مشاهده بود، اما فرآیند ارزیابی به همین مرحله محدود نشد.
فرهودی توضیح داد: تیم داوری در این مرحله فعال شد و علاوه بر بررسی نتایج ثبت‌شده روی تابلوی رتبه‌بندی، از هر تیم خواستیم ارائه‌ای درباره راهکار خود داشته باشد تا نوآوری‌های آنها نیز بررسی شود. همچنین کدهای تیم‌ها را دریافت کردیم تا اطمینان حاصل کنیم خروجی‌های ایجادشده حاصل اجرای همین کدها بوده است. در نهایت، نتایج اعلام شد و ۱۳ راهکار برتر از میان مسائل تعریف‌شده انتخاب شدند. همچنین برای پنج مسئله، مقاله‌هایی از سوی تیم‌ها دریافت کردیم.
وی تأکید کرد: البته نکته بسیار مهمی که در این فرآیند وجود دارد، این است که صرفاً انتخاب راهکارهای برتر برای ما اهمیت ندارد، بلکه هدف اصلی این است که این راهکارها در شرکت‌هایی که صاحبان مسئله هستند، عملیاتی و کاربردی شوند. در حال حاضر در حال برنامه‌ریزی با این شرکت‌ها هستیم تا تیم‌ها را نیز به آنها معرفی کنیم و امیدواریم راهکارهایی که شرکت‌کنندگان ارائه کرده‌اند، در این شرکت‌ها عملیاتی شود.
در مجموع ۲۸ تیم در این رویداد ثبت‌نام کردند و ۵۱ خروجی داشتیم. همچنین بیش از ۱۷۰۰ ارسال در جریان برگزاری رویداد ثبت شد؛ چراکه همان‌طور که اشاره کردم، یک مرحله دو هفته‌ای داشتیم که تیم‌ها نتایج خود را در سایت ثبت می‌کردند و از این طریق، هم عملکرد خود را با روش‌های قبلی خود و هم با عملکرد سایر تیم‌ها مقایسه می‌کردند.
فرهودی با اشاره به برگزاری رقابت نهایی گفت: در نهایت، تیم‌های شرکت‌کننده در روز مسابقه که یک رقابت ۶ ساعته بود، راهکارهای خود را ارائه کردند و فرآیند داوری و انتخاب راهکارهای برتر انجام شد.
نظر شما