ایران در حال از دست دادن سهم خود از مقالات علمی هوش مصنوعی/ ۱۰ چالش عدم استفاده از هوش مصنوعی در شرکت‌ها

ارتباط فردا: گزارش تازه‌ای که توسط مرکز استراتژی و تحول هوش مصنوعی شریف منتشر شده است، وضعیت ایران در زمینه هوش مصنوعی را بررسی کرده و جایگاه کشور را در مقایسه با کشورهای منطقه و جهان تحلیل می‌کند.

بر اساس این گزارش، ایران در سال‌های اخیر با چالش‌هایی در زمینه تولید و کیفیت مقالات علمی هوش مصنوعی مواجه بوده است. در حالی که کشورمان در سال ۲۰۱۳ از لحاظ تولید مقالات هوش مصنوعی یکی از کشورهای برتر منطقه بود، در سال ۲۰۲۳ به رتبه دوم پس از عربستان سعودی تنزل پیدا کرده و احتمال واگذاری این جایگاه به ترکیه طی سه سال آینده وجود دارد.

یکی از یافته‌های کلیدی این گزارش، رشد محدود سرمایه‌گذاری ایران در حوزه هوش مصنوعی است. طبق آمار، تاکنون تنها حدود ۱۰ میلیون دلار در این حوزه سرمایه‌گذاری شده که ایران را در میان کشورهای منطقه در پایین‌ترین سطح قرار داده است. علاوه بر این، کمبود نیروی کار متخصص و زیرساخت‌های مناسب از دیگر موانع گسترش هوش مصنوعی در کشور به شمار می‌روند.

در حالی که تنها ۱۷ درصد کسب‌وکارهای ایرانی از هوش مصنوعی استفاده می‌کنند، این رقم نشان‌دهنده فاصله‌ای ۷ ساله با میانگین جهانی است. با این حال، ایران در حوزه توسعه‌دهندگان هوش مصنوعی موقعیت خوبی دارد و پس از ترکیه در رتبه دوم منطقه قرار گرفته است. حضور پررنگ مهندسان ایرانی در پروژه‌های بین‌المللی نشان‌دهنده ظرفیت بالای کشور در این زمینه است.

این گزارش پیشنهاد می‌کند که برای بهره‌مندی از مزایای این فناوری استراتژیک، ایران نیازمند تدوین سیاست‌های جامع و سرمایه‌گذاری‌های بیشتری در بخش آموزش، زیرساخت و توسعه اکوسیستم هوش مصنوعی است.

در این گزارش کشور ایران با ۱۳ کشور دیگر مورد مقایسه قرار گرفته است. این کشورها به سه دسته کلی تقسیم شدند که به این شرح است:

* کشورهای منطقه شامل عربستان سعودی، امارات، ترکیه و رژیم صهیونیستی
* کشورهای منتخب شامل کشورهای هند، آفریقای جنوبی، روسیه، کره جنوبی، انگلستان، آلمان و برزیل
* کشورهای پیشرو شامل کشورهای چین و ایالات متحده امریکا

انتشارات علمی

منـظور از انتشارات علمی، مجموعه‌ای از مقالات منتشر شده در قالب مقالات پژوهشی، مقالات کنفرانسی، فصل کتاب، مقالات مروری و سایر (شامل یادداشت، نظرسنجی، مقاله مطبوعاتی، اصلاحیه مقالات، مقالات داده‌ای، سرمقاله، کتاب، چکیده) است.

بیش از ۶۰۰هزار نشریه علمی هوش مصنوعی مرتبط با هوش مصنوعی با استفاده از کلیدواژه‌های اصلی هوش مصنوعی مانند شبکه عصبی، یادگیری ماشین و غیره استخراج شده است.

در بازه سال‌های ۲۰۱۰ تا ۲۰۱۴ تعداد انتشارات تقریبا ثابت و با رشد ملایم افزایش یافته است. در این دوره توجه به الگوریتم‌های یادگیری ماشین و به خصوص یادگیری نظارت شده افزایش یافته است. اگرچه یادگیری عمیق هنوز به طور گسترده‌ای استفاده نمی‌شود، ولی مباحث مرتبط با کلان داده‌ها و توانایی پردازش حجم زیاد داده‌ها در جهت شکل‌دهی به مسیرهای جدید تحقیقاتی عمل می‌کرد.

در بازه زمانی ۲۰۱۵ تا ۲۰۱۶ تعداد انتشارات علمی به طور قابل توجهی افزایش یافته است. این افزایش عمدتا به دلیل معرفی و پذیرش یادگیری عمیق به عنوان یک رویکرد جدید و پیشرو در زمینه هوش مصنوعی بود. الگوریتم‌هایی مانند شبکه‌های عصبی پیچشی برای پردازش تصویر و شبکه‌های عصبی برای پردازش زبان طبیعی به طور گسترده‌ای به کار گرفته شدند.

در بازه سال‌های ۲۰۱۷ تا ۲۰۱۸ تعداد انتشارات به شکل جهشی افزایش یافت و در این دوره یادگیری عمیق به طور گسترده‌ای در حوزه‌های مختلف از جمله بینایی ماشین، پردازش زبان طبیعی  و حتی بازی‌ها به کار گرفته شد.

سال ۲۰۱۹ و ۲۰۲۰ یکی از مهمترین  سال‌ها در تاریخ هوش مصنوعی مدرن بود. معرفی مدل‌های پیشرفته‌تر مانند BERT و GPT-۳ که توانایی قابل توجهی در تولید زبان طبیعی داشتند، به تحولات بزرگی در حوزه پردازش زبان طبیعی منجر شد.

در نهایت باید گفت که بر اساس ارزیابی داده‌هـای موجود می‌توان نتیجه گرفت که رشـد مقالات حوزه هوش مصنوعی با شـتاب قابـل توجهـی در جریان اسـت، هـر چنـد کـه بـر پایه نوع سند منتشر شـده، روند رشـد متفاوت اسـت، امـا می‌توان گفت کمـاکان مقالات پژوهشی و مقـالات کنفـرانسی دو مدل اصلی ارائه و گسترش دانش در زمینه هوش مصنوعی هسـتند. همچنین به واسـطه گسترش هر چه بیشتر حوزه‌های گوناگون دانش هوش مصنوعی، مقالات مروری رشـد قابل توجهی داشـته‌اند که نیاز به تجمیع و منظم‌سـازی یافته‌های علمی هوش مصنوعی را منعکس می‌سازد.

این در حالی است که در نمودار زیر نشان می‌دهد ایران در حال از دسـت دادن سـهم خود در کل مقالات هوش مصنوعی در مقایسـه با سـایر کشورها اسـت. ایـران کـه تـا سـال ۲۰۲۱ بیشتریـن سـهم مقالات را در میـان کشورهـای منطقـه داشـته اسـت، بـا شروع روند نزولـی از سال ۲۰۱۳، پایین‌تـر از عربسـتان در سـال ۲۰۲۳ قرار گرفته اسـت. ادامه این روند افزایش فاصله کشور عربسـتان با ایران و همچنین از دسـت دادن جایگاه دوم منطقه را در پی خواهد داشـت.

امارات در سـال‌های اخیر با شـتاب بیشتری وارد عرصه تحقیقاتی هوش مصنوعی شـده و با وجود اینکه از نظر تعداد مقالات از کشورهای دیگر عقب‌تر بود، اما توانسته است به طور قابل توجهی رشد کند. رژیم صهیونیستی نیز با توجه به جمعیت کمتر و تمرکز بیشتر بر روی نوآوری‌های خاص، رشد ملایمی داشته است. ترکیه از رشد متوازن و پیوسته‌ای برخوردار بوده و جایگاه خود را در منطقه حفظ کرده است.

روند جهانی و وضعیت ایران در ثبت پتنت

تعداد گواهی پتنت‌های هوش مصنوعی در جهان در حال افزایش اسـت، به گونه‌ای که بیشترین رشـد در سـال ۲۰۱۹ اتفاق افتاده که در آن رشـد بیش از ۲۸ درصدی محقق شـده اسـت. پس از آن، رشـد تعداد گواهی‌های پتنت صعودی بوده، اما روند آن از سـال ۲۰۱۹ نزولی بوده اسـت که می‌تواند به دلیل شیوع کووید-۱۹ و طولانی بودن روند تأیید پتنت‌ها باشد. 

در این گزارش ذکر شده است که تعداد پتنت‌های هوش مصنوعی ایران، چه از حیث مالکیت حقوقی و چه حقیقی، همانند سایر حوزه‌های فناورانه وضعیت خوبی نداشته، به طوری که سهم پتنت‌های هوش مصنوعی ایران از کل پتنت‌های هوش مصنوعی، در تمامی سـالیان مورد مطالعه زیر یک‌دهم درصد اسـت.

در میان کشورهای منتخب، کره جنوبی تا سال ۲۰۲۰ سهم بالاتری نسبت به همه کشورهای منتخب مانند انگلستان و آلمان را در اختیار داشته، اما روندی نزولی را در پیش گرفته است. آلمان نیز در حال از دست دادن سهم خود است. انگلستان اما علی‌رغم همـه فـراز و فرودهـایی کـه داشـته، بـا رشـد انـدکی مواجـه اسـت.

به طور کلی ایران در پتنت‌های هوش مصنوعی به‌هیچ‌وجه دست برتر را نداشته و از حیث فنی، ایران بسیار عقب‌تر از سایر رقبای منطقـه‌ اسـت. از این نظـر لازم اسـت تـا هرچـه سریع‌تر ضمن بهبـود فضای مالکیت فکری کشور، زیرسـاخت‌های فنی توسـعه هوش مصنوعی در کشور توسعه پیدا کند. همچنین ایجاد مشوق‌هایی برای ثبت پتنت در حوزه‌های هوش مصنوعی نیز باید در اولویت قرار گیرد.

همکاری‌های علمی بین‌المللی

این شـاخص همکاری‌های تحقیقاتی بین کشورهای مختلف را نشـان می‌دهد و این امر بر اسـاس وابسـتگی نهادی نویسـندگان انجام می‌شـود. بـه عبـارت دیگـر همـکاری بین‌المللـی بـه انتشـارات علمـی و مقالاتـی اطلاق می‌شـود کـه بـا همـکاری مؤسسـات در کشورهـای مختلف نگارش شـده‌اند.

تعداد همکاری‌های علمی بین‌المللی ایران با ۱۰ کشوری که بیشترین همکاری را با آنها دارد، در نمودار زیر نشان داده شده است. ایالات متحده در مجموع بیشترین همکاری در انتشارات علمی را با ایران داشته است:

وضعیـت همکاری‌های بین‌المللی ایران با ۱۰ کشوری کـه بیشترین همکاری را با آنها داشته، به جز ویتنام، روندی صعودی در طول زمان داشته است. برای تحلیل کشورهـای پیشرو در همکاری‌هـای علمی ایران در زمینـه هـوش مصنوعـی، باید به چندین نکته توجه کرد. اول ایـن کـه کشورهـای پیشرو در همکاری‌هـای علمی با ایران، ماننـد کانادا، چین و کشورهـای اروپایی از جملـه کشورهـای عضـو اتحادیـه اروپا بـه طور کلی افزایش همکاری در طول زمـان داشـته‌اند. بـه عنوان مثال، کانادا در سـال‌های اخیر یکی از شرکای اصلی ایران بوده اسـت.

استفاده از هوش مصنوعی در کسب‌وکارها

یکی از چالش‌های اصلی مطرح‌شده، پایین بودن نرخ استفاده از هوش مصنوعی در کسب‌وکارهای ایرانی است. تنها ۱۷ درصد از شرکت‌های ایرانی از این فناوری بهره می‌برند، در حالی که این میزان بسیار کمتر از میانگین جهانی است. کمبود نیروی متخصص و ضعف زیرساخت‌ها به عنوان دو عامل اصلی این عقب‌ماندگی معرفی شده‌اند.

درصـد پذیرش هوش مصنوعی بـه عنوان یک معیار مهم برای ارزیابی توانمندی کسـب‌وکارهای ایران در اسـتفاده از این فناوری نوین بـرای ایجـاد نـوآوری، افزایـش کارایی و دسـتیابی بـه مزیـت رقـابتی به شـمار می‌آید. این شـاخص نمایانگـر میزان پیشرفـت و تطبیق‌پذیری شرکت‌هـا بـا فناوری‌هـای جدید است و برای سیاسـتگذاران نیز اهمیـت فراوانی دارد. سیاسـتگذاران با بررسی و تحلیل این شـاخص می‌توانند نقشه راهی دقیق برای توسعه اقتصادی و تقویت زیرساخت‌های فناوری کشور ترسیم کنند.

نتایج بررسی‌ها نشان می‌دهد که ۱۶.۹۴ درصد از کسـب‌وکارها حداقل یک فناوری هوش مصنوعی را اتخـاذ کرده‌اند و ۶۲.۱ درصـد دیگـر هنوز هیچ فناوری هوش مصنوعی را بـه کار نگرفته‌اند، اما در حال برنامـه‌ریزی برای استفاده در آینده هستند.

بـه منـظور بررسی دقیق‌تر پذیرش هوش مصنوعی در سطح کشورها، می‌توان از گزارش آی‌بی‌ام استفاده کرد. بر اسـاس شـکل زیر کشورهای هند و امارات با ۵۹ و ۵۸ درصد بالاترین سطح پذیرش را در میان کشورهای مورد بررسی دارند. از سوی دیگر، سطح پذیرش هوش مصنوعـی در ایـران بـا ۱۶.۹ درصـد، حـدود نصـف کشور آلمان اسـت کـه خود به عنوان آخرین کشور، کمترین میزان پذیرش را در میان این کشورها دارد.

از منظر صنایع مختلف و درصد پذیرش هوش مصنوعی در هر یک از آنها، بالاترین درصد پذیرش مربوط به صنعت فناوری اطلاعات و مخابرات با ۴۲.۸۶ درصد است. پس از آن، تولید صنعتی (ساخت) و خدمات مالی با ۲۳.۸۱ و ۱۹.۵ درصد قرار دارند. در مقابل، صنایعی مانند فعالیت‌های خدماتی مرتبط با غذا، گردشـگری، بازرسی و راه‌سـازی و سـاختمان، پذیرش بسیار پایینی در این زمینه داشته‌اند. این اطلاعات نشان می‌دهد که پذیرش هوش مصنوعی در صنایع ایرانی همگن نبوده و درصد پذیرش در صنایع گوناگون متفاوت است.

این اطلاعات نشان می‌دهد پذیرش هوش مصنوعی در صنایع ایرانی همگن نبوده و درصد پذیرش در صنایع گوناگون متفاوت است.از طرف دیگر در مقایسه با جهان، بر اساس گزارش آی‌بی‌ام که در سال ۲۰۲۳ منتشر شد، در سطح جهانی صنایع مالی و صنعتی مانند ایران به ترتیب بیشترین پذیرش و بخش دولتی کمترین پذیرش را به خود اختصاص داده است.

درصد پذیرش بر اساس فناوری

از لحاظ فنـاوری، ۸۰.۹۵ درصـد از کسـب‌وکارهایی کـه از هوش مصنوعی اسـتفاده می‌کننـد، از فنـاوری یادگیری ماشین بهـره می‌برند که بالاترین نر خ پذیرش را در میان فناوری‌های مورد بررسی به خود اختصاص داده اسـت. پس از آن، بینایی کامپیوتر و پردازش تصویر با ۶۱.۹ درصد پذیرش، به‌عنوان دومین فناوری هوش مصنوعی قرار دارد. در نهایت، فناوری‌های سـخت‌افزاری مرتبط با هوش مصنوعی با ۲۳.۸۱ درصد کمترین میزان پذیرش را دارند.

چالش‌های شروع و گسترش پروژه‌های هوش مصنوعی

شروع و گـسترش پروژه‌هـای هـوش مصنوعی مملو از چالش‌های متعـددی است که می‌تـوان آنها را بـه چالش‌هـای درونی و بیرونی تقسیم‌بندی کرد. شناسایی ایـن چالش‌هـا بسیار مهـم است؛ چرا که می‌تواند به طور قابل توجهی بر موفقیت، کارایی و پایداری ابتکارات هوش مصنوعی تأثیر بگذارد و به سیاست‌گذاران کمک می‌کند تا زمینه‌های سیاستی مؤثرتری را برای فراگیری و کاربرد هوش مصنوعی فراهم آورند.

عدم تمایل یا ناتوانی سازمان‌ها در پذیرش هوش مصنوعی اغلب با طیفی از موانع همراه است که می‌تواند مانع از پذیرش فناوری‌های هـوش مصنوعـی در فعالیت‌های شرکـت‌ها شـود. درک ایـن موانـع بسیار مهم است، زیرا می‌توانند مزایای بالقوه‌ای را که هوش مصنوعی می‌تواند برای یک سازمان به ارمغان بیاورد، به تاخیر بیندازند یا به طور کامل از آن جلوگیری کنند. با شناسایی و رفع این موانع، سازمان‌ها می‌توانند راه را برای ادغام موفقیت‌آمیز هوش مصنوعی، باز کردن فرصت‌های جدید برای نوآوری، کارایی و رشد هموار کنند.

انتهای پیام