معاون فناوری اطلاعات مرکز مدیریت خواهران:
جای خالی کلان‌داده‌ها در هوش مصنوعی ایرانی احساس می‌شود
طالع‌زاده در رویداد مسأله‌محور هوش مصنوعی گفت: ایران و برخی کشورهای اروپایی همچنان در استفاده از کلان‌داده و مدل‌های هوش مصنوعی پیشرفته عقب هستند.
به گزارش خبرنگار سرویس فرهنگی و اجتماعی خبرگزاری رسا، علی طالع زاده، معاون فناوری اطلاعات مرکز مدیریت خواهران، در رویداد مسأله‌محور هوش مصنوعی که به همت ستاد راهبری فناوری‌های هوشمند حوزه‌های علمیه، روز پنجشنبه در مرکز فقهی ائمه اطهار برگزار شد، در ضمن بیان اهمیت کلان داده‌ها برای دست یابی به خروجی ارزشمند گفت: ایران و برخی کشورهای اروپایی هنوز در مدیریت و بهره‌برداری از کلان‌داده ها و هوش مصنوعی عقب هستند.
طالع زاده ادامه داد: نرم‌افزار‌های فرآیندمحور، به سمت هوش مصنوعی پیشرفته حرکت می‌کنند، لکن با وجود ضعف در تنوع و ساختار داده‌ها، پیشرفتی در فرایند هوش مصنوعی ممکن نیست؛ در حوزه‌هایی مانند بهداشت و کشاورزی، داده‌های موجود نه‌تن‌ها کافی نیستند بلکه ساخت‌یافته هم نیستند و مکانیزم‌های سنتی ذخیره‌سازی، پاسخگوی نیاز‌های جدید نیستند.
وی با اشاره به نسخه چینی که با استفاده از ابزار‌های نوین در جمع‌آوری و تحلیل داده‌های متنوع پیشرفت چشمگیری داشته است، گفت: برای رقابت، باید از سیستم‌های پیشرفته مدیریت داده استفاده کنیم تا تنوع، سرعت و حجم داده‌ها به‌درستی مدیریت شوند.
معاون فناوری اطلاعات مرکز مدیریت خواهران، در مورد چالش‌های جدی ای که مدریت داده‌ها به همراه دارد، گفت: حجم داده‌ها به مقیاس ترابایت و بیشتر رسیده و دیگر، روش‌ها و پایگاه‌های داده‌های سنتی کارایی ندارد؛ چرا که منابع اصلی داده‌ها شامل شبکه‌های اجتماعی، اینترنت اشیا، تراکنش‌های مالی و پژوهش‌های علمی است.
وی در توضیح چالش های موجود در کلان داده ها، ابراز داشت: یکی از چالش‌های اصلی، وجود نویز در داده‌ها است، مانند اطلاعات بی‌ربط در شبکه‌های اجتماعی که برای مقابله با این چالش‌ها، استفاده از الگوریتم‌ها و مدل‌های پیشرفته برای پالایش و پردازش داده‌ها ضروری است تا بتوان از این حجم عظیم داده ها، دانش مفید، استخراج کرد.
طالع زاده در بیان دیگر چالش‌ها گفت: یکی دیگر از چالش‌های اصلی در کار با داده‌های کلان، ناهمگونی و عدم سازگاری داده‌ها از منابع مختلف است؛ برای مثال، در پروژه‌هایی مانند پردازش نسخه‌های خطی، داده‌ها ممکن است از کتابخانه‌های مختلف با ساختار‌های متفاوت جمع‌آوری شوند که در مرحله اولیه نیازمند یکپارچه سازی داده ها است.
وی با اشاره به وجود چالش های امنیتی اظهار کرد: امروزه چالش‌های مهمی در زنجیره ارزش داده ها، از جمله امنیت، مقیاس‌پذیری و پردازش حجم عظیم داده‌ها، وجود دارد که برای مدیریت مؤثر این چالش‌ها، تمام لایه‌های زنجیره، از سخت‌افزار و زیرساخت تا اپلیکیشن، باید به‌طور هماهنگ طراحی شود که امروزه به لطف هوش مصنوعی، این فرآیند‌ها به‌طور خودکار و با دقت بیشتری انجام می‌شوند.
معاون فناوری اطلاعات مرکز مدیریت خواهران، در بیان نحوه فعالیت هوش مصنوعی در هماهنگی بین داده‌ها گفت: هوش مصنوعی قادر است داده‌های ناهمگون را پردازش کند، مفاهیم مشابه را تشخیص دهد و داده‌ها را یکپارچه‌سازی کند؛ این تحول، پاک‌سازی داده‌ها را تسهیل کرده و به تولید داده‌های تمیز و ساختار یافته منجر می‌شود که برای مدل‌های هوش مصنوعی ضروری است.
وی در بیان دیگر چالش‌های مدریت کلان داده‌ها گفت: یکی دیگر از چالش‌های بزرگ در استفاده از داده‌های محرمانه، حفظ مالکیت سازمان‌ها و جلوگیری از دسترسی غیرمجاز به این داده‌هاست که در کشور ما، این مسئله به‌ویژه در حوزه‌هایی مانند کتابخانه ملی و مؤسسات حکمرانی اهمیت زیادی دارد.
طالع زاده در انتها برای پایان دادن این چالش ها، یادگیری فدرال را پیشنهاد داد که در این روش، داده‌ها هرگز منتقل نمی‌شوند، بلکه مدل‌های یادگیری به‌صورت مرکزی توسعه یافته و به سازمان‌ها ارسال می‌شوند و سازمان‌ها مدل را با داده‌های خود آموزش داده و تنها وزن های به‌روزرسانی‌شده را به مرکز باز می‌گردانند که در نهایت همه آنها با یکدیگر ترکیب می شوند.
ارسال نظرات