سید روح اله میرحسینی مدرس دانشگاه و پژوهشگر هوش مصنوعی و امنیت سایبری در گفتگو با شفقنا رسانه به بیان توضیحاتی درباره هوش مصنوعی می پردازد و می گوید: ما در علوم داده و هوش مصنوعی مفهومی با عنوان «هرم دانش» داریم. این هرم به شکل مثلثی است که در قسمت پایین آن «داده» یا «Data» قرار گرفته است. در سطح بالاتر آن مفهومی به نام «اطلاعات» یا «Information» و سطح بالاتر از اطلاعات، «دانش» یا «Knowledge» و بالاترین سطح مفهوم «خرد» یا «Wisdom» را داریم. حجم بیشتر کف مثلث هرم دانش، «داده» است. داده، مجموعهای از اعداد، حروف، نشانهها، نمادها و اقلامی نظیر آن قرار دارد که خام و پردازش نشده هستند. اگر این دادهها را پردازش کنیم، تبدیل به اطلاعات می شود و از کنار هم گذاشتن و تحلیل اطلاعات به دانش می رسیم. برای همین در حوزه هوش مصنوعی مفهومی وجود دارد که با عنوان «داده کاوی» یا «Data Mining» مطرح می شود. به این معنی که ما می توانیم از داده کاوش و تحلیل کنیم و به دانش برسیم. حال اگر از این دانش تصمیمسازی کنیم، تصمیمات ما خردمندانه خواهد بود.
او ادامه می دهد: اگر در تصمیمات کشوری از این علم استفاده شود، اثرات خوبی خواهد داشت. به عبارتی ما در هر حوزه ای انباشتی از داده ها را داریم که اگر آن ها را تحلیل کنیم و به دانش برسیم، تصمیمات ما خردمندانه تر خواهد شد.
میرحسینی با اشاره به اهمیت استفاده از هوش مصنوعی در مهار کرونا می گوید: به نظر می رسد در مهار کرونا از ظرفیت این مثلث داده استفاده شد و از طریق تحلیل و ارتباط داده های مختلف افراد مبتلا به کرونا، تردد مبتلایان کنترل شد.
این پژوهشگر امنیت سایبری به کاربردهای دیگر هوش مصنوعی اشاره می کند و توضیح می دهد: با بهره گیری از همین دانش می توانیم توفیقات خوبی در پیشگیری و مبارزه با اکثر فسادهایی که در حوزه های پولی و مالی ایجاد می شود، داشته باشیم. دستگاه های حاکمیتی برای اتخاذ تصمیم های خردمندانه باید از متخصصان علوم داده و هوش مصنوعی بهرهمند شوند. البته در عین حال باید از این داده ها صیانت و قوانینی برای آن وضع شود.
این استاد دانشگاه مثال می آورد: به عنوان مثال دفترچه الکترونیکی سلامت را در نظر بگیریم. در گذشته فقط دکتر از اطلاعات بالینی و پزشکی شما آگاه بود ولی الان اپراتور و افراد مختلف می توانند به اطلاعات شما دسترسی داشته باشند. در اینجا نیاز است مخاطرات حریم خصوصی مدنظر قرار گیرد. باید هوشیار باشیم و از این داده ها بهتر مراقبت کنیم. همانطور که حوزه فناوری اطلاعات روز به روز توسعه پیدا می کند، مخاطرات و فسادهای این حوزه هم بیشتر می شود.
او ضمن بیان اینکه اگر معتقد به مبارزه با فساد هستیم باید به حوزه هوش مصنوعی بیشتر اهمیت دهیم، توضیح می دهد: به عنوان مثال وقتی با اختلاف قیمت غلات، جذابیتی برای قاچاق این کالا به وجود می آید، با به اشتراک گذاشتن داده های سامانه های مرتبط مثل سامانه بارنامه برخط، سامانه انبارها و… به راحتی می توان از قاچاق کالا پیشگیری نمود و تصمیمات خردمندانه اتخاذ کرد. وقتی از داده ها استفاده نکنیم و آن ها را به دانش تبدیل نکنیم، نمی توانیم تصمیم خردمندانه ای بگیریم.
این پژوهشگر هوش مصنوعی در بیان میزان اهمیت استفاده از هوش مصنوعی در تصمیمات مهم کشوری می گوید: وقتی مقام معظم رهبری هم به حوزه هوش مصنوعی توجه می کنند، نشان از اهمیت این حوزه دارد و باید از این دانش استفاده شود تا توفیقاتی برای مبارزه با فساد حاصل شود.
با این اوصاف در جراحی های اقتصادی چگونه می توان از هوش مصنوعی بهره گرفت؟ میرحسینی پاسخ می دهد: وقتی از حاکمیت داده صحبت می کنیم، به این معنی است که ارزش داده در دنیا خیلی بالا است، چون می توان از آن ها برای تصمیمات ملی و فراملی استفاده کنیم. در مباحث مربوط به سیاست خارجه هم می توان از تحلیل داده استفاده شود، به عبارتی اگر می خواهیم سیاستی در حوزه تحریم داشته باشیم باید داده های مرتبط با آن مورد رصد و واکاوی قرار بگیرد و تصمیمات بر اساس آن صورت بگیرد. وقتی می خواهیم سیاست کلانی در خصوص یارانه ها اتخاذ کنیم لازم است از وضعیت موجود اطلاع درستی داشته باشیم. اینکه می خواهیم سیاست هدفمند کردن یارانه ها را که طرح خوبیست اجرا کنیم، برای اجرای بی نقص آن لازم است دانش خوبی از وضعیت جاری داشته باشیم که این مهم از داده کاوی حاصل میشود.
این استاد دانشگاه ادامه می دهد: یادگیری ماشین یا «Machine Learning» یکی از شاخه های هوش مصنوعی است و شامل چهار دسته یادگیری با ناظر، یادگیری بدون ناظر، یادگیری تقویتی و یادگیری نیمه نظارتی می شود. محصول یادگیری بدون ناظر، خوشه بندی یا «clustering» می شود. برای خوشه بندی شهروندانمان، نیازمند دانش هستیم که با دادهکاوی محقق میکردد. برای داشتن دانش هم نیازمند داده هستیم. البته داده های مختلف موجود است و اکثر سازمان ها و ارگان ها داده های شهروندان را ذخیره سازی می کنند برای مثال وقتی از چند سال پیش بحث سند تک برگی مطرح شد یعنی در ازای هر کد ملی یک سند تک برگی صادر شده است یا وقتی حسابهای بانکی افراد با کد ملی ثبت میگردد یعنی دارایی ها، املاک، حساب بانکی و … افراد مشخص بوده و با تحلیل دادهها و استفاده از علم یادگیری ماشین و خوشهبندی، دستهبندی درستی از افراد خانوادهها میتوان داشت.
این پژوهشگر امنیت سایبری با تاکید بر اهمیت صیانت از داده، به دفترچه های الکترونیکی اشاره می کند و می گوید: وقتی وارد داروخانه می شوید، از شما شماره ملی تان را می خواهند که میتواند مقدمات سوء استفاده را فراهم می کند، درحالی که به روش های دیگر هم می توان احراز هویت نمود تا از دادههای شهروندان مراقبت نمود. به نظر میرسد چون این حوزه به درستی درک نشده، مخاطرات آن هم خوب درک نشده است. اطلاعات خصوصی اگرچه می تواند کلید تبادل داده باشد ولی نباید به گونه ای باشد که در اختیار عموم قرار بگیرد. لذا ضروری است که از دادههای شهروندان مراقبت دقیقتری صورت گیرد تا مخاطرات این حوزه نیز کاهش یابد.
سید روح اله میرحسینی تاکید می کند: برای کاهش مخاطرات این حوزه این کلان داده ها باید بهصورت سیستمی و با طراحی سامانههای هوشمند و خبره مورد کاوش قرار گیرد و از در اختیار گذاشتن فیلدهای اطلاعاتی شهروندان به صورت عمومی یا حتی مهندسان تحلیلگر خودداری نمود. حتی نتیجه های حاصل از دانش به صورت یک برچسب ذخیره و مبادله شود.
این استاد دانشگاه در خصوص بهره گیری از علوم داده برای تصمیماتی چون شروع آموزش حضوری پس از موفقیت در کاهش بیماری کرونا، می گوید: وقتی پس از مدتها آموزش غیرحضوری که افت آموزشی را به همراه داشته است (و خود جای مطالعه و تحلیل داده دارد) قرار است مدارس و دانشگاه ها حضوری شوند، برای کاهش مشکلات پیش رو می توان براساس داده و دانش تصمیم گرفت.
میرحسینی ادامه می دهد: از آنجایی خیلی از مدارس و دانشگاه ها، کادر آموزشی مستقل ندارند و از اساتید مدعو و حق التدریس بهره مند هستند و با توجه به اینکه مسافت در دوران آموزش غیرحضوری اهمیتی نداشت، معلم یا استاد می توانست ساعت ۸ در غرب تهران و ساعت ۱۰ در شرق تهران به صورت مجازی تدریس نماید. حال که قرار است آموزش حضوری شود، آیا این اطلاعات مورد توجه قرار گرفت؟
او با اشاره به تاکید رهبری بر اهمیت به حوزه هوش مصنوعی می گوید: ما به عنوان تصمیم گیران باید اول حوزه هوش مصنوعی را بشناسیم و آن را باور کنیم و بعد بر اساس داده، اطلاعات و دانش، تصمیم خردمندانه بگیریم. خوشبختانه در دیدار آبان ماه سال گذشته نخبگان با مقام معظم رهبری (حفظه الله)، ایشان به حوزه هوش مصنوعی توجه کردند و فرمودند: 《من پیشنهاد می کنم یکی از مسائلی که مورد تکیه و توجّه و تعمیق واقع می شود، مسئلهی هوش مصنوعی باشد که در ادارهی آیندهی دنیا نقش خواهد داشت . … ما در دنیا حدّاقل در [بین] ده کشور اوّل در مورد هوش مصنوعی قرار بگیریم که امروز نیستیم. … باید کاری کنیم که حداقل به ده کشور اوّل دنیا در این مسئله برسیم.》لذا اگر اهمیت این حوزه را باور کنیم لازم است تصمیماتمان را به این حوزه سوق دهیم.
با این اوصاف فکر می کنید در مقایسه با کشورهای پیشرفته در استفاده موثر از این حوزه چقدر فاصله داریم؟ این پژوهشگر هوش مصنوعی پاسخ می دهد: مقام معظم رهبری هم تاکید فرمودند که در این حوزه با کشورهای دنیا فاصله داریم. برخی از کشورها چون این حوزه را شناخته اند، برای آن برنامه ریزی های مدونی دارند. فارغ از برخی از مشکلات و مخاطرات شبکه های مجازی اعم از فیس بوک، اینستاگرام وغیره، این شبکهها یکی از اهدافشان تحلیل داده های کاربران و فروش این اطلاعات برای تحلیل های مختلف می باشد. حتی در زمینه ای مثل مد، از طریق هوش مصنوعی نیاز مخاطبان احصاء و براساس آن طراحی مد صورت میگیرد.
این استاد دانشگاه ادامه می دهد: وقتی خبری در شبکه های اجتماعی فروارد یا پست می شود این شبکه ها به علاقمندی های کاربر آگاهی پیدا می کنند و براساس آن اقدام به تحلیل داده می کنند. ما می توانستیم در شیوع بیماری کرونا و افزایش استفاده از شبکههای مجازی که فرصت خوبی بود، اقدام به راه اندازی یک شبکه اجتماعی بومی کارآمد کنیم تا ضمن دادن اطلاعات به مخاطبان، از اطلاعات افراد هم در تصمیمات مهم کشوری استفاده شود. البته میتوان با حمایت بخش خصوصی و استفاده از ظرفیت آن اعتماد مخاطب را نیزکسب نمود. ناگفته نماند، ما شبکه های اجتماعی داشتیم که متاسفانه مورد اقبال عموم واقع نشدند. حمایت از یک پلتفرم صرفا تزریق پول نیست.
میرحسینی با اشاره به توجه ویژه برخی از کشورها به حوزه دانش داده می گوید: در سال ۲۰۲۲ میلادی حوزه علوم داده و هوش مصنوعی مورد اقبال فروان در دنیا قرار گرفته است. خیلی از دولت ها در حوزه علوم داده هزینه می کنند، دانشگاه ها پیشنهادات جذاب می دهند، شغل های متنوع با درآمدهای بالا ایجاد می شود تا متخصصان حوزه داده را جذب کنند. با یک جستجوی ساده می توان فهمید که امروزه بیش از ۱۰ کاربرد علوم داده و هوش مصنوعی جزء ۱۰ رشته ترند شده، میباشد.
این تحصیل کرده هوش مصنوعی (مهندسی کامپیوتر – گرایش هوش مصنوعی) در مقطع کارشناسی ارشد و دکتری ادامه می دهد: در ایران بعد از فرمایشات مقام معظم رهبری شاهد یک جنبش در این حوزه هستیم که امیدوارم به حاشیه کشیده نشود و حوزه هوش مصنوعی مورد درک متولیان امر قرار بگیرد. به عبارتی وقتی می خواهیم تصمیمات مهم کشوری در حوزه سیاست های ارزی، یارانه، حمایت های وارداتی یا صادراتی و …. که تاثیر فراوانی در قیمت کالاهای اساسی، دارو و … دارد، اتخاذ نماییم، ضروری است براساس دانش استخراج شده از داده تصمیم بگیریم. اگر تصمیمات بر این اساس نباشد، خردمندانه نخواهد بود و علاوه بر ناکارآمدی، مقدماتی برای ایجاد رانت شود.
میرحسینی با اشاره به نقش تحلیل داده در جلوگیری از فساد می گوید: امروزه اگر از علوم داده و مهندسی هوش مصنوعی استفاده شود و داده ها تحلیل شوند، خیلی راحت تر می توان با فساد مبارزه نمود که یکی از نمونه های آن بهرهمندی از این علم در نظارت قضایی و پیشگیری از فساد باشد. در واقع با ایجاد سامانه ای تحت عنوان سامانه دستیار قضایی (با تکیه بر این مفهوم)، کلیه فرآیندهای قضایی از شروع تشکیل پرونده و رسیدگی آن در این سامانه ثبت تا این سیستم خبره (که از دانش حقوقی و قضایی بهره مند است) بتواند در صورت بروز تخلف در فرآیند رسیدگی و قضایی و …، رخداد اشتباه متولیان انتظامی و قضایی، دادستانی، و مسئولان مرتبط را به صورت برخط احصاء نماید تا از بروز خطا و تخلف جلوگیری شود و فساد کاهش یابد.