استفاده از هوش مصنوعی برای ترویج معارف اهل‌بیت(ع)

شیعه نیوز | پژوهشگر حوزه علمیه قم در عرصه هوش مصنوعی گفت: باید در پرداختن به‌‌ هوش‌مصنوعی دکترین و نظریه داشته باشیم و اینکه بدانیم می‌خواهیم چه کار کنیم؟ در حال حاضر در زمینه‌‌ هوش‌مصنوعی، دیتا تولید می‌کنیم و در الگوریتم‌ها کار می‌کنیم اما مثل این است که خام‌فروشی می‌کنیم!

به گزارش «شیعه نیوز»، امروزه استفاده از هوش مصنوعی در بخش‌های مختلف زیاد و فراگیر شده و  این ابزار وارد زندگی همه انسان‌ها شده است؛ از جمله  عرصه‌هایی که از هوش مصنوعی می‌توان بهره برد، معارف دینی و اسلامی است.

در این راستا و در پاسخ به کیفیت و چگونگی استفاده از هوش مصنوعی در معارف اسلامی، نشست علمی «داده‌ها و الگوریتم‌های هوش مصنوعی و تأثیر آن در ترویج معارف اهل‌بیت(ع)» با ارائه حجت الاسلام و المسلمین «عبدالحجت حق‌جو» از پژوهشگران حوزه علمیه قم در عرصه هوش مصنوعی، در سالن جلسات خبرگزاری ابنا برگزار شد.

متن کامل سخنان حجت‌الاسلام حق جو به شرح زیر است:

ابتدا باید برخی مسائل فنی مانند داده و الگوریتم را توضیح دهیم و سپس بررسی کنیم که آنها چه نقشی در هوش‌مصنوعی دارد و سپس آن‌ها را با معارف اهل‌بیت(ع) تطبیق دهیم به این معنا که چگونه می‌توان از داده و الگوریتم با ابعاد مختلفی که دارد در ترویج معارف اهل‌بیت(ع) استفاده نمائیم؟

*تعریف و اهمیت داده

زمانی اشیاء ارشمندی مانند طلا و نفت کشف شدند که زندگی بشر را متحول کرده و‌ تاکنون نقش مهم آن‌ها وجود دارد.

علت ارزشمند بودن طلا و نفت به خاطر نادر و کمیاب بودن و یا هزینه استخراج بالای آن‌ها است. ولی‌ اکنون در فضای اقتصادی و سیاسی کشورهای جهان ثروت و ارزشمندی جدیدی با عنوان «داده و اطلاعات» وارد بازار شده است. به ارزشمندی و گران‌قیمت بودن داده و اطلاعات در ادامه اشاره خواهیم کرد.

ارتباط «داده و اطلاعات» به بحث‌‌ هوش‌مصنوعی به این صورت است که در‌‌ هوش‌مصنوعی دو رکن اساسی دارد: الف- نرم افزار ب- سخت افزار یا پلت‌فرم که این بخش در حال حاضر مورد بحث ما نیست.

نرم‌افزار از دو بخشِ داده‌ و الگوریتم تشکیل شده است. داده‌ها مثل مواد خامی هستند که وقتی در یک کارخانه ریخته شد بعد از فراوری، آن را به یک محصول قابل استفاده تبدیل می‌کند.

*تعریف الگوریتم

بیان شد که داده نیاز به فرآوری دارد. الگوریتم‌ها هستند که داده‌ها را فراوری کرده و آن‌ها را به محصول مورد استفاده تبدیل می‌کنند.

الگوریتم‌‌ها فرایندی هستند که داده را در هرمِ داده بالا می‌آورد، ارزشی را به آن اضافه می‌کند. هر چه سطح داده بالاتر بیاید ارزشمندی پیدا می‌کند.

مثل این‌که شما یک فلز را به کارخانه می‌دهید که هرچه بیشتر حرارت ببیند و تحت فشار قرار بگیرد، خروجی مطلوب‌‌‌‌تری با عیار بالاتر و بهتری را به شما می‌دهد. دیتا نیز همین طور است که هرچه بیشتر تحت فشار قرار بگیرد و از لحاظ فنی بیشتر روی آن کار شود خروجی مطلوب‌تری دارد.

*جایگاه علم داده و داده‌کاوی

علوم مختلفی با دیتا در رابطه هستند که در علوم کامپیوتر از آن به دیتاساینس یا علوم داده تعبیر می‌شود؛ با این توضیح که هوش مصنوعی (Artificial intelligence) علمی است که زیر مجموعه علم داده قرار می‌گیرد. از طرف دیگر زیرمجموعه AI‌‌‌‌‌ ، یادگیری ماشین (Machine learning) و زیر مجموعه آن،‌‌‌‌ دیتاماینینگ (Data mining) می‌شود. این تقسیم‌بندی در صورتی است که مقسَم را علوم کامپیوتر قرار دهیم.

اگر بخواهیم تقسیم‌‌‌بندی دیگری کنیم و بخواهیم مقسَم را‌‌ هوش‌مصنوعی قرار دهیم، ‌‌هوش‌مصنوعی به معنای یادگیری ماشین و یادگیری عمیق می‌شود و در همه این‌ها تابعی از علوم داده و داده‌کاوی است وجود داد.

پس جایگاه و محل استفاده علم داده در علوم کامپیوتر و‌‌ هوش‌مصنوعی مشخص شد. البته تقسیمات دیگر هم قابل بیان است اما چون همین مقدار کافی است تا ببینیم داده‌کاوی و پرداختن به داده و اطلاعات که در اصطلاح علوم کامپیوتر دیتاماینینگ گفته می‌شود، کجا قرار دارد؟

به استخراج نهایی‌‌‌ اطلاعات و الگو از داده‌ها، داده‌کاوی گفته می‌شود و استخراج اطلاعات و الگوها از حجم بسیار عظیمی از داده به دست می‌آید. این یک تعریف اجمالی از داده‌کاوی است. طبق این تعریف، داده‌کاوی خصوصیات و ویژگی‌‌هایی‌‌‌  اصلی دارد که در کتاب‌های مفصل باید به آن پرداخته شود؛ مثل این است که به وسیله داده‌کاوی یکسری الگو‌هایی را‌‌‌ از بعضی اطلاعات خام کشف می‌کنیم و بر اساس آن برای دیتاهای دیگر سیاست‌گذاری می‌کنیم. آن دسته از دیتاهای کارشده و آموزش داده شده، الگو و مادر می‌شوند و دیتاهای خام که روی آن کار نشده، از الگوی مادر تبعیت می‌کنند.

*هرم داده و کلان داده‌ها

مسئله بعد پرداختن به هرم داده است. داده، پایین‌‌‌‌ترین و نازل‌‌‌‌ترین مرتبه اهمیت در هرمِ داده است. هرم داده از Data، information ، knowledge و wisdom تشکیل شده است. این‌ها مراتب مختلفی هستند که هر چه ارزش و فرآوری روی داده بیشتر ‌شود، ارزش داده هم بیشتر می‌شود، در هرم بالا می‌آید و در مرتبۀ بالاتری قرار می‌گیرد. هر کدام از اینها تعاریف مخصوص به خود را دارند و داده‌ای که می‌گوییم پایین‌‌‌‌ترین و نازل‌ترین قسمت اطلاعاتی است که داریم‌‌‌. البته تعبیر «اطلاعات»، دقیق نیست چون دیتا‌‌‌ ترجمۀ information است‌‌‌ و اطلاعات، مرحلۀ فرآوری شدۀ داده است لذا تعبیر داده دقیق‌‌‌‌تر است که از آن به «هرم داده» تعبیر می‌کنند؛ هر چه قدر فرآوری هرم داده بیشتر باشد، ارزش آن هم بیشتر می‌شود.

در مرحلۀ بعد کلان داده‌ها « Big data» را داریم که پایگا‌‌‌‌ه‌های بزرگ و حجیم اطلاعات هستند که باید فراوری و تجزیه و تحلیل شوند تا مورد استفاده ماشین قرار گیرند‌‌‌. این صحبت‌‌های من به درد ماشین نمی‌خورد چون باید ماشینی‌‌‌سازی و به صفر و یک تبدیل شود تا به درد کامپیوتر و تحلیل ماشین بخورد. حتی نوشته‌‌های دست‌نویس ما تا وقتی تایپ و به صفر و یک تبدیل نشوند، به درد کار ماشین و تحلیل اطلاعات نمی‌خورند. کلان داده « Big data» هم این ویژگی‌ را دارد چون خصوصیت، حجم و تنوع دیتاها در آن زیاد است‌‌‌.‌‌‌‌ در کلان داده « Big data»‌‌‌،‌‌‌‌ دیتای صوتی، تصویری، متنی و نیز سیگنال داریم و همه چیز در کلان داده‌ها جمع شده است. در فراوری، اولین کار این است که این‌ها را از لحاظ تنوع جدا‌‌‌سازی‌‌‌‌ می‌کنید‌‌‌؛ آهنگ‌ها، تصویرها‌‌‌،‌‌‌‌ ویدئوها و متن‌ها جدا می‌شوند. این کار اولین مرحلۀ فرآوری است، یک درجه به ارزش دیتا افزوده می‌شود و به تبع حجم آن هم کم می‌شود‌‌‌.‌‌‌‌ اگر یک ترابایت اطلاعات داریم درصد کمی از از آن عکس است اما اکثر حجم آن را ویدئوها در برمی‌گیرند.

اصل دیگر مربوط به‌‌‌‌ کلان‌داده‌ها، اصل تغییر‌پذیری است‌‌‌.‌‌‌‌ خصوصیتی که ‌‌‌‌کلان داده دارد قابلیت تغییر به صورت‌های مختلف است به عنوان مثال ویدئویی که شما ضبط می‌کنید قابلیت تبدیل به صوت، تصویر و متن جداگانه را دارد. همین ویدئو قابلیت تغییرپذیری به فرمت‌‌های مختلف ویدئویی هم دارد.. لذا تغییر‌‌‌‌‌پذیری یکی از خصوصیات ‌‌‌‌کلان داده‌ها است و عکس قابلیت تغییر‌‌‌‌‌پذیری را دارد.

بحث دیگری که در داده‌کاوی اهمیت زیادی دارد، اقسام داده از لحاظ ساختار است.  اکثر داده‌‌‌هایی‌‌‌ که داریم بدون ساختار(unstructured data) هستند و هیچ نظم و ترتیبی در آنها وجود ندارد. مثل این است که اتاقی پر از دیتا داریم که نظم خاصی ندارند. اما بعضی از داده‌ها ساختار یافته‌ (Structured data)‌‌‌ هستند.‌‌‌‌  برای نمونه شما فایل‌های دست‌نویس را از یک نویسندۀ خیلی معروف دارید این (unstructured data) است اما به محض این که کسی آن را تایپ کرد یا از آن عکس گرفته و به فایل کامپیوتری تبدیل شد این (Structured data) می‌شود. معیار این است که کامپیوتر بتواند این اطلاعات را درک کند و بفهمد‌‌‌. ‌‌‌‌کامپیوتر هر چه بیشتر بتواند این اطلاعات را درک کند، این داده ساختاریافته‌‌‌‌تر است و به مقداری که نتواند این اطلاعات را درک کند، ساختارنیافته است. هر چقدر بتوانید اطلاعات خود را به صفر و یک نزدیک کنید از لحاظ وارد شدن به کامپیوتر و‌‌ هوش‌مصنوعی، به شما کمک بیشتری می‌کند‌‌‌.‌‌‌‌

بحث معارف‌‌‌‌‌‌ اهل‌بیت(ع) هم همین است‌‌‌.‌‌‌‌ امروزه مراکز مختلف کامپیوتری،‌‌‌‌ متن‌ها و نوشته‌ها را به نوشته‌‌‌‌‌های کامپیوتری تبدیل می‌کنند‌‌‌،‌‌‌‌ هر چقدر این‌‌ها به کامپیوتر نزدیک شده و با کدگذاری، جزئی‌تر به کامپیوتر فهمانده شود، باعث می‌شود که کاربرد‌‌ هوش‌مصنوعی در داده‌کاوی و الگوریتم‌‌‌هایی که در دیتا‌‌‌ داریم، گسترده شود و بتوانیم از‌‌ هوش‌مصنوعی در ترویج معارف‌‌‌ اهل‌بیت(ع)‌‌‌  بیشتر استفاده کنیم‌‌‌.

*اهمیت بحث داده‌کاوی

از جمله مباحثی که از در بحث داده‌کاوی مطرح می‌شود، غیر از ادعایی که گفته شده که ثروت جدیدی است که وارد بازار شده است، این است که چرا باید به این مسأله پرداخته شود؟ در حال حاضر حجم بسیار زیادی از داده را در اطراف خود ملاحظه می‌کنیم؛ مثل گوشی‌های موبایل، ساعت‌‌های هوشمند، انواع دوربین‌ و به صورت کلی تمام سنسور‌هایی‌‌‌ که افعال ما را شناسایی می‌کنند.

اطلاعات و داده‌‌‌هایی‌‌‌ که به صورت آفلاین و آنلاین جمع‌آوری شده و از طرق مختلف وارد اینترنت شده و در حال جمع‌آوری و انباشته شدن هستند پس باید مرتب و منظم شوند.

در این رابطه بیشتر مثال مالی می‌زنند چون تقریباً یکی از اولین موارد به کارگیری علوم، اول‌‌‌‌ در مسائل نظامی و دیگر در مسائل مالی است.‌ برای نمونه آمریکا به وسیلۀ جمع‌آوری داده و‌‌ هوش‌مصنوعی‌‌‌، جنگ‌ها را شبیه‌‌‌سازی می‌کند چون دیتا برای آن‌ها اهمیت دارد.

در سطح کلان برای مسائل اقتصادی می توان گفت در زمان رئیس جمهور سابق آمریکا، با استفاده از تجارت الکترونیک به ایران ضربه زدند؛ آنان تمام مایحتاج اصلی مردم ایران را از طریق دستگا‌‌‌‌ه‌های کارت‌خوان تشخیص دادند و همان موارد را تحریم کردند. این اهمیت دیتاهای زیاد را نشان می‌دهد؛ آنان تمام دیتا‌های موجود را تجمیع و تبدیل به الگوریتم‌ کردند و بر اساس آن تحریم‌ها را مدیریت می‌کنند.

در سطح خُرد نیز یک فروشنده با استفاده از داد‌‌‌‌ه‌های فروشگا‌‌‌‌ه‌های عمومی، می‌تواند نیاز‌سنجی آینده را انجام دهد‌‌  و کالاهای یک سال آینده را خریداری کند که تمام آن‌ها از طریق دیتا به دست می‌آید.

بنابراین جمع‌آوری اطلاعات و داده‌کاوی، ارزش بسیار زیادی از لحاظ سیاسی و اقتصادی برای مشاغل دارد؛ مخصوصاً در کشورهایی که تورم وجود دارد و هر روز قیمت کالاها در حال افزایش است، فروشنده می‌تواند با داده‌کاوی پیش‌بینی کند و برای یک سال آینده ، کالا خریداری کند.

داده‌کاوی در همۀ مشاغل قابل استفاده است، حتی در مباحث علوم انسانی که بخشی از آن گسترش علوم‌‌‌ اهل‌بیت(ع)‌‌‌  است و داده‌کاوی تأثیر زیادی دارد.

*کاربرد الگوریتم‌های هوش مصنوعی

در ادامه باید مقدار با بحث‌ الگوریتم‌های هوش‌مصنوعی بپردازیم و بررسی نمائیم که چگونه آنها می توانند در مسیر ترویج معارف اهل بیت علیهم السلام به ما کمک نمایند.

وظیفه یادگیری ماشین (Machine learning) این است که عملکرد انسانی را برعکس کند و به ماشین یاد دهد که چگونه مثل انسان عمل کند. به وسیلۀ الگوها، الگوریتم‌ها و مدل‌های ریاضی که به یادگیری ماشین (Machine learning) داده می‌شود، به کامپیوتر یاد می‌دهد که چگونه مثل انسان رفتار کند.

البته به تعاریفی که در‌‌ هوش‌مصنوعی وجود دارد نگاه کنیم که ببینیم آیا‌‌ هوش‌مصنوعی عملکرد انسان را مدل‌‌‌سازی‌‌‌‌ می‌کند یا فکر انسان را مدل‌‌‌سازی‌‌‌‌ می‌کند؟ یا نه، به انسان هیچ کاری ندارد و می‌خواهد یک تفکر و عملکرد Rational‌‌‌، یا ‌‌‌‌ Rationality را مدل‌‌‌سازی‌‌‌‌ کند؟ Rational به معنای خرد‌ورزی‌‌‌، تفکر و عملکرد عاقلانه است.

در بحث یادگیری ماشین (Machine learning) به صورت کلی و تاکنون سه روش آموزشی داریم که بعضی از روش‌ها دیگر استفاده نمی‌شود‌‌‌،‌‌‌‌ بعضی از آنها بسیار استفاده می‌شود و برخی از آن‌ها جدید است.

به عنوان مثال در یادگیری ماشین (Machine learning)،‌‌‌‌ آموزش‌های نظارت شده داریم که در این بخش یک مدل آموزش داده شده از دیتاها‌‌‌ داریم؛ مثلاً هزار دیتا داریم، صد مورد از این‌ها را آموزش می‌دهیم و طبق این صد مورد‌‌‌،‌‌‌‌ هزار مورد دیگر شبیه سازی می‌شوند.

اما یک مدل دیگری از یادگیری ماشین (Machine learning) وجود دارد که بدون نظارت است. یعنی ما پیش‌فرض‌هایی‌ به ماشین نمی‌دهیم، بلکه خود ماشین با توجه به الگوریتم‌‌هایی که وجود دارد، تصمیم‌گیری می‌کند که کدام مدل ذیل کدام نوع دیتا قرار گیرد. توضیحات این بحث مفصل است فقط اقسام آن را می‌گوییم که بدانیم با چه فضایی روبه رو هستیم.

یک مدل دیگری هم وجود دارد به نام یادگیری تقویتی، که امروزه روی آن بسیار کار می‌شود. من در بحث یادگیری تقویتی مشغول مقاله‌ای هستم؛ یکی از مبانی‌ای که مرحوم شهید صدر در بحث اصول دارد مبانی قرن اکید است. این مبنای قرن اکید هم از یک مبنای روانشناسی گرفته شده که یادگیری تقویتی و شرطی‌‌‌سازی محیط‌‌‌‌ است. یادگیری تقویتی جدیداً وارد یادگیری ماشین شده است‌‌‌ و روی آن کار می‌کنند.

در یادگیری تقویتی، با پاداش و جزا، ماشین یاد می‌گیرد.‌‌‌ برای نمونه ماشین با سنسور بینایی جایی را می‌بیند و تشخیص می‌دهد که‌‌‌ درخت است ولی کاربر می‌گوید این درخت نیست و ستون است‌‌‌.‌‌‌‌ اینجا ماشین، punish یا  جریمه می‌شود چون اشتباه تشخیص داد است. در مرحله بعد که ماشین با چنین چیزی برخورد می‌کند، طبق تجربه‌ای که داشته‌ است یعنی‌ ‌‌‌‌یادگیری تقویتی؛ برخورد و تعامل با محیط، دوباره تشخیص می‌دهد و می‌گوید در مورد قبل تشخیص دادم که درخت است، و‌‌‌‌‌ گفتند اشتباه است‌‌‌،‌‌‌‌ الآن تشخیص می‌دهم که این ستون است. کاربر به آن می‌گوید درست گفتی، ستون است، یا می‌گوید شیء سومی است‌‌‌.‌‌‌‌ مانند بچه‌ای که بزرگ می‌کنیم و به او آموزش‌هایی می‌دهیم، دقیقاً ماشین مثل یک بچه شروع به آموزش دیدن می‌کند و با تنبیه و پاداش خود را رشد می‌دهد و بالا می‌آید‌‌‌.‌‌‌‌ این انواع و اقسام یادگیری‌های ماشین بود که در آینده چون می‌خواهیم از اینها استفاده بکنیم لازم بود به آن اشاره شود.

*کاربرد الگوریتم  «K-means»

هر کدام از این‌ها الگوریتم‌‌های خاصی دارند و چون کار ما بیشتر با متن است لازم است به یکی از این موارد اشاره کنیم.

در بحث‌ یادگیری ماشین‌‌‌،‌‌‌‌ یکی از الگوریتم‌‌ها خوشه‌بندی است از جمله بحث‌های خوشه‌‌‌بندی «K-means» است. «K-means» یکی از الگوریتم‌های خوشه‌‌‌بندی است، در اینجا دو نقطۀ فرضی را در جدولی که داریم می‌گذاریم و نزدیک‌‌‌‌ترین نقاط به اینها را با توجه به دیتا‌هایی‌‌‌ که داریم علامت‌گذاری می‌کنیم‌‌‌.‌‌‌‌

مثال خیلی طلبگی این است که ما جایی برای تبلیغ می‌رویم. در بحث تبلیغ ما سه رکنِ پیام، پیام‌رسان و گیرندۀ پیام را داریم. ما اگر از روش الگوریتم‌ خوشه‌بندی «K-means» وارد شویم باید دیتا‌هایی که داریم را جمع‌آوری کنیم.‌‌‌ برای نمونه اگر مبلّغی در جمع مردم متدین روایتی ‌‌‌‌‌‌ دربارة‌‌‌ عقوبت فردی که اول وقت نماز نمی‌خواند یا کاهل یا تارک نماز است را می‌خواند تمام افرادی که آنجا هستند تأیید می‌کنند.

ولی اگر این روایت را در مجامعی که با دین از لحاظ عملی کمتر در ارتباط هستند بخواند، مخاطب ایراداتی وارد می‌کند که خداوند از کل آدم‌های جهان فقط مسلمان‌ها را انتخاب کرده و از میان مسلمانان شیعیان را برگزیده؟! اگر ما این کار را از طریق الگوریتم‌ها تحلیل کنیم،‌ و اطلاعات را از معارف اهل‌بیت(ع) ارائه کنیم، ماشین به صورت هوشمندانه پاسخ می‌دهد. ماشین تشخیص می‌دهد که افراد فلان جامعه فلان خصوصیات را دارند و در آن مسیحی، یهودی و مسلمان وجود دارد. در جامعۀ مسلمان عده‌ای نماز می‌خوانند و عده‌ای نماز نمی‌خوانند یا به ظاهر التزام به احکام شرعی اسلام ندارند. هوش مصنوعی به مبلّغ می‌گوید: دقت کن فلان روایت برای این دسته از مردم نخوان یا اگر خواندی آن را تلطیف کن، و یا برای فلان دسته با شدت و حدّت بخوان‌‌‌.

تمام این مسائل به دیتا و فرآوری که روی دیتا انجام می‌شود، برمی‌گردد. ما اینجا می‌توانیم از روش الگوریتم‌‌ خوشه‌بندی «K-means» می‌توانیم استفاده کنیم. دو نقطه را مشخص کردیم کسانی که مسلمان نیستند و کسانی که مسلمان هستند؛ درباره کسانی که مسلمان هستند دو نقطه مشخص کردیم کسانی که التزام عملی به مسائل دینی دارند و کسانی که التزام عملی به مسائل دینی ندارند‌‌‌.‌‌‌‌ اگر دیتای و جزئیات زیادی را بتوانیم جمع‌آوری کنیم همان را می‌شود ریزتر کرد و شما به نسبت داشتن اطلاعات بیشتر، آن را دقیق‌تر به مخاطبان منتقل می‌کنید تا بازخورد منفی نداشته باشد.‌

مثلاً برخی دوستان که به تبلیغ‌‌‌ می‌روند با شکست مواجه می‌شود. چرا؟ چون اطلاعاتی که مبلغ ارائه کرده به درد مخاطبان نمی‌خورده است.‌‌‌ مخاطبان سطح سواد پایینی داشتند ولی مبلّغ مطالب فلسفی عمیق به آن‌ها می‌گفته است. در حالی که باید با آن‌ها ساده صحبت کرد. همین را ما می‌توانیم برای ماشین مدل‌‌‌سازی‌‌‌‌ کنیم و بگوییم ما این اطلاعات را داریم به شرطی که اطلاعات فرآوری شده و آماده باشد؛ اطلاعات را در الگوریتمی که داریم وارد می‌کنیم و می‌گوییم به جامعه‌‌ای که از لحاظ علمی در سطح پایین هستند، برای من 20 دقیقه منبر آماده کن‌‌‌.‌‌‌‌ یا اینفوگرافی درستی نسبت به جامعۀ هدف تهیه کن. یک بار مدل پیام رساندن ما اینفوگرافی است که تشخیص آن با خود ماشین است‌‌‌.

‌‌‌اگر پیام‌‌‌،‌‌‌‌ ارائه دهندۀ پیام و گیرندۀ پیام را درست تحلیل کرده باشیم، ارائه دهندۀ پیام که ماشین است تصمیم‌‌گیری می‌کند و می‌گوید به صورت اینفوگرافی، کلیپ صوتی، نوشتاری یا ویدئو باشد؛ این‌ها را تحلیل می‌کند و به نسبت جامعۀ هدف برای ما یک محتوایی را آماده می‌کند.‌ امروزه در بحث‌‌ هوش‌مصنوعی و سایت‌های آنلاین، چنین بحث‌هایی‌‌‌ در حال اتفاق است. البته سایت‌ها به فارسی زبان نیست بلکه‌‌‌‌ در زبان انگلیسی بیشتر اتفاق می‌افتد، چون دیتا‌هایی‌‌‌ که به زبان فارسی داریم کم است ولی دیتاها به زبان انگلیسی خیلی زیاد است‌‌‌.‌‌‌‌‌‌‌

برای نمونه از سایت درخواست یک پاورپوینت با موضوعات مشخص را می‌دهید، ده فیلد برای آن مشخص می‌کنید‌‌‌، خودش سؤال می‌کند که پاورپوینت که با فلان موضوع می‌خواهی‌‌‌،‌‌‌‌ داخل آن چه مطالبی باشد‌‌‌؟ ده سرفصل مشخص می‌کنید و بر اساس سرفصل‌ها برای شما عکس، ویدئو، نوشته‌‌‌،‌‌‌‌ یا آهنگ می‌آورد و یک پاورپوینت آماده تهیه می‌کند. به چه دلیل این کار را انجام می‌دهد؟ به خاطر این که دیتاهایش طبقه‌‌‌بندی شده و فرآوری شده است.

یک مثال دیگر؛ عکس‌های علمای مشهور شیعه را‌‌ هوش‌مصنوعی درست می‌کند‌‌‌.‌‌‌‌ هوش‌مصنوعی چگونه این کار را انجام می‌دهد؟ به نسبت اطلاعاتی که از ظاهر افراد که در آن سده‌ها وجود داشته، تیپ شخصیتی علمای آن زمان، تیپ و شکلی که علما و روحانیون‌ الآن داریم و بر اساس پوشش مردم آن زمان‌‌‌،‌‌‌‌  چیزی را درست می‌کند. همچنین براساس توصیفاتی که از قیافه آن افراد شده است.

لذا اگر دیتاها را به دقت استخراج و فراوری کنید و به ماشین بدهید، ماشین می‌تواند به نسبت آن زمان عکسی به شما ارائه کند و کار خاصی نیست، فقط بحث فراوری «داده» است.  

*داده‌ها را  باید به سمت ماشینی شدن ببریم

پس پایۀ اصلی دیتا است‌‌‌ و اگر می‌خواهیم از‌‌ هوش‌مصنوعی استفاده کنیم باید داده‌ها را به سمت ماشینی شدن ببریم.‌‌‌ تمام ویدئو‌هایی‌‌‌ که ضبط می‌شود باید به صورت دیجیتالی باشد. صوت‌ها هم باید به صورت فایل‌های دیجیتالی باشد تا به متن تبدیل شده و قابل تجزیه وتحلیل توسط ماشین باشد‌‌‌.‌‌‌‌ یا متن‌ها به صورت تایپی باشد تا قابل درک برای کامپیوتر باشد. در اقسام دیتا گفتم که دیتا باید ساختاریافته باشد تا به درد کامپیوتر بخورد و هر چه قدر به زبان کامپیوتر نزدیک‌تر باشد بیشتر به درد کامپیوتر می‌خورد.‌‌‌

امروزه برخی مراکز کامپیوتری روایات تایپ شده را در اختیار کاربران قرار می‌دهند‌‌‌.‌‌‌‌ اما از روایات و حتی آیات قرآن با توجه به روایاتی که ذیل آن‌ها وجود دارد تعابیر و معانی مختلفی از آن‌ها برداشت می‌شود‌‌‌.‌‌‌‌

امروزه از ChatGPT ‌بسیار استفاده می‌شود، سؤالی از آن بپرسید و نگویید که من مسلمان شیعه هستم یا اهل تسنن. بنویسید که نظر شما‌‌‌ دربارة‌‌‌ آیۀ رجس چیست؟ ChatGPT ‌ بر اساس دیتا‌هایی‌‌‌ که دارد و نسبت به منطقۀ مکانی شما، اطلاعاتی به شما می‌دهد. اما اگر از‌ نرم‌افزار تغییر ‌آی‌پی استفاده کنید‌‌‌ و با آی‌پی ترکیه، عربستان یا آمریکا وارد شوید، اطلاعات دیگری به شما می‌دهد‌‌‌.‌‌‌‌ چرا؟  چون از time zone یا منطقۀ مکانی شما هم بهره‌‌گیری و استفاده می‌کند.

حتی‌‌‌ سؤالاتی که شما می‌پرسید به نسبت روز و شب تفاوت می‌کند‌‌‌.‌‌‌‌‌‌‌ برای نمونه درباره خودکشی از‌‌ هوش‌مصنوعی پرسیده بودند، صبح یک جوابی داده بود چون صبح تمایل به خودکشی کمتر است اما در شب جواب دیگری داده بود به دلیل اینکه تمایل به خودکشی در افراد در شب بیشتر است‌‌‌.‌‌‌‌ لذا اگر بخواهیم از‌‌ هوش‌مصنوعی استفاده کنیم تا جواب خوبی به ما بدهد باید تمام دیتاها باید جمع‌آوری شده و به ماشین داده شود.

درباره ترویج و گسترش معارف و علوم‌‌‌‌‌‌ اهل‌بیت(ع) باید جامعه هدف، رسانندۀ پیام و پیام به دقت تحلیل شود به این معنا که دیتاهای جمع‌آوری شده به دقت به ماشین داده شود تا ماشین بتواند تصمیم‌گیری درستی را در القای پیام بدهد.

این اصل مسئله در مباحث بین المللی نیز کاربرد دارد‌‌. من اخیراً در یکی از کشور‌هایی‌‌‌ بودم که مردم آن پرتغالی صحبت می‌کردند ولی زبان پرتغالی آنان محلی بود. وقتی شما قرآن را به زبان پرتغالی ترجمه کنید و به آنها بدهید نمی‌فهمند؛ چون باید به زبان پرتغالی خودش باشد. اگر هم پرتغالی را بفهمد، آن تعابیر و ظرایف قرآنی را شاید درک نکند‌‌‌.‌‌‌‌ کسی که قرآن را ترجمه کرده زحمت کشیده‌‌‌،‌‌‌‌ روی دیتا کار کرده یعنی قرآن از زبان عربی یا فارسی به پرتغالی ترجمه کرده اما جامعه هدف را مد نظر قرار نداده و طبق خواستۀ خودش عمل کرده است‌‌‌. بنابراین ما در تصمیم گیری‌های کلان باید جامعه هدف را در ترویج معارف‌‌‌‌‌‌ اهل‌بیت(ع) مد نظر قرار بدهیم‌‌‌.‌‌‌‌ چون برای خودمان‌‌‌ نمی‌‌خواهیم کار کنیم بلکه برای جامعۀ هدف کار می‌کنیم‌‌‌ و باید به دقت‌‌‌ جامعۀ هدف را آنالیز کنیم و بدانیم چه چیزی می‌خواهد و چه چیزی دوست دارد‌‌‌؟‌‌‌‌

حتی می‌توان اطلاعات را به صورت گزینشی ارائه کرد. ارائه برخی احکام در صدر اسلام مانند مسئله حرمت شراب، نیز به صورت تدریجی و پله پله بوده است. قرآن یک کتاب جامع است ولی لزوماً به این معنا نیست که کل آن را به جامعۀ هدف بدهید. شاید آن جامعه به مرور زمان قبول کند ولی اگر به صورت یکباره باشد قبول نکند‌‌‌‌‌‌. به دلیل اینکه فردی که اعتقادی دارد طبیعی است که با آن مقابله کند.

*ترویج سبک زندگی اهل بیت علیهم السلام

بحث دیگر پیرامون سبک زندگی است. ما از طریق معارف‌‌‌‌‌‌ اهل‌بیت(ع) می‌خواهیم سبک زندگی اهل‌بیتی را در میان جامعۀ خودمان جا بیاندازیم و مردم را قانع کنیم که معارف‌‌‌‌‌‌ اهل‌بیت (ع) در زندگی برای شما مفید است. از طرف دیگر سبک زندگی اهل بیت(ع)، فقط مخصوص مسجد و منبر نیست‌‌‌.‌‌‌‌ چون‌ امروزه تفکری وجود دارد که اسلام و دین برای همان مسجد است لذا آن‌ها را به جامعه نیاورید و دخالتی در جامعه ندارد، اگر هم معارفی برای جامعه داشته باشد قابلیت پیاده‌‌‌سازی‌‌‌‌ ندارد چرا؟ چون اساس جامعه ماتریالیستی‌‌،‌‌‌‌ پول و مادّیات است، و در بهترین حالت انسان‌گرا است‌‌‌ در حالی که معارف دینی این‌گونه نیست !

برخی از مراکز پژوهشی سبک زندگی اهل بیت(ع) را ترویج می‌دهند؛ برای نمونه در بحث ساختمان‌‌‌سازی‌‌‌،‌‌‌‌ مرکز فقهی‌‌‌‌‌‌ ائمه اطهار(ع)  که یکی از یادگارهای مرحوم آیت الله العظمی فاضل لنکرانی است، بخشی به نام فقه و شهر‌‌‌سازی‌‌‌‌ دارد که در این زمینه کار می‌کند‌‌‌؛ گروه پژوهشی دیگری به نام فقه پزشکی نیز  آنجا کار می‌کنند که در همین مسیر گام برمی دارند. همچنین در مباحث مختلف، معارف‌‌‌‌‌‌ اهل‌بیت(ع) را با جوامع انسانی‌‌‌ مناسب‌‌‌سازی‌‌‌‌ می‌کنند. ما باید سبک زندگی مردم را شناسایی کنیم و معارف‌‌‌‌‌‌ اهل‌بیت(ع) را استخراج کرده، و آن‌ها را به دقت طبقه‌‌‌بندی کنیم.

علما و مراجع بزرگوار می‌فرمایند امروزه به تبویب جدید ابواب حدیثی نیاز داریم‌‌‌.‌‌‌‌ چون تبویب قدیم در وسائل‌الشیعه، بر اساس زمان مرحوم شیخ حر عاملی بوده است ولی امروزه باید تبویب جدیدی شود. حتی اگر آقایان لازم می‌دانند برخی از روایات تقطیع شود، قسمتی از آن در یک باب و قسمت دیگر در باب دیگر بیاید. اگر ادعای ما این است که معارف‌‌‌‌‌‌ اهل‌بیت(ع) قابلیت پیاده‌‌‌سازی‌‌‌‌ در همۀ اعصار و امصار را دارد، باید احادیث تفکیک شود‌‌‌.

البته ‌‌‌‌ منظورم این نیست که مثل فقه اهل سنت فقه جدیدی بر اساس مقاصد ‌الشریعه مطرح کنیم و بگوییم که اصل در اسلام عدالت است و مقتضای‌ عدالت هم این است که ارث و دیۀ زن و مرد مساوی باشد و با نص ادلۀ و قرآن مقابله کنیم‌‌‌.‌‌‌‌ منظورم این است که معارف‌‌‌‌‌‌ اهل‌بیت(ع) را با جامعۀ هدفی که داریم مناسب‌‌‌سازی‌‌‌‌ کنیم؛ جامعۀ هدف ما‌ الآن فلان کشور است یا جامعۀ هدف ما صد سال دیگر و کشورهای دیگر است، تفاوتی‌‌‌ نمی‌‌کند‌‌‌.‌‌‌‌ معارف اهل‌بیت(ع) را باید مناسب‌‌‌سازی‌‌‌‌ کنیم تا بتوانیم در سبک زندگی مردم وارد کنیم چون احکام که قابل تغییر نیست و در روایات ما نیز آمده است که «حلال محمدٍ(ص) حلال إلی یوم القیامه و حرام محمّد حرام‌‌‌ إلی یوم القیامة» ولی برخی مسائل درباره بحث سبک زندگی است و می‌توان آن‌ها را مناسب‌‌‌سازی‌‌‌‌ کرد و اجرا کرد.

‌هوش‌مصنوعی در کار خود از تکنیک‌‌های مختلفی استفاده می‌کند و ابزارهای زیادی دارد. در پردازش بر اساس زبان طبیعی «اِن اِل پی (NLP)»‌‌،‌ داده‌‌‌هایی‌‌‌ داریم که از‌‌‌‌‌‌ اهل‌بیت(ع) رسیده و به صورت داد‌‌‌‌ه‌های متنی و پردازش متن است. ما باید در بحث دیتا‌‌کاوی و پردازش متن کار کنیم که برخی مراکز پژوهشی کار می‌کنند و موفق هم هستند. این مراکز به سمتی می‌روند تا بتوانند الگو‌هایی‌‌‌ را از متون استخراج کنند‌‌‌.

‌اما بُعد خطرناک قضیه این است که ما به قیاس مبتلا نشویم. ‌‌‌‌ چون زبان کامپیوتر‌‌‌،‌‌‌‌ زبان ریاضی و استدلالش‌‌‌،‌‌‌‌ بر اساس منطق و ریاضی است و ادعا این است که از طریق استقراء، مباحث را به دست می‌آوریم. ‌‌‌‌ وقتی که دیتاها را آموزش می‌دهیم از نوعی استقراء استفاده می‌کنیم‌‌‌، استقراء به معنای از جزئیات به کلیات‌‌‌ رسیدن است. ‌‌‌‌ما صد دیتا را آموزش می‌دهیم که پایه و مادر می‌شود اما  احتمال دارد دیتای آموزش دیده در ادامه مشکلاتی هم داشته باشد‌‌‌.‌‌‌ ‌چون جزئی است  و اگر خواهیم برای کلی از طریق استقراء تطبیق کنیم مشکلاتی به وجود می‌آورد. لذا باید مواظب باشیم که در بحث‌‌ هوش‌مصنوعی به کلیاتی مثل قیاس و استحسان که از قدیم عیب‌دار بوده، مبتلا نشویم.‌‌‌ به گونه‌ای که کار ما به جایی برسد که مثل اهل‌سنت مقاصدی شویم و بگوییم ما از روایات و معارف‌‌‌‌‌‌ اهل‌بیت(ع) الگوریتمی به دست آورده‌ایم پس می‌شود به همه چیز تسری داد. چون کار ماشین این است که از جزئیات، یکسری کلیات را تصمیم‌‌گیری می‌کند‌‌‌.‌‌‌‌لذا اگر الگوی کلی استخراج شد، قابلیت تعمیم و عمومیت ندارد که بخواهیم در همه جا آن را پیاده‌‌‌سازی‌‌‌‌ کنیم. یعنی ابزارهای‌‌ هوش‌مصنوعی‌‌‌،‌‌‌‌ ابزارهای خطرناکی هستند چون دو لبه است.

*تفسیر و تحلیل متونی دینی

مسألۀ بعد، تفسیر و تحلیل متون دینی به وسیلۀ‌‌ هوش‌مصنوعی است. یکی از مسائلی که از اول صدر اسلام وجود داشته و پیامبر| هم به آن اهتمام داشتند تفسیر قرآن کریم بوده است‌‌‌.‌‌‌‌ آیات قرآن کریم که مشخص است اما ذیل آیات، شأن نزول‌ها، تفسیر‌ها و تطبیق‌هایی‌‌‌ وجود داشته که برخی از آن‌ها به دست ما رسیده و برخی به دست ما نرسیده است‌‌‌.‌‌‌‌ اگر معارفی که در روایات ما وجود دارد را با مسائل تاریخی، کلامی و آیات قرآن کریم ادغام کنیم و به هم ارتباط دهیم، این احتمال وجود دارد که گره‌ها و مشکلاتی که در سدّ راه برخی از مسائل تفسیری ما وجود دارد‌‌‌،‌‌‌‌ باز شود‌‌‌.

در قرآن کریم آیاتی را داریم که در آن‌ها به ظاهر ابهام وجود دارد. خداوند در سوره آل عمران آیۀ هفت می‌فرماید: «هُوَ الَّذِي أَنزَلَ عَلَيْكَ الْكِتَابَ مِنْهُ آيَاتٌ مُّحْكَمَاتٌ هُنَّ أُمُّ الْكِتَابِ وَأُخَرُ مُتَشَابِهَاتٌ فَأَمَّا الَّذِينَ فِي قُلُوبِهِمْ زَيْغٌ فَيَتَّبِعُونَ مَا تَشَابَهَ مِنْهُ ابْتِغَاءَ الْفِتْنَةِ وَابْتِغَاءَ تَأْوِيلِهِ وَمَا يَعْلَمُ تَأْوِيلَهُ إِلَّا اللَّهُ وَالرَّاسِخُونَ فِي الْعِلْمِ يَقُولُونَ آمَنَّا بِهِ كُلٌّ مِّنْ عِندِ رَبِّنَا وَمَا يَذَّكَّرُ إِلَّا أُولُو الْأَلْبَابِ» در خواندن این آیه اگر قبل از راسخون درنگ کنیم، یا قبل از «یقولون» درنگ کنیم‌‌‌،‌‌ معنای آیه تفاوت می‌کند. «وَمَا يَعْلَمُ تَأْوِيلَهُ إلّا الله» اشاره به مشتبهات دارد که علم آن بر اساس تفسیری، نزد خدای متعال و راسخان در علم است اما بنا بر تفسیر دیگر علم آن تنها مختص به خداوند متعال است. راسخان در علم طبق روایات ائمه(ع) هستند. اگر روایات  و مسائل کلامی را درباره علم ائمه معصومین(ع) به این بحث ضمیمه کنیم، می‌شود به نتیجه‌گیری راحت‌تری رسید.

یا‌‌‌ خداوند در آیه 31 سوره مبارکه اعراف می‌فرماید: « يَا بَنِي آدَمَ خُذُوا زِينَتَكُمْ عِندَ كُلِّ مَسْجِدٍ وَكُلُوا وَاشْرَبُوا وَلَا تُسْرِفُوا إِنَّهُ لَا يُحِبُّ الْمُسْرِفِينَ» در کلمه مسجد اختلاف وجود دارد که مراد اسم زمان است یا اسم مکان؟ در زمان عبادت یا در مکان عبادت؟ بعضی از اختلافات قابل رفع است و برخی قابل رفع نیست. هوش مصنوعی بسیار دقیق‌تر از انسان عمل می‌کند به شرط اینکه دیتاهای آن دقیق باشد لذا می‌تواند در ابهامات به ما کمک کند و تفسیر و تحلیل کند. البته برای این‌که نتیجه‌‌گیری درستی ارائه دهد باید دیتا‌هایی‌‌‌ که به آن داده می‌شود دقیق باشد.

در پایان خدمت کسانی که در این فضا کار می‌کنند یا می‌خواهند این فضا شوند نکته‌ای از قول یکی از اساتیدم می‌گویم که باید در پرداختن به‌‌ هوش‌مصنوعی دکترین و نظریه داشته باشیم و اینکه بدانیم می‌خواهیم چه کار کنیم؟ در حال حاضر در زمینه‌‌ هوش‌مصنوعی، دیتا تولید می‌کنیم و در الگوریتم‌ها کار می‌کنیم اما مثل این است که خام‌فروشی می‌کنیم؛ نفت را استخراج می‌کنیم کارخانه فولاد ما کار می‌کند ولی نفت و فولاد را به کشورهای اروپایی صادر می‌کنیم و به جای آن چند برابر بنزین سوپر وارد می‌کنیم.

در بحث‌‌ هوش‌مصنوعی اگر دکترین نداشته باشیم و ورود و خروج به آن را ندانیم و اینکه‌‌ هوش‌مصنوعی چه قدر می‌تواند به ما کمک کند، بازی کردن در زمین دیگران می‌شود، دیگران به ما خط مشی می‌دهند لذا موضع ما کاملاً منفعلانه خواهد بود و‌‌‌ نمی‌‌توانیم پیشرو باشیم.

اخیراً رهبر معظم انقلاب اشاره کردند که با ابزارهای قدیمی‌‌‌ نمی‌‌شود تبلیغ کرد و لازم است ابزارها بروز باشند، همه این صحبت‌ها درست است ولی اینکه موضع ما منفعلانه نباشد هم خیلی مهم است. به گونه‌ای که تمام زحمات را بکشیم، دیتاها را بیرون بیاوریم و برای بهره‌برداری تحویل دیگران بدهیم.

یکی از آقایان می‌گفت که در یکی از دانشگا‌‌‌‌ه‌های انگلستان یک فرد انگلیسی که مسلمان نیست به کمک 5 دانشجوی مسلمان، سایتی تأسیس کرده که به وسیله‌‌ هوش‌مصنوعی، قرآن کریم را تفسیر می‌کنند. آن‌ها دیتای خودشان را دارند و دیتایی که ما داریم در اختیار آن‌ها نیست؛ طبیعی است نظری که از سایت بیرون می‌آید مطابق علمای خودشان است ولی اگر ما دیتاها را استخراج کردیم و الگوریتم‌ها را روی دیتاها پیاده‌‌‌سازی‌‌‌‌ کردیم خروجی آن منتسب به ما می‌شود. از طرف دیگر در صورت کم‌کاری مقصر هستیم و باید رویکرد مستقیمی داشته باشیم.

*پرسش و پاسخ

*یکی از حضار: با توجه به اینکه در میان جوانان و نوجوانان استفاده از‌‌ هوش‌مصنوعی به ویژه  ChatGPT زیاد شده است و در آینده هم از‌‌ هوش‌مصنوعی بسیار استفاده خواهد شد، می‌خواستم به صورت مصداقی بپرسم که آیا مرکزی ایجاد شده است تا مَنِ نوعی و ایرانی و مَنِ شیعه و پیرو‌‌‌‌‌‌ اهل‌بیت(ع) سوالم را در چارچوب نظریات‌‌‌‌‌‌ اهل‌بیت(ع) و شیعه به من جواب دهد؟ چون دیگران همان طور که فرمودید بر اساس نسخه‌ها و ادبیات خود به سوالات جواب می‌دهد. مرکز کامپیوتری نور از سال 70 در عرصه تولید نرم افزار فعال بوده است آیا  مجموعه‌ای در کشور وجود دارد که هوش مصنوعی تولید کند؟

بله مرکز کامپیوتری نور که اشاره کردید یکی از پروژه‌‌‌هایی‌‌‌ که در این زمینه دارد، پروژه برهان است یا سایت‌هایی مثل پاسخگو، پرس‌و‌جو یا قم‌نت وجود دارد. در مرکز کامپیوتری نور هم آزمایشگاه‌‌ هوش‌مصنوعی وجود دارد که این مباحث را ارائه کرده‌اند. اما دوستان ما آنجا مشکلات زیادی دارند چون‌‌‌ حجم دیتایی که در اختیار گوگل، ماکروسافت است یا شرکت open AI است، هیچ وقت دوستان ما آن دیتاها را ندارند البته دیتاهای خودمان را دارند و باید جواب سوال را بتوانند از دیتاها استخراج کنند. معارف‌‌‌‌‌‌ اهل‌بیت‌‌‌ (ع) و روایات و کتب فقهی، اصولی، کلامی و رجالی ما مشخص است اما مشکلی این است که دیتاها باید مناسب‌‌‌سازی‌‌‌‌ شوند تا اگر سوالی کردید بتواند براساس آن سوال، دیتاها را استخراج کند و به شما ارائه دهد.

مراکز مختلف خوب کار می‌کند و خیلی زحمت می‌کشند اما اگر با  ChatGPT و موتورهای پاسخگو نسبت‌سنجی کنید، قطعاً ضعیف‌‌‌‌تر است. چون آن‌ها امکانات سخت افزاری زیادی و سرمایه‌گذاری سنگینی داشته‌اند و از آن‌ها بهره‌برداری می‌کنند ولی در اینجا جهادی کار می‌کنند و از لحاظ مالی حمایت زیادی نمی‌شوند. امارات در همسایگی ما وزارتخانه‌‌ هوش‌مصنوعی تأسیس کرده‌اند. کشورهای همسایه این‌گونه است اروپا و آمریکا چه خبر است؟ در این راستا هوش‌مصنوعی در ادبیات حاکمیتی ما‌‌  کجاست؟

متاسفانه بیشتر Data scientist های ما برای فعالیت به کشورهای خارجی می‌روند. درست است که مقداری کار باید جهادی باشد اما بحث مالی هم اهمیت دارد. اگر به دانشمند خودتان در علوم داده اهمیت ندهید، وقتی یک جای دیگر با امکانات خیلی خوب و بهترین حقوق ‌ببیند، آنجا می‌رود و این طبیعی است. مگر ما چند نفر غیر مثل شهید احمدی روشن یا شهید تهرانی مقدم داریم که خودساخته باشد و بگویند من برای مملکتم کار می‌کنم و تا دقیقه آخر می‌مانم و شهید هم می‌شوم؟ طبیعی است که افراد به بیرون بروند و می‌روند. امروزه در کشور‌هایی‌‌‌ اروپایی و آمریکایی، از ایران در مسائل کامپیوتری و ماهواره‌ای متخصص داریم. مقایسه ایران با سایر کشورها از لحاظ بودجه‌ای مقداری خنده‌دار است ولی مراکز مورد اشاره با بودجه‌ای که دارند الحمدلله خیلی خوب مشغول کار هستند.

*آیا در سطح ملی سایتی بر مبنای هوش مصنوعی طراحی شده است که در چارچوب معارف‌‌‌‌‌‌ اهل‌بیت(ع) پاسخگو‌‌‌ باشد؟

بله به عنوان مثال سایتی به نام جهد به آدرس  Johd.ir درست کرده‌اند که بر اساس موازین خودمان کار می‌کند و از پروژ‌‌‌‌ه‌های زیر نظر مرکز کامپیوتری نور است.

*کشورها آمریکایی و اروپایی برای‌‌ هوش‌مصنوعی بودجه دولتی دارند؟

بله بودجه‌های زیادی برای‌‌ هوش‌مصنوعی اختصاص داده‌اند. همّ و تلاش تمام کشورها برای 2030 است که هر کس تا این سال تلاش کند و در تراز باشد به سراشیبی می‌افتد و کسی‌‌‌ نمی‌‌تواند به آن برسد.

اولین کشوری که در زمینه‌‌ هوش ‌مصنوعی سرمایه‌گذاری کرد کشور چین بود. چین از سال 2015 شروع کرده و چشم اندازش 2025 است. چین تا سال 2030 تصمیم گرفته با بهره‌‌گیری از نوآوری‌ها از‌‌ هوش‌مصنوعی، به عنوان رهبر اقتصادی جهان تبدیل شود. چین در سال 2020 میلادی، 390 هزار اختراع داشته است در حالیکه مجموع اختراعات در هوش ‌مصنوعی 520 هزار مورد بوده است. یعنی قسمت عمده اختراعات هوش مصنوعی متعلق به چین است.

آمریکا در عرصه هوش مصنوعی 28000 نفر کارشناس دارد ولی چین 20 هزار نفر کارشناس دارد لذا از لحاظ نیروی انسانی، آمریکا بالاتر از چین است. کره جنوبی 2600 نفر متخصص علوم‌‌ هوش ‌مصنوعی دارد.

امارات در سال 2017 وزارتخانه‌‌ هوش ‌مصنوعی تأسیس کرده است و برای سال 2031 هدف‌گذاری کرده است. ترکیه از سال 2018 کار در عرصه هوش مصنوعی را آغاز کرده است و قصد دارد در سال 2030 جزء ده کشور برتر منطقه از حیث بحث‌‌ هوش‌مصنوعی باشد

فرانسه در سال 2018 یک و نیم میلیارد یورو برای طرح‌‌ هوش ‌مصنوعی معنادار هزینه می‌کند و قرار شده در سال 2031 آن را پیاده‌‌‌سازی‌‌‌‌ کند. در آلمان در سال 2018 یک سند ملی در بحث هوش مصنوعی را تصویب کرده‌اند که چشم انداز آن تا 2025 است و سه میلیون یورو، پیش‌بینیِ هزینه کرده‌اند. کشور سوئد در سال 2018 سند ملی استراتژیک درباره هوش مصنوعی را ارائه کرده است و قرار شده با یک بخش خصوصی آن را پیش ببرد.

رتبه ایران در بحث‌های علمی و تحقیقاتی، خیلی خوب است چون کارها انفرادی است و انسان‌ها با خودگذشتگی و زحمت کشیدن و نوشتن مقالات علمی، رتبه ایران را  به زیر 20 رسانده‌اند. اما متأسفانه وقتی به کارهای عملیاتی و کاربردی می‌رسیم که یک کار حکومتی است، مشکل داریم. برای نمونه خرید یک GPU برای‌‌ هوش‌مصنوعی، هزینه‌های هنگفتی دارد. یا دوستان ما برای تهیه فضای ذخیره‌‌‌سازی‌‌‌‌ مشکل دارند. ما برای راه اندازی‌‌، آموزش و اجرا کردن اطلاعات هوش‌مصنوعی‌‌‌‌، از فضاهای ابری استفاده می‌کردیم برای اینکه خودمان نداشتیم.‌

امروزه تعدادی از دانشگاه‌ها ابزارهای لازم را تهیه کرده‌اند و به صورت محدود و با شرایط خاص در اختیار دانشجویان قرار می‌دهند در حالی که این‌گونه نباید باشد. حاکمیت باید از لحاظ عملیاتی و کاربردی از افراد حمایت کند.

آلمان در زمان جنگ جهانی دوم بسیار سعی و خطا کرد تا توانست موشک V-1 و V-2را بسازد که البته نسل دوم نیمه کاره بود و آمریکا آن را به نام خودش زد.‌ اگر به جوانان مستعد و کوشای ایرانی سرمایه دهند، خیلی خوب کار می‌کنند. در عرصه نظامی به جوانان میدان دادند و نتیجه مثبت آن را دیدند. البته پشتیبانی در این دولت خیلی خوب است چون اولین باری که رهبر معظم انقلاب درباره اهمیت هوش مصنوعی سخنرانی کردند، سال 97 بود و گفتند بروید پیگیری کنید اما اساساً جدی گرفته نشد. در این دولت فضا بهتر شد، اهمیت می‌دهند و کار می‌کنند. جبران عقب‌ماندگی سخت است اما قابل جبران است.

بنابراین در کارهای عملیاتی و کاربردی، حاکمیت باید از نیروها و پروژه‌ها پشتیبانی کند. آلمان از لحاظ صنعتی جزء کشورهای پیشرفته است، اما کار در عرصه‌‌ هوش‌مصنوعی برای این کشور آن قدر مهم است که سه میلیون یورو را به یک پروژه اختصاص داده است و کار می‌کند. خیلی و اضح است یا امارات، آیا ما از امارات کمتریم که وزارتخانه هوش مصنوعی تشکیل داده است؟  یک سری کارها را باید جهادی پیش رفت و آماری که درباره کارهای علمی تحقیقاتی ارائه شده است، ثابت می‌کند که جوانان و دانشمندان ما جهادی کار می‌کنند.