نکات کلیدی خبر
- توسعه هوش مصنوعی تنها یکی از اجزای توسعه دیجیتال است و نمیتواند جایگزین اینترنت باکیفیت، زیرساخت ابری، حکمرانی داده و مهارت دیجیتال شود.
- «هوش مصنوعی مقتصد» به معنای دستیابی به عملکرد قابلقبول با کمترین میزان محاسبات، داده، انرژی و سرمایه است.
- بسیاری از خدمات سازمانی به آموزش مدل از صفر نیاز ندارند و میتوانند از مدلهای موجود، بازیابی اطلاعات و مدلهای کوچک تخصصی استفاده کنند.
- اولویت ایران باید سنجش ارزش ایجادشده به ازای منابع مصرفشده باشد؛ نه ورود نمادین به رقابت ساخت بزرگترین مدل.
محدودیت دسترسی به زیرساخت محاسباتی، کیفیت نامتوازن اینترنت، کمبود دادههای فارسی و هزینه بالای توسعه مدلهای بزرگ، این پرسش را پیش روی ایران قرار داده است که آیا باید مسیر شرکتهای بزرگ فناوری را در ساخت مدلهای عظیم دنبال کند یا بر راهکارهای کوچکتر و کاربردمحور تمرکز داشته باشد. مفهوم «هوش مصنوعی مقتصد» پاسخ قطعی به این پرسش نیست، اما چارچوبی علمی برای انتخاب راهحل متناسب با منابع و نیازهای کشور فراهم میکند.
محدودیت دسترسی به زیرساخت محاسباتی، کیفیت نامتوازن اینترنت، کمبود دادههای فارسی و هزینه بالای توسعه مدلهای بزرگ، این پرسش را پیش روی ایران قرار داده است که آیا باید مسیر شرکتهای بزرگ فناوری را در ساخت مدلهای عظیم دنبال کند یا بر راهکارهای کوچکتر و کاربردمحور تمرکز داشته باشد. مفهوم «هوش مصنوعی مقتصد» پاسخ قطعی به این پرسش نیست، اما چارچوبی علمی برای انتخاب راهحل متناسب با منابع و نیازهای کشور فراهم میکند.
جایگاه واقعی هوش مصنوعی در توسعه دیجیتال
برای تحلیل درست، ابتدا باید توسعه دیجیتال را از توسعه هوش مصنوعی تفکیک کرد. توسعه دیجیتال مجموعهای از زیرساختها و ظرفیتها را در بر میگیرد: اتصال پایدار و مقرونبهصرفه، مراکز داده و خدمات ابری، هویت و پرداخت دیجیتال، امنیت سایبری، مهارت نیروی انسانی، دسترسی به داده و چارچوبهای تنظیمگری.
بانک جهانی نیز در چارچوب ارزیابی توسعه دیجیتال، موضوعاتی مانند دسترسی و کیفیت اینترنت، زیرساخت دیجیتال، خدمات عمومی دیجیتال، اشتغال و اقتصاد دیجیتال را از هوش مصنوعی تفکیک میکند. هوش مصنوعی در این چارچوب، یکی از فناوریهای متکی بر زیرساخت دیجیتال است؛ نه جایگزین آن.
بنابراین، هوش مصنوعی سبز یا مقتصد نمیتواند مشکل سرعت اینترنت، اختلال اتصال، کمبود سرمایهگذاری مخابراتی یا ضعف خدمات دیجیتال را حل کند. این مفهوم تنها زمانی موضوعیت پیدا میکند که یک سازمان یا کشور تصمیم گرفته باشد سامانهای مبتنی بر هوش مصنوعی ایجاد یا خریداری کند.
محدودیت ایران فقط برق و آب نیست
دادههای اتحادیه بینالمللی مخابرات نشان میدهد در سال ۲۰۲۴ حدود ۹۴.۲ درصد جمعیت ایران زیر پوشش LTE یا WiMAX قرار داشتهاند، اما پوشش 5G حدود ۸.۲ درصد بوده است. آخرین داده منتشرشده درباره دسترسی خانگی نیز فاصلهای محسوس میان مناطق شهری و روستایی نشان میدهد: ۸۲.۵ درصد خانوارهای شهری و ۶۹.۲ درصد خانوارهای روستایی در سال ۲۰۲۱ به اینترنت خانگی دسترسی داشتهاند. این آمار صرفاً پوشش و دسترسی را اندازهگیری میکند و درباره سرعت، پایداری، اختلال یا کیفیت واقعی اتصال داوری نمیکند.
این تمایز اهمیت دارد؛ زیرا وجود پوشش شبکه الزاماً به معنای برخورداری از اتصال باکیفیت نیست. اجرای خدمات پیشرفته هوش مصنوعی به پهنای باند، تأخیر پایین، دسترسی پایدار به خدمات ابری و توان محاسباتی نیاز دارد.
سازمان همکاری و توسعه اقتصادی نیز ظرفیت هوش مصنوعی کشورها را در سه سطح بررسی میکند:
- دسترسی و میزان استفاده از توان محاسباتی؛
- اثربخشی شامل نیروی انسانی، سیاستگذاری، نوآوری و دسترسی؛
- تابآوری شامل امنیت، حاکمیت و پایداری.
در این چارچوب، مصرف انرژی فقط یکی از مؤلفههای تابآوری زیرساخت است؛ نه مهمترین پیششرط توسعه دیجیتال.
هوش مصنوعی مقتصد چیست؟
«هوش مصنوعی مقتصد1» مفهومی نوظهور است و هنوز یک تعریف واحد و تثبیتشده جهانی ندارد. دانشگاه کمبریج آن را رویکردی برای دستیابی به اثرگذاری بیشتر با مصرف کمتر منابع محاسباتی، انرژی، داده و سرمایه تعریف میکند. چهار محور این رویکرد عبارتاند از بهرهوری منابع، پایداری، دسترسی و فراگیری و امکان توسعه در مقیاس بزرگ بدون سرمایهگذاری زیرساختی نامتناسب.
در ادبیات فنی، «یادگیری ماشین مقتصد» به طراحی مدلهایی گفته میشود که با حداقل زمان، داده، انرژی و منابع محاسباتی، به سطح قابلقبولی از عملکرد برسند. هدف این رویکرد دستیابی به بیشترین دقت ممکن به هر قیمت نیست؛ بلکه یافتن نقطهای است که افزایش هزینه، دیگر به بهبود معناداری در نتیجه منجر نمیشود.
در تعریف مؤسسه استاندارد فرانسه، دامنه مفهوم حتی گستردهتر است: پیش از انتخاب مدل باید مشخص شود آیا مسئله اساساً به هوش مصنوعی نیاز دارد یا میتوان آن را با یک سامانه سادهتر و کمهزینهتر حل کرد.
بنابراین، هوش مصنوعی مقتصد الزاماً به معنای استفاده از یک مدل کوچک نیست. ممکن است یک مدل بزرگِ آماده که بهصورت اشتراکی در یک زیرساخت کارآمد اجرا میشود، از ساخت و نگهداری چند مدل کوچک و کماستفاده بهصرفهتر باشد.
مسئله ایران؛ ساخت مدل یا حل مسئله؟
یکی از خطرهای سیاستگذاری هوش مصنوعی، تبدیل اندازه مدل، تعداد پردازندهها یا راهاندازی یک دیتاسنتر بزرگ به شاخص پیشرفت است. این شاخصها ظرفیت فنی را نشان میدهند، اما بهتنهایی ثابت نمیکنند که مسئلهای اقتصادی یا اجتماعی حل شده است.
برای مثال، یک سازمان ایرانی ممکن است برای پاسخگویی به پرسشهای کارکنان، دستهبندی اسناد یا استخراج اطلاعات از آییننامهها به هوش مصنوعی نیاز داشته باشد. برای چنین وظایفی دستکم پنج انتخاب وجود دارد:
| سطح انتخاب | راهکار مناسب |
|---|---|
| مسئله با قواعد ثابت حل میشود | نرمافزار یا موتور جستوجوی معمولی |
| اطلاعات در اسناد داخلی قرار دارد | جستوجوی معنایی و بازیابی اطلاعات |
| وظیفه محدود و تکرارشونده است | مدل کوچک تخصصی |
| وظیفه پیچیده و متغیر است | استفاده کنترلشده از یک مدل بزرگ |
| دانش یا قابلیت راهبردی جدید لازم است | تنظیم یا آموزش مدل اختصاصی |
حرکت مستقیم از «وجود مسئله» به «آموزش مدل اختصاصی» معمولاً منطقی نیست. آموزش از صفر باید زمانی انجام شود که مدلهای موجود پاسخگوی نیاز نباشند، داده کافی وجود داشته باشد و ارزش مورد انتظار پروژه، هزینه توسعه و نگهداری آن را توجیه کند.
مدل کوچک همیشه انتخاب بهتری نیست
کوچکبودن مدل فقط یکی از متغیرهای بهرهوری است. یک مدل کوچک که روی سختافزار نامناسب اجرا شود، ورودیهای بسیار طولانی دریافت کند یا به دلیل خطای بالا چند بار فراخوانی شود، ممکن است در عمل کممصرف نباشد.
در مقابل، یک مدل بزرگ میتواند برای مجموعهای از وظایف دشوار، با دفعات استفاده کمتر، نتیجه بهتری ارائه دهد. آژانس بینالمللی انرژی نیز تأکید میکند که مصرف انرژی هوش مصنوعی به نوع وظیفه وابسته است. تولید ویدئو، استدلال پیچیده و فعالیت عاملهای هوشمند میتواند صدها یا هزاران برابر یک درخواست متنی ساده انرژی مصرف کند.
بنابراین، معیار علمیتر «مصرف به ازای مدل» نیست؛ بلکه «مصرف منابع به ازای یک نتیجه قابلقبول» است. این نتیجه میتواند یک سند پردازششده، یک تشخیص صحیح، یک پاسخ معتبر یا یک ساعت کار صرفهجوییشده باشد.
API خارجی یا زیرساخت داخلی؟
این دو گزینه را نیز نمیتوان صرفاً با معیار محیطزیستی مقایسه کرد. استفاده از API خارجی ممکن است هزینه اولیه را کاهش دهد و امکان دسترسی به مدلهای قدرتمندتر را فراهم کند؛ اما میتواند با محدودیتهای دسترسی، پرداخت، محرمانگی داده، تغییر قیمت و وابستگی به ارائهدهنده همراه باشد.
میزبانی داخلی نیز میتواند کنترل بیشتر بر داده و تداوم خدمت ایجاد کند؛ اما به سختافزار، نیروی متخصص، برق پایدار، امنیت، نگهداری و ظرفیت استفاده کافی نیاز دارد. اگر زیرساخت داخلی بیشتر ساعات روز بلااستفاده باشد، ممکن است هزینه مالی و انرژی هر درخواست از یک سرویس ابری مشترک بیشتر شود.
در نتیجه، هیچیک ذاتاً «سبزتر»، «مقتصدتر» یا «مستقلتر» نیست. مقایسه باید برای یک کاربرد مشخص و بر اساس این شاخصها انجام شود:
- دقت و قابلیت اعتماد؛
- هزینه کل مالکیت؛
- انرژی مصرفی به ازای خدمت؛
- سرعت و پایداری پاسخ؛
- محرمانگی و محل نگهداری داده؛
- وابستگی به تأمینکننده؛
- قابلیت فعالیت هنگام اختلال شبکه؛
- هزینه توسعه و نگهداری.
جایگاه آب و انرژی در این بحث
مصرف آب و برق همچنان اهمیت دارد، اما نباید بدون داده به مسئله اصلی مقاله تبدیل شود. بانک جهانی برداشت سالانه آب شیرین ایران را معادل ۷۲ درصد منابع داخلی تجدیدپذیر گزارش کرده و آژانس بینالمللی انرژی نیز گاز طبیعی را سوخت اصلی تولید برق ایران معرفی میکند. این شرایط نشان میدهد اگر ایران در آینده به سمت ساخت مراکز داده بزرگ هوش مصنوعی حرکت کند، انتخاب محل، روش خنکسازی و منبع برق باید ارزیابی شود. این دادهها ثابت نمیکنند که هوش مصنوعی اکنون عامل اصلی بحران آب یا ناترازی برق ایران است.
همچنین، نمیتوان مصرف منابع یک سرویس هوش مصنوعی را با ادعای «صرفهجویی در بخش دیگری» جبرانشده تلقی کرد. چنین ادعایی فقط با تعیین خط مبنا و مقایسه منفعت ایجادشده با هزینه کامل آموزش، اجرا، انتقال داده، تجهیزات و نگهداری قابل اثبات است.
یک راهبرد قابلسنجش برای ایران
هوش مصنوعی مقتصد زمانی از یک شعار به سیاست علمی تبدیل میشود که ایران پیش از سرمایهگذاری به پنج پرسش پاسخ دهد:
- کشور چه میزان توان محاسباتی در اختیار دارد و چه مقدار از آن واقعاً استفاده میشود؟
- کدام مسائل اقتصادی، صنعتی یا عمومی ارزش استفاده از هوش مصنوعی را دارند؟
- هر مسئله به چه سطحی از مدل و چه میزان دقت نیاز دارد؟
- هزینه کامل اجرای داخلی، استفاده از سرویس ابری و مدل ترکیبی چقدر است؟
- ارزش ایجادشده به ازای داده، سرمایه، محاسبات و انرژی مصرفشده چقدر خواهد بود؟
بدون پاسخ به این پرسشها، ساخت یک مدل بزرگ میتواند بیشتر نشانه تواننمایی فناورانه باشد تا یک سرمایهگذاری توسعهای. از سوی دیگر، هوش مصنوعی مقتصد نیز جایگزین اصلاح زیرساخت ارتباطی، توسعه اینترنت باکیفیت، تربیت نیروی متخصص یا ایجاد حکمرانی داده نیست.
جمعبندی کارشناسی
مسئله اصلی ایران انتخاب میان «هوش مصنوعی» و «محیطزیست» نیست. انتخاب واقعی میان توسعه مسئلهمحور و رقابت زیرساختی بدون ارزیابی اقتصادی است.
هوش مصنوعی مقتصد میتواند برای ایران یک اصل تصمیمگیری باشد: ابتدا مسئله تعریف شود، سپس سادهترین راهکار کافی انتخاب شود و در نهایت، عملکرد، هزینه، امنیت و مصرف منابع آن اندازهگیری شود. در این رویکرد، بزرگترین مدل الزاماً بهترین مدل نیست؛ بهترین مدل، مدلی است که یک نیاز واقعی را با کمترین هزینه کل و سطح قابلقبولی از اعتماد حل کند.
Frugal در انگلیسی به معنای استفاده حسابشده و کمهزینه از منابع است. Frugal AI یک مفهوم نسبتاً جدید و در حال تکامل است که میتوان آن را چنین تعریف کرد:
طراحی یا انتخاب سامانه هوش مصنوعی برای دستیابی به عملکرد قابلقبول، با حداقل داده، توان محاسباتی، انرژی، زمان و هزینه.
در پژوهش «Frugal Machine Learning» در سال ۲۰۲۱، یادگیری مقتصدانه بهصورت ساخت دقیقترین مدل ممکن با کمترین میزان منابع تعریف شد. تمرکز این پژوهش بهویژه بر سامانههایی بود که با محدودیت حافظه، توان پردازشی یا باتری روبهرو هستند. ↩︎
