بهره‌برداری آزمایشی از فاز اول سکوی هوش مصنوعی سازمان محیط زیست

دکتر نصرالله مقدم چرکری، عضو هیأت علمی دانشکده برق و کامپیوتر و رئیس پژوهشکده فناوری اطلاعات و ارتباطات دانشگاه تربیت مدرس به جزئیات پروژه «دستیار هوش مصنوعی سازمان حفاظت محیط زیست» اشاره و اظهار کرد: این دستیار یک ابزار هوشمند برای مدیران سازمان حفاظت محیط زیست است که اوایل امسال اجرای آن به ما ابلاغ شد.

وی این پروژه را یکی از طرح‌های توسعه سکوی هوش مصنوعی معاونت علمی، فناوری و اقتصاد دانش‌بنیان ریاست‌جمهوری دانست و ادامه داد: در این طرح، ۱۵ وزارتخانه و سازمان از طریق دانشگاه‌ها مورد هدف‌گذاری قرار گرفته‌اند و دانشگاه تربیت مدرس افتخار دارد مسئولیت اجرای این پروژه را برای سازمان حفاظت محیط زیست بر عهده گرفته است.

مقدم با تأکید بر ماهیت فرابخشی این پروژه، افزود: این یک پروژه کاملاً فراسازمانی است؛ چراکه تمرکز آن بر ۱۵ وزارتخانه و سازمان قرار دارد. در فاز نخست، همان‌طور که پیش‌تر نیز اشاره شده، تمرکز پروژه بر قوانین و مقررات است.

وی ادامه داد: پس از پایان این مرحله، مجموعه‌ای از ۱۵ مدل در اختیار خواهیم داشت که مدیران ارشد سازمان‌ها می‌توانند هر نوع پرسش مرتبط با تصمیم‌سازی خود را بر اساس قوانین و مقررات موجود از این مدل‌ها بپرسند؛ از جمله اینکه آیا یک تصمیم خاص با قوانین موجود انطباق دارد یا چالش‌های حقوقی آن چیست.

رئیس پژوهشکده فناوری اطلاعات و ارتباطات دانشگاه تربیت مدرس با اشاره به ویژگی‌های فنی این مدل‌ها، گفت: این مدل‌ها همانند مدل‌هایی که برای سایر دانشگاه‌ها نیز طراحی می‌شود، متن‌باز هستند، وابستگی ندارند و به‌طور اختصاصی برای زبان فارسی تدوین شده‌اند.

وی با اشاره به حجم بالای قوانین در کشور، افزود: ما حدود ۱۲ هزار و ۸۰۰ قانون داریم؛ در حالی که در برخی جلسات عنوان می‌شود تنها حدود هزار و ۸۰۰ قانون وجود دارد. حجم قوانین در ایران حتی چند برابر برخی کشورها مانند فرانسه است و علاوه بر تعداد زیاد، خطر تعارض قوانین و مقررات میان سازمان‌های مختلف نیز وجود دارد.

مقدم تصریح کرد: به همین دلیل، نیاز به یک لایه بالادستی وجود دارد که بتواند تعارض میان قوانین تدوین‌شده در سازمان‌های مختلف، مانند وزارت ارتباطات یا سایر دستگاه‌ها را شناسایی و اصلاح کند؛ چیزی که در حال حاضر به‌صورت نظام‌مند وجود ندارد.

وی افزود: در شرایط فعلی، ما متکی به تعداد محدودی از افراد باتجربه هستیم و اگر به هر دلیلی این افراد در دسترس نباشند، عملاً امکان تصمیم‌سازی دقیق از بین می‌رود. امید ما این است که این دستیار هوشمند بتواند کمک شایانی به فرآیند تصمیم‌سازی مدیران سازمان‌ها کند.

عضو هیأت علمی دانشگاه تربیت مدرس با اشاره به تفاوت این دستیار با مدل‌های زبانی عمومی، گفت: مدل‌های زبانی بزرگ به دو دسته عمومی و اختصاصی تقسیم می‌شوند. مدل‌های عمومی هر اطلاعاتی را که در اینترنت وجود دارد، چه درست و چه نادرست، دریافت و بر اساس آن پاسخ تولید می‌کنند و احتمال خطا در آن‌ها بالاست؛ در حالی که کاربران عادی ممکن است متوجه این خطاها نشوند.

وی تأکید کرد: هدف ما استفاده از مدل‌های زبانی بزرگ اختصاصی است؛ به این معنا که هر سازمان بتواند مدل مخصوص به خود را بر اساس مستندات، قوانین و داده‌های داخلی‌اش در اختیار داشته باشد.

مقدم خاطرنشان کرد: بر اساس گزارش‌های جهانی، از سال ۲۰۲۲ تا ۲۰۲۵ نرخ رشد استفاده از مدل‌های زبانی اختصاصی حتی از رشد استفاده از تلفن‌های همراه نیز فراتر رفته و استقرار این مدل‌ها در سازمان‌های بزرگ جهان با سرعت بسیار بالایی در حال انجام است.

نمونه‌های خارجی بهره‌برداری از هوش مصنوعی سازمانی

رئیس پژوهشکده فناوری اطلاعات و ارتباطات دانشگاه تربیت مدرس با اشاره به نمونه‌های بین‌المللی استفاده از دستیارهای هوشمند، گفت: به عنوان مثال، یکی از شرکت‌های بزرگ سرمایه‌گذاری مالی که جزو شرکت‌های اول یا دوم دنیا محسوب می‌شود، بیش از ۳۰ هزار کارمند و کارشناس در سراسر جهان دارد؛ از کانادا و آمریکا گرفته تا سایر کشورها.

وی افزود: این شرکت شبکه‌ای گسترده از کارشناسان خبره سرمایه‌گذاری مالی را در اختیار دارد و از یک دستیار هوشمند تخصصی مبتنی بر اطلاعات سازمانی خود استفاده می‌کند که نتیجه آن، سرعت بالاتر تصمیم‌گیری، تسریع فرآیندها و افزایش بهره‌وری در عملکرد این مجموعه بوده است.

مقدم ادامه داد: ما نیز همان‌طور که پیش‌تر اشاره شد، در فاز نخست پروژه دستیار هوشمند سازمان حفاظت محیط زیست، تمرکز خود را بر قوانین، مقررات و دستورالعمل‌های جاری سازمان قرار داده‌ایم و خوشبختانه در این مسیر، همکاری‌های بسیار مثبت و مؤثری شکل گرفته است.

وی با اشاره به همکاری سازمان حفاظت محیط زیست از توسعه این سکو با تاکید بر اینکه نقش بخش حقوقی در این پروژه بسیار حیاتی است، خاطر نشان کرد: موضوعات حقوقی در سازمان محیط زیست به‌ دلیل ماهیت مأموریت‌های آن، معمولاً بسیار حساس، بحرانی و پیچیده‌تر از بسیاری از دستگاه‌های دیگر است.

رئیس پژوهشکده فناوری اطلاعات و ارتباطات دانشگاه تربیت مدرس با اشاره به دستاوردهای فعلی پروژه، گفت: در این فاز، یکی از مهمترین خروجی‌های پروژه، خلاصه‌سازی متون حقوقی و قانونی بوده است؛ به ‌گونه‌ای که اگر یک متن قانونی ۴۰ صفحه‌ای وجود داشته باشد، سیستم می‌تواند خلاصه‌ای یک یا دو صفحه‌ای و قابل استفاده برای مدیر ارشد تولید کند. مدیر ارشد می‌تواند با یک پرسش ساده از سیستم بپرسد که این متن قانونی به چه مواد، آیین‌نامه‌ها و مقررات مرتبطی ارجاع دارد و سیستم این موارد را استخراج کرده و توضیح می‌دهد. ما تا این مرحله پیش رفته‌ایم.

قدمت تدوین قوانین محیط زیستی از جنگ جهانی دوم

عضو هیات علمی دانشکده برق و کامپیوتر دانشگاه تربیت مدرس با اشاره به قدمت قوانین موجود در کشور، خاطرنشان کرد: در بررسی قوانین، به مقرراتی برمی‌خوریم که مربوط به سال‌های ۱۲۷۵ و ۱۲۷۶ هستند؛ یعنی موضوع صرفاً قوانین ۱۰ یا ۲۰ سال اخیر نیست. حتی آیین‌نامه‌هایی در حوزه محیط زیست وجود دارد که قدمت آن‌ها به دهه‌ها قبل بازمی‌گردد.

وی ادامه داد: محیط زیست به‌طور جدی پس از جنگ جهانی دوم در دنیا مطرح شده، اما در همین سازمان آیین‌نامه‌هایی وجود دارد که متعلق به بیش از ۵۰ سال پیش هستند و تاکنون بدون تغییر باقی مانده‌اند. حال اگر نماینده مجلس یا مسئول حقوقی سازمان بخواهد این آیین‌نامه‌ها را اصلاح کند، نیاز به بررسی دقیق تطابق آن‌ها با قوانین جدید دارد.

عضو هیأت علمی دانشگاه تربیت مدرس گفت: در اینجا نقش مدل زبانی مشخص می‌شود؛ به‌گونه‌ای که سیستم می‌تواند تشخیص دهد یک آیین‌نامه مثلاً مربوط به سال ۱۳۵۰ و در حوزه شکار طیور بوده و سپس پیشنهاد دهد که با توجه به قوانین و آیین‌نامه‌های جدید، این متن چگونه باید به‌روزرسانی شود.

وی افزود: مدل زبانی این توانایی را دارد که بر اساس قوانین و مقررات جدید و استنتاج‌هایی که درون سیستم انجام می‌دهد، یک آیین‌نامه اصلاحی یا حتی پیشنهاد اولیه و پروپوزال یک آیین‌نامه جدید را ارائه کند و به تصمیم‌گیران بگوید که از نظر تحلیلی، اصلاح مناسب این آیین‌نامه چه می‌تواند باشد.

کارکردهای دستیار هوش مصنوعی

رئیس پژوهشکده فناوری اطلاعات و ارتباطات دانشگاه تربیت مدرس با اشاره به کارکردهای عملی دستیارهای هوشمند در سازمان‌ها، گفت: در ساختارهای سازمانی، معمولاً ماه‌ها زمان لازم است تا افراد مختلف با دانش‌های محدود در کنار یکدیگر بنشینند و به نوعی خرد جمعی دست پیدا کنند، در حالی که یک مدل هوشمند می‌تواند همین فرآیند را در چند ثانیه یا چند دقیقه انجام دهد.

وی افزود: این همان فاز کاربردی پروژه است که در حال حاضر به آن رسیده‌ایم. البته باید تأکید کنم که چنین مدل‌ها و دستیارهای هوشمندی، مانند یک نرم‌افزار عادی نیستند که نوشته شوند، تحویل داده شوند و کار به پایان برسد؛ بلکه این مدل‌ها به‌صورت مستمر در یک چرخه تولید، استقرار، به‌روزرسانی و اصلاح قرار دارند و به مرور زمان کامل‌تر می‌شوند.

مقدم با اشاره به مراحل بعدی پروژه گفت: در فاز دوم، با توجه به نیازهای گسترده سازمان، به دنبال استفاده از اطلاعات گذشته و داده‌های موجود در سازمان هستیم تا بتوانیم بحث «هوش تجاری» را راه‌اندازی کنیم؛ به این معنا که روندها استخراج شوند.

وی توضیح داد: به عنوان مثال، روند کم‌آب شدن یا خشک شدن یک تالاب طی ۲۰ سال گذشته بررسی می‌شود. مزیت سازمان حفاظت محیط زیست این است که داده‌های تاریخی در اختیار دارد و می‌توان بررسی کرد که این روند در طول زمان چگونه بوده و چه پارامترهای متعددی بر آن تأثیر گذاشته‌اند. این داده‌ها ماهیتی چندبعدی دارند و تحلیل آن‌ها می‌تواند دلایل اصلی بروز این پدیده‌ها را مشخص کند و سپس راهکارهای مناسب ارائه شود.

عضو هیأت علمی دانشگاه تربیت مدرس در گفت‌وگو با ایسنا ادامه داد: فاز سوم پروژه، ارائه راهکار است؛ به‌گونه‌ای که سیستم بتواند برای جلوگیری از خشکی تالاب‌ها یا کاهش آلودگی هوا، پیشنهادهای عملی ارائه دهد. در نهایت، مهم‌ترین نیاز یک مدیر ارشد این است که بتواند سناریوهای مختلف را بر اساس داده‌ها بررسی کند.

وی افزود: مدیر می‌تواند از مدل بپرسد که اگر یک یا چند اتفاق خاص رخ دهد، در یک یا دو سال آینده چه پیامدهایی خواهد داشت. این مدل‌های پیش‌بینی، مبتنی بر پروژه‌هایی هستند که در دل خود از هوش مصنوعی و شبکه‌های عصبی استفاده می‌کنند؛ شبکه‌هایی که تلاش می‌کنند مشابه مغز انسان عمل کنند.

مقدم با اشاره به پیشرفت‌های فعلی پروژه، تصریح کرد: خوشبختانه با همکاری مثبت سازمان حفاظت محیط زیست، فاز اول پروژه به انجام رسیده و اکنون وارد فاز دوم، یعنی هوش تجاری و استخراج گزارش‌ها شده‌ایم.

وی گفت: در این مرحله، مدیر می‌تواند به‌صورت متنی یا حتی گفتاری درخواست خود را مطرح کند؛ برای مثال بگوید که به چه نوع گزارشی نیاز دارد. مدل زبانی بزرگِ هوشمند به داده‌های متنوع و چندبعدی متصل است که یکی از مهم‌ترین آن‌ها داده‌های حجیم ماهواره‌ای است و بر اساس این داده‌ها، گزارش‌های مختلف تولید می‌شود.

رئیس پژوهشکده فناوری اطلاعات و ارتباطات دانشگاه تربیت مدرس، افزود: نکته مهم این است که سیستم صرفاً جدول یا نمودار ارائه نمی‌دهد، بلکه بر اساس مستندات سازمان و توان تحلیلی خود، این داده‌ها را تحلیل کرده و حتی توصیه‌هایی را ارائه می‌دهد. البته این توصیه‌ها باید در کنار کارشناسان ارشد سازمان حفاظت محیط زیست بررسی شود تا مشخص شود که تحلیل‌ها درست یا نادرست هستند، چراکه این مدل‌ها به زمان نیاز دارند تا فرآیند یادگیری آن‌ها کامل شود. از ابتدای اجرای پروژه نیز سازمان همراه ما بوده و در این مسیر همکاری مؤثری داشته است.

عضو هیأت علمی دانشکده برق و کامپیوتر و رئیس پژوهشکده فناوری اطلاعات و ارتباطات دانشگاه تربیت مدرس، درباره روند بررسی و اصلاح پاسخ‌های تولید شده توسط دستیار هوشمند سازمان حفاظت محیط زیست به ایسنا، گفت: پاسخ‌هایی که سیستم تولید می‌کند، کیفیت مناسبی دارند، اما استاندارد نیستند و نیاز به بازبینی دقیق دارند. به همین دلیل، از ابتدا با همکاری کارشناسان حقوقی سازمان، نمونه‌هایی از پاسخ‌ها و گزارش‌ها مورد بررسی قرار گرفت و هم‌اکنون حدود دو ماه است که این نمونه‌ها تحت نظر قرار دارند و بازخورد و نظرات برای بهبود آن‌ها جمع‌آوری می‌شود.

وی افزود: اطلاعات بخش‌های مختلف در اختیار ما قرار داده شده و نمونه‌های گزارش‌های هوش تجاری شامل تفسیر داده‌ها و ارائه توصیه‌ها نیز تولید شده است. به‌عنوان مثال، اخیراً داده‌های مربوط به آلودگی هوا مورد بررسی قرار گرفته‌اند تا بتوانیم در فاز دوم پروژه، گزارش‌های هوش تجاری را روی داده‌های واقعی سازمان اجرا کنیم. این اطلاعات از ۳۲۷ ایستگاه سنجش مختلف در کشور استخراج شده‌اند؛ به‌عنوان نمونه در استان تهران، ایستگاه‌هایی در دماوند و رباط کریم وجود دارد که هر یک هفت تا هشت پارامتر را اندازه‌گیری می‌کنند و داده‌های روزانه آن‌ها از سال ۱۳۸۲ تاکنون در دسترس است.

مقدم در توضیح اهمیت این روند، گفت: هدف این است که سیستم دانش سازمانی را مدیریت کند و اتوماسیون اداری و تصمیم‌سازی را بهبود دهد. هیچ مشکلی در این فرآیند وجود ندارد، جز اینکه باید به روند توسعه صبر داشته باشیم. مانند روند تدریجی در طبیعت، این پروژه نیز نیاز به چرخه‌های مستمر اصلاح و یادگیری دارد تا به نقطه‌ای از اطمینان و قابل قبول بودن برسد.

وی تأکید کرد: اگر کشور صبور باشد و عجله نکند، همانند پروژه‌های ناموفق گذشته، لایه‌های ساختاری درست ساخته می‌شوند و زنجیره ارزش کامل خواهد شد. در برنامه هفتم، این دستیار هوشمند می‌تواند به یک دانش مبتنی بر هوش مصنوعی در کشور تبدیل شود و خطاهای ناشی از تصمیمات فردی را کاهش دهد، همچنین از ازبین رفتن دستاوردها هنگام تغییر مدیران جلوگیری کند.

مقدم با اشاره به اهمیت صبر در توسعه فناوری، افزود: معتقدم با آرامش و پیگیری روند صحیح می‌توان به نتیجه مطلوب رسید. وی مثال زد که در طبیعت، درختانی که کند رشد می‌کنند چوب باارزش‌تری دارند نسبت به درختانی که سریع رشد می‌کنند؛ این مشابه روندی است که در توسعه سامانه‌های هوشمند و ساخت دانش مبتنی بر هوش مصنوعی باید طی شود.

به گفته وی، فاز اول سکوی هوش مصنوعی سازمان محیط زیست به صورت آزمایشی به بهره‌برداری رسیده است.