ورود محیط زیست به عصر هوش مصنوعی با مدل توسعه‌یافته بومی

نصرالله مقدم چرکری، رئیس پژوهشکده فناوری اطلاعات و ارتباطات دانشگاه تربیت مدرس، در تشریح پروژه «دستیار هوش مصنوعی سازمان حفاظت محیط زیست» که اجرای آن اوایل امسال به این دانشگاه ابلاغ شده است، تأکید کرد: این طرح بخشی از برنامه جامع توسعه سکوی هوش مصنوعی معاونت علمی است و ۱۵ وزارتخانه و سازمان را هدف قرار داده است.

مقدم چرکری درخصوص ویژگی‌های فنی کلیدی مدل‌های توسعه‌یافته توضیح داد: مدل‌های طراحی‌شده برای سازمان محیط زیست و سایر دانشگاه‌ها، متن‌باز هستند و وابستگی تکنولوژیک ایجاد نمی‌کنند.  این مدل‌ها به‌طور اختصاصی برای زبان فارسی تدوین شده‌اند، برخلاف مدل‌های عمومی که ممکن است در پردازش زبان فارسی ضعف داشته باشند. هدف، ساخت مدل‌های زبانی بزرگ اختصاصی است که هر سازمان بتواند بر اساس مستندات، قوانین و داده‌های داخلی خود، مدلی منحصربه‌فرد داشته باشد. این رویکرد در برابر مدل‌های عمومی (که اطلاعات غلط اینترنتی را نیز منعکس می‌کنند) ارجحیت دارد.

او با اشاره به پیچیدگی ساختار قانونی کشور،  اشاره کرد: ما حدود ۱۲ هزار و ۸۰۰ قانون در کشور 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. وی با تأکید بر خطر تعارض قوانین و مقررات میان دستگاه‌های مختلف (مانند وزارت ارتباطات و سایر نهادها)، نیاز به یک لایه بالادستی هوشمند را ضروری خواند که بتواند این تعارضات را شناسایی و اصلاح کند؛ امری که در حال حاضر به‌صورت نظام‌مند وجود ندارد و تصمیم‌سازی‌ها متکی به افراد باتجربه محدود است.

وی ضمن اشاره به اینکه در فاز نخست، تمرکز بر قوانین، مقررات و دستورالعمل‌های جاری سازمان بوده است؛ اعلام کرد: سیستم می‌تواند متون قانونی ۴۰ صفحه‌ای را به خلاصه‌ای یک یا دو صفحه‌ای و قابل استفاده برای مدیران ارشد تبدیل کند.  مدیر ارشد می‌تواند بپرسد که یک متن قانونی به چه مواد، آیین‌نامه‌ها و مقررات مرتبطی ارجاع داده است و سیستم این موارد را استخراج و توضیح می‌دهد.

مقدم در ادامه، مراحل تکمیلی پروژه را تشریح کرد و 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. به عنوان مثال، روند کم‌آب شدن یا خشک شدن یک تالاب طی ۲۰ سال گذشته بررسی می‌شود و 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 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. 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. 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.

او درباره روند بررسی و اصلاح پاسخ‌های تولید شده توسط دستیار هوشمند سازمان حفاظت محیط زیست، 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؛ وی تأکید کرد که هیچ مشکلی در این فرآیند وجود ندارد، جز اینکه باید به روند توسعه صبر داشته باشیم، زیرا 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 و 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.