💡 گزارش ویدیویی دومین نشست دستیابی به عمق هوش مصنوعی در لایه زیرساخت 🌐 🎬 (قسمت دوم) در این قسمت، دکتر نظارات به موضوع چالش‌های زیرساختی در کشور و کمبود سرمایه‌گذاری در حوزه هوش مصنوعی پرداختند. 💸 ایشان با اشاره به سرمایه‌گذاری‌های گسترده کشورهایی مانند آمریکا، چین، تایوان و ژاپن در زمینه ساخت تراشه‌های هوش مصنوعی، تأکید کردند که توسعه نرم‌افزارهای بنیادی و مدیریت نرم‌افزاری اپلیکیشن‌های هوش مصنوعی برای ایران نیز ضروری است. 🚀 این مباحث بر نیاز به همکاری و هم‌افزایی بین حوزه‌های مختلف برای رسیدن به اهداف هوش مصنوعی در کشور تأکید دارند. 🤝 #مرکز_نوآوری_و_توسعه_هوش_مصنوعی #پژوهشگاه_ارتباطات_و_فناوری_اطلاعات #نشست_دستیابی_به_عمق_هوش_مصنوعی #دکتر_نظارات 🎙 ستاد راهبری فناوری‌های هوشمند 🆔 @itsetad_ir

💡 گزارش ویدیویی دومین نشست دستیابی به عمق هوش مصنوعی در لایه زیرساخت 🌐 🎬 (قسمت سوم) در این قسمت، دکتر مشیری بر ضرورت پیاده‌سازی الگوریتم‌ها و مدل‌های هوش مصنوعی در توسعه زیرساخت‌های هوش مصنوعی کشور تأکید کردند. 🔄 ایشان به مدیریت خودکار و استانداردسازی شبکه‌های زیرساخت، بهینه‌سازی و تأمین امنیت شبکه، و مقابله با تهدیدات امنیتی اشاره کردند و این موارد را برای ایجاد بستری قوی و پایدار ضروری دانستند. 🔐 دکتر مشیری همچنین اهمیت بهینه‌سازی منابع شبکه و پهنای باند و سرمایه‌گذاری در فناوری‌های پیشرفته را خاطرنشان کردند. ایشان افزودند: با تأمین داده‌های باکیفیت و تحلیل پیش‌بینی آینده، کشور می‌تواند در مسیر رشد و بهره‌وری پایدار در حوزه هوش مصنوعی گام بردارد. ✅ این مباحث بر اهمیت برنامه‌ریزی دقیق و سرمایه‌گذاری بلندمدت در توسعه زیرساخت‌های هوش مصنوعی تأکید داشت. 💡 #مرکز_نوآوری_و_توسعه_هوش_مصنوعی #پژوهشگاه_ارتباطات_و_فناوری_اطلاعات #نشست_دستیابی_به_عمق_هوش_مصنوعی #دکتر_مشیری 🎙 ستاد راهبری فناوری‌های هوشمند 🆔 @itsetad_ir

💡 گزارش ویدیویی دومین نشست دستیابی به عمق هوش مصنوعی در لایه زیرساخت 🌐 🎬 (قسمت چهارم) در این قسمت، دکتر رهنما به مفهوم *هوش معنایی (SI)* و ضرورت گذار از هوش مصنوعی به این سطح جدید پرداختند. 🔄 ایشان با اشاره به مشکلات زیرساختی مانند کمبود مراکز پردازشی فوق سریع در کشور، آن را یکی از موانع اصلی توسعه هوش معنایی دانستند. 🖥️ همچنین بر اهمیت نیازهای سخت‌افزاری در حوزه *یادگیری عمیق* و بهره‌گیری از منابع متن‌باز در پیشرفت هوش مصنوعی تأکید کردند. 🔍 دکتر رهنما به کمبود منابع ساخت تراشه در کشور نیز اشاره کرده و توصیه نمودند که ظرفیت شرکت‌های داخلی تولیدکننده تجهیزات شناسایی و تقویت شود. 💡 ایشان همچنین ورود به علم رباتیک را برای توسعه توانمندی‌های فناورانه کشور ضروری دانسته و این حوزه را به‌عنوان مسیری مهم برای پیشبرد اهداف هوش مصنوعی معرفی کردند. 🤖 #مرکز_نوآوری_و_توسعه_هوش_مصنوعی #پژوهشگاه_ارتباطات_و_فناوری_اطلاعات #نشست_دستیابی_به_عمق_هوش_مصنوعی #دکتر_رهنما 🎙 ستاد راهبری فناوری‌های هوشمند 🆔 @itsetad_ir

💡 گزارش ویدیویی چهارمین نشست دستیابی به اهمیت داده و چالش‌های آن در دستیابی به عمق هوش مصنوعی (لایه مدل) 🌐 🎬 (قسمت اول) 🔬 در این بخش از نشست، دکتر آرش امینی در پاسخ به پرسشی درباره مفهوم عمق هوش مصنوعی در لایه مدل و اولویت‌ها، چالش‌ها و راهکارهای دستیابی به استقلال نسبی در این لایه، هم‌چنین نقش حاکمیت، دانشگاه و بخش خصوصی، نکات زیر را مطرح کردند: تمرکز اصلی پیشرفت‌ها در این حوزه در شرکت‌های بزرگی مانند گوگل، متا و فیسبوک است، نه دانشگاه‌ها. دلیل این امر ضعف زیرساختی دانشگاه‌ها (در ایران و جهان) برای توسعه مدل‌های هوش مصنوعی در مقیاس کلان است. این نشست با همکاری ستاد راهبری فناوری‌های هوشمند حوزه‌های علمیه برگزار گردید. #مرکز_نوآوری_و_توسعه_هوش_مصنوعی #پژوهشگاه_ارتباطات_و_فناوری_اطلاعات #نشست_دستیابی_به_عمق_هوش_مصنوعی_لایه_مدل #دکتر_امینی #اخبار_ستاد 🎙ستاد راهبری فناوری‌های هوشمند 🌐@itsetad_ir

💡 گزارش ویدیویی چهارمین نشست دستیابی به اهمیت داده و چالش های آن در دستیابی به عمق هوش مصنوعی (لایه مدل) 🌐 🎬 (قسمت دوم) ⚙️📊 در این بخش از نشست، دکتر خسروپور در پاسخ به پرسشی درباره مفهوم عمق هوش مصنوعی در لایه مدل و اولویت‌ها، چالش‌ها و راهکارهای دستیابی به استقلال نسبی در این لایه، همچنین نقش حاکمیت، دانشگاه و بخش خصوصی، نکات زیر را بیان کردند: پیش از ورود به بحث عمق لایه‌های مدل، باید به سیاست‌گذاری علم و فناوری و کاهش وابستگی‌ها توجه کرد. اولویت استراتژیک، تمرکز بر طراحی مدل‌ها و عمق‌بخشی به آن‌ها به عنوان گام نخست کاهش وابستگی‌ها است. 🧠💡دسته‌بندی مدل‌های هوش مصنوعی از نظر دکتر خسروپور به شرح زیر است: فاندیشن مدل‌ها (مثل GPT-4) که نیازمند هزینه و زیرساخت‌های کلان بوده و برای کشور مناسب نیستند؛ مدل‌های تخصصی (پزشکی، کشاورزی) که ایران در این حوزه در منطقه پیشرو است و باید بر عمق‌بخشی به آن‌ها تمرکز کرد؛ مدل‌های اوپن سورس که قابل استفاده هستند اما محدودیت‌های کاربردی دارند؛ و مدل‌های پژوهشی که دور از نیازهای عملیاتی کشور بوده و کمتر اولویت دارند. این نشست با همکاری ستاد راهبری فناوری‌های هوشمند حوزه‌های علمیه برگزار گردید. #مرکز_نوآوری_و_توسعه_هوش_مصنوعی #پژوهشگاه_ارتباطات_و_فناوری_اطلاعات #نشست_دستیابی_به_عمق_هوش_مصنوعی_لایه_مدل #دکتر_خسروپور #اخبار_ستاد 🎙ستاد راهبری فناوری‌های هوشمند 🌐@itsetad_ir

💡 گزارش ویدیویی چهارمین نشست دستیابی به اهمیت داده و چالش های آن در دستیابی به عمق هوش مصنوعی (لایه مدل) 🌐 🎬 (قسمت سوم) در این بخش از نشست، مهندس سلطان علیزاده در پاسخ به پرسشی درباره مفهوم عمق هوش مصنوعی در لایه مدل و چالش‌های استقلال نسبی در این حوزه، پنج گام کلیدی را تشریح کرد. 🧠📊 گام نخست، پردازش داده‌ها است که با بهینه‌سازی پاپلاین‌های داده، کارایی مدل‌ها را افزایش می‌دهد. 💾⚙️ سپس در مهندسی سطح سیستمی، زیرساخت‌های پردازشی با رویکرد اوپن‌سورس و هماهنگی با نیازهای عملیاتی بهینه‌سازی می‌شوند. 🏗️🖥️ گام سوم، طراحی معماری متناسب با زیرساخت‌های داخلی است تا بهره‌وری منابع افزایش یابد. 🏛️🔧 در بهینه‌سازی استنتاج، روش‌های جایگزین و نیروی انسانی کم‌هزینه برای تبدیل محدودیت‌های داده به مزیت به کار گرفته می‌شوند. 🔍📉 در نهایت، استخراج دانش از مدل‌های موجود با استفاده از مدل‌های کلود و اوپن‌سورس، مسیر توسعه مدل‌های بومی را هموار می‌کند. ☁️🚀 بهره‌گیری از روش‌های نوین برای جبران کمبود داده، استخراج دانش از مدل‌های جهانی با هدف توسعه مدل‌های بهینه‌شده داخلی، و کاهش وابستگی به معماری‌های خارجی از جمله نکات کلیدی مطرح‌شده بود. 🌍 این نشست با همکاری ستاد راهبری فناوری‌های هوشمند حوزه‌های علمیه برگزار گردید. #مرکز_نوآوری_و_توسعه_هوش_مصنوعی #پژوهشگاه_ارتباطات_و_فناوری_اطلاعات #نشست_دستیابی_به_عمق_هوش_مصنوعی_لایه_مدل #مهندس_سلطان_علیزاده #اخبار_ستاد 🎙ستاد راهبری فناوری‌های هوشمند 🌐@itsetad_ir

💡 گزارش ویدیویی چهارمین نشست دستیابی به اهمیت داده و چالش های آن در دستیابی به عمق هوش مصنوعی ( لایه مدل) 🌐 🎬 (قسمت چهارم) در این بخش از نشست، دکتر امینی در پاسخ به پرسش «آیا دیپ سیک یک پارادایم شیفت در حوزه معماری و طراحی محسوب می‌شود؟» به تفکیک دو جنبه دانشگاهی و شرکتی پرداخت. 🎙️ از منظر پژوهشی، محدودیت زیرساخت‌ها یکی از چالش‌های اساسی دانشگاه‌ها در توسعه مدل‌های هوش مصنوعی است. کمبود داده‌های باکیفیت، سخت‌افزارهای قدرتمند و هزینه‌های بالا، اجرای آزمایش‌های دقیق را دشوار کرده است. این مشکل در ایران شدت بیشتری دارد و حتی دانشگاه‌های معتبر نیز توان رقابت با شرکت‌های بزرگی مانند گوگل و متا را ندارند. 🌍 علاوه بر این، نیاز به انعطاف‌پذیری در تغییر مداوم مدل‌ها برای رسیدن به نتایج مطلوب، به دلیل هزینه و زمان بالا، چالش دیگری است که پژوهشگران با آن مواجه‌اند. ⏳ دکتر امینی تأکید کرد که شرکت‌ها باید به‌جای توسعه مدل‌های بزرگ، بر ساخت مدل‌های سبک فارسی (۱ تا ۴ میلیارد پارامتر) تمرکز کنند تا علاوه بر جلوگیری از هدررفت سرمایه در مواجهه با فناوری‌های جدید، نیازهای بومی را نیز بهتر پوشش دهند. 📉 این نشست با همکاری ستاد راهبری فناوری‌های هوشمند حوزه‌های علمیه برگزار گردید. #مرکز_نوآوری_و_توسعه_هوش_مصنوعی #پژوهشگاه_ارتباطات_و_فناوری_اطلاعات #نشست_دستیابی_به_عمق_هوش_مصنوعی_لایه_مدل #دکتر_امینی #اخبار_ستاد 🎙ستاد راهبری فناوری‌های هوشمند 🌐@itsetad_ir

💡 گزارش ویدیویی چهارمین نشست دستیابی به اهمیت داده و چالش های آن در دستیابی به عمق هوش مصنوعی (لایه مدل) 🌐 🎬 دیپ سیک؛ پارادایم شیفت در معماری و طراحی؟ (قسمت پنجم) دکتر خسروپور در این قسمت از نشست تأکید کرد که دیپ سیک با طراحی یک مدل بهینه و جامعه‌محور، معیارهای سنتی را متحول ساخته و به‌عنوان یک پارادایم شیفت در حوزه معماری و طراحی شناخته می‌شود. به گفته وی، در ایران تمرکز بیشتر بر تنظیم دقیق مدل‌های موجود است، در حالی که توسعه مدل‌های پایه و نوآوری‌های اساسی کمتر مورد توجه قرار گرفته است. ✅ راهکارهای پیشنهادی: 🔹 ایجاد شبکه‌های مشارکتی میان دانشگاه‌ها و شرکت‌های بزرگ برای بهره‌گیری از منابع داده و نیروی متخصص 🔹 توسعه مدل‌های بومی و کاهش وابستگی به فناوری‌های خارجی 🔹 سرمایه‌گذاری هدفمند در حوزه‌های دارای ارزش افزوده و رقابت‌پذیری بین‌المللی به باور او، عبور از مرحله فعلی و حرکت به سمت نوآوری‌های بنیادی، مستلزم همکاری علمی-صنعتی و برنامه‌ریزی اقتصادی هوشمندانه است. این نشست با همکاری ستاد راهبری فناوری‌های هوشمند حوزه‌های علمیه برگزار گردید. #مرکز_نوآوری_و_توسعه_هوش_مصنوعی #پژوهشگاه_ارتباطات_و_فناوری_اطلاعات #نشست_دستیابی_به_عمق_هوش_مصنوعی_لایه_مدل #دکتر_خسروپور #اخبار_ستاد 🎙ستاد راهبری فناوری‌های هوشمند 🌐@itsetad_ir