جهش بزرگ در حوزه هوش مصنوعی با تقویت زیرساخت های ۲۰ دانشگاه برتر + فیلم

در گفت وگو با ایکسل مطرح شد؛

محمدهادی زاهدی رئیس انجمن ملی هوش مصنوعی ایران در گفت وگو با خبرنگار خبرگزاری ایکسل درباره عدم تناسب نیاز بازار کار به فارغ التحصیلان دانشگاهی گفت: متناسب نبودن برنامه ها و دوره های دانشگاهی با بازار کار از تئوری وارسازی محتوا های آموزشی و عدم پیوست کاربردی سازی و کاربست دانش به فناوری سرچشمه می گیرد. دانشجوی کارشناسی باید از سال سوم به بعد در قالب طرح های ارتباط با صنعت و کارورزی و کارآموزی در شرکت ها و موسسات مستقر شوند و هرآنچه در دانشگاه می آموزد را در خارج از دانشگاه تجربه کند تا به محض فارغ التحصیل شدن با شناختی که از بازار کار پیدا کرده است جذب یک کار شود یا خود کارآفرین شود. 

وی با بیان اینکه مدت تحصیل مقطع کارشناسی زیاد است و باید فکری برای آن برداشت؛ تاکید کرد: بهترین دوران جوانی هر فرد سنین ۱۸ تا ۲۵ سالگی است که آن را برای حضور در دانشگاه می گذراند. ۱۴۰ واحد درس در ۴ سال تدریس می شود اما چند درصد از آن محتوای آموزشی مهارت های دانشجو را افزایش می دهد؟ هم اکنون خروجی های دانشگاه ها دانشجویان کمتر ماهر هستند. در عصر جدید باید نظام آموزش عالی پوست اندازی کند و به سمت آموزش های شخصی سازی و مطابق با بازار کار تغییر ریل دهد. عملا دانشگاه ها باید پویاترین چابک ترین و منعطف ترین سازمان ها در هر کشوری در مواجه با امواج فناوری و انقلاب های صنعتی باشند اما آنچه عملا شاهد آن هستیم خلاف آن است از ساختار سازمانی دانشگاه ها تا حدود اختیارات مدیران و قوانین دست و پا گیر در مسیر حضور بخش خصوصی در دانشگاه ها و حتی ایفای نقش در مدیریت دانشگاهی. باید به سمت ماموریت محوری دانشگاه ها و تقسیم وظیفه در نظام آموزشی و مهارتی کشور قدم برداریم و به آموزش به عنوان یک خدمت یا همان سرویس نگاه کنیم. شرایطی فراهم شود که هر دانش طلبی در صورت نیاز به دانشگاه مراجعه کند و آموزش و مهارت مدنظر و مورد نیاز را دریافت کند و با ارتقا مهارت و دانش تخصصی در بازار کار فعالیت خود را حرفه ای تر پیگیری نماید که این دانشگاه ها را می توان «دانشگاه نسل جدید یا دانشگاه خدمت محور» نام گذاشت. 

رئیس انجمن ملی هوش مصنوعی ایران تصریح کرد: در مواجهه با هوش مصنوعی نیازمند فهم عمیق آن هستیم از هوش مصنوعی زیاد صحبت می شود اما هنوز فلسفه پیدایش و ظهور و بروز آن را نمی دانیم. حتی نحوه مواجهه با این دانش و فناوری را بطور دقیق نمی دانیم. نمی دانیم از هوش مصنوعی چه می خواهیم و اصولا هوش مصنوعی قادر به حل کدام نوع از مسائل و چالش های پیش روی جامعه است. چون این شناخت و بینش وجود ندارد انتظارات مان نیز از هوش بعضا سطحی و معطوف و محدود به چت بات ها می شود؛ لذا پیش از هر اقدامی در این حوزه نیازمند تعریف نظام مسائل کشور و سپس بررسی و امکان سنجی حل این مسائل با هوش مصنوعی هستیم.

مهارت های جدید کلید ورود به دنیای شگفت انگیز هوش مصنوعی

زاهدی بیان کرد: در یک گزارشی که توسط شورای فناوری اطلاعات استرالیا منتشر شده است اعلام شده هوش منصوعی تا سال ۲۰۳۰ حدود ۲۰۰۰۰۰ فرصت شغل جدید در استرالیا ایجاد خواهد کرد که منجر به افزایش بهره وری و تزریق میلیارد ها دلار به اقتصاد آن کشور خواهد شد و پیش بینی می شود که هوش مصنوعی مولد به تنهایی ۱۱۵ میلیارد دلار درآمد داشته باشد و جالب تر اینکه حدود ۷۰ درصد از این درآمد ناشی از افزایش بهره وری است و بسیاری از استرالیایی ها (۸۴ درصد از کارکنان دارای دانش و مهارت) در حال حاضر از هوش مصنوعی در انجام فرآیند های کاری خود استفاده می کنند و بیان داشتند که این امر باعث صرفه جویی زیادی در وقت آنها شده است. 

این استاد دانشگاه با تاکید به لزوم مهارت ورزی و مهارت آموزی دانشجویان و نیرو های کار اعلام کرد: بی شک هوش مصنوعی مشاغل را تغییر خواهد داد اما هوش مصنوعی منجر به بیکاری نخواهد شد. همین الان بسیاری از مشاغل در طی سال های گذشته تغییر کرده است اما هوش مصنوعی فرصت های جدید شغلی ایجاد کرده است که البته نیازمند کسب مهارت های جدید و ارتقا سطح مهارت های فعلی کارگران و کارمندان است.

وی گفت: وقتی می گوییم مهارت های جدید می توان این مهارت ها را به انواعی تقسیم کرد مهارت های حل مسئله خود مدیریتی ارتباط با جامعه و توسعه فناوری و بر همین اساس به مهارت هایی از جمله تفکر تحلیلی و نوآوری یادگیری فعال و راهبرد های یادگیری حل مسائل پیچیده تفکر انتقادی و خلاقیت رهبری و نفوذ اجتماعی استفاده و نظارت فناوری طراحی و برنامه نویسی فناوری استدلال ایده پردازی هوش عاطفی هوش ارتباطی عیب یابی تجربه کاربری تجزیه و تحلیل و ارزیابی سیستم ها اقناع و مذاکره علم داده تصمیم گیری انعطاف پذیری شناختی رایانش ابری سکوهای کاری مشترک مجازی یادگیری مادام العمر یادگیری فعال بلاکچین و مهارت های دیجیتال اشاره داشت.

عضو هیئت علمی دانشگاه صنعتی خواجه نصیرالدین طوسی ادامه داد: امروزه بسیاری از فرآیند ها در نظام آموزش عالی وجود دارند که هم زمان بر هستند و هم از دیدگاه متقاضی غیرشفاف و حتی جهت دار؛ از جمله می توان به فرآیند های ارتقا و یا جذب هیات علمی اشاره داشت؛ که اتفاقا یکی از پیشنهاد ها خودکارسازی بخشی از این فرآیندهاست که ماشین (سیستم) می تواند آن را در سرعت بالاتری و با دقت بیشتری و در کمال شفافیت و در عین حال اطمینان انجام دهد از جمله بررسی پرونده و سوابق علمی و پژوهشی افراد؛ لذا بایستی به سمت هوشمندسازی خدمات حرکت نماییم.

زاهدی بیان کرد: باید مفاهیم و تعاریف در نظام آموزشی تغییر یابد آموزش در ذات خود معنای «یک طرفه» بودن را در ذهن متبادر می سازد؛ درحالیکه یادگیری بر تعامل و دو طرفه بودن تاکید دارد. مثلا اسم دبستان در گذشته ادبستان بوده است که به مرور الف آن حذف شده است و نام قشنگی و متناسبی هم بوده است. درحالیکه واژه دانشگاه تداعی کننده پیوند دانش بینش و خلق ارزش نیست؛ درحالیکه واژه «دارالفنون» با هدف یادگیری دانش و تبدیل آن به فن یا همان فناوری تناسب دارد؛ از آنجاییکه کمتر به فلسفه علم پرداخته شده است و باور نداشتیم زمانی اسامی و واژگان در ذهن ها تبدیل به مفاهیم می شوند و در روش ها جاری و ساری می شوند. این استاد دانشگاه تصریح کرد: از آنجاییکه یادگیری ماهیت دو طرفه دارد پس بهتر است که جایگزین کلمه آموزش شود یعنی استاد دانشگاه وقتی در کلاس درس حاضر می شود محتوا را به صورتی یاد دهد که دانشجو آن را فرا بگیرد و بتواند از آنچه فهم و درک کرده است به شکل مطلوب استفاده کند. 

رئیس انجمن ملی هوش مصنوعی ایران با بیان اینکه ارزیابی اساتید باید به فعالیت های تیمی و جمعی پیوند خورد تاکید کرد: امتیاز بیشتری باید به استادی اعطا شود که کار جمعی را به کار فردی ارجحیت می دهد؛ آزمایشگاه مشترک راه اندازی می نماید و کتاب ها و مقالات مشترک علمی تالیف و تدوین می کند. یعنی باید از فردگرایی و انحصار به جمع گرایی و اشتراک گذاری دانش و تجربه حرکت کرد تا اثربخشی برون داد های علمی در سطح جامعه نیز بیشتر شود. وی بیان کرد: در محاسبه سرانه تحصیل برای یک دانشجو خیلی مولفه محاسبه می شود ولی دقت نمی شود که زمان و جوانی دانشجو را از او می گیریم؛ این زمان چقدر ارزش گذاری می شود؟ ما باید برای زمان جوانان ارزش قائل شویم. فلسفه تعلیم و تربیت باید به درستی تبیین شود و در قوانین و اسناد و بخشنامه ها و روش ها و نگرش ها تبلور پیدا کند.

کار گروهی و تقویت خلاقیت کلید طلایی ارزش گذاری بر کار استاد

این استاد دانشگاه اضافه کرد: گاهی اوقات برخی استنباط ها و تفسیر ها از قانون با روح قانون و با روح نظام تعلیم و تربیت کشور در تضاد است. کجای قانون و در کدام بند از عنوان شده است که استاد دانشگاه نباید کار جمعی انجام دهد! درحالیکه انتظار از دانشگاه استاد و دانشجو حل مسائل جامعه است و این حل مسئله در دنیای پیچیده و پر متغیر امروز نیازمند تحقیقات بین رشته ای و تشکیل گروه های تخصصی است. چرا برخی تاکید بر عنوان مقاله مستقل آن هم با خودتفسیری آن هستند؟ این با کدام تفکر در نظام آموزشی و پژوهشی و نوآوری همخوانی دارد؟ مقاله مستقل معنا ندارد زمانی یک برونداد علمی ارزش دارد که خروجی آن حرکت در لبه دانش باشد یا یک محصول خدمت و یک راه حل برای پیشرفت کشور و حل مشکلی از مشکلات جامعه. اگر یک مقاله علمی که یک مساله از صنعت را حل کرده باشد و اسم چند صنعتگر دیگر هم در این اثر باشد در دنیا برای این اثر علمی ارزش بیشتری قائل هستند.

رئیس انجمن ملی هوش مصنوعی ایران درباره تقویت زیرساخت های آموزشی و پژوهشی در حوزه هوش مصنوعی گفت: وقتی انتظار داریم کشور در حوزه هوش مصنوعی پیشگام و پیشرو باشد باید مقدمات و الزامات برای جامعه نخبگانی و دانشگاهی فراهم شود. راه اندازی و تجهیز آزمایشگاه های تخصصی در دانشگاه هایی که در سه سال گذشته در این حوزه حائر رتبه و اثربخش بوده اند تاثیر بسزایی در تحقیق و توسعه هوش مصنوعی دارد. تدوین سرفصل ها و دوره های تخصصی هوش مصنوعی دیگر اقدام مورد انتظار است. اعطای پژوهانه و طرح های تشویقی به اساتیدی که در حوزه هوش مصنوعی سرآمد هستند دیگر انتظار و پیشنهاد به متولیان امر است. حمایت از برگزاری کنفرانس های علمی نشست های تخصصی و کرسی های آزاداندیشی نیز در زمینه فرهنگ سازی و آمادگی جامعه برای پذیرش فناوری هوش مصنوعی موثر است.

زاهدی افزود: وقتی یک استاد قصد دارد الگوی زبانی بزرگ را توسعه دهد یا یک الگوریتم هوش مصنوعی را در یک موضوعی کاربردی سازی نماید نیازمند ابزار های لازم و زیرساخت های پردازشی است. وی همچنین افزود نظام رتبه بندی دانشگاه ها باید متناسب با اولویت های کشور و نیاز های کشور باشد و در ارزیابی دانشگاه ها باید مواردی همچون: درصد فارغ التحصیلان دانشگاهی که در بازار کار مرتبط با دوره تحصیلی مشغول کار شده اند؛ میزان پروژه ارتباط با صنعت و جامعه انجام شده توسط اساتید دانشگاه؛ درصد اساتید عضو و فعال در مجامع و انجمن های علمی؛ تعداد آزمایشگاه های تخصصی در دانشگاه؛ تعداد شرکت های مستقر در مرکز رشد و فناور دانشگاه؛ میزان جریان اقتصادی برآمده از ارائه خدمت یا محصول دانش پایه در دانشگاه؛ تعداد دوره های کارآفرینی و مهارت افزایی برگزار شده در دانشگاه تعداد پتنت و ثبت اختراعات اساتید یک دانشگاه و بسیاری موارد دیگر ملاک ارزیابی دانشگاه ها قرار گیرد.

جهش بزرگ در حوزه هوش مصنوعی با تقویت زیرساخت های ۲۰ دانشگاه برتر

این استاد دانشگاه با اشاره به ظرفیت جهش در حوزه هوش مصنوعی در کشور گفت: در صورت ارائه خدمات و تسهیلات ویژه به دانشگاه ها در سال جاری و تعریف ردیف های بودجه در اعتبارات سال آینده برای تقویت زیرساخت ها و تجهیزات دانشگاهی در حوزه پردازشی و آزمایشگاهی می توان امیدوار بود که یک جهش فناوری طی دو تا سه سال آینده در کشور شکل گیرد.