گزارش اختصاصی پانا از فاصله میان تولید دانش، نیاز صنعت و بازار فناوری در ایران
هوش مصنوعی در ایران؛ دانشگاه مقاله میسازد، صنعت مسئله دارد و بازار هنوز منتظر محصول است
تهران (پانا) – ایران در سال ۲۰۲۳ از نظر تعداد و کیفیت مقالات هوش مصنوعی در جایگاه دوم منطقه پس از عربستان سعودی قرار داشته است؛ با این حال، بررسیهای تخصصی زیستبوم فناوری نشان میدهد کاربرد هوش مصنوعی در کسبوکارهای ایرانی حدود ۱۷ درصد برآورد میشود و کشور از میانگین جهانی پذیرش این فناوری دستکم هفت سال عقبتر قرار دارد. این فاصله، مسئلهای فراتر از کمبود مقاله یا نبود نیروی متخصص است؛ شکاف اصلی در جایی شکل میگیرد که پژوهش دانشگاهی باید به مسئله صنعتی، محصول قابلاعتماد و بازار پایدار تبدیل شود.
هوش مصنوعی در جهان، دیگر صرفاً یک موضوع دانشگاهی یا فناوری نوظهور نیست؛ این فناوری به یکی از مؤلفههای اصلی رقابت اقتصادی، تحول آموزش، امنیت سایبری، سلامت، کشاورزی، صنعت و حکمرانی تبدیل شده است. در چنین شرایطی، میزان موفقیت کشورها فقط با تعداد مقالات علمی یا شمار فارغالتحصیلان سنجیده نمیشود؛ بلکه پرسش تعیینکننده این است که چه مقدار از دانش تولیدشده به فناوری، چه مقدار از فناوری به محصول و چه مقدار از محصول به ارزش اقتصادی و اجتماعی تبدیل میشود.
بررسی دادههای موجود درباره ایران نشان میدهد کشور از یک سو از ظرفیت علمی، دانشگاهی و انسانی قابلتوجهی برخوردار است و از سوی دیگر، در تبدیل این ظرفیت به بازار، محصول و بهرهوری صنعتی با موانع جدی مواجه است. بنابراین، مسئله اصلی را نمیتوان صرفاً «عقبماندگی علمی» دانست. چالش اساسی، ضعف در زنجیره انتقال دانش از دانشگاه به صنعت و از صنعت به بازار است.
ایران در تولید مقاله پیشتاز است، اما این پیشتازی هنوز به مزیت اقتصادی تبدیل نشده است
بر اساس دادههای پژوهشی منتشرشده، تعداد مقالات هوش مصنوعی ایران از یکهزار و ۹۰۶ مقاله در سال ۲۰۱۹ به سههزار و ۵۲۵ مقاله در سال ۲۰۲۳ رسیده است. با این حال، سهم ایران از مقالات هوش مصنوعی با تأثیر بالا، از حدود ۹ درصد در سال ۲۰۱۱ به ۳.۲ درصد در سال ۲۰۲۳ کاهش یافته است.
این دو داده در کنار یکدیگر، تصویری دوگانه از وضعیت علمی کشور ارائه میکنند. از یک طرف، تعداد تولیدات علمی افزایش یافته و از طرف دیگر، سهم مقالات پراثر کاهش پیدا کرده است. به بیان دیگر، رشد کمّی تولید علم الزاماً به معنای افزایش نفوذ علمی، حل مسئله یا قدرت فناوری نیست.
البته باید میان «مقاله علمی»، «اختراع»، «محصول فناورانه» و «راهحل صنعتی» تفاوت قائل شد. مقاله، خروجی مهم پژوهش است؛ اما برای آنکه به فناوری تبدیل شود، به نمونه اولیه، آزمایش میدانی، مالکیت فکری، سرمایهگذاری، مشتری صنعتی و مدل کسبوکار نیاز دارد. حذف هرکدام از این حلقهها میتواند پژوهش را در همان مرحله دانشگاهی متوقف کند.
شکاف دانشگاه و صنعت فقط با تفاهمنامه پر نمیشود
در سالهای اخیر، انعقاد تفاهمنامه میان دانشگاهها، شرکتهای دانشبنیان و صنایع افزایش یافته است. ایجاد سراهای نوآوری، پردیسهای فناوری، مراکز رشد، شتابدهندهها و مدارس مهارتی نیز با هدف نزدیکتر کردن دانشگاه و صنعت دنبال شده است. با این حال، تعداد تفاهمنامهها بهتنهایی شاخص مناسبی برای سنجش موفقیت ارتباط دانشگاه و صنعت نیست.
ارتباط واقعی زمانی شکل میگیرد که یک صنعت، مسئله مشخص خود را با داده، بودجه، زمانبندی و شاخص ارزیابی در اختیار دانشگاه یا شرکت فناور قرار دهد و در مقابل، دانشگاه نیز راهحلی ارائه کند که قابلیت آزمایش، پیادهسازی و نگهداری داشته باشد.
در حوزه هوش مصنوعی، این مشکل پیچیدهتر است؛ زیرا راهحل هوش مصنوعی به داده باکیفیت، دسترسی مستمر به زیرساخت پردازشی، نیروی متخصص، امکان آزمون و خطا و همکاری نزدیک با کاربر نهایی نیاز دارد. دانشگاه میتواند الگوریتم تولید کند، اما بدون داده و محیط واقعی، کارایی آن الگوریتم در شرایط عملیاتی مشخص نمیشود.
برآورد ۱۷ درصدی استفاده کسبوکارها از هوش مصنوعی چه میگوید؟
بررسیهای تخصصی، میزان استفاده کسبوکارهای ایرانی از هوش مصنوعی را حدود ۱۷ درصد برآورد کرده و نشان میدهد ایران در پذیرش این فناوری، دستکم هفت سال از میانگین جهانی عقبتر است.
این عدد به معنای آن نیست که دقیقاً ۱۷ درصد همه شرکتهای کشور از مدلهای پیشرفته هوش مصنوعی استفاده میکنند؛ بلکه برآوردی در چارچوب روششناسی پژوهشهای مرتبط است. با این حال، پیام اصلی روشن است: کاربرد هوش مصنوعی در بنگاههای ایرانی هنوز به مرحله فراگیر نرسیده است. کمبود نیروی انسانی ماهر، ضعف زیرساخت و ابهام در بازگشت سرمایه، از موانع اصلی این حوزه به شمار میروند.
بازار کوچک و سرمایهگذاری محدود؛ دو مانع مهم توسعه هوش مصنوعی
برآوردهای کارشناسی، ارزش بازار هوش مصنوعی کشور را تا سال ۱۴۰۳ حدود یکهزار و ۶۰۰ میلیارد تومان و حجم سرمایهگذاری انجامشده در این حوزه را حدود ۱۰ میلیون دلار تخمین زدهاند. تفاوت میان این رقم و سرمایهگذاریهای جهانی، نشاندهنده محدودیت در مقیاس بازار، دسترسی به سرمایه خطرپذیر و امکان توسعه شرکتهاست.
شرکت هوش مصنوعی برای رشد به سرمایهای نیاز دارد که در مراحل مختلف توسعه (از نمونه اولیه تا تجاریسازی در مقیاس بزرگ) در دسترس باشد. در غیاب این زنجیره حمایتی، بسیاری از تیمها در نخستین مراحل متوقف میشوند.
تجاریسازی اختراعات؛ از ایده تا بازار
پژوهشهای انجامشده در زمینه تجاریسازی نوآوریها نشان میدهد که سهم شرکتها از اختراعات ثبتشده قابلتوجه است، اما نرخ تجاریسازی این پتنتها با موانع جدی روبهروست و نیازمند تقویت پیوندهای حقوقی، اقتصادی و صنعتی است.
در حوزه هوش مصنوعی، مالکیت فکری فقط به ثبت اختراع محدود نیست؛ کد نرمافزار، داده آموزشی، مدل آموزشدیده، اسرار تجاری و شیوه جمعآوری داده میتوانند ارزش اقتصادی داشته باشند. به همین دلیل، تعیین دقیق سهم دانشگاه، پژوهشگر، شرکت و سرمایهگذار پیش از آغاز پروژه، شرط اصلی جلوگیری از اختلافات بعدی است.
دانشگاه باید از تولیدکننده مقاله به شریک حل مسئله تبدیل شود
دانشگاه برای ایفای نقش مؤثر در اقتصاد هوش مصنوعی، به تغییر در نظام ارزیابی و انگیزههای پژوهشی نیاز دارد. در کنار پژوهش بنیادی، باید مسیرهای مشخصی برای پژوهش کاربردی، نمونهسازی، آزمون میدانی و عرضه محصول ایجاد شود. تقویت دفاتر انتقال فناوری، بانک مسائل صنعتی و آزمایشگاههای مشترک، از راهکارهای کلیدی در این مسیر است.
ارزیابی درست سیاستها در پرتو اسناد بالادستی
قانون برنامه هفتم پیشرفت و سند ملی هوش مصنوعی، دولت و نهادهای مربوطه را به توسعه این زیستبوم مکلف کردهاند. با این حال، موفقیت این اسناد در گروی شاخصهای قابل سنجش نظیر حجم سرمایهگذاری صنعتی، پروژههای مشترک دانشگاه و صنعت، سهم خرید محصولات داخلی و تعداد محصولات تجاریشده است.
جمعبندی
ایران برای توسعه هوش مصنوعی، با کمبود مطلق دانش یا نیروی انسانی مواجه نیست؛ مشکل اصلی، ناتمام ماندن مسیر تبدیل دانش به ارزش است. در این میان، دانشگاه باید مسئلهمحورتر عمل کند، صنعت نیازهای خود را دقیق تعریف کند و دولت زیرساخت حقوقی و مالی را فراهم سازد. مسیر موفقیت هوش مصنوعی در ایران، در بازار و در حل مسائل واقعی جامعه سنجیده خواهد شد.

ارسال دیدگاه