خبرگزاری ایسنا: دانشگاه صنعتی اصفهان با مأموریتی از سایشان معاونت علمی و فناوری ریاست‌جمهوری، توسعه پروژه «دستیار هوشمند وزارت صنعت، معدن و تجارت» را بر عهده گرفته است؛ پروژه‌ای که به گفته مدیر آن، در بخش قوانین و آیین‌نامه‌های وزارت صمت به‌صورت آزمایشی به بهره‌برداری رسیده و هم‌اکنون در دفتر حقوقی این وزارتخانه مورد استفاده قرار می‌گیرد.

سکایشان هوش مصنوعی وزارت صمت با تمرکز بر حوزه‌هایی مانند تحلیل قوانین، هوش تجاری، داشبوردهای مدیریتی و تعامل زبانی با داده‌ها طراحی شده و تلاش دارد کاربرد عملی هوش مصنوعی را در سطوح مدیریتی و تصمیم‌سازی این وزارتخانه پیاده‌سازی کند.

در عین حال، توسعه این سکو در شرایطی دنبال می‌شود که دسترسی به داده‌های واقعی و یکپارچه، همچنان یکی از چالش‌های اصلی پروژه‌های هوش مصنوعی در دستگاه‌های اجرایی محسوب می‌شود؛ موضوعی که علیرضا بصیری، مدیر پروژه سکایشان هوش مصنوعی وزارت صمت، با وجود اعلام پیشرفت حدود ۷۰ درصدی پروژه، آن را مانعی جدی برای رسیدن به بلوغ کامل سامانه می‌داند.

علیرضا بصیری، مدیر پروژه هوشمند وزارت صنعت، معدن و تجارت علی رغم آنکه پیشرفت این پروژه را ۷۰ درصد عنوان می‌کند ولی چالش‌های دسترسی به داده‌های واقعی را چالش‌های ساده‌ای برای چنین پروژه‌هایی نمی‌داند و بیان می‌کند که در حال حاضر گلوگاه اصلی آنها، دسترسی به داده است؛ چرا که داده‌هایی که از سایشان وزارت صمت در اختیار این تیم قرار گرفته، محدود بوده و برای رسیدن به بلوغ کامل سامانه، نیاز است با داده‌های واقعی، بزرگتر و پیچیده‌تر کار کنیم.

حضور ۲۰ دانش آموخته دانشگاهی برای توسعه هوش مصنوعی در وزارت صمت

بصیری، با اشاره به شکل‌گیری پروژه «دستیار هوشمند وزارت صمت» گفت: این پروژه از سایشان دانشگاه صنعتی اصفهان در حال اجراست و از حدود آذرماه ۱۴۰۳ به ما از سایشان معاونت علمی اطلاع‌رسانی شد که دانشگاه‌هایی که ظرفیت لازم را دارند، برای وزارتخانه‌ها پروپوزال ارسال کنند. این موضوع به معاونت پژوهشی دانشگاه صنعتی اصفهان اعلام شد و پس از آن، بنده به همراه ۶نفر دیگر از اعضای هیات علمی دانشکده برق و کامپیوتر دانشگاه، از جمله دکتر حکیم، رئیس مرکز هوش مصنوعی دانشگاه صنعتی اصفهان، اقدام به آماده‌سازی پروپوزال کردیم.

ایشان با بیان اینکه پروپوزال ارسال ما طی چند مرحله داوری که توسط معاونت علمی انجام شد، مورد بررسی قرار گرفت و در نهایت پروژه وزارت صمت به دانشگاه صنعتی اصفهان اختصاص داده شد و از اسفندماه ۱۴۰۳ به‌صورت جدی توسعه این سامانه را آغاز کردیم.

بصیری با تاکید بر اینکه در حال حاضر حدود ۲۰ نفر به‌طور مستقیم رایشان این پروژه فعالیت می‌کنند، ادامه داد: البته در ابتدای کار، از سایشان معاونت علمی زمان برد تا نقشه راه پروژه به ‌صورت شفاف مشخص شود و معلوم شود که چه اتفاقاتی باید در پروژه رخ دهد، اما دیدگاه کلی که از سایشان معاونت علمی به ما منتقل شد این بود که پروژه دارای سه تا چهار فاز مشخص دارد که فاز نخست آن به تنقیح و بازیابی قوانین حوزه وزارت صمت اختصاص دارد.

مدیر پروژه سکایشان هوش مصنوعی وزارت صمت اضافه کرد: در این بخش، قوانین و آیین‌نامه‌های موجود در وزارت صمت مورد بررسی قرار گرفت و قابلیت‌هایی مبتنی بر پردازش و تحلیل متون حقوقی رایشان سامانه پیاده‌سازی شد. از جمله این قابلیت‌ها می‌توان به امکان طرح پرسش از محتوای قوانین و شناسایی موارد تعارض و تناقض میان مواد و مقررات اشاره کرد.

ایشان افزود: در بخش تناقض‌یابی قوانین، امکان شناسایی تناقض با یک ماده قانونی، تناقض با یک قانون مشخص و همچنین تناقض‌یابی با مجموعه قوانین موجود در وزارت صمت پیاده‌سازی شده و این فرآیند با نظارت دقیق و با نگاه مشخص انجام شده است.

بصیری تاکید کرد: با تایید ناظر پروژه (وزارت صمت) بخش قوانین سکایشان هوش مصنوعی وزارت صمت به‌طور کامل اجرا شد و مورد تأیید ناظر پروژه نیز قرار گرفت به گونه‌ای که در حال حاضر، بخش قوانین این سامانه در دفتر حقوقی وزارت صمت در حال استفاده است و مدیرکل حقوقی وزارت صمت نیز به‌عنوان کاربر از این بخش استفاده می‌کند. ملاحظات و مواردی از سایشان ایشان مطرح شد که خواستار اضافه شدن یا اعمال تغییراتی در سامانه بودند و تلاش کردیم این موارد را برطرف کنیم تا آنچه مدنظرشان است، به‌طور کامل اجرا شود.

توسعه هوش تجاری وزارت صمت

ایشان فاز دوم پروژه سکو هوش مصنوعی وزارت صمت را توسعه هوش تجاری در این وزارتخانه عنوان کرد و ادامه داد: در حال حاضر حدود ۷۰ درصد از این فاز پیش رفته‌ایم و این بخش شامل دو قسمت هوش تجاری ایستا و هوش تجاری پویای این پروژه توسعه داده شده است.

مدیر پروژه سکایشان هوش مصنوعی وزارت صمت، با تشریح رویکرد هوش تجاری در این پروژه توضیح داد: هوش تجاری نگاهی کلاسیک دارد و مبنای آن این است که در سازمان‌ها حجم زیادی از داده وجود دارد و شاهد هستیم که در هر سازمانی سامانه‌های مستقل متعددی فعال شده است. این سامانه‌های مختلف، سامانه‌های اطلاعاتی متفاوتی هستند که هرکدام پشتوانه یک پایگاه داده دارند و داده‌هایی که کاربران وارد می‌کنند، در آنها ذخیره می‌شود.

بصیری ادامه داد: اما اگر از لایه مدیران سازمان به موضوع نگاه کنیم، مدیر یک سازمان قرار نیست برای استخراج اطلاعات مورد نیاز خود به سامانه‌های مختلف مراجعه کند و داده‌ها را بررسی و تحلیل کند تا در تصمیم‌گیری از آنها استفاده شود.

مدیر پروژه سکایشان هوش مصنوعی وزارت صمت اضافه کرد: این در حالی است که در هوش تجاری رویکرد مبتنی بر یکپارچه‌سازی تمامی پایگاه‌های داده در یک سازمان است تا این مجموعه به یک مرجع واحد تبدیل شود؛ مرجعی که مدیران لایه بالای سازمان بتوانند از آن استفاده کنند. اگر از منظر سامانه‌ها نگاه کنیم، کاربری سامانه‌های اطلاعاتی بیشتر عملیاتی است و کاربران عملیاتی، مدیران میانی و مدیران سطوح پایین سازمان با آنها سروکار دارند، اما در سطح استراتژیک سازمان، دیگر چنین کاربری معنا ندارد و مدیر نیازمند گزارش‌های تجمیع ‌شده است.

بصیری نمونه این رویکرد را سامانه “کاداستر” دانست و اضافه کرد: مدیران برای تصمیم‌گیری باید اطلاعاتی از سامانه کاداستر، سامانه پرگار، اتوماسیون و سایر سامانه‌های موجود در وزارتخانه را در کنار هم ببینند و این همان جایی است که هوش تجاری معنا پیدا می‌کند و ضرورت یکپارچه ‌سازی داده‌ها مطرح می‌شود. در این رویکرد، یک پایگاه داده یکپارچه شکل می‌گیرد و یک اینترفیس برای آن تعریف می‌شود که به آن داشبورد گفته می‌شود. داشبوردهای اطلاعاتی قرار است بر اساس انبار داده و فرآیند اعتبارسنجی که در پشت این ساختار انجام شده، مورد استفاده مدیران قرار گیرند.

مدیر پروژه سکایشان هوش مصنوعی وزارت صمت افزود: نگاهی که معاونت علمی در این پروژه به‌خوبی برای ما تعریف کرده، این است که از منابع داده‌ای که در داخل وزارتخانه در اختیار ما قرار می‌گیرد، استفاده کنیم و این کار را در یک سطح بالاتر و مبتنی بر هوش مصنوعی انجام دهیم.

ایشان ادامه داد: در مدل کلاسیک هوش تجاری، داشبوردهای ایستا وجود دارد که از قبل طراحی شده‌اند و شاخص‌ها و KPIها در آنها مشخص است و مدیر با مراجعه به این داشبوردها، یک تصویر کلی از وضعیت سازمان به دست می‌آورد. این داشبوردها معمولاً از پیش ایجاد شده‌اند، اما امکان تولید گزارش‌های جدید نیز وجود دارد؛ چرا که یک مرجع واحد داده‌ای در پشت سامانه آماده شده و کاربری که اندکی دانش فنی داشته باشد، می‌تواند گزارش جدید یا اصطلاحاً گزارش ادهاک ایجاد کرده و به داشبورد اضافه کند.

ایشان یادآور شد: مدیر وارد بخش داشبورد هوش تجاری پویا می‌شود و فقط بیان می‌کند که چه چیزی می‌خواهد؛ در واقع صرفاً با سامانه گفت‌وگو می‌کند. به‌عنوان نمونه، مدیر می‌گوید «تعداد معادن کشور به تفکیک استان را به من بگو». قرار نیست وارد گزارش‌ساز شود یا فایل اکسل تولید کند؛ فقط نیاز خود را به‌صورت متنی اعلام می‌کند.

بصیری افزود: پایگاه داده مورد نیاز از سایشان وزارت صمت در اختیار ما قرار گرفته و ما مبتنی بر هوش مصنوعی این فرآیند را انجام می‌دهیم، بدون اینکه کاربر نیاز به نوشتن کد، دانستن زبان برنامه‌نویسی یا کار با ابزارهای گزارش‌سازی داشته باشد.سامانه ابتدا جداول مرتبط را شناسایی می‌کند، سپس تحلیل لازم را رایشان آن‌ها انجام می‌دهد و در مرحله بعد، کوئری SQL به‌صورت خودکار تولید می‌شود و در نهایت گزارش‌های جدولی و نموداری به کاربر نمایش داده می‌شود. در این فرآیند، کاربر هیچ تلاش خاصی انجام نمی‌دهد و صرفاً سؤال خود را مطرح می‌کند و تحلیل به‌صورت کامل انجام می‌شود.

ایشان افزود: اگر مدیر تمایل داشته باشد که این گزارش را به‌طور مستمر مشاهده کند، امکانی در نظر گرفته شده تا این گزارش به‌عنوان یک گزارش ثابت به بخش داشبوردهای ایستا اضافه شود، برای آن نام‌گذاری انجام شود و در مراجعات بعدی به‌راحتی قابل مشاهده باشد. به‌عنوان نمونه، سامانه می‌تواند آماری مانند تعداد کل معادن کشور، میانگین تعداد معادن در استان‌ها و توزیع استانی آن‌ها را ارائه دهد؛ به‌طوری که مثلاً مشخص می‌شود استان اصفهان ۱۷۸ معدن دارد، و سایر استان‌ها نیز به همین شکل گزارش می‌شوند. در این بخش، داده‌ها به‌صورت جدولی نمایش داده می‌شوند و در کنار آن، نمودارهای تحلیلی نیز ارائه می‌شود.

پیشرفت ۷۰ درصدی هوشمند سازی صمت

بصیری از پیشرفت ۷۰ درصدی فاز نخست پروژه سکایشان هوش مصنوعی وزارت صمت خبر داد و گفت: در حال حاضر گلوگاه اصلی ما، دسترسی به داده است؛ چرا که داده‌هایی که از سایشان وزارت صمت در اختیار ما قرار گرفته، محدود بوده و برای رسیدن به بلوغ کامل سامانه، نیاز است با داده‌های واقعی، بزرگتر و پیچیده‌تر کار کنیم.

مدیر پروژه سکایشان هوش مصنوعی وزارت صمت اضافه کرد: چالش‌های داده‌های واقعی، چالش‌های ساده‌ای نیستند؛ چرا که در شرایط فعلی قرار است سامانه تنها یک پرسش ساده از کاربر دریافت کند، داده‌ها را شناسایی و تحلیل کند و خروجی مناسب را به کاربر نمایش دهد. با داده‌های ساده‌ای که اکنون در اختیار داریم، این فرآیند تا حدی پیاده‌سازی شده، اما با پیچیده‌تر و بزرگتر شدن داده‌ها، دغدغه‌ها و چالش‌های جدیدی به وجود می‌آید.

ایشان افزود: به همین دلیل، ما ادعا نمی‌کنیم که ۱۰۰درصد مسیر طی شده و لازم است سامانه در مواجهه با داده‌های بزرگتر و در فضای عملیاتی به‌ صورت کامل آزمون شود. در حال حاضر، بستر MVP را پشت سر گذاشته‌ایم و وارد فضای عملیاتی شده‌ایم و باید ببینیم در این فضا در چه نقطه‌ای از مسیر قرار داریم.

بصیری ادامه داد: این روند مربوط به فاز دوم پروژه است که خوشبختانه وضعیت خوبی دارد و دانشگاه صنعتی اصفهان، با وجود اتفاقات و اختلالاتی که در این مدت وجود داشت، از جمله وقفه‌های ناشی از جنگ ۱۲ روزه، توانست این فاز را نیز با موفقیت پیش ببرد.

مدیر پروژه سکایشان هوش مصنوعی وزارت صمت گفت: علاوه بر بخش قوانین و بخش هوش تجاری، در قسمت نخست سامانه، قابلیت‌های دیگری نیز پیاده‌سازی شده است که این موارد به‌صورت مستقیم از سایشان معاونت علمی به‌عنوان کارفرمای پروژه درخواست نشده بود.

ایشان افزود: با این حال، با توجه به اینکه هدف استفاده کاربردی سامانه در وزارت صمت بوده است، قابلیت‌هایی که جذاب و کاربردی تشخیص داده شد، در اختیار وزارتخانه قرار گرفت. یکی از این قابلیت‌ها، خلاصه‌سازی متون است؛ به‌طوری که کاربر می‌تواند یک سند را به‌عنوان ورودی به سامانه بدهد و درخواست کند که محتوای آن در قالب چند پاراگراف خلاصه شود.

بصیری ادامه داد: با توجه به اهمیت محرمانگی داده‌ها در وزارتخانه، تلاش کردیم لایه مدیریتی وزارت صمت را از چت‌های عمومی موجود مستقل کنیم؛ چرا که اگر کاربر به‌ اشتباه یک متن محرمانه را در این چت‌ها وارد کند، ممکن است داده‌های حساس در معرض خطر قرار گیرد. از این رو، قابلیت‌های پرکاربرد و روزمره مانند خلاصه‌سازی متن را در داخل سامانه پیاده‌سازی کردیم تا این نیازها به‌صورت امن برطرف شود.

ایشان افزود: در ادامه، با نگاهی که از سایشان معاونت علمی وجود داشت، مسیر توسعه سامانه متوقف نشد و در حالی که دانشگاه شریف مأموریت راه‌اندازی سکایشان ملی هوش مصنوعی کشور را برعهده داشت، ما نیز از پلتفرم و زیرساخت پردازشی خود دانشگاه صنعتی اصفهان استفاده کردیم.

توسعه سکایشان هوش مصنوعی صمت بر بستر سکایشان ملی

مدیر پروژه سکایشان هوش مصنوعی وزارت صمت گفت: در مرداد و شهریورماه، دانشگاه شریف خدمات خود را در اختیار ما قرار داد و از آن پس، ارتباط اصلی سامانه با سکایشان هوش مصنوعی دانشگاه شریف برقرار شد، اما سامانه به‌گونه‌ای طراحی شده که اگر به هر دلیلی امکان ارتباط با سکایشان هوش مصنوعی شریف وجود نداشته باشد، به‌صورت خودکار به پلتفرم دانشگاه صنعتی اصفهان سوئیچ می‌کند.

ایشان افزود: این سازوکار به‌دلیل تجربه اختلالات شبکه و مشکلات ارتباطی در نظر گرفته شد و در آینده نیز این امکان وجود دارد که دو یا سه بستر پردازشی مختلف در سامانه تعریف شود تا در صورت قطع ارتباط با یکی از آن‌ها، سامانه به‌صورت خودکار به بستر بعدی متصل شود.

بصیری ادامه داد: از دیگر قابلیت‌های اضافه‌شده به سامانه می‌توان به ترجمه متون اشاره کرد؛ به‌طوری که امکان ترجمه اسناد و نامه‌های بین‌المللی به نزدیک ۱۰۰ زبان دنیا در سامانه فراهم شده است.

مدیر پروژه سکایشان هوش مصنوعی وزارت صمت گفت: همچنین قابلیت پرسش از داده‌های جدولی نیز به سامانه اضافه شده است. در حالت معمول، در بخش هوش تجاری، ارتباط پایگاه‌های داده از قبل با وزارتخانه برقرار شده و امکان پرسش از آن داده‌ها وجود دارد، اما در برخی موارد ممکن است مدیر بخواهد رایشان داده‌ای کار کند که در پایگاه داده وزارتخانه وجود ندارد.

ایشان افزود: در چنین شرایطی، کاربر می‌تواند داده موردنظر خود را که ممکن است شامل هزاران ردیف اطلاعات باشد، در قالب فایل CSV در سامانه بارگذاری کند و بدون نیاز به اتصال آن به پایگاه داده اصلی، از سامانه درباره این داده‌ها سؤال بپرسد و همان قابلیت‌های تحلیلی، گزارشی و نموداری را دریافت کند.

مدیر پروژه سکایشان هوش مصنوعی وزارت صنعت، معدن و تجارت، با اشاره به حجم و ابعاد مالی این پروژه گفت: کل پروژه‌ای که به دانشگاه صنعتی اصفهان واگذار شده، اعتباری معادل ۱۵ میلیارد تومان دارد و در حال حاضر حدود ۲۰ نفر، شامل اعضای هیئت علمی و تیم اجرایی، به‌صورت مستقیم رایشان این پروژه مشغول به کار هستند در این پروژه، بحث تأمین سخت‌افزار به ‌طور مستقیم در تعهد پروژه نبوده است، اما دانشگاه صنعتی اصفهان به‌واسطه ظرفیت مناسبی که در این حوزه دارد، توانسته این نیاز را پوشش دهد.

بصیری ادامه داد: دانشگاه صنعتی اصفهان به همراه دانشگاه صنعتی امیرکبیر، از نخستین دانشگاه‌هایی بودند که در سال ۱۳۸۹ اولین ابررایانش کشور را راه‌اندازی کردند و این زیرساخت از همان زمان در دانشگاه ایجاد و فعال بوده است.

مدیر پروژه سکایشان هوش مصنوعی وزارت صمت گفت: بنده حدود سه سال است که مسئولیت مدیریت این زیرساخت را برعهده دارم و این مجموعه، به همراه دانشگاه صنعتی امیرکبیر، ظرفیت مناسبی در حوزه پردازش‌های سنگین و محاسباتی در سطح کشور دارد.

ایشان افزود: در اجرای این پروژه، از همان ابتدای کار تلاش کردیم از ظرفیت‌های موجود دانشگاه استفاده کنیم و این ظرفیت‌ها بلااستفاده نماند. از فروردین‌ماه، از GPUهای موجود در دانشگاه استفاده کردیم و با توجه به نیاز پروژه، حتی در برخی مقاطع از ظرفیت‌های پردازشی خارج از دانشگاه نیز به‌صورت اجاره‌ای بهره گرفتیم.

بصیری ادامه داد: نگاه دانشگاه صنعتی اصفهان این بوده که هیچ عامل یا محدودیتی باعث توقف یا اختلال در روند اجرای پروژه نشود و به همین دلیل، با وجود نیاز سنگین پروژه به زیرساخت مبتنی بر GPU، تلاش شد این چالش‌ها مدیریت شود.

مدیر پروژه سکایشان هوش مصنوعی وزارت صمت گفت: اگرچه در بازه‌ای حدود پنج تا شش ماه از ابتدای پروژه، به‌طور کامل به سکایشان پردازشی موردنظر دسترسی نداشتیم و کار مبتنی بر GPU به‌صورت کامل امکان‌پذیر نبود، اما این چالش نیز پشت سر گذاشته شد. خوشبختانه با مدیریت این محدودیت‌ها، وقفه‌ای در اجرای پروژه دستیار هوشمند وزارت صمت ایجاد نشد و روند توسعه سامانه به‌صورت پیوسته ادامه پیدا کرد.