تصمیم دولت برای تحول در نظام اداری و بهبود نظام کشورداری

دبیر هیات دولت از تصمیم دولت برای تحول در نظام اداری و بهبود نظام کشورداری خبرداد.

پایگاه اطلاع رسانی دولت: دبیر هیات دولت از تصمیم دولت برای تحول در نظام اداری و بهبود نظام کشورداری خبرداد.محسن حاجی میرزایی دبیر هیات دولت گفت: نظام اداری متشکل از مجموعه شناسائی، جذب، احراز شایستگی، آموزش، انتصاب، ارتقا، جبران خدمات، ارزیابی و بازنشستگی است که در یک پیوستگی عمیق کارکردی قرار دارند و هریک از کارکردها از کارکردهای دیگر حمایت و پشتیبانی می کند.

بیشتر بخوانید: اخباری که در وبسایت منتشر نمی‌شوند!
موضوع اصلاح نظام اداری در جلسه یکشنبه هیات وزیران در دستور کار دولت قرار داشت. این جلسه از جمله جلسات جذاب دولت بود که اکثریت اعضای مشارکت خوبی داشتند و گرمی بحث کاملا حس می شد. از زوایای مختلف، اصلاح نظام اداری مورد بررسی قرار گرفت. هر کدام از اعضا، تجربیات ارزنده ای داشتند که به اشتراک گذاشتند. رئیس جمهوری هم به دقت تمامی مباحث را دنبال می کرد و در مواردی با طرح سوال یا ابهام زمینه را برای ارزیابی دقیق تر بحث فراهم می کرد.

معاون اول رئیس جمهوری از دغدغه هایی گفتند که اجرای تصمیمات را با مشکل مواجه می کند و بر لزوم شکل گیری اراده قوی در دستگاه ها برای اجرای تصمیمات تاکید کردند،این گونه مباحث داغ در روزهای آغازین دولت به ویژه برای برای اعضای جدید دولت تصویر روشنی از پیچیدگی ها و دشواری های اداره کشور را آشکار می کرد.

واقعیت آن است که در طی چند دهه اخیر همواره یکی از موضوعات مهمی که مورد توجه دولت و مجلس بوده، اصلاح و بهینه سازی نظام اداری به عنوان مهم ترین رکن نظام کشورداری بوده است. در این مدت دستاوردهایی به دست آمده است اما همچنان به نظر می رسد که این مجموعه نیازمند اصلاحات جدی تر و عمیق‌تر است.

در برنامه های توسعه پنج ساله بر کاهش نیروی انسانی و کوچک سازی دولت؛اصلاح ساختار تشکیلاتی دولت و کاهش تعداد وزارتخانه ها، سازمانها و سطوح تشکیلاتی؛ اصلاح روش ها و فرآیندها و توسعه دولت الکترونیک؛ هماهنگی در مقررات استخدامی و نظام پرداخت؛ کاهش تصدی ها و انحصارات، رقابتی کردن فعالیت های خدماتی و اقتصادی دولت و تمرکز زدائی از اداره امور و تقویت اختیارات مناطق تاکید شده است. هرچند در هریک از این اهداف نتایجی نیز حاصل شده است اما تحقق قاطع و کامل این اهداف همچنان با چالش های بسیاری روبروست. برای دستیابی به یک نظام کشورداری شفاف، قدرتمند، تسهیل گر، توسعه گرا راه بسیار بلندی در پیش داریم. شاید آنقدر که به مسایل دیگر (امور مختلف کشورداری) پرداختیم، اگر به این مساله یعنی نحوه و نظام کشورداری می پرداختیم اکنون اوضاع بهتری داشتیم.

رمزگشایی از پایداری مشکلات کشور و ناکارآمدی تدابیر اتخاذ شده در دستیابی به اهداف ما را به این جمع بندی می رساند که مساله را باید در لایه های عمیق تری بررسی کنیم و آن نظام کشورداری است.

گیاهان برای رشد نیازمند مجموعه ای از بسترها هستند که در فقدان این بسترها تحقق مقاصد ممکن نخواهد بود. ما نمی توانیم به رشد یک گیاه فرمان بدهیم درحالی که مجموعه زمینه های رشد آن فراهم نباشد.

همین گونه است نقش نظام کشورداری و اهداف توسعه ای. اهداف توسعه ای با فرمان محقق نمی شود. بلکه باید بستر آن را فراهم کرد. بستر حرکت یک قطار ریل و محیط زندگی و رشد یک ماهی آب است در فقدان ریل و آب سخن گفتن از توسعه حمل و نقل با قطار و پرورش یک ماهی سخنی گزاف است.

نظام اداری ما یک مجموعه به هم پیوسته است. تجزیه این نظام به زیر نظام های گسسته و بدون در نظر گرفتن ارتباط ارگانیک زیرمجموعه ها با یکدیگر، موجب ایجاد اختلال اساسی در رشد هماهنگ و موزون نظام اداری است.

نظام اداری متشکل از مجموعه شناسائی، جذب، احراز شایستگی، آموزش، انتصاب، ارتقا، جبران خدمات، ارزیابی و بازنشستگی است که در یک پیوستگی عمیق کارکردی قرار دارند و هریک از کارکردها از کارکرد های دیگر حمایت و پشتیبانی می کند. این پیوستگی در مجموعه قوانین و مقررات جاری ما مورد غفلت اساسی قرار گرفته است. به عنوان مثال اگر بین نظام پرداخت و نظام ارزیابی ارتباط وثیق و موثری برقرار نباشد انتظار ارتقای کارآیی نیروی انسانی انتظار واقع بینانه ای نیست.

همین استدلال را می توان به دیگر اهداف مهم تحول در نظام اداری از جمله در کاهش تصدی ها و انحصارات، رقابتی کردن فعالیت های خدماتی و اقتصادی دولت و تمرکز زدائی از اداره امور و تقویت اختیارات مناطق و همچنین توسعه دولت الکترونیک هم بسط داد. روشهائی که تاکنون مورد استفاده قرار گرفته است ما را به نتائج گذشته رهنمون می شوند و برای دستیابی به نتایج متفاوت نیازمند نگرشی کاملا متفاوت به این اصلاحات هستیم. اهتمام به این زمینه ها در همگرائی کامل دولت و مجلس میسر خواهد بود.

منبع: فردا

درخواست حذف خبر:

«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.fardanews.com دریافت کرده‌است، لذا منبع این خبر، وبسایت «فردا» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۱۴۶۳۵۹۱۶ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.

با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.

خبر بعدی:

داده‌های آموزشی هوش مصنوعی عرصه جدید رقابت شرکت‌های بزرگ فناوری

به گزارش خبرنگار مهر؛ با ظهور و توسعه روزافزون هوش مصنوعی طی سال‌های اخیر، این فناوری تحول‌آفرین به بخشی جدایی ناپذیر از صنایع مختلف تبدیل شده است و فرآیندها و تصمیم‌گیری ها را به شکلی عمیق تحت تأثیر قرار داده است. همین امر سبب ظهور رقابتی شدید میان شرکت‌های فناوری برای عرضه ارائه خدمات مبتنی بر هوش مصنوعی شده است. در چنین شرایطی، داده‌های آموزشی در کنار توان محاسباتی و الگوریتم‌ها، یکی از ارکان اساسی و تعیین کننده در توسعه این فناوری محسوب می‌شوند. داده‌های آموزشی به عنوان پایه‌ای برای الگوریتم‌های یادگیری ماشینی جهت یادگیری و بهبود عملکرد هوش مصنوعی عمل می‌کنند و همین امر، دستیابی به داده‌های مذکور را در مرکز رقابت استارتاپ‌های هوش مصنوعی و غول‌های فناوری قرار داده است. بازیگران کلیدی این عرصه، رقابت برای دستیابی به داده‌های آموزشی با کیفیت بالا را آغاز کرده‌اند.

داده‌های آموزشی هوش مصنوعی (AI training data) به مجموعه اطلاعات مورد استفاده برای آموزش مدل‌های هوش مصنوعی اطلاق می‌شود. بسته به نوع مدل هوش مصنوعی در حال توسعه، این داده ها می‌توانند به اشکال مختلفی مانند متن، تصویر، ویدئو یا داده‌های عددی مورد استفاده قرار گیرند.

به عقیده طیف گسترده‌ای از کارشناسان، داده‌های آموزشی آینده نوآوری در حوزه هوش مصنوعی را شکل می‌دهند.

نقش داده‌های آموزشی در توسعه هوش مصنوعی

داده‌های آموزشی نقش مهمی در شکل دادن به رفتار و قابلیت‌های الگوریتم‌های هوش مصنوعی ایفا می‌کنند. توسعه‌دهندگان می‌توانند با قرار دادن مدل‌های یادگیری ماشینی در معرض مقادیر زیادی از داده‌های آموزشی برچسب‌گذاری شده، آن‌ها را برای تشخیص الگوها، پیش‌بینی و انجام وظایف با دقت بالا آموزش دهند. همه انواع متنوع برنامه‌های مبتنی بر هوش مصنوعی از جمله تشخیص تصویر، پردازش زبان طبیعی یا رانندگی خودکار، برای دستیابی به عملکرد بهینه و افزایش توان، به شدت به مجموعه‌های داده آموزشی متنوع و غنی متکی هستند.

شرکت‌های بزرگ فناوری و داده‌های آموزشی هوش مصنوعی

غول‌های فناوری آمریکایی مانند گوگل، آمازون، متا، مایکروسافت و اپل در خط مقدم تحقیق و توسعه هوش مصنوعی قرار دارند و از منابع وسیعی برای عبور از مرزهای نوآوری و پیش‌برد فناوری استفاده می‌کنند. به عقیده کارشناسان، این شرکت‌ها اهمیت استراتژیک داده‌های آموزشی را در افزایش قابلیت‌های سیستم‌های هوش مصنوعی خود و به دست آوردن مزیت رقابتی در بازار می‌شناسند. در نتیجه، رقابت شدیدی بین غول‌های فناوری برای به دست آوردن داده‌های آموزشی با کیفیت بالا وجود دارد که می‌تواند به ابتکارات فناورانه آن‌ها در بخش هوش مصنوعی کمک کند.

چالش‌ها در دستیابی به داده‌های آموزشی

در حالی که با توسعه روزافزون هوش مصنوعی و نیاز رو به رشد بازار تقاضا برای داده‌های آموزشی همچنان در حال افزایش است، شرکت‌ها با چالش‌های مختلفی در دسترسی به منابع و استفاده مؤثر از داده‌ها مواجه هستند. نگرانی‌های حریم خصوصی داده‌ها با قوانینی از جمله مانند مقررات عمومی حفاظت از داده اروپا (GDPR) که دستورالعمل‌های سخت‌گیرانه‌ای را در مورد جمع‌آوری و استفاده از داده‌های شخصی اعمال می‌کند، به یک موضوع مهم تبدیل شده است. علاوه بر این، اطمینان از تنوع و نمایندگی داده‌های آموزشی برای جلوگیری از تعصب، سوگیری و اطمینان از استحکام مدل‌های هوش مصنوعی ضروری است.

راهبردهای موجود برای تولید داده‌های آموزشی

شرکت‌های بزرگ فناوری برای مقابله با چالش‌های موجود در مسیر دستیابی به داده‌های آموزشی، در حال بررسی استراتژی‌های نوآورانه جهت تولید مجموعه داده‌های متنوع و با کیفیت هستند. در چنین شرایطی پلتفرم‌های جمع‌سپاری به سازمان‌ها این امکان را می‌دهند که داده‌ها را از مجموعه بزرگی از مشارکت‌کنندگان جمع‌آوری کنند و آن‌ها را قادر می‌سازد تا مجموعه داده‌های خود را به طور مؤثر مقیاس‌بندی کنند. علاوه بر این، تکنیک‌های تولید داده مصنوعی برای تقلید سناریوهای دنیای واقعی نیز بخشی کلیدی از داده‌های آموزشی هستند که از سوی شرکت‌ها مورد استفاده قرار می‌گیرند.

تأثیر کیفیت داده‌های آموزشی بر عملکرد هوش مصنوعی

کیفیت داده‌های آموزشی به طور مستقیم بر عملکرد و قابلیت اطمینان مدل‌های هوش مصنوعی تأثیر می‌گذارد. مجموعه داده‌های ضعیف یا دارای سوگیری می‌توانند منجر به پیش‌بینی‌های نادرست شوند و تعصبات موجود در سیستم‌های هوش مصنوعی را تقویت کنند. برای کاهش این مسائل، شرکت‌ها باید فرآیندهای تضمین کیفیت داده‌ها را اولویت بندی کنند و اقداماتی را برای شناسایی و اصلاح سوگیری‌ها در داده‌های آموزشی خود اجرا کنند.

چارچوب‌های قانونی برای داده‌های آموزشی هوش مصنوعی

در طول سال‌های اخیر و به منظور پاسخ به نگرانی‌های فزاینده در مورد حفظ حریم خصوصی داده‌ها و اخلاقیات، برخی چارچوب‌های نظارتی برای کنترل مدیریت داده‌های آموزشی در توسعه هوش مصنوعی ایجاد شده‌اند. از همین روی، شرکت‌ها ملزم به رعایت مقررات حفاظت از داده‌ها و اطمینان از شفافیت در شیوه‌های جمع آوری داده‌های خود هستند. رعایت این مقررات برای ایجاد اعتماد در میان کاربران و ذی‌نفعان و کاهش خطرات مرتبط با سو استفاده از داده‌ها ضروری است.

روندهای آینده در داده‌های آموزشی هوش مصنوعی

با نگاهی به آینده، انتظار می‌رود که پیشرفت در روش‌های جمع‌وری منابع داده، کیفیت و تنوع داده‌های آموزشی در دسترس توسعه‌دهندگان هوش مصنوعی را افزایش دهد. تکنیک‌هایی مانند شبکه‌های زایای دشمن‌گونه (Generative Adversarial Networks) یادگیری انتقالی (transfer learning)، مدل‌ها را قادر می‌سازد که از منابع داده محدود استفاده کنند و به طور مؤثر وظایف جدید را بیاموزند. علاوه بر این، اتخاذ رویکردهای یادگیری فدرال (federated learning) امکان آموزش غیرمتمرکز در مجموعه داده‌های توزیع شده را فراهم و حریم خصوصی داده‌ها را حفظ می‌کند. این مدل‌ها همچنین عملکرد مدل را بهبود می‌بخشند.

نتیجه‌گیری

رقابت بین شرکت‌های بزرگ فناوری برای به دست آوردن داده‌های آموزشی هوش مصنوعی بر اهمیت استراتژیک داده‌ها در هدایت نوآوری این فناوری افزوده است. از آنجایی که شرکت‌ها پیچیدگی‌های جمع‌آوری و استفاده از داده‌ها را درک می‌کنند، اطمینان از کیفیت، تنوع و انطباق آن‌ها با مقررات بسیار مهم و حیاتی شده است. سازمان‌ها با قرار گرفتن در خط مقدم روندهای نوظهور تولید و استفاده از داده‌های آموزشی، می‌توانند از پتانسیل کامل فناوری هوش مصنوعی بهره ببرند و راه حل‌های تأثیرگذاری را برای چالش‌های جهانی این حوزه ارائه دهند.

چشم‌انداز داده‌های آموزشی هوش مصنوعی، با پیشرفت در تکنیک‌های جمع‌آوری و افزایش حجم داده‌ها، به طور مداوم در حال تغییر است. با ادامه رشد تقاضا برای برنامه‌های کاربردی هوش مصنوعی در صنایع، نیاز به داده‌های آموزشی با کیفیت بالا و متنوع افزایش می‌یابد. در چنین شرایطی شرکت‌هایی که می‌توانند به‌طور مؤثر چالش‌های کسب و استفاده از داده‌های آموزشی را پشت سر بگذارند، در بازار هوش مصنوعی مزیت رقابتی به دست خواهند آورند و نوآوری در این زمینه را هدایت خواهند کرد.

در عصر پیشرفت سریع هوش مصنوعی، رقابت برای داده‌های آموزشی این حوزه صرفاً به دست آوردن حجم وسیعی از داده‌ها نیست؛ بلکه اطمینان از کیفیت، ارتباط و استفاده اخلاقی از داده‌ها نیز مسائل کلیدی این حوزه محسوب می‌شوند. شرکت‌ها می‌توانند با اولویت دادن به یکپارچگی و تنوع داده‌ها، مدل‌های هوش مصنوعی قوی، بی‌طرفانه و توانمند بسازند. با تشدید رقابت بین شرکت‌های بزرگ فناوری، کسب مزیت در استفاده از داده‌های آموزشی همچنان یک تمایز کلیدی در چشم‌انداز هوش مصنوعی خواهد بود.

کد خبر 6096023