اختصاص ۲۵۰۰ میلیارد ریال تسهیلات کرونایی برای استارتاپها
تاریخ انتشار: ۲۰ تیر ۱۳۹۹ | کد خبر: ۲۸۵۸۳۳۸۳
«مهدی محمدی» روز جمعه در گفت و گو با خبرنگار اقتصادی ایرنا، در خصوص تسهیلاتی که از اسفند ماه در اختیار کسبوکارها گذاشته شده است، گفت: یکسری از شرکتهای بخش خصوصی و استارتاپهایی که در حوزه دیجیتال فعال بودند با شیوع کرونا با آسیب جدی رو به رو شدند. معاونت علمی ریاست جمهوری با مشارکت صندوق نوآوری شکوفایی، برای کمک به آنها برنامهای ترتیب داد تا آنها کسب و کار آنها از دور خارج نشود.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
محمدی خاطرنشان کرد: در فاز اول تمرکز خود را بر حوزههایی گذاشتیم که به کمکهای مستقیم مانند زیرساخت، کمک فنی و تسهیلات نیاز داشتند که به واسطه آن بتوانند کسبوکارشان را توسعه دهند. این شکل از همراهی را بیشتر در حوزههایی مانند آموزش مجازی و سلامت آنلاین انجام دادیم.
«با این برنامه تا سقف ۵۰۰ میلیون تومان برای شرکتهای دانشبنیان و تا سقف ۴۰۰ میلیون برای شرکتهای خلاق تسهیلات آسیب دیدگی از کرونا تخصیص پیدا کرد. این باعث شد بخش زیادی از شرکتهای دانشبنیان و مجموعههای خلاقی که با این پاندومی آسیب دیدند، وارد فاز دریافت وام با نرخ بهره اندک یا تنفس ۶ ماهه شوند و مشکلات خود را حل کنند.»
وی بابیان این که امکان استفاده از دیتاسنترهای بخش خصوصی، شرکت ارتباطات زیرساخت و سازمان فناوری را برای برخی از کسبوکارها مهیا کرد، افزود: برای برخی از کسبوکارها در مقطعی از اسفندماه علاوه بر کمک فنی، کمک مالی نیز در نظر گرفته شد تا بتوانند کسبوکار خود را توسعه بدهند.
«کمپین «کرونا پلاس» از دیگر اقداماتی بود که از سوی معاونت علمی برای حمایت از استارتاپهای آسیبدیده از کرونا شکل گرفت.» دبیر ستاد توسعه فناوری های حوزه اقتصاد دیجیتال و هوشمندسازی با این توضیح ادامه داد: در این کمپین استارتاپها باید راهحلهایی در حوزه سلامت، آموزش، خرده فروشی آنلاین و استفاده از فناوریهای جدید برای رویارویی با مشکلات ارائه دهند تا به واسطه آن حضور در قرنطینه برای مردم راحتتر شود.
در این کمپین ۶۰۰ استارتاپ حضور پیدا کردند که پس از ارزیابیهای اولیه ۳۸۰ استارتاپ که سرویس بهترین ارائه میدادند برای قرار گرفتن در لیست کمک مالی انتخاب شدند.
محمدی گفت: از این تعداد ۱۸۰ استارتاپ به شکل مستقیم بین ۵۰ تا ۱۵۰ میلیون تومان با تنفس شش ماه حمایت مالی دریافت خواهند کرد. این تسهیلات مالی به شرط بزرگ شدن و توسعه کسبوکار قابل تبدیل به بلاعوض هستند و از کسبوکار نیازی نیست آن را برگرداند.
وی درباره ۲۰۰ کسبوکار دیگر گفت: آنها خدمات فنی مانند زیرساخت، تبلیغات، سروری، شبکه و تخفیف ۱۰ میلیون تومانی برای استفاده از زیرساخت دریافت کردند.
دبیر ستاد توسعه فناوریهای حوزه اقتصاد دیجیتال و هوشمندسازی از آغاز کار مشترک با وزارت ارتباطات خبر داد و گفت: پهنای باند و گسترش آن جزو وظایف وزارت ارتباطات است و اکنون این توسعه هم داخلی هم بینالمللی به شکل خوبی در حال پیشرفت است. یکی از نیازهای امروز کسبوکارها، دیتاسنتر و سرور موردنیاز برای گسترش کسبوکارشان است.
محمدی با تاکید به این که زمانی که شرکتها بزرگ میشوند دیگر سرورهای قدیمی جوابگوی نیاز آنها نیست، افزود: کار مشترکی با وزارت ارتباطات انجام دادیم تا هشت دیتاسنتر در شهرهای مختلف که سازمان فناوری اطلاعات در سالهای گذشته در روی آن سرمایهگذاری کرده را انتخاب کنیم و با رفع کردن مشکلاتی که از نظر زیرساختی دارند، آن را در اختیار کسبوکارها قرار دهیم.
به گفته دبیر ستاد توسعه فناوریهای حوزه اقتصاد دیجیتال و هوشمندسازی، با به روز کردن این دیتاسنترها و قرار دادنشان در مدار، حدود ۱۵ درصد به ظرفیت دیتاسنترها اضافه خواهد شد.
برچسبها ویروس کرونا مهدی محمدی سازمان فناوری اطلاعاتمنبع: ایرنا
کلیدواژه: ویروس کرونا مهدی محمدی سازمان فناوری اطلاعات ویروس کرونا مهدی محمدی سازمان فناوری اطلاعات استارتاپ ها کسب وکارها کسب وکار شرکت ها
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت www.irna.ir دریافت کردهاست، لذا منبع این خبر، وبسایت «ایرنا» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۲۸۵۸۳۳۸۳ 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.