دستیابی به فناوریهای نوین، موجب کاهش وابستگی به سایر کشورهاست
تاریخ انتشار: ۱۳ تیر ۱۴۰۰ | کد خبر: ۳۲۴۳۷۹۰۵
وزیر علوم، تحقیقات و فناوری در مراسم افتتاحیه مرکز سلولهای بنیادی بازساختی دانشگاه تربیت مدرس با تاکید بر اینکه توان دانشی باید در جهت رفع نیازهای مختلف مردم و جامعه باشد، اظهار کرد: دستیابی به علوم و فناوریهای نوین، موجب حرکت به سوی رفع نیازها با تکیه بر دانش و متعاقب آن کاهش وابستگی به سایر کشورهاست.
بیشتر بخوانید:
اخباری که در وبسایت منتشر نمیشوند!
به گزارش ایسنا و به نقل از اداره کل روابط عمومی وزارت علوم، دکتر منصور غلامی در آیین افتتاح مرکز جامع سلولهای بنیادی دانشگاه تربیت مدرس گفت: ما در حوزه علوم و فناوری دستاوردهای ارزشمندی در دانشگاهها و مراکز علمی پژوهشی داریم که حرف اول را در دنیا در خیلی از رشته گرایشها میزند. آنچه که انتظار میرود این است که این یافتههای علمی و توان دانشی را در اختیار جامعه و برای رفع نیازهای مختلف مردم عزیزمان قرار دهیم.
وزیر علوم افزود: حرکت و گرایشی که به این سمت در بازه زمانی ۱۰ ساله رخ داده است، شتاب امیدوارکنندهای در سالهای اخیر گرفته است. دسترسی به علوم جدید و ابداع فناوریهای نوین کمک کرده که امروز در شرایطی قرار بگیریم که کم کم به سمت تامین نیازهای مهم و دانشبنیان حرکت کنیم و برای رفع نیازها و متعاقب آن به کاهش وابستگیها، به سطح سایر کشورهای پیشرفته برسیم.
دکتر غلامی ادامه داد: از دکتر ستاری تشکر ویژه میکنم به این دلیل که در این سالهایی که در وزارت علوم حضور داشتم، همکاریهای نزدیک، پشتیبانیهای دلسوزانه و حمایتهای آیندهنگرانه ایشان بسیار به ما کمک کرد. برخلاف آنچه در روزهای اول احساس دوگانگی بین این دو مجموعه وجود داشت و اینطور القا میشد ولی در حال حاضر میگویم که یکپارچکی و اتحاد و هماهنگی بسیار چارهساز و کارساز است.
وی در ادامه تاکید کرد: ما در مجموعه دولت تلاش داریم که مسیرها را هموار کنیم و در این راستا سهلگیری بیشتری برای کوتاه کردن مراحل بروکراتیک در دستور کار قرار دادیم و همچنان آن را پیگیری میکنیم.
غلامی با اشاره به جدایی مجموعههای علمی علوم پزشکی و مجموعه مربوط به علوم و فناوری گفت: باید تلاش کرد این دو مجموعه از لحاظ فکری و عملیاتی به یکدیگر نزدیک شوند. خوشبختانه دانشگاه تربیت مدرس با داشتن دانشکده علوم پزشکی، ظرفیت خوبی را در اختیار دارد که به خوبی میتواند از آن استفاده کند.
وزیر علوم با اشاره به اینکه حتماً باید در مجموعه وزارت علوم و بهداشت تلاش شود، جامعه علمی تا حد ممکن روز به روز به یکدیگر نزدیک شوند، تصریح کرد: محل استقرار اغلب دانشگاههای بزرگ علوم پزشکی و غیرپزشکی نزدیک و همسایه هستند و باید تدابیری برای تشویق و تسهیل همکاریهای این دو مجموعه اندیشیده شود.
دکتر غلامی اضافه کرد: بخش مربوط به سلولهای بنیادی که بخش مهم آن در حوزه پزشکی بازساختی به کار گرفته میشود به عنوان یک سرمایه عظیم و به روز باید در همه جوانب مورد حمایت قرار گیرد؛ اینکه دانشگاه تربیت مدرس این پیشقدمی را انجام داده و مرکزی به این عنوان فعال کرده و قرار است آن را تکمیل کند، اتفاق بسیار خوبی است و تبریک میگویم.
وی در ادامه خاطرنشان کرد: شرکتهایی که در حوزه سلولهای بنیادی فعالیت میکنند، نیاز به حمایت دارند اما این شرکتها در آینده به درآمدهای خوبی دست خواهند یافت. دنیا پیشبینی کرده در دو دهه آینده جریان درآمدزایی در این حوزه جریان قوی و پرسودی خواهد بود.
وزیر علوم، تحقیقات و فناوری همچنین تاکید کرد: نباید نگاهمان را به تامین نیازهای داخلی معطوف کنیم؛ یکیاز آفتهای بزرگ پیش رو که میتواند نگرانکننده باشد، واردات محصولاتی است که شرکتهای دانشبنیان برای تولید آن محصولات اقدام کردهاند. در این راستا باید یک مدیریت و ساماندهی اتفاق بیفتد تا واردات محصولاتی که در داخل تولید میشود، کنترل و نظارت و از سوی دیگر، مسیر صادرات نیز حتماً باز شود.
انتهای پیام
منبع: ایسنا
کلیدواژه: منصور غلامی وزير علوم دانشگاه تربيت مدرس دانشگاه تربیت مدرس سلول های بنیادی وزیر علوم
درخواست حذف خبر:
«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را بهطور اتوماتیک از وبسایت www.isna.ir دریافت کردهاست، لذا منبع این خبر، وبسایت «ایسنا» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۲۴۳۷۹۰۵ 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.