خطای راهبردی در توسعه هوش مصنوعی فارسی

اباذر کریمی پنابندانی - عضو کمیسیون هوش مصنوعی سازمان نظام صنفی رایانه‌ای کشور و متخصص هوش مصنوعی: یکی از خطاهای تکرارشونده در سیاستگذاری فناوری کشور، یکسان‌سازی پیشرفت با «بزرگ‌تر شدن» است؛ خطایی که امروز در حوزه هوش مصنوعی فارسی، خود را در قالب تمرکز افراطی بر مدل‌های زبانی بزرگ نشان می‌دهد.

گویی تصور شده است که صرف افزایش اندازه مدل، می‌تواند خلأ داده، ضعف زیرساخت و فقدان کاربرد را جبران کند؛ تصوری که شواهد فنی خلاف آن را ثابت می‌کند. مدل‌های زبانی بزرگ فارسی به سرمایه‌گذاری‌های سنگین، توان پردازشی پایدار و دسترسی گسترده به داده‌های باکیفیت نیاز دارند.

این در حالی است که اکوسیستم داده‌ای فارسی نه‌تنها محدود، بلکه پراکنده و ناهمگون است. حاصل این نابرابری، تولید مدل‌هایی است که توسعه آنها زمان‌بر، بهره‌برداری از آنها دشوار و اثرگذاری‌شان در میدان عمل حداقلی است.

واقعیت آن است که توسعه هوش مصنوعی، بیش از آنکه مسئله «اندازه» باشد، مسئله «طراحی درست» است. در شرایطی که داده محدود است و زیرساخت پرهزینه، بزرگ‌تر کردن مدل نه‌تنها مزیت ایجاد نمی‌کند بلکه ناکارآمدی را تشدید می‌کند. در نقطه مقابل، تمرکز بر مدل‌های زبانی کوچک، تخصص‌محور و سبک مسیری واقع‌بینانه‌تر و اثربخش‌تر است. این مدل‌ها با داده کمتر آموزش می‌بینند، به زیرساخت پیچیده وابسته نیستند و سریع‌تر وارد چرخه استفاده می‌شوند.

از همه مهم‌تر، امکان به‌کارگیری آنها در مسائل مشخص و واقعی کشور وجود دارد؛ از صنعت و خدمات گرفته تا حکمرانی دیجیتال. مزیت راهبردی این نگاه زمانی شکل می‌گیرد که این مدل‌های کوچک در قالب یک بستر هوش مصنوعی متصل و هماهنگ کنار هم قرار گیرند. اصرار بر ساخت ابرمدل‌های زبانی فارسی، کشور را وارد رقابتی می‌کند که در آن نه مزیت نسبی داریم و نه امکان جبران فاصله.

در مقابل، انتخاب مسیر مدل‌های کوچک و متصل، فرصتی برای پیش‌دستی در یک الگوی نوین فراهم می‌کند؛ الگویی که هنوز در سطح جهانی به بلوغ کامل نرسیده و می‌تواند زمینه‌ساز برتری نسبی کشور شود. تحقق این تغییر نیازمند بازنگری جدی در سیاست‌های حمایتی و اولویت‌های ملی است. لازم است سیاست هوش مصنوعی کشور به‌صورت شفاف از پروژه‌های پرهزینه و کم‌اثر فاصله بگیرد و منابع به سمت ایجاد سکوهای هوشمند، چابک و کاربردمحور هدایت شود.