
اهمیت هوشمندسازی صنایع با هدف کاهش مصرف انرژی و افزایش بهرهوری و چگونگی رسیدن به آن موضوعی است که در پنل «هوش مصنوعی در صنعت؛ فرصتها، الزامها و تجربههای ایران» در روز دوم هجدهمین کنفرانس ملی و چهاردهمین کنفرانس بینالمللی مدیریت فناوری و نوآوری مورد بحث و تبادلنظر کارشناسان قرار گرفت. این نشست با حضور محمد موسیزادهموسوی، مدیرعامل صندوق پژوهش و فناوری اقتصاد دیجیتال، وحید شاهمنصوری، رئیس مرکز تحقیق و توسعه همراه اول، حمید رجایی، مدیر توسعه محصول، فناوری و نوآوری پتروشیمی نوری، محمدرضا معبودیان، رئیس کمیسیون هوش مصنوعی نظام صنفی رایانهای تهران و محمد نقیزاده، رئیس هیئت مدیره شرکت مشاوره فرا حضور داشته و مهدی اوجایی، مدیرمحصول کارخانه هوشمند شرکت مشاوره فرا نیز در قامت دبیر این پنل حضور داشت. در ادامه مشروح این پنل آورده شده است.
امکان استفاده از هوش مصنوعی در واحدهای صنعتی بسیار محدود است
محمد نقیزاده، رئیس هیئت مدیره شرکت مشاوره فرا: امروز وضعیت کشورمان از لحاظ بهرهوری صنعتی که حالا با واژههای مختلف مانند ناترازی انرژی هم از آن یاد میشود، به نقطهای رسیده که یک سؤال جدی نسبت به آن وجود دارد و آن هم اینکه اگر ما به دنبال راهکارهای کوتاه مدتی برای تسکین آنیم که بعد راهکارهای بلندمدتمان هم جواب بدهد، این راهکارها چه خواهد بود؟ چند روز پیش بالاخره وزیر فناوری اطلاعات اعلام کرده تنها مکانیسمی که برای رفع ناترازیها داریم، بحث هوشمندسازی است. اصولاً تا وقتی نتوانیم یک آیتمی را اندازهگیری کنیم، طبیعتاً نخواهیم توانست آن را هم مدیریت کنیم. نکتهای که میخواهم بگویم آن است که تنها مکانیسم در اختیار ما بهصورت معنادار، مکانیسم هوشمندسازی است و خطرات عدم حرکت به سمت هوشمندسازی هم قطعاً از خطرات عدم حرکت به آن بیشتر خواهد بود. درحالیکه میبینیم سازمانهایی مانند افتا و امثال آن به این حوزه ورود کرده و مرتباً نسبت به مباحث مربوط به عرصه سایبری ایجاد ترس میکنند.
مشکلی که ما در زمینه هوش مصنوعی داریم از کف سازمانها شروع میشود؛ چراکه در کف سازمان سنسورها را داریم که خودشان بخشی از پازل به شمار میروند. در لایه بالاتر PLSها را میبینیم و بعد از آن در لایه بالاتر بحث نظارت بر دادههای تجیمعشده را داریم. دنیا از سالهای 2007 و 2008 به این سمت رفت که امکان مدیریت هوشمند دادهها را فراهم کند. الان هم با ورود هوش مصنوعی ما بهاحتمال زیاد این امکان را خواهیم داشت که خود هوش مصنوعی براساس دادهها، بتواند تصمیمگیری کند. به بحث سنسورها برگردیم، باید بگویم که ما در ایران سنسورها را در کارخانههایمان تقریباً داریم، یعنی در کارخانهای که طی 20 سال گذشته، تجهیزات جدید وارد شده، تقریباً زیرساختهای اولیه آن فراهم شده است. برخی مشکلات هم مربوط به بحث PLS است، اما واقعیت این است که در این زمینه دو برهه را از دست دادهایم. یک برهه همزمان با شروع تحریمها بود و دومین برهه هم بهخاطر انتظاری که از لغو تحریمها داشتیم و به همین دلیل سرمایهگذاری درستی در این بخش انجام ندادیم، یعنی چون اصولاً سیستمهای صنعتی ما غربی بود و هرگاه با کارخانهها صحبت میکردیم، اینطور عنوان میشد که باید در ابتدا تحریمها لغو شود و مثلاً فلان تجهیز آلمانی یا انگلیسی وارد کشور شود بعد بحث ارتقای سیستمها را دنبال میکنیم. به همین دلیل لایههای SK2 و PLS را در اکثر واحدهای صنعتیمان از دست دادهایم، البته ممکن است در بخشی از مگاترندهای صنعتی به دلیل ماهیت سرمایهگذاری سنگینی که دارند، شاهد وجود سرمایهگذاریهایی در این زمینه باشیم، اما به صورت کلی ما این دو لایه را از دست دادهایم. یکی دیگر از چالشهایی که ما امروز در واحدهای صنعتیمان داریم، بحث خود داده، یعنی ما به دلیل اینکه نتوانستهایم داده را در ساختارهای مشخص تجمیع کنیم عملاً این لایه را از دست دادهایم. دیگر امکان استفاده از هوش مصنوعی با هدف خلق ثروت در واحدهای صنعتی ما بسیار محدود شده و به همین دلیل اول باید مرحله قبل را با یک میانبر پر و زیرساخت داده را با سرعت در کشور فراهم کنیم. ترکیه هم که از ما جلوتر بوده، تازه 10 یا 12 سال است که در این حوزه سرمایهگذاری میکند. آنها در برنامه صنعتی جدید خود روی شاخص OEE سرمایهگذاری کردهاند تا آن را به عدد 40 تا 45 درصد ارتقا دهند. متأسفانه در کشور ما میانگین بهرهوری یک ماشین حدود 25 درصد است، درحالیکه این عدد در کشورهای صنعتی 80 درصد اعلام میشود. تا زمانی که نتوانیم بحث هوشمندسازی را حل و این اعداد را محاسبه کنیم، حرفهایی که درباره رفع ناترازیها و افزایش بهرهوری میزنیم، بیشتر شبیه به شوخی تلخ است.
هیچ داده صنعتی در کشور تولید نمیشود
محمدرضا معبودیان، رئیس کمیسیون هوش مصنوعی نظام صنفی رایانهای تهران: چند موضوع را باید بگویم. اولین مسئله بحث ریرساخت است. ما وقتی درباره هوش مصنوعی در صنایع صحبت میکنیم، قطعاً هرکسی که هوش مصنوعی و تولید مدلهای آن را مدنظر قرار میدهد، شاید اینگونه تصور کند که بحث ترید کردن مدلها چالش اصلی است و ما در آنجا نیاز به هوش مصنوعی داریم. اما وقتی به صنایع میرویم و میخواهیم از مدلها بهرهوری کنیم مشکل interest کردن GPU را داریم، یعنی در اینجا شکاف بزرگی داشته و نیاز داریم تا اپراتورها بتوانند در همه بخشهای صنایع برای interest کردن مدلهای مختلف، شرایط و بستر لازم را داشته باشند که متأسفانه اینگونه نیست و شکاف موجود در این بخش در کشور ما بسیار زیاد است.
موضوع دوم بحث داده است، ما دادههای صنعتی تقریباً تولید نمیکنیم و در بهترین حالت صنایع ما دادههای خودشان را برای خودشان نگه دارند. سؤال این است که ما از مدل و دادهای که در یک بخش ایجاد و استفاده شده، میتوانیم در دیگر بخشها هم استفاده کنیم؟ جواب به این سؤال در ایران منفی است، یعنی مدلهایی که در صنایع ما تولید میشود تنها در همان صنعت در بهترین حالت scale up میشود و برای صنایع هم عرض خودش این امکان وجود ندارد. عملاً امروز چه در پتروشیمی، نفت، فولاد، مس و... این چالش به صورت جدی وجود دارد. موضوع دیگر هم نگاه مدیریتی است. متأسفانه ما مدیران اکثراً بهصورت کلی ثباتگرا هستیم. وقتی درباره هوش مصنوعی و تحول دیجیتال صحبت میکنیم، قطعاً باید بهدنبال تحول باشیم و وجود نگاه ثباتگرا در بین مدیران هم خودش یک داستانی شده است. وقتی مدیری به مجموعهای میآید، بهترین حالتش این است که وقتی میخواهد از آنجا برود، همان شرایط قبل را تحویل بدهد و این نگاه چالشی است که باعث شده عملاً پروژههای بزرگ هوش مصنوعی به حاشیه برود. آخرین موردی که در این بخش باید به آن اشاره کنم، بحث شکاف عرضه و تقاضا در حوزه هوش مصنوعی است، برخی صنایعمان نیاز واقعی دارند، اما عرضهکننده خوبی در کشور برای آنها وجود ندارد و در مقابل خدمات و محصولات خوبی عرضه شده اما تقاضایی برای آنها وجود ندارد. در این راستا باید یک حکمرانی در این زمینه داشته باشیم تا گپ این موجود را پوشش داده و اکوسیستم هوش مصنوعی صنعتی را در کشور ایجاد کنیم که متأسفانه در کشورمان وجود ندارد.
در شکلدهی اقتصاد هوش مصنوعی موفق عمل نکردیم
محمدموسیزادهموسوی، مدیرعامل صندوق پژوهش و فناوری اقتصاد دیجیتال: امروز وقتی با مجموعهها و افرادی که در هوش مصنوعی فعالیت میکنند، صحبت میکنیم میبینیم که هم جدیدترین محصولات و استارتاپها را میشناسند و هم دانش فنی خوبی در این زمینه دارند، یعنی بیشتر از آنچه باید به مسائل دیگر مرتبط با هوش مصنوعی توجه میکردیم، به حوزه دانش فنی این حوزه پرداختهایم. بارها پیشآمده در مجموعهای که فعالیت میکنیم، شرکتهایی را دیدهایم که حتی به مرحله عقد قرارداد با صنایع بالغ هم رسیدهاند اما میبینیم علیرغم دانش فنی که شرکت داشته، ولی شرکت اندازه چندان بزرگی ندارد، یعنی همانقدر که بارها میگوییم ما در حوزه توسعه دانش هوش مصنوعی موفق بودهایم، اما باید بگویم که در شاخص تولید مجموعههای اقتصادی و شکلدهی اقتصاد هوش مصنوعی نتوانستهایم موفق باشیم، یعنی نتوانستیم از سمتی با صنایع مذاکره کرده و بدانیم نیازها و اولویتهایشان چیست و مطمئن باشیم این سمت شرکتهاییاند که میتوانند به این نیازها پاسخ دهند. همانقدر که صنایع را گاهی متهم میکنیم به اینکه هوش مصنوعی را نمیشناسند و الزامات به کارگیری و مزایای آن را نمیدانند، تصور میکنم ظرفیتهای فنی هم بهگونه درستی در کشور ایجاد نشده است.
موضوع دیگر هم بحث مدیریتی است. مقالهای میخواندم با این موضوع که چرا بنگاههای مختلف بزرگ اقتصادی رفتارهای متفاوتی در به کارگیری حوزه AI دارند؟ آخر آن مقاله نتیجه گرفته بود که شناخت و فهم مدیر در حوزه هوش مصنوعی میتواند در نحوه استفاده از آن بسیار اثرگذار باشد. شاید در آن مقاله موضوع بحث بنگاههای اقتصادی باشد، اما اینجا بحث درباره صنایع به ویژه صنایعی که عمدتاً ماموریت محور بوده و یک نگاه دولتی نیز به آن وجود دارد. است. نباید این را فراموش کرد که قرار نیست افراد نسبت به کاری که انجام ندادهاند، پاسخگو باشند. این امر را همه ما میدانیم که این حوزه، حوزهای است که لزوماً خالی از ریسک نیست. واقعیت آن است که در برخی موارد هم شرکتها ظرفیت فنی لازم برای پاسخگویی به نیازها نداشتهاند. حلقه سوم هم آن است که باید افرادی را داشته باشیم که نیازها را برای شرکتهای فنی ترجمه کنند، یعنی من شرکت فنی و صنعت بالغ نباید دیالوگ مشترک با هم داشته باشیم و در دنیا نیز همینگونه است؛ چراکه برخی شرکتها را میبینیم که نقش مشاوره منتور را در این زمینه ایفا میکنند. فکر میکنم اکوسیستم هوشمندسازی ابعاد مختلفی دارد که شاید همه بخشهای آن به شکل یکسان شکل نگرفته است.
متن کامل گزارش زهرا رمضانی، خبرنگار گروه دانشگاه را در روزنامه فرهیختگان بخوانید.