پیام مازند - ایران با کمبود شدید پردازنده‌های گرافیکی (GPU) با توان پردازشی بالا مانند A100 و H100 مواجه است؛ این کمبود، مانع بزرگی بر سر راه توسعه و گسترش کاربردهای هوش مصنوعی، به ویژه یادگیری عمیق، در کشور شده است. - اخبار اجتماعی -
به گزارش خبرنگار اجتماعی خبرگزاری تسنیم، توسعه هوش مصنوعی در ایران با چالش‌های زیرساختی و سخت‌افزاری متعددی روبه‌روست که از جمله مهم‌ترین آن‌ها می‌توان به کمبود تراشه‌ها؛ GPU و نبود زیرساخت داده‌ای منسجم اشاره کرد.
مقام معظم رهبری در بیانات خود بر لزوم تمرکز بر لایه‌های عمیق هوش مصنوعی تأکید کرده‌اند، لایه‌هایی که شامل سخت‌افزار، نرم‌افزار و داده می‌شوند و برای تحقق استقلال فناورانه کشور ضروری هستند.
در گفت‌وگوی اختصاصی تسنیم با دکتر بهروز مینایی؛ دبیر ستاد توسعه فناوری‌های هوش مصنوعی و رباتیک معاونت علمی، فناوری و اقتصاد دانش‌بنیان ریاست‌جمهوری و یکی از مدیران برجسته حوزه هوش مصنوعی کشورمان، ابعاد مختلف این چالش‌ها و راهکارهای پیشنهادی مورد بررسی قرار گرفته است.
مینایی با اشاره به وابستگی بالای ایران به واردات تراشه‌های گرافیکی پیشرفته مانند A100 و H100 این مسئله را مانعی اساسی در مسیر رشد فناوری هوش مصنوعی دانسته و بر اهمیت سرمایه‌گذاری در صنعت میکروالکترونیک تأکید کرد.
در این گفت‌وگو همچنین نقش بخش خصوصی و مراکز تحقیقاتی کشور در رفع کمبودها مورد توجه قرار گرفته است؛ مینایی با ذکر نمونه‌هایی از دستاوردهای سایر کشورها در تولید تراشه و توسعه فناوری، ضرورت ایجاد بازارهای داخلی و بین‌المللی برای تولیدات بومی را خاطرنشان کرد و همکاری با کشورهای عضو بریکس را یکی از راهکارهای راهبردی دانست.
در بخش دیگری از این مصاحبه، اهمیت لایه داده به‌عنوان یکی دیگر از محورهای اساسی توسعه هوش مصنوعی مورد بررسی قرار گرفته است. نبود یک بستر داده‌ای ملی و پراکندگی داده‌ها در کشور، از چالش‌هایی است که به گفته مینایی، توسعه مدل‌های هوش مصنوعی کارآمد را با مشکل مواجه کرده است.
دکتر بهروز مینایی؛ تحصیلات دانشگاهی خود را در رشته ریاضیات و علوم کامپیوتر آغاز کرد و پس از دریافت مدرک کارشناسی از دانشگاه قم، برای دوره کارشناسی‌ارشد در دانشگاه علم و صنعت ایران پذیرفته شد. بعد از فارغ‌التحصیلی در رشته مهندسی کامپیوتر، مینایی برای گذراندن دوره دکتری مهندسی و علوم کامپیوتر به دانشگاه ایالتی میشیگان ایالات متحده آمریکا رفت و سپس به کشور بازگشت.
از اقداماتی که رئیس دانشکده مهندسی کامپیوتر دانشگاه علم و صنعت ایران انجام داده، می‌توان به تأسیس بنیاد ملی بازی‌های رایانه‌ای، معاونت فنی دبیرخانه شورای عالی اطلاع‌رسانی، مدیریت نرم‌افزار موسسه نور، تأسیس مرکز توسعه بازی‌های رایانه‌ای دانشگاه علم و صنعت، ریاست کمیته تخصصی زیربنایی و تولیدی مرکز پژوهش‌های مجلس دفتر قم و مشاور مدیر حوزه‌های‌علمیه در امور هوش مصنوعی اشاره کرد.
بخش نخست مصاحبه با دکتر بهروز مینایی؛ دبیر ستاد توسعه فناوری‌های هوش مصنوعی و رباتیک معاونت علمی، فناوری و اقتصاد دانش‌بنیان ریاست‌جمهوری یا عنوان "صفرتاصد "سند ملی هوش مصنوعی ایران"؛ راهگشا یا مشکل‌آفرین؟" منتشر شده است. بخش دوم این مصاحبه نیز با عنوان ساخت مزارع GPU؛ ستون فقرات توسعه هوش مصنوعی در ایران منتشر شد.
در ادامه بخش سوم این مصاحبه را از نظر می‌گذرانید:
تسنیم: لایه‌های عمیق در حوزه هوش مصنوعی که مقام معظم رهبری بر روی آن تأکید داشتند، چیست؟
لایه‌های عمیق در هوش مصنوعی به سه بخش سخت‌افزار، نرم‌افزار و داده تقسیم می‌شود که نخستین و پایه‌ای‌ترین بخش آن، سخت‌افزار و به طور خاص تراشه‌ها هستند. درکشور ما نیز از تراشه در صنایع مختلفی مانند خودرو، مودم و حتی موشک استفاده می‌شود اما در زمینه تراشه‌های تخصصی مورد نیاز برای پردازش‌های پیچیده هوش مصنوعی به ویژه تراشه‌های گرافیکی (GPU)، وابستگی زیادی به واردات داریم.
یکی از برنامه‌های مهم معاونت علمی و فناوری ریاست جمهوری، توسعه صنعت میکروالکترونیک و تولید تراشه‌های داخلی است. برنامه ملی میکروالکترونیک در قالب یک برنامه ملی ویژه با همکاری چند ستاد معاونت علمی و نیز تعدادی از دانشگاه‌های کشور در اولویت قرار گرفته است و هدف آن کاهش وابستگی کشور به واردات تراشه و ایجاد زیرساخت‌های لازم برای توسعه هوش مصنوعی در کشور است.
تسنیم: آیا شرکت‌هایی مانند صاایران نیز می‌توانند با سرمایه‌گذاری و تحقیق و توسعه در این حوزه مشارکت کنند؟
یقیناً همکاری با بخش خصوصی و مراکز تحقیقاتی دفاعی و نظامی کشور می‌توانند نقش کلیدی در این مهم داشته باشند. اما نکته مهم این است که تمرکز بر تولید تراشه‌های گرافیکی (GPU) باید با توجیه اقتصادی همراه باشد و بازار مناسبی برای این محصولات ایجاد شود. سرمایه‌گذاری در این حوزه نیازمند منابع مالی قابل توجهی است و در صورتی که بازار داخلی و خارجی برای این محصولات وجود نداشته باشد، این سرمایه‌گذاری‌ها ممکن است به نتیجه نرسد.
ساخت مزارع GPU؛ ستون فقرات توسعه هوش مصنوعی در ایران کشورهای اصلی درگیر در تولید GPU برای فناوری هوش مصنوعی عبارتند از:
آمریکا : شرکت‌های بزرگی مانند Nvidia و AMD که در بازار پردازنده‌های گرافیکی پیشرو هستند. چین : به سرعت در حال رشد در تولید فناوری با شرکت‌هایی مانند هواوی و علی‌بابا که سرمایه‌گذاری زیادی روی سخت افزار هوش مصنوعی انجام داده‌اند. تایوان : شرکت تولید نیمه هادی تایوان TSMC یک بازیگر مهم در صنعت نیمه هادی است که برای بسیاری از شرکت‌های بزرگ فناوری جهان تراشه تولید می‌کند. کره جنوبی : شرکت‌هایی مانند سامسونگ و SK Hynix در صنایع حافظه و نیمه هادی‌ها بسیار مهم هستند. هلند : هلند نیز در تولید GPU فعال است؛ این کشور دارای صنعت نیمه‌هادی قوی است و شرکت‌هایی مانند ASML و NXP Semiconductors نقش مهمی ایفا می‌کنند. بخش نیمه‌هادی هلند به دلیل زنجیره ارزش کامل خود از تحقیق و طراحی گرفته تا تولید و ساخت تجهیزات شناخته شده است. این اکوسیستم سرمایه‌گذاری های قابل توجه و استعدادهای جهانی را جذب کرده و هلند را به یک بازیگر کلیدی در بازار جهانی نیمه هادی تبدیل کرده است. دیدن اینکه چگونه هلند به یک نیروگاه سیلیکونی تبدیل شده است شگفت انگیز است این کشورها نقش محوری در توسعه و تولید پردازنده‌های گرافیکی دارند که برای پیشرفت در فناوری هوش مصنوعی ضروری هستند. سایر کشورها حتی روسیه در زمینه ساخت تراشه ضعیف هستند. درآمد شرکت‌های سازنده تراشه بسیار زیاد است یکی از محورهای تحریم آمریکا در مورد تراشه‌های انویدیا است.
یکی از نمونه‌های تأثیرگذار در بازار جهانی تراشه، فروش انحصاری 4000 تراشه‌ گرافیکی Nvidia H100 به عربستان سعودی بود که منجر به کمبود این تراشه‌ها در بازار جهانی شد. یعنی دو سال تولید انویدیا را پیش‌خرید کرد! این اتفاق نشان می‌دهد که کنترل بازار تراشه‌ها می‌تواند تأثیر قابل توجهی بر صنایع مختلف داشته باشد و کشورها را در معرض آسیب‌پذیری قرار دهد. البته بعدها آن را به عربستان سعودی نیز ندادند چرا که تصور آنها این بود ممکن است عربستان این تراشه‌ها را در اختیار چینی‌ها قرار دهند.
در نتیجه، توسعه صنعت تراشه در ایران نیازمند برنامه‌ریزی دقیق، سرمایه‌گذاری‌های بلندمدت، حمایت دولت و همکاری بخش خصوصی است. همچنین، باید به دنبال ایجاد بازارهای جدید برای محصولات داخلی و کاهش وابستگی به واردات بود.

برای اجرای الگوریتم‌های پیچیده هوش مصنوعی به حجم عظیمی از محاسبات نیاز است. این محاسبات معمولاً در مراکز داده بزرگ و GPU Farm ها انجام می‌شود که هزاران یا حتی میلیون‌ها تراشه گرافیکی (GPU) با هم به صورت خوشه‌ای (cluster) متصل شده‌اند. این خوشه‌های GPU قادرند حجم بسیار زیادی از داده را به طور همزمان پردازش کرده و به نتایج دقیق و سریعی دست یابند. برای مثال، مدل‌های زبانی بزرگی مانند GPT که قادر به تولید متن‌های بسیار طبیعی هستند، به چنین زیرساخت‌های قدرتمندی نیاز دارند.
برای ساخت ChatGPT-4، شرکت OpenAI از ترکیبی از چندین پردازنده گرافیکی متصل به هم برای تشکیل یک خوشه محاسباتی قدرتمند استفاده کرد. این تنظیمات به آنها اجازه داد تا نیازهای محاسباتی عظیمی را که برای آموزش چنین مدل بزرگ و پیچیده ای لازم است، انجام دهند. به طور خاص، آنها از صدها پردازنده گرافیکی انویدیا به صورت موازی برای آموزش GPT-4 استفاده کردند. OpenAI از بیش از 30000 پردازنده گرافیکی A100 برای آموزش ChatGPT-4 استفاده کرد. این تنظیم عظیم برای مدیریت توان محاسباتی عظیم مورد نیاز برای آموزش چنین مدل بزرگ و پیچیده‌ای ضروری بود.
در حال حاضر، بسیاری از پژوهشگران ایرانی برای استفاده از زیرساخت پردازشی هوش مصنوعی خود مجبورند پلتفرم ابری گوگل کلود به نام Google Colab استفاده کنند که به کاربران امکان می‌دهد به صورت رایگان یا با پرداخت هزینه کم، از پردازنده‌های گرافیکی (GPU) یا TPU برای اجرای مدل‌های یادگیری عمیق استفاده کنند.
بسیاری از دانشجویان و محققان ایرانی نیز از این پلتفرم برای انجام پژوهش‌های خود استفاده می‌کنند اما استفاده از پلتفرم‌های ابری خارجی مانند Google Colab با چالش‌های جدی روبه‌رو است:
امنیت داده‌ها : بارگذاری داده‌ها و الگوریتم‌ها روی سرورهای خارجی، ریسک افشای اطلاعات حساس را افزایش می‌دهد. وابستگی به زیرساخت‌های خارجی :‌ وابستگی به زیرساخت‌های ابری خارجی، می‌تواند در صورت بروز اختلال یا تحریم، فعالیت‌های پژوهشی را با مشکل مواجه کند. اخیراً، دولت آمریکا قرارداد 11 میلیارد دلاری مایکروسافت با یک شرکت اماراتی را به دلیل نگرانی از انتقال احتمالی فناوری‌های پیشرفته به چین لغو کرده است. این تصمیم نشان می‌دهد که آمریکا تا چه حد به رقابت تکنولوژیکی با چین اهمیت می‌دهد.
این رقابت شدید در حوزه فناوری در اقداماتی مانند مسدود کردن تیک‌تاک، ایجاد مشکل برای شرکت‌های چینی مانند هوآوی و علی‌بابا و تلاش برای انحصار فناوری‌های پیشرفته در داخل آمریکا، آشکار است.
با توجه به توانایی بالای شرکت‌های چینی در تولید پردازنده‌های گرافیکی (GPU)، اقدام به تحریم این محصولات در دستگاه‌های تولیدی خود کرده‌اند. این تحریم‌ها به شرکت‌هایی مانند انویدیا که مشتریان بزرگی در چین داشتند، آسیب جدی وارد کرده و منجر به کاهش قابل‌توجه ارزش سهام آن‌ها شده است.
با توجه به روابط موجود با کشورهای عضو بریکس، از جمله چین و روسیه، می‌توانیم از توان سخت‌افزاری این کشورها بهره‌مند شویم. البته باید در نظر داشت که دسترسی به فناوری‌های پیشرفته، به ویژه پردازنده‌های گرافیکی، از این کشورها با چالش‌هایی همراه خواهد بود. حتی ممکن است با دور زدن تحریم‌ها، بتوانیم به پردازنده‌های مانند H100 دسترسی پیدا کنیم.
در حال حاضر، ایران با کمبود شدید پردازنده‌های گرافیکی (GPU) با توان پردازشی بالا مانند A100 و H100 مواجه است. این کمبود، مانع بزرگی بر سر راه توسعه و گسترش کاربردهای هوش مصنوعی، به ویژه یادگیری عمیق، در کشور شده است؛ چرا که برای انجام محاسبات پیچیده در حوزه هوش مصنوعی، به زیرساخت‌های قدرتمند مبتنی بر GPU نیاز است.

تسنیم: آیا بخش خصوصی کشورمان توانسته است این کمبود را جبران کند؟
در پاسخ می‌توان گفت که بله؛ برخی شرکت‌های خصوصی توانسته‌اند کلاسترهایی با تعداد محدودی پردازنده A100 را فراهم کنند همچنین، اپراتورها اخیراً اقدام به واردات تعداد قابل توجهی پردازنده A100 کرده و آن‌ها را در اختیار برخی از متقاضیان قرار داده‌اند.
بستر دوم برای توسعه مدل‌های یادگیری عمیق، پس از تأمین زیرساخت سخت‌افزاری مناسب مانند GPU، به داده‌های باکیفیت و حجم بالا و کلودهای داخلی نیاز دارد. قبل از پرداختن به طراحی الگوریتم‌ها، باید به ایجاد یک بستر داده‌ای مطمئن و قابل دسترسی در داخل کشور توجه کنیم. این بستر باید امکان اشتراک‌گذاری ایمن و منصفانه داده‌ها را بین بخش‌های مختلف، از جمله بخش خصوصی و دولتی، فراهم کند. به عبارت دیگر، زیرساخت سخت‌افزاری مبتنی بر GPU زیرساختی‌ترین کار در حوزه هوش مصنوعی است.
لایه دسترسی به داده‌های بزرگ و با کیفیت، لایه مهم‌تری هست که بدون آن، توسعه مدل‌های هوش مصنوعی کارآمد امکان‌پذیر نیست. متأسفانه، در حال حاضر، داده‌های موجود در کشور ما پراکنده و بدون ساختار هستند و پلتفرم جامع و یکپارچه‌ای برای مدیریت و اشتراک‌گذاری آن‌ها وجود ندارد. علاوه بر این، بسیاری از سازمان‌ها، مانند سازمان ثبت احوال، داده‌های خود را به صورت انحصاری نگهداری کرده و تمایلی به اشتراک‌گذاری آن‌ها با سایر نهادها ندارند.
بنابراین، اولویت اصلی در توسعه هوش مصنوعی در کشور، ایجاد یک بستر داده‌ای ملی و استاندارد است. این بستر باید امکان جمع‌آوری، پاکسازی، یکپارچه‌سازی و اشتراک‌گذاری ایمن داده‌ها را فراهم کند. بنابراین یعنی پرداختن به لایه داده در هوش مصنوعی بستر دوم لایه عمیق است.
قوه قضاییه با واگذاری مسئولیت احراز هویت افراد به بخش خصوصی، گامی مهم در جهت کاهش هزینه‌ها و بهره‌گیری از ظرفیت‌های بخش خصوصی برداشته است. در این مدل، بخش خصوصی موظف است با رعایت کلیه استانداردهای امنیتی، خدمات احراز هویت را ارائه دهد و از این طریق نیز به کسب درآمد بپردازد. این اقدام، منجر به ایجاد یک بستر عظیم داده‌ای در حوزه احراز هویت شده است که می‌تواند به عنوان زیرساختی ارزشمند برای توسعه هوش مصنوعی در کشور مورد استفاده قرار گیرد.

ایجاد یک بستر جامع برای اشتراک‌گذاری داده‌ها، گام بعدی در توسعه هوش مصنوعی و لایه عمیق هوش مصنوعی است.
بستر سوم لایه عمیق هوش مصنوعی، توسعه الگوریتم‌ها و نرم‌افزارهای هوش مصنوعی بومی، کلید دستیابی به استقلال فناوری در این حوزه است. اگرچه کشور ما در زمینه تولید علم در حوزه هوش مصنوعی جایگاه مناسبی دارد، اما در زمینه کاربرد صنعتی این فناوری‌ها هنوز با چالش‌هایی روبرو است.
در بستر سوم محور کار، توسعه الگوریتم‌ها و نرم‌افزارهای بومی است که بتوانند پاسخگوی نیازهای داخلی کشور باشند. در این حوزه، کشورمان توانسته جایگاه مناسبی در تولید علم به دست آورد و در رتبه 15 تا 17 جهانی قرار بگیرد. و ما در اسکوپوس رتبه خوبی داریم اما ضعف اصلی ما در کاربرد صنعتی این دستاوردهاست
یکی از بزرگترین تهدیدها برای توسعه هوش مصنوعی در کشور، مهاجرت نیروهای متخصص است. زمانی که این افراد احساس کنند که نمی‌توانند در داخل کشور به طور موثر فعالیت کنند و به رشد و توسعه کشور کمک کنند و نقطه تاثیرگذاری برای خود در کمک به حل چالش‌ها را نمی‌بینند، به کشورهای دیگر مهاجرت خواهند کرد.
برنامه‌های جذب نیروی متخصص در کشورهای توسعه‌یافته مانند آمریکا و کانادا نشان می‌دهد که این کشورها به شدت به دنبال جذب بهترین استعدادها هستند. برنامه 2030 آمریکا است که 1.1 میلیون نفر از کشورهای دیگر همچون ایران جذب کنند. کانادا 600 هزار نفر می‌خواهد جذب کند.
اگر از جوانان خودمان نتوانیم استفاده کنیم، یا به صورت فریلنسری با خارج از کشور کار می‌کنند یا اینکه خودشان مهاجرت خواهند کرد که این خطر و خسارت بسیار بزرگی است.
برای جلوگیری از این مهاجرت، باید بستر مناسبی برای فعالیت متخصصان هوش مصنوعی در داخل کشور فراهم شود. خوشبختانه، ایران دارای اکوسیستم قوی در حوزه هوش مصنوعی است و بیش از 10 هزار شرکت دانش‌بنیان در این حوزه فعالیت می‌کنند. همچنین رویدادهایی مانند AI Summit که به معرفی استعدادهای جوان ایرانی در این حوزه می‌پردازد، نشان از پویایی این اکوسیستم دارد.
پایان بخش سوم
انتهای پیام/