رفع چالش‌های داده‌ها؛ کلید آینده روشن هوش‌مصنوعی

به گزارش خبرنگار علم و فناوری خبرگزاری برنا؛ داود مسعودی، دبیرکل انجمن هوش‌مصنوعی و اقتصاد دیجیتال ایران در این گفتگو بر لزوم مدیریت مؤثر داده‌ها و همکاری‌های بین‌المللی برای پیشرفت در این حوزه تأکید کرد.

وی اشاره کرد که چالش‌های متعددی در تولید و استفاده از داده‌های مورد نیاز برای پروژه‌های هوش‌مصنوعی وجود دارد. یکی از این چالش‌ها، کیفیت داده‌ها است؛ زیرا بسیاری از داده‌های موجود ممکن است ناقص، نادرست یا غیرقابل اعتماد باشند که این امر می‌تواند بر دقت مدل‌های هوش‌مصنوعی تأثیر منفی بگذارد.

مسعودی همچنین به عدم استانداردسازی در جمع‌آوری و ذخیره‌سازی داده‌ها اشاره کرد که منجر به تنوع و عدم سازگاری داده‌ها می‌شود. وی محدودیت‌های قانونی و حریم خصوصی را نیز به عنوان یکی دیگر از موانع مطرح کرد و گفت که قوانین مربوط به حفاظت از داده‌ها می‌تواند دسترسی به داده‌های لازم را محدود کند. عدم شفافیت در سیاست‌های به اشتراک‌گذاری داده‌ها بین سازمان‌ها و نهاد‌ها نیز از دیگر مشکلاتی است که باید به آن توجه شود.

دبیرکل انجمن هوش‌مصنوعی و اقتصاد دیجیتال به کمبود داده‌های متنوع و کافی برای آموزش مدل‌های هوش‌مصنوعی و نیاز به زیرساخت‌های قوی برای ذخیره‌سازی و پردازش حجم بالای داده‌ها نیز اشاره کرد.

وی به چالش‌های فنی نیز پرداخت و گفت: عدم توانایی در پردازش داده‌ها و نیاز به فناوری‌های پیشرفته برای تحلیل داده‌ها که ممکن است در دسترس نباشد، از جمله این چالش‌هاست. همچنین، پردازش داده‌های غیرساختاریافته مانند متن، تصویر و صدا نیز دشواری‌های خاص خود را دارد.

مسعودی در ادامه به کمبود آگاهی از اهمیت داده‌ها در بین سازمان‌ها و شرکت‌ها و مقاومت در برابر تغییرات جدید برای جمع‌آوری و استفاده از داده‌ها اشاره کرد و این موارد را از موانع جدی در این حوزه دانست.

وی همچنین به تأثیر چالش‌های اقتصادی در حوزه هوش‌مصنوعی اشاره کرد و گفت: هزینه‌های بالای جمع‌آوری، ذخیره‌سازی و پردازش داده‌ها می‌تواند بار مالی سنگینی برای سازمان‌ها به همراه داشته باشد. نااطمینانی‌های اقتصادی نیز می‌تواند بر سرمایه‌گذاری در زیرساخت‌های داده‌ای تأثیر بگذارد. علاوه بر این، نگرانی‌های عمومی درباره استفاده از داده‌ها و تأثیرات آن بر حریم خصوصی و امنیت، و همچنین تبعیض‌های احتمالی ناشی از استفاده نادرست از داده‌ها، از دیگر چالش‌هاست.

در پایان، مسعودی تأکید کرد که با درک عمیق این چالش‌ها، می‌توان اقداماتی مؤثر و هدفمند را برای بهبود تولید و استفاده از داده‌های مورد نیاز برای پروژه‌های هوش‌مصنوعی در ایران انجام داد. این اقدامات شامل توسعه زیرساخت‌های داده، ارتقاء کیفیت داده‌ها و ایجاد استاندارد‌های لازم برای جمع‌آوری و مدیریت داده‌ها خواهد بود.

انتهای پیام/