روند رشد تکنولوژیهای پیشرفته در کشورهای پیشرو، نشان دهنده این است که انقلاب صنعتی بعدی توسط هوش مصنوعی رقم خواهد خورد. برخی رهبران سیاسی دنیا بر این باورند که ابرقدرت دنیا در آینده نزدیک، کشوری است که در حوزه هوش مصنوعی سرآمد باشد. توضیحات مزبور نشان دهنده اهمیت راهبردی حوزه هوش مصنوعی برای کشور است که توسعه و پیشرفت در این حوزه را ایجاب میکند. به طور کلی فناوریها و تکنیکهای حوزه هوش مصنوعی را میتوان در ۶ شاخه اصلی به صورت زیر دستهبندی کرد:
علوم داده یکی از مهمترین شاخههای هوشمصنوعی است که شامل زیرشاخههای دادههای حجیم، آمادهسازی داده، مهندسی داده و دادهکاوی میباشد. دادههایحجیم (کلان دادهها) ، مجموعهای از دادهها با حجم بالاتر از ۱۰ ترابایت است که عملیات کنترل، مدیریت و پردازش دادهها به صورت همزمان بر روی آن انجام میشود. افزایش حجم دادههای ناشی از تراکنشهای بانکی و خدمات الکترونیکی در نتیجه تغییر سیستم بانکداری سنتی به بانکداری الکترونیک، گسترش کارتهای سوخت و همهگیری شبکههای اجتماعی از جمله مواردی است که موجب افزایش توجه به دادههای حجیم در کشور شده است. وزارت ارتباطات و فناوری اطلاعات، در راستای اجرای سند راهبردی برنامه ششم توسعه کشور، فناوری دادههایحجیم را به عنوان یکی از فناوریهای نوین و موضوعات محوری برای توسعه فناوری و کسب و کارهای مرتبط با فاوا شناسایی کرده است.
در ادامه با اتکا بر زیرشاخههای درخت فناوری هوشمصنوعی، چالشهای ملی در حوزه دادههای حجیم استخراج شده است که قسمت عمدهای از آن مربوط به چالشهای عمومی ازجمله نبود زیرساختهای مناسب، سرعت بالای انباشته شدن دادهها، کمبود بانکهای داده مطمئن، نوپا بودن موضوع دادههای حجیم در کشور، عدم بومیسازي فناوريهاي مرتبط با دادههای حجیم، تحریمهاي بینالمللی، نبود الزام قانونی جهت تسهیل بهرهبرداري منصفانه از دادهها به منظور ارائه خدمات و رفاه عمومی، عدم وجود نظام ارزشگذاري دادهها، عدم وجود اطلاعات کافی از میزان، تنوع و منابع تولید و متولیان تولید دادهها در کشور است. چالشهای تخصصی دادههای حجیم پس از استخراج، ریشهیابی شدند تا درنهایت چالشهای مادر یا به عبارتی گلوگاههای اصلی این شاخه فناوری شناسایی شوند؛ بنابراین با در نظر گرفتن مکانیسم چالش مادر (چالشی که حل شدن آن منجر به حل بسیاری از زیرچالشهای آن شاخه باشد)، پنج چالش زیر به عنوان چالشهای مادر حوزهی دادههای حجیم معرفیشدند:
- بهبود بستر دریافت دادههای حجیم
- جواب مسئله بهینه برای دادههای حجیم
- دستهبندی درست دادهها
- پردازش دادههای حجیم
- امنیت دادههای حجیم
اولین گام برای ورود به فناوریهای مرتبط با دادههای حجیم، بهبود بستر دریافت آن است. در ادامه این گزارش چالش بهبود بستر دریافت دادههای حجیم به صورت مفصلتر و با پاسخ دادن به سه سؤال زیر بررسی شده است:
- ضرورت پرداختن به چالش بهبود بستر دادههای حجیم در کشور چیست؟
- وضعیت فعلی کشور در زمینه بهبود بستر دادههای حجیم چیست؟
- مشکلات پیش روی توسعه هوش مصنوعی در زمینه بهبود بستر دادههای حجیم چیست؟
[1] Data Science
[2] Natural Language Processing
[3] Computer Vision
[4] Machine Learning
[5] Expert System
[6] Speech