هوش مصنوعی در میدان مسائل واقعی؛ از تحلیل تصاویر ماهواره ای تا عیب یابی تجهیزات نفتی

۴ بازدید  |  1405/07/14  | 

رئیس آزمایشگاه هوش مصنوعی پژوهشگاه ارتباطات و فناوری اطلاعات با تأکید بر ضرورت ارزیابی استاندارد محصولات هوش مصنوعی، گفت: صرف افزایش تعداد محصولات هوش مصنوعی نمی تواند نشان دهنده رسیدن به نقطه مطلوب باشد، بلکه دقت، کارایی و عملکرد این محصولات باید با سنجه ها و بنچ مارک های استاندارد ارزیابی شود و راهکارهای برتر نیز در صنایع و مجموعه های صاحب مسئله به مرحله اجرا برسند.

مشاهده آلبوم تصاویر
هوش مصنوعی در میدان مسائل واقعی؛ از تحلیل تصاویر ماهواره ای تا عیب یابی تجهیزات نفتی
هوش مصنوعی در میدان مسائل واقعی؛ از تحلیل تصاویر ماهواره ای تا عیب یابی تجهیزات نفتی

به گزارش انجمن خرد آورده شده از ایسنا؛، مژگان فرهودی، در آیین اختتامیه رویداد مساله محور هوش مصنوعی، با اشاره به گسترش کاربردهای هوش مصنوعی در حوزه های مختلف، اظهار کرد: هوش مصنوعی اکنون وارد همه حوزه ها و مسائل شده است و ورود آن را می توان در تبلور، ظهور و بروز مجموعه ای از محصولات و خدمات مشاهده کرد. در سطح دنیا و در کشورهای مختلف شاهد ظهور و توسعه محصولات و خدمات هوش مصنوعی هستیم و در کشور خودمان نیز این محصولات در حوزه های مختلف توسعه یافته اند، اما این پرسش مطرح است که آیا صرف توسعه محصولات هوش مصنوعی برای رسیدن به اهداف مورد نظر کافی است؟

فرهودی ادامه داد: اگر تعداد محصولات هوش مصنوعی افزایش پیدا کند و این محصولات در حوزه های مختلف توسعه یابند، آیا می توان گفت به نقطه مطلوب رسیده ایم؟ پاسخ قطعاً منفی است؛ چراکه باید مشخص شود محصولی که توسعه یافته، از دقت، کارایی و عملکرد مناسبی در کاربرد مورد نظر برخوردار است یا خیر.

رئیس آزمایشگاه هوش مصنوعی پژوهشگاه ارتباطات و فناوری اطلاعات با تأکید بر اهمیت ارزیابی محصولات هوش مصنوعی، تاکید کرد: پاسخ به این مسائل جز با ارزیابی امکان پذیر نیست و برای ارزیابی نیز به سنجه ها و معیارهای استاندارد نیاز داریم تا بر اساس آنها بتوان بنچ مارک های استاندارد ایجاد کرد و محصولات هوش مصنوعی را که در طیف بسیار گسترده ای قرار دارند، با یکدیگر مقایسه کرد. همچنین باید روش های استانداردی برای ارزیابی این محصولات وجود داشته باشد و از این منظر ضرورت وجود آزمایشگاه هوش مصنوعی احساس می شود.

فرهودی با اشاره به فعالیت آزمایشگاه هوش مصنوعی پژوهشگاه ارتباطات و فناوری اطلاعات خاطر نشان کرد: پژوهشگاه ارتباطات و فناوری اطلاعات تقریباً از سه سال گذشته آزمایشگاه هوش مصنوعی را ایجاد کرده است و بیش از دو سال است که توانسته ایم مرجعیت آزمایشگاه را در حوزه خدمات پایه دریافت کنیم. همان طور که می دانید، طیف محصولات هوش مصنوعی در حوزه های مختلف بسیار گسترده است و ما در حوزه خدمات پایه ورود کرده ایم؛ چراکه خدمات پایه در همه حوزه ها کاربرد دارد. حتی در حوزه خدمات پایه نیز محصولات متنوعی وجود دارد و ارزیابی همه این محصولات با یک آزمایشگاه امکان پذیر نیست.

رئیس آزمایشگاه هوش مصنوعی پژوهشگاه ارتباطات و فناوری اطلاعات ادامه داد: رویکرد ما در این زمینه استفاده از شبکه آزمایشگاهی بوده است. تلاش کرده ایم از پتانسیل ها و ظرفیت های موجود در کشور استفاده کنیم و آزمایشگاه هایی را که ظرفیت لازم برای این کار دارند، ارزیابی کنیم تا به عنوان بازوهای ارزیاب و کمکی در فرآیند ارزیابی محصولات در کنار ما قرار گیرند.

وی با اشاره به دو مسیر اصلی ارزیابی در آزمایشگاه هوش مصنوعی گفت: از یک منظر، ما دو مسیر ارزیابی را در آزمایشگاه دنبال می کنیم که یکی از آنها محصول محور است. در این مسیر، محصولاتی را که در کشور وجود دارند و به بلوغ نسبی رسیده اند، ارزیابی می کنیم. برای نمونه، سامانه های پلاک خوان که در پارکینگ های بزرگ مورد استفاده قرار می گیرند، دستیارهای هوشمند و سامانه های احراز هویت از جمله محصولاتی هستند که تا حدی به بلوغ نسبی رسیده اند.

وی توضیح داد: رویکرد آزمایشگاه در قبال این محصولات به این صورت است که محصول وارد آزمایشگاه می شود، برای آن بنچ مارک ایجاد و سنجه ها و معیارها مشخص می شوند و در نهایت محصول مورد ارزیابی قرار می گیرد. پس از آن نیز یک گزارش آزمون برای مشتری ارسال می کنیم که در آن نقاط ضعف و قوت محصول مشخص شده است و در صورت امکان، پیشنهادهایی برای بهبود آن نیز ارائه می شود.

رئیس آزمایشگاه هوش مصنوعی پژوهشگاه ارتباطات و فناوری اطلاعات با اشاره به مسیر دوم ارزیابی، گفت: دسته دیگری از مسائل، مسائلی هستند که هنوز لزوماً در قالب یک محصول آماده وارد آزمایشگاه نشده اند، بلکه یک صنعت یا سازمان مسئله ای را مطرح می کند که می تواند با استفاده از هوش مصنوعی حل شود. برای مثال در گفت وگو با شرکت های بیمه، این مساله مطرح شد که مجموعه ای از تصاویر خودروهای تصادفی در اختیار دارند و می خواهند از هوش مصنوعی برای تخمین میزان خسارت استفاده کنند. این موضوع یک مسئله مشخص است که می تواند تعریف و برای آن بنچ مارک و روش های ارزیابی مشخصی ایجاد شود.

فرهودی اظهار کرد: این دسته از فعالیت ها بیشتر در قالب رویدادهای مساله محور دنبال می شود. در این رویدادها مسائل را فرموله و تعریف می کنیم، در آزمایشگاه روش های ارزیابی برای آنها مشخص می شود و سپس مسئله وارد فضای رقابتی می شود تا از ظرفیت جامعه پژوهشی کشور برای حل آن استفاده کنیم. نکته مهم این است که هدف صرفاً ارائه راهکار نیست، بلکه این راهکارها باید وارد صنعت و حوزه ای شوند که مسئله از آنجا مطرح شده است تا امکان کاربردی شدن و عملیاتی شدن آنها فراهم شود.

رئیس آزمایشگاه هوش مصنوعی پژوهشگاه ارتباطات و فناوری اطلاعات گفت: با چنین رویکردی، رویدادهای مسئله محور را در پژوهشگاه آغاز کردیم. همان طور که مشاهده می کنید، در زمستان سال ۱۴۰۲ با رویداد «پارسی آزما» که یک رویداد مساله محور با تمرکز بیشتر بر تحلیل متن فارسی در شبکه های اجتماعی بود، این مسیر را شروع کردیم.

وی با بیان اینکه در این رویداد چهار مساله به خوبی تعریف و راهکارهای مناسبی نیز برای آنها ایجاد شد، یادآور شد: نکته جالب این است که همچنان پژوهشگران و دانشجویانی به این مسائل مراجعه می کنند و داده ها را از سایت ما دریافت کرده و مورد استفاده قرار می دهند. در پاییز سال ۱۴۰۳ نیز با همکاری بنیاد ملی نخبگان اصفهان، رویدادی را آغاز کردیم که محور اصلی آن بنیاد نخبگان استان اصفهان بود.

فرهودی با اشاره به برگزاری رویداد «هوش مصنوعی ایران AI ۱۴۵» اظهار کرد: در این رویداد نیز فعالیت هایی را برای کمک به برگزاری و اجرای آن انجام دادیم. مسابقه این رویداد در تابستان برگزار شد و اکنون در مرحله اختتامیه آن قرار داریم. در نهایت نیز برنامه ریزی کرده ایم که در پاییز امسال و در آذرماه، رویداد مسئله محور حوزه سلامت را برگزار کنیم.

وی ادامه داد: از اواخر تابستان و اوایل پاییز سال گذشته، گفت وگو با مجموعه های مختلف را آغاز کردیم که تمرکز بیشتری بر مجموعه های مالی و بانکی داشت. این مجموعه ها نیازهای بسیار زیادی داشتند، اما همه نیازها قابلیت تبدیل شدن به مسئله برای رویدادهای مسئله محور را ندارند؛ چراکه برای تعریف یک مسئله باید داده های مشخص، معیارهای ارزیابی و چارچوب مشخصی وجود داشته باشد.

رئیس آزمایشگاه هوش مصنوعی پژوهشگاه ارتباطات و فناوری اطلاعات افزود: در حوزه بانکی، بخش قابل توجهی از داده ها محرمانه است یا ممکن است از کیفیت و پاکیزگی لازم برای استفاده در چنین رویدادهایی برخوردار نباشد. با این حال، پس از گفت وگو با مجموعه های مختلف، در نهایت به 5 مساله رسیدیم که برای رویداد تعریف شدند. یکی از مسائل از سوی شرکت فناوران هوش مصنوعی جویا مطرح شد که مربوط به استفاده از روابط و اطلاعات موجود در روزنامه رسمی بود. روزنامه های رسمی ساختاریافته هستند و اطلاعات حقوقی متعددی از جمله انتصابات، ثبت شرکت ها و انتقال سهام در آنها وجود دارد. هدف شرکتی که این مساله را مطرح کرده بود، این بود که اطلاعات حقوقی مرتبط با اشخاص حقیقی را که در مجموعه روزنامه های رسمی وجود دارد، در قالب گراف های مفهومی استخراج و به عنوان راهکار ارائه کنند.

وی مساله دیگر را مربوط به تشخیص کاداستر از تصاویر ماهواره ای عنوان کرد و ادامه داد: تصاویر ماهواره ای ممکن است کیفیت بسیار بالایی نداشته باشند و نتوان زمین های کشاورزی را که گاهی نوع محصول آنها نیز مشابه است، به راحتی از یکدیگر تفکیک کرد. برای مثال، ممکن است دو زمین کشاورزی در کنار یکدیگر قرار داشته باشند که در یکی گندم و در دیگری جو کشت شده باشد. هدف این بود که شرکت کنندگان با استفاده از روش های یادگیری عمیق بتوانند این زمین ها و محصولات آنها را با دقت مناسبی از یکدیگر تفکیک کنند.

فرهودی با اشاره به مساله شناسایی خرابی «بیرینگ» در صنعت نفت و گاز، گفت: این مساله از سوی یکی از شرکت های نفتی پیشنهاد شد. در صنعت نفت و گاز تجهیزاتی به نام الکتروفن وجود دارد که برای خنک سازی استفاده می شوند و دارای قطعه ای به نام بیرینگ هستند. بیرینگ ها ارتعاشاتی ایجاد می کنند و با تحلیل داده های ارتعاشی می توان نوع خرابی را شناسایی کرد. در این زمینه، داده های واقعی مربوط به یک سال فعالیت پنج الکتروفن این شرکت را دریافت کردیم که در محیط واقعی ثبت شده بود و از شرکت کنندگان خواستیم روی این مسئله تمرکز کرده و راهکار ارائه دهند.

وی مساله دیگر را مربوط به «کمپین فروشگاهی» دانست و با بیان اینکه این مساله از سوی یکی از شرکت ها مطرح شد، یادآور شد: این شرکت تعدادی فروشگاه با موقعیت جغرافیایی مشخص و همچنین باشگاه مشتریانی داشت که نیازهای خرید آنها مشخص بود. هدف این بود که شرکت کنندگان بر اساس نیازهای خرید مشتریان، فروشگاه هایی را مشخص کنند که از نظر جغرافیایی به یکدیگر نزدیک باشند، تراکم مناسبی داشته باشند و بتوانند حداکثر پوشش نیازهای مشتریان را ایجاد کنند.

فرهودی با اشاره به مساله تخصیص منابع در شبکه هم زنجیره اظهار کرد: این مساله نیز از سوی یکی دیگر از شرکت ها ارائه شد. در این مساله، شرکت کنندگان با تحلیل و استخراج تعاملات کسب وکاری در شرکت های هم زنجیره، باید بهترین خوشه یا بخش زنجیره را مشخص می کردند تا گردش اعتبار به صورت بهینه در آن اتفاق بیفتد.

فرهودی با اشاره به حمایت های صورت گرفته از این رویداد، گفت: برای این رویداد حدود ۸۰۰ میلیون تومان جایزه نقدی برای پنج مسئله تعریف کردیم. همچنین شرکت ستاره سیلیکون پذیرفت زیرساخت های پردازشی H100 را برای مدت مشخصی به صورت رایگان در اختیار تیم های برتر قرار دهد. تعامل خوبی نیز با بنیاد ملی نخبگان داشتیم. طرح خود را در بنیاد ارائه کردیم و بر اساس آن، رویداد ما ذیل طرح شهید بابایی بنیاد ملی نخبگان قرار گرفت و امیدواریم برای برندگان رویداد نیز امتیاز نخبگی در نظر گرفته شود. در حال حاضر مراحل داوری از سوی بنیاد در حال انجام است تا بتوانیم این امتیاز را برای برندگان رویداد نیز داشته باشیم.

وی با اشاره به حمایت پژوهشگاه از انتشار علمی دستاوردهای رویداد، گفت: در داخل پژوهشگاه نیز تصمیم گرفتیم راهکارهای برتر در قالب مقاله ارائه شوند تا در یکی از مجلات پژوهشی معتبر پژوهشگاه منتشر شوند. زمان بندی رویداد از سال گذشته آغاز شد، اما مرحله پایانی آن به زمان جنگ و پس از آن قطعی اینترنت برخورد کرد و مجبور شدیم بخشی از زمان بندی ها را به تأخیر بیندازیم. در نهایت، روز ۲۵ مردادماه، مرحله نهایی مسابقه برگزار شد و تیم ها در یک رقابت ۶ ساعته با یکدیگر به رقابت پرداختند.

رئیس آزمایشگاه هوش مصنوعی پژوهشگاه ارتباطات و فناوری اطلاعات با تشریح فرآیند برگزاری رویداد، گفت: پس از اطلاع رسانی، ثبت نام تیم ها انجام شد و مرحله آموزش و توسعه مدل ها را داشتیم. می توانم با اطمینان بگویم که در این رویداد و رویدادهای قبلی، داده های بسیار خوبی برای آموزش مدل ها ایجاد شد که در اختیار پژوهشگران و دانشجویان نیز قرار دارد و آنها می توانند برای فعالیت های پژوهشی خود از این داده ها استفاده کنند.

وی ادامه داد: در مرحله بعد، توسعه و بهبود مدل ها دنبال شد. تقریباً در هر رویداد، یک بازه زمانی دو هفته ای برای شرکت کنندگان در نظر می گیریم و یک مجموعه داده از نوع داده های آزمون در اختیار آنها قرار می دهیم تا بتوانند مدل های خود را آزمایش کنند. پس از آن، مرحله آزمون مدل ها انجام شد و نتایج نیز روی تابلوی رتبه بندی مسابقات قابل مشاهده بود، اما فرآیند ارزیابی به همین مرحله محدود نشد.

فرهودی توضیح داد: تیم داوری در این مرحله فعال شد و علاوه بر بررسی نتایج ثبت شده روی تابلوی رتبه بندی، از هر تیم خواستیم ارائه ای درباره راهکار خود داشته باشد تا نوآوری های آنها نیز بررسی شود. همچنین کدهای تیم ها را دریافت کردیم تا اطمینان حاصل کنیم خروجی های ایجادشده حاصل اجرای همین کدها بوده است. در نهایت، نتایج اعلام شد و ۱۳ راهکار برتر از میان مسائل تعریف شده انتخاب شدند. همچنین برای پنج مسئله، مقاله هایی از سوی تیم ها دریافت کردیم.

وی تأکید کرد: البته نکته بسیار مهمی که در این فرآیند وجود دارد، این است که صرفاً انتخاب راهکارهای برتر برای ما اهمیت ندارد، بلکه هدف اصلی این است که این راهکارها در شرکت هایی که صاحبان مسئله هستند، عملیاتی و کاربردی شوند. در حال حاضر در حال برنامه ریزی با این شرکت ها هستیم تا تیم ها را نیز به آنها معرفی کنیم و امیدواریم راهکارهایی که شرکت کنندگان ارائه کرده اند، در این شرکت ها عملیاتی شود. در مجموع ۲۸ تیم در این رویداد ثبت نام کردند و ۵۱ خروجی داشتیم. همچنین بیش از ۱۷۰۰ ارسال در جریان برگزاری رویداد ثبت شد؛ چراکه همان طور که اشاره کردم، یک مرحله دو هفته ای داشتیم که تیم ها نتایج خود را در سایت ثبت می کردند و از این طریق، هم عملکرد خود را با روش های قبلی خود و هم با عملکرد سایر تیم ها مقایسه می کردند.

فرهودی با اشاره به برگزاری رقابت نهایی گفت: در نهایت، تیم های شرکت کننده در روز مسابقه که یک رقابت ۶ ساعته بود، راهکارهای خود را ارائه کردند و فرآیند داوری و انتخاب راهکارهای برتر انجام شد.

منبع: https://www.isna.ir/news/1405071409292
دنیای هوش مصنوعی تصاویر ماهواره ای هفته جهانی فضا حذف فیلتر
بازگشت به لیست

مطالب مشابه پیشنهادی