پرش به محتوای اصلی
پرش به محتوای مقاله

درون چالش‌های سخت‌افزاری و سرمایه‌ای توسعه‌دهندگان هوش مصنوعی در ایران

·۲۷ خرداد ۱۴۰۵۵ دقیقه مطالعه۲ بازدید
تحلیل
چرا هوش مصنوعیِ ایران از چین و آمریکا عقب ماند — و راهِ واقع‌بینانه برای جبران
چرا هوش مصنوعیِ ایران از چین و آمریکا عقب ماند — و راهِ واقع‌بینانه برای جبران
اشتراک‌گذاری

شکافی که باید صادقانه دربارهٔ آن حرف زد

ایران استعدادِ فنیِ قوی دارد — دانشگاه‌های خوب، رتبه‌های جهانی در ریاضی و المپیادها، و نسلی که با فناوری بزرگ شده. با این حال، در رقابتِ جهانیِ هوش مصنوعی فاصله‌اش با آمریکا و چین زیاد است. این یادداشت می‌کوشد صادقانه بگوید چرا این شکاف شکل گرفت و چه راهِ واقع‌بینانه‌ای برای جبرانش هست — بدونِ شعار و بدونِ تظاهر به اینکه می‌شود یک‌شبه به صف اول رسید.

چرا عقب افتادیم: چند سدِ ساختاری

عقب‌ماندنِ ایران یک علتِ واحد ندارد؛ چند مانعِ ساختاری روی هم انباشته شده‌اند:

  • محاسبات و سخت‌افزار. هوش مصنوعیِ پیشرو به تراشه‌های گرافیکیِ بسیار قوی و مراکز دادهٔ بزرگ نیاز دارد. تحریم‌ها دسترسی به پیشرفته‌ترین تراشه‌ها و سرویس‌های ابریِ جهانی را محدود کرده‌اند؛ بدونِ این زیرساخت، آموزشِ مدل‌های بزرگ عملاً ممکن نیست.
  • سرمایه. آموزشِ یک مدلِ پیشرو صدها میلیون دلار هزینه دارد. اقتصادی که زیرِ فشارِ تحریم و تورم است، چنین سرمایه‌ای را به‌سختی می‌تواند یک‌جا به یک حوزه اختصاص دهد.
  • دسترسی به اکوسیستمِ جهانی. پیشرفتِ هوش مصنوعی محصولِ یک شبکهٔ جهانیِ به‌هم‌پیوسته است: ابر، ابزارها، مقاله‌ها و همکاری. دسترسیِ محدود به این اکوسیستم، کار را برای پژوهشگرِ داخلی کندتر و گران‌تر می‌کند.
  • نگه‌داشتنِ استعداد. ایران استعداد کم ندارد؛ مشکل، ماندنِ آن است. وقتی فرصت و امکاناتِ کافی نباشد، بخشی از بهترین‌ها مهاجرت می‌کنند و دستاوردشان جایِ دیگری شکوفا می‌شود.

نکتهٔ مهم این است که این موانع از هم جدا نیستند؛ همدیگر را تشدید می‌کنند. کمبودِ محاسبات، پژوهش را کند می‌کند؛ پژوهشِ کند، سرمایه را محتاط می‌کند؛ نبودِ سرمایه و فرصت، استعداد را فراری می‌دهد؛ و رفتنِ استعداد، همان محاسبات و پژوهش را بی‌متولی می‌گذارد. این چرخه است که شکاف را عمیق نگه می‌دارد — و دقیقاً به همین دلیل، راهِ‌حل هم باید چرخه‌ای باشد، نه یک تزریقِ یک‌بارهٔ پول به یک نقطه.

اما آنچه داریم را هم صادقانه ببینیم

به‌اندازهٔ موانع، چند سرمایهٔ واقعی هم هست که نباید دستِ‌کم گرفت. اول، استعدادِ انسانی: سنتِ قویِ ریاضی و مهندسی و نسلی که سریع یاد می‌گیرد. دوم، زبان و بازارِ فارسی: یک حوزهٔ زبانیِ بزرگ که شرکت‌های خارجی نه انگیزهٔ کافی برای خدمت به آن دارند و نه شناختِ عمیقش را. سوم، نیازهای مشخصِ داخلی: مسئله‌هایی در کشاورزی، سلامت، آموزش و خدمات که حلشان بازارِ واقعی دارد. استراتژیِ درست آن است که از همین دارایی‌ها شروع کند، نه از چیزی که نداریم.

چرا «همان کاری که چین و آمریکا کردند» جواب نمی‌دهد

وسوسه‌انگیز است که بگوییم «بیایید مثلِ آن‌ها یک مدلِ غول‌پیکر بسازیم». اما این مسیر برای ایران واقع‌بینانه نیست. آمریکا خودش تراشه‌ها را می‌سازد و سرمایهٔ تقریباً نامحدود دارد؛ چین با بازارِ عظیم، سرمایه‌گذاریِ کلانِ دولتی و خصوصی، و زیرساختِ داخلی جلو افتاد. ایران نه به آن سطح از محاسبات دسترسی دارد، نه آن حجمِ سرمایه را، و نه آن مقیاسِ بازار را. تلاش برای کپیِ مسیرِ آن‌ها یعنی رقابت در زمینی که از پیش باخته‌ایم. ضمنِ اینکه در این مسابقه، پیش‌رو بودن خودش مزیتِ مرکب می‌سازد: هر که جلوتر است، استعداد و سرمایه و دادهٔ بیشتری جذب می‌کند و فاصله را باز می‌کند. دویدن در همان مسیر، یعنی محکوم‌بودن به ماندنِ پشتِ سر.

راهِ واقع‌بینانه: بازی با نقاطِ قوت

خبرِ خوب این است که مسیرِ دیگری هست که با واقعیتِ ایران سازگار است — و جالب اینجاست که با همان منطقی می‌خواند که ما در دات‌هوش بارها گفته‌ایم:

  • به‌جای ساختن از صفر، روی مدل‌های متن‌باز بسازید. مدل‌هایی مثلِ Qwen، Llama و DeepSeek آزادانه در دسترس‌اند. به‌جای هزینهٔ نجومیِ آموزشِ یک مدلِ پایه، می‌توان این‌ها را برای فارسی و نیازهای داخلی تنظیم و بهینه کرد — با کسری از هزینه و بدونِ وابستگی به زیرساختِ تحریم‌شده. این کار با منابعی که امروز هم در دسترس است شدنی است، نه در یک آیندهٔ دور.
  • روی فارسی تخصص پیدا کنید. جایی که ایران می‌تواند پیشرو باشد، نه رقابتِ سختِ محاسباتی، بلکه دادهٔ زبانیِ فارسی و پردازشِ آن است. ساختِ مجموعه‌دادهٔ فارسیِ باکیفیت و ابزارهای بومی، مزیتی است که هیچ شرکتِ خارجی انگیزهٔ ساختش را ندارد — و درست همین «خندقِ» زبانی است که می‌تواند پایدار بماند.
  • هوش مصنوعیِ کاربردی، نه نمایشی. ارزشِ واقعی در حلِ مسئله‌های داخلی است — کشاورزی، سلامت، صنعت، خدماتِ فارسی‌زبان — جایی که با همین منابعِ موجود هم می‌شود اثرِ واقعی گذاشت. یک مدلِ کوچک که یک مشکلِ واقعی را حل می‌کند، از یک مدلِ بزرگِ بی‌کاربرد ارزشمندتر است.
  • استعداد را نگه دارید. هیچ برنامه‌ای بدونِ آدم‌هایش پیش نمی‌رود. ساختنِ فرصت، تأمینِ مالیِ استارتاپ‌ها و یک اکوسیستمِ واقعی، تنها راهِ تبدیلِ استعدادِ بالقوه به محصولِ واقعی است — و همان چیزی است که چرخهٔ معیوبِ مهاجرت را از جهتِ مخالف می‌چرخاند.

این یک کارِ چندساله است، نه یک معجزه

هیچ‌کدامِ این‌ها یک‌شبه نتیجه نمی‌دهد، و وعدهٔ «جهشِ یک‌شبه» دادن فقط انتظارها را خراب می‌کند. ساختنِ اکوسیستم — آدم‌ها، شرکت‌ها، داده، ابزار — کارِ چندساله است که با قدم‌های کوچک و پیوسته پیش می‌رود، نه با یک پروژهٔ بزرگِ نمایشی. تجربهٔ کشورهایی که در حوزه‌های فناوری موفق بوده‌اند معمولاً این بوده که روی یک زمینهٔ مشخص تمرکز کرده و در آن عمیق شده‌اند، نه اینکه همه‌جا کمی حضور داشته باشند. برای ایران، آن زمینهٔ مشخص می‌تواند «هوش مصنوعیِ فارسی‌محور و کاربردی» باشد.

نقشِ بخشِ خصوصی و جامعه

بخشِ مهمی از این مسیر از پایین ساخته می‌شود، نه فقط از بالا: استارتاپ‌ها، توسعه‌دهنده‌های منفرد، جامعهٔ متن‌باز، و کاربرانی که ابزارهای فارسی می‌سازند و به‌اشتراک می‌گذارند. نقشِ سیاست‌گذار بیشتر این است که سدِ راه نباشد و زمینه را فراهم کند تا این انرژیِ موجود به محصول تبدیل شود. بسیاری از مهم‌ترین پیشرفت‌های این حوزه در جهان، نه از یک طرحِ بزرگِ بالا‌به‌پایین، بلکه از جامعه‌های کوچکِ پرانگیزه بیرون آمده‌اند.

دو اشتباهی که باید از آن پرهیز کرد

در این مسیر دو اشتباه بیش از همه پرهزینه است. اشتباهِ اول، دنبالِ پروژه‌های نمایشی و پرسروصدا رفتن است — اعلامِ «بزرگ‌ترین مدلِ ملی» که منابع را می‌بلعد اما کاربردِ واقعی ندارد؛ این کار سرمایه و توجه را از جایی که واقعاً اثر می‌گذارد دور می‌کند. اشتباهِ دوم درست نقطهٔ مقابل است: این نتیجه که «چون عقبیم، پس کاری نمی‌شود کرد». هر دو یک ریشه دارند — مقایسهٔ خود با غول‌ها به‌جای تمرکز روی زمینی که می‌توان در آن واقعاً برنده شد. راهِ میانه نه بلندپروازیِ توخالی است نه تسلیم؛ کارِ کوچک، مشخص و پیوسته است که روی هم جمع می‌شود.

جمع‌بندی

ایران احتمالاً در رقابتِ ساختِ بزرگ‌ترین مدلِ جهان برنده نمی‌شود — و لازم هم نیست باشد. هدفِ واقع‌بینانه این است: یک تواناییِ هوش مصنوعیِ مستقل، فارسی‌محور و کاربردی که روی نقاطِ قوتِ خودمان ساخته شده باشد، نه تقلیدی از مسیری که ابزارش را نداریم. شکاف بزرگ است، اما با انتخابِ زمینِ درست — متن‌باز، فارسی، و کاربرد — قابلِ جبران است. نه با یک معجزه یا یک‌شبه، بلکه با انتخابِ درست و پشتکارِ چندساله — و این کاری است که نیازی نیست منتظرِ کسی بمانیم؛ از همین امروز و با همین منابع می‌توان شروعش کرد.

چرا این موضوع مهم است؟

هوش مصنوعی به‌سرعت اقتصاد و فناوریِ جهان را شکل می‌دهد؛ فهمِ اینکه ایران چرا عقب است و چه مسیرِ واقع‌بینانه‌ای دارد، تعیین می‌کند که این شکاف بیشتر شود یا کم. این بحث نه شعار می‌خواهد نه ناامیدی، بلکه انتخابِ درستِ زمینِ بازی.

تأثیر برای ایران

این موضوع مستقیماً به ایران مربوط است: محدودیتِ تراشه و سرمایه و دسترسی، واقعیتِ روزمرهٔ هر پژوهشگر و استارتاپِ داخلی است. اما همین محدودیت‌ها مسیرِ منطقی را روشن می‌کنند — به‌جای رقابتِ نابرابر در ساختِ مدلِ پایه، تمرکز بر متن‌باز، فارسی و کاربرد، جایی که ایران واقعاً می‌تواند پیش برود.

·نگاه ما
تحریریه دات‌هوش

نگاهِ دات‌هوش: ما طرفِ هیچ جناح و سیاستی نیستیم؛ حرفِ ما فنی و اقتصادی است. واقع‌بینانه‌ترین راه برای ایران، رهاکردنِ رؤیای «مدلِ غول‌پیکرِ خودی» و تمرکز بر زمینی است که در آن برگِ برنده داریم: مدل‌های متن‌باز که محلی اجرا می‌شوند، دادهٔ فارسی که فقط خودمان انگیزهٔ ساختش را داریم، و کاربردهای واقعی. این، هم شدنی‌تر است و هم پایدارتر از تقلید.

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.