مهندسی در عصر پس از مدل‌های زبانی بزرگ؛ چالش زمان، انقلاب ایجنت‌ها و مزیت‌های رقابتی پایدار

دکتر زینب کمالی، مدیرعامل شرکت آیتک، در حاشیه همایش ملی AI Bridge اصفهان به بررسی چالش‌های آموزش و تجاری‌سازی هوش مصنوعی پرداخت. وی با نقد نظام‌های آموزشی سنتی، بر ضرورت پیوند میان تئوری و پروژه‌های واقعی تأکید کرد. کمالی همچنین نسبت به پدیده «کپیکد» یا کپی‌کردن کدهای آماده توسط دانشجویان بدون درک الگوریتم‌ها ابراز نگرانی کرد. این مجموعه برای توانمندسازی کارآموزان، زیرساخت‌های سختافزاری از جمله کارت‌های گرافیک صنعتی RTX 5090 را فراهم کرده است. هدف اصلی این رویکرد، عبور از آموزش‌های صرفاً نظری و حرکت به سمت تولید محصولات فناورانه بومی است.

نشستی تخصصی با حضور کارشناسان حوزه فناوری و رسانه درباره تأثیر هوش مصنوعی بر مرجعیت فرهنگی ایران برگزار شد. صابر خسروی، مدیر مرکز نوآوری ویکست، اعلام کرد که هوش مصنوعی در حال حذف لایه میانی هرم شغلی در حوزه‌هایی مانند انیمیشن است. علی محمدپور، دبیر انجمن ناشران دیجیتال، نسبت به افزایش محتوای جعلی و از دست رفتن اعتماد مخاطبان به پلتفرم‌های داخلی هشدار داد. زهیر غرضی، فعال اکوسیستم نوآوری، نیز تأکید کرد که تحول هوش مصنوعی نباید تنها به مدل‌های زبانی محدود شود و نیازمند سرمایه‌گذاری در زیرساخت‌ها است. سعید رسولاف، رئیس انجمن تولیدکنندگان نرم‌افزار تلفن همراه، خطر تبدیل شدن کشور به مستعمره فناوری را در صورت بی‌توجهی به این حوزه مطرح کرد. سخنرانان در مجموع بر اهمیت اقتصاد توجه، مرجعیت فرهنگی و لزوم برنامه‌ریزی دقیق در مواجهه با سونامی هوش مصنوعی تأکید کردند.

گوگل از نسل جدید مدل‌های هوش مصنوعی خود با نام Gemini 3.8 Flash و Gemini 3.8 Flash Cyber رونمایی کرد. این مدل‌ها تنها سه هفته پس از نسخه ۳.۷ معرفی شده‌اند و با قیمت رقابتی ۳.۷ دلار به‌ازای هر میلیون توکن خروجی و ۰.۷۵ دلار به‌ازای هر میلیون توکن ورودی عرضه می‌شوند. مدل Flash برای وظایف مهندسی نرم‌افزار و استدلال‌های پیچیده طراحی شده، در حالی که نسخه Cyber بر امنیت سایبری و کشف خودکار آسیب‌پذیری‌ها تمرکز دارد. این مدل‌ها در بنچمارک‌های مختلف عملکردی نزدیک به مدل‌های مرزی ثبت کرده‌اند. دسترسی به این مدل‌ها هم‌اکنون از طریق Gemini API، Google AI Studio و Android فراهم است.

فعالان حوزه بانکداری و فناوری در پنل تخصصی هوش مصنوعی و آینده بانکداری ایران در نمایشگاه الکامپ ۱۴۰۵ تأکید کردند که هوش مصنوعی مدل سنتی خدمات بانکی را متحول می‌کند. حامد ذاکرحسین، مدیرعامل بیت‌بانک، اظهار داشت که تعامل مشتریان با بانک‌ها به جای اپلیکیشن‌ها به سمت ارتباط مستقیم با سیستم‌های هوشمند پیش خواهد رفت. علی گلزاده، مدیرعامل داتا، نیز بر لزوم بازبینی فرایندهای ناکارآمد بانکی پیش از پیاده‌سازی ابزارهای هوش مصنوعی تأکید کرد. مهدی محمدی، عضو هیئت‌مدیره ملت ونچرز، احراز هویت و اعتبارسنجی را از مهم‌ترین کاربردهای این فناوری دانست. کارشناسان معتقدند که توسعه هوش مصنوعی در نظام بانکی مستلزم ایجاد زیرساخت‌های مناسب داده و توان پردازشی کافی است.

اولین پنل همایش AI Bridge اصفهان با محوریت تجاری‌سازی هوش مصنوعی در صنایع مادر برگزار شد. رسول سراییان، مشاور میز هوش مصنوعی استانداری، اعلام کرد که هوش مصنوعی تا سال ۲۰۳۰ می‌تواند بین ۱۳ تا ۲۰ تریلیون دلار به تولید ناخالص داخلی جهان اضافه کند. سهم بالقوه اقتصاد ایران از این فناوری بین ۱۰ تا ۱۵ میلیارد دلار برآورد شده است. هزینه‌های زیرساختی پردازش در حال کاهش است که دسترسی به این فناوری را تسهیل می‌کند. با این حال، گزارش‌ها نشان‌دهنده شکاف عمیق میان صنعت ایران و کشورهای پیشرو در استفاده از هوش مصنوعی است.

آزمایشگاه تحقیقاتی محاسبات مشترک موسسه فناوری ماساچوست و شرکت آی‌بی‌ام نقش مهمی در تبدیل پژوهش‌های تئوری به کاربردهای دنیای واقعی داشته است. فارغ‌ التحصیلان و پژوهشگران پیشین این آزمایشگاه با تمرکز بر حوزه‌هایی مانند یادگیری تقویتی، یادگیری ماشین کوانتومی و هوش مصنوعی قابل اعتماد، توانسته‌اند شکاف میان تحصیل و اشتغال را پر کنند. ژانگ‌وی هنگ، یکی از پژوهشگران آی‌بی‌ام در این آزمایشگاه، با تکیه بر تجربیات دوران دکتری خود در موسسه فناوری ماساچوست، تکنیک‌هایی را برای انطباق هوش مصنوعی با کاربردهای واقع‌گرایانه در حوزه‌هایی مانند رباتیک و مدل‌های زبانی بزرگ توسعه داده است. این پژوهش‌ها شامل بهبود یادگیری تابع ارزش در بازی‌های ویدئویی و استفاده از محاسبات تکاملی برای بهینه‌سازی اکتشافات بوده است. هنگ معتقد است این چارچوب‌ها ابزارهای بسیار مفیدی برای متخصصان حوزه یادگیری تقویتی فراهم می‌کنند.