×
×

مدیر LLM پروژه هسته سکوی ملی هوش مصنوعی دانشگاه صنعتی شریف:
موج امروز هوش مصنوعی، نتیجه زیرساخت ذخیره‌سازی داده است

  • کد نوشته: 15103
  • 14 دسامبر 2025
  • 0
  • سهیل تهرانی‌پور، مدیر LLM دانشگاه صنعتی شریف، در گفت‌وگوی اختصاصی با «ایرانیان استارتاپ» گفت که هوش مصنوعی در کارهای روتین پشتیبانی و مراکز تماس می‌تواند بهره‌وری و کیفیت تصمیم‌گیری را بالا ببرد.
    موج امروز هوش مصنوعی، نتیجه زیرساخت ذخیره‌سازی داده است

    سهیل تهرانی‌پور، مدیر LLM پروژه هسته سکوی ملی هوش مصنوعی دانشگاه صنعتی شریف، در گفت‌وگوی اختصاصی با «ایرانیان استارتاپ» درباره نقش هوش مصنوعی در پشتیبانی مشتریان، اهمیت جمع‌آوری داده و ضرورت بازبینی حکمرانی داده در ایران توضیح داد.

    درباره اثر هوش مصنوعی در پشتیبانی مشتریان و مرکز تماس

    تهرانی‌پور گفت: «در جاهایی که کارهای روتین و تکراری زیاد می‌شود، به‌خصوص سمت مرکز تماس‌هایی که دیتای زیادی دارند هوش مصنوعی می‌تواند خیلی کمک کند. مثلا در تیم شکایات یا تیم ارزیابی؛ چون این کارها تکراری هستند. وقتی مکالمات تبدیل به متن می‌شود، می‌توانیم مکالمات را جست‌وجو کنیم و عملا حجم خیلی زیادی از دیتا داریم که می‌شود روی آن مدل‌های خودمان را اضافه کنیم.»

    او ادامه داد: «این دیتا کمک می‌کند نیروهای جدیدی که اضافه می‌شوند را بر اساس همین مکالمات آموزش بدهیم؛ یعنی آنبوردینگ نیروهای جدید بهتر می‌شود. همچنین روی انبوه تماس‌ها می‌توانیم دیتا ماینینگ خوبی انجام بدهیم تا تیم‌ها از دل داده‌ها، الگوها و نکات کاربردی را استخراج کنند.»

     نقش جمع‌آوری داده در توسعه هوش مصنوعی

    مدیر LLM دانشگاه صنعتی شریف با تأکید بر اهمیت داده گفت: «دیتا خیلی نکته مهمی است. اساساً تکنولوژی هوش مصنوعی تکنولوژی جدیدی نیست؛ از دهه ۱۹۵۰ این حوزه را داشتیم. یکی از دلایلی که امروز AI این توجه را گرفته، وجود زیرساخت‌های ذخیره‌سازی دیتا است.»

    تهرانی‌پور افزود: «اگر دیتای خوبی داشته باشیم، مدل‌های ماشین‌لرنینگ، دیپ‌لرنینگ و مدل‌های موجود را خیلی بهتر می‌توانم آموزش بدهیم. اگر دیتا تمیز باشد خیلی بهتر کمک می‌کند. اگر دیتا نداشته باشیم، عملاً کار خاصی نمی‌توانیم انجام بدهیم و باید برویم سراغ روش‌هایی که مبتنی بر دیتا نیستند. هرچقدر دیتا بیشتر و تمیزتر باشد، الگویی داخلش هست که قابلیت آموزش دیدن دارد؛ ما می‌توانیم ماشین را مجاب کنیم آن الگوها را یاد بگیرد تا وقتی دیتای جدید آمد، بر اساس همان الگوها تصمیم‌گیری کند؛ دقیقا مشابه ما آدم‌ها که بر اساس دیتا یاد می‌گیریم، ماشین‌ها هم همین‌طور هستند.»

    او در ادامه به ضرورت «حکمرانی داده» اشاره کرد و گفت: «خیلی مهم است که دیتا گاورنس داشته باشیم؛ داده‌ها جمع‌آوری شوند، امنیت داده تضمین شود و بتوانیم مدل‌ها را بر اساس آن‌ها آموزش بدهیم.»

     بازبینی حکمرانی داده و تعدد مراکز تصمیم‌گیری در ایران

    تهرانی‌پور در پاسخ به پرسشی درباره وضعیت حکمرانی داده در ایران گفت: «یکی از اساسی‌ترین مراحل همین است که نهادها و رگولاتورهایی داشته باشیم که با تخصص‌های مبتنی بر دیتا تصمیم‌گیرنده باشند. متأسفانه الان این فضا خیلی یکجا و سنترالایز نیست و هر کسی برای خودش دارد کار انجام می‌دهد؛ به‌خصوص در بحث امنیت داده که واقعاً مهم است و در اتفاقات اخیر هم شاهدش بودیم.»

    او تأکید کرد: «لازم است یک رگولاتور مجرب و با دانش روز دنیا تصمیم‌گیرنده باشد و ریگولیشن‌های خوبی تصویب شود تا سازمان‌ها بتوانند طبق آن‌ها در این فضا جلو بروند.»

    نوشته های مشابه

    دیدگاهتان را بنویسید

    نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *