تدبیر سازمان فناوری اطلاعات برای رفع موانع توسعه هوش مصنوعی
سالهاست مدیران و توسعهدهندگان بخش خصوصی و دولتی، داده را یکی از اصلیترین گلوگاههای توسعه هوش مصنوعی در کشور میدانند. اما آیا واقعا برای عبور از این گره راهکاری وجود ندارد؟
پروژهای که قرار است مصرف انرژی را کاهش دهد، خرابی تجهیزات را پیشبینی کند یا کیفیت یک خدمت عمومی را ارتقا دهد، ممکن است پیش از آنکه توانایی فنی خود را نشان دهد، پشت مانع دسترسی به داده متوقف شود. داده وجود دارد و مسئله نیز کاملا مشخص است؛ اما دستگاه دارنده داده نگران افشا، مسئولیت و نحوه حفاظت از اطلاعات است و شرکت توسعهدهنده نیز بدون دسترسی پایدار و قابل اتکا به داده، نمیتواند برای ساخت و پشتیبانی محصول تعهد بلندمدت بدهد.
هزینه چنین توقفی نیز صرفا به دو طرف قرارداد محدود نمیشود؛ در نهایت فرصتی برای حل یک مسئله واقعی و ارائه یک خدمت بهتر از دست میرود.
بخش قابل توجهی از مباحث مطرحشده در این حوزه به نقد قوانین، تعارض منافع و همکاری نکردن دستگاهها اختصاص دارد. این نقدها ضروری هستند، اما تکرار آنها بهتنهایی مسیر استفاده از داده را باز نمیکند. مسئله اصلی این یادداشت، بررسی راهکاری مبتنی بر ظرفیتهای قانونی و ساختارهای موجود است؛ راهکاری که سازمان فناوری اطلاعات بتواند از همین امروز، در حدود اختیارات خود، طراحی و اجرای آن را آغاز کند و درباره نتیجه آن پاسخگو باشد.
بحثهایی مانند «گره کور داده برای هوش مصنوعی؛ به دست باز کنیم یا دندان؟» بیشتر بر نسبت محرمانگی و بهرهبرداری از داده تمرکز داشتهاند. همچنین گفتوگوهایی درباره مالکیت داده، رابطه مردم، کسبوکارها و حاکمیت در این حوزه مطرح شده است. ادامه عملی این بحث را میتوان در یک پرسش مشخص دنبال کرد: آیا میتوان از داده به شکل مجاز استفاده کرد، بدون اینکه مشاهده و دریافت مستقیم داده توسط انسان، پیششرط انجام فرآیند باشد؟
اختیار اقدام از قبل وجود داشته است
برای بررسی مسئولیت سازمان فناوری اطلاعات، باید از مأموریت قانونی آن آغاز کرد. ماده ۷ اساسنامه سازمان، طراحی و اصلاح معماری فناوری اطلاعات، پیشنهاد ضوابط و استانداردها به مراجع ذیصلاح، مدیریت مخاطرات، ارائه مشاوره و فراهم کردن ظرفیت ممیزی فناوریها و فرآیندها را در حوزه فعالیت سازمان قرار داده است.
بنابراین، طراحی سازوکارهایی برای استفاده از داده همراه با حفظ الزامات حفاظتی، موضوعی خارج از مأموریت سازمان فناوری اطلاعات نیست.
آییننامه استقرار چارچوب تعاملپذیری نیز این مسئولیت را شفافتر میکند. ماده ۴ این آییننامه، سازمان را مسئول تأمین الزامات فنی مصوبات کارگروه میداند و ماده ۷ نیز ارزیابی بلوغ فنی و انطباقسنجی را در زمره وظایف آن قرار میدهد. از سوی دیگر، چارچوب تعاملپذیری صرفا به ارتباط شبکهای محدود نمیشود و سطوح فنی، معنایی، فرآیندی و قانونی را نیز در بر میگیرد. بر همین اساس، ارائه الگوی فرآیند و سنجش قابلیت اجرای آن را میتوان ادامه طبیعی همین مأموریت دانست.
ارتباط این موضوع با هوش مصنوعی نیز در اسناد موجود قابل مشاهده است. در بند ۴ ماده یک آییننامه اجرایی بند «الف» ماده ۱۰۷ برنامه هفتم توسعه، زیرساخت اجرا و آموزش مدلهای هوش مصنوعی بخشی از ابر دولت تعریف شده است. ماده ۸ همین آییننامه نیز تدوین و ابلاغ مشترک ضوابط معماری، امنیت و حفاظت از داده را به وزارت ارتباطات با همکاری وزارت اطلاعات واگذار کرده است.
بنابراین، برای آغاز طراحی الگوهای پردازش مجاز، لزوما نیازی به تصویب قانون جدید یا ایجاد یک نهاد تازه وجود ندارد. اصلاح قوانین ممکن است برای رفع برخی موانع ضروری باشد، اما این مسئله نباید بهانهای برای متوقف کردن اقداماتی شود که در چارچوب اختیارات فعلی امکان اجرا دارند.
از همین نقطه، پرسش اصلی درباره عملکرد سازمان فناوری اطلاعات شکل میگیرد: این ظرفیتهای قانونی تا چه اندازه به مسیری عملی تبدیل شدهاند که یک دستگاه و یک شرکت بتوانند بر اساس آن، یک کاربست واقعی هوش مصنوعی را اجرا کنند؟
اگر الگوهایی در این زمینه طراحی و اجرا شدهاند، باید شرایط استفاده، دامنه کاربرد و نتایج آنها برای متقاضیان روشن باشد. صرف ارائه آمارهایی مانند تعداد دستگاههای متصل یا تعداد خدمات تبادلشده، بهتنهایی پاسخ این نیاز نیست.
محمدمحسن صدر، رئیس سازمان فناوری اطلاعات، نیز در گفتوگویی تأکید کرده است که مسئله دولت هوشمند صرفا اتصال دستگاهها نیست و از برنامه زیستبومهای دولت هوشمند سخن گفته است. این رویکرد زمانی برای توسعهدهندگان هوش مصنوعی معنا پیدا میکند که مسیر از دریافت مجوز استفاده از داده تا اجرای پردازش و بهرهبرداری پایدار از نتیجه، قابل طی کردن باشد.
تداوم بحث درباره گره داده نشان میدهد این مأموریت همچنان بخشهای ناتمام دارد. بنابراین، سهم سازمان فناوری اطلاعات در حل این مسئله باید بر اساس فاصله میان «اختیار قانونی» و «نتیجه قابل استفاده» سنجیده شود.
استفاده از داده را باید دوباره تعریف کرد
در بسیاری از همکاریهای فعلی، نخستین درخواست از دستگاه این است که دادههای خود را در اختیار تیم توسعه قرار دهد. پس از آن، بحثهایی مانند حفاظت، محرمانگی، مسئولیت و امنیت آغاز میشود. اما شاید بتوان از نقطه دیگری شروع کرد: برای حل مسئله، دقیقا چه پردازشی مورد نیاز است و چه میزان از اطلاعات باید در اختیار مجری قرار گیرد؟
برای مثال، فرض کنیم هدف، توسعه یک مدل برای پیشبینی خرابی تجهیزات باشد. شرکت توسعهدهنده برای آموزش مدل به سابقه واقعی عملکرد تجهیزات نیاز دارد، اما این به معنای آن نیست که کارکنان شرکت نیز باید بتوانند دادههای خام را مشاهده کنند.
فرآیند میتواند به گونهای طراحی شود که داده در یک محیط حفاظتشده باقی بماند، پردازش در همان محیط انجام شود، شرکت تنها نتایج مجاز ارزیابی را دریافت کند و مدل نهایی نیز در همان محیط مستقر شود.
در چنین مدلی، «دریافت داده خام»، «اجرای فرآیند آموزش» و «دریافت فایل مدل» سه اختیار متفاوت هستند و نباید بهصورت خودکار به یکدیگر وابسته شوند.
رویکرد «هوش مصنوعی بدون اعتماد» یا ZTAI، در صورت پیادهسازی فرآیندمحور، دقیقا همین وابستگی به دسترسی انسانی را هدف قرار میدهد. در این مدل، اجرای روزمره فرآیند به مشاهده، جابهجایی یا دستکاری دستی دادههای حساس وابسته نیست و پردازش در محدوده مجوزهای از پیش تعریفشده انجام میشود.
انسان همچنان هدف، سیاست و حدود استفاده را تعیین میکند و مسئولیت تصمیمگیری را بر عهده دارد؛ اما حضور مستقیم او در مسیر پردازش داده، دیگر الزام معماری نیست.
این تغییر میتواند دامنه قابل توجهی از کاربردها را ممکن کند. برای نمونه، میتوان مدلی را با استفاده از داده واقعی آموزش داد، بدون اینکه تیم توسعه مجاز به مشاهده داده خام باشد. همچنین میتوان کیفیت مدل را با داده محرمانه ارزیابی کرد و تنها نتیجه مجاز ارزیابی را در اختیار مجری قرار داد.
حتی ثبت سابقه اجرای فرآیند برای ممیزی نیز میتواند بدون ورود محتوای داده به گزارش انجام شود. چند دستگاه نیز میتوانند در یک تحلیل مشترک مشارکت کنند، بدون اینکه لزوما نسخهای از داده خام خود را در اختیار یکدیگر یا شرکت مجری قرار دهند.
البته تحقق چنین قابلیتی صرفا با ایجاد یک ابزار امنیتی ممکن نیست و به معماری دقیق و کنترل سطح دسترسیها نیاز دارد. حذف حساب کاربری پایگاه داده کافی نیست؛ اختیار تغییر کد، مدیریت زیرساخت و خروجی گرفتن از نتایج نیز باید با هدف حفاظت از داده سازگار باشد. دامنه حفاظت نیز باید مشخص و ادعاهای مربوط به آن قابل ارزیابی باشد.
در عین حال، این رویکرد فنی بهخودیخود مجوز قانونی ایجاد نمیکند. مواد ۳ و ۴ قانون مدیریت دادهها و اطلاعات ملی، نقش کارگروه تعاملپذیری را در پردازش و تعیین سطوح دسترسی مشخص کردهاند و ماده ۶ نیز مسئولیت حفاظت از داده را پابرجا نگه میدارد.
بنابراین، موضوع این پیشنهاد، ایجاد مجوز جدید نیست؛ بلکه اجرای استفادهای است که پیشتر مجاز شده، اما با دسترسی انسانی محدودتر و شواهد روشنتر درباره رعایت حدود آن. دادههای عمومی و قابل انتشار نیز همچنان باید از مسیرهای عمومی و قانونی در دسترس قرار گیرند.
از اختیار قانونی تا الگویی که دستگاه بتواند اجرا کند
نقطه اثرگذاری سازمان فناوری اطلاعات، تبدیل این امکان به یک روش عملی برای همکاری میان دستگاهها و شرکتهاست.
دستگاه دارنده داده نباید برای هر پروژه مجبور باشد تمام مسائل معماری، امنیتی و مسئولیتهای مرتبط را از ابتدا طراحی کند. از سوی دیگر، شرکت توسعهدهنده نیز باید پیش از سرمایهگذاری روی یک پروژه، شرایط استفاده از داده و حدود اختیارات خود را بهروشنی بداند.
راهکار پیشنهادی، تدوین مجموعهای از الگوهای مرجع برای کاربستهای مشخص است؛ الگوهایی که ابتدا در یک مسئله واقعی آزموده شوند و پس از ارزیابی، با در نظر گرفتن تفاوتهای هر بخش، در دستگاههای دیگر نیز قابل استفاده باشند.
برای هر الگو باید مواردی مانند هدف مجاز استفاده، شرایط داده، محیط پردازش، حدود خروج اطلاعات، مسئولیت طرفین و معیارهای ارزیابی مشخص باشد.
ارزش چنین رویکردی در این است که یک مجوز کلی را به فرآیندی قابل سنجش تبدیل میکند؛ فرآیندی که بتوان درباره اجرای صحیح آن داوری کرد.
این مسیر را میتوان با برنامه زیستبومهای دولت هوشمند نیز پیوند داد. سازمان فناوری اطلاعات میتواند یک کاربست اولویتدار را با مشارکت دستگاه میزبان، شرکت مجری و ظرفیت تخصصی دانشگاهها اجرا کند و تدوین الگوی مرجع را نیز بخشی از همان پروژه قرار دهد.
در پایان چنین پروژهای، علاوه بر نتیجه مستقیم کاربست، یک معماری آزمودهشده، شرایط استفاده از داده و تجربه اجرای پروژه نیز به دست خواهد آمد. این خروجی میتواند هزینه و ابهام همکاریهای بعدی را کاهش دهد.
در این تقسیم کار، سازمان فناوری اطلاعات مسئول معماری و فراهم کردن مسیر فنی در حوزه مأموریت خود خواهد بود. سازمان ملی هوش مصنوعی نیز میتواند در جایگاه راهبری، اولویتهای مشترک را دنبال کند و در حدود اختیارات معتبر، هماهنگی میان دستگاهها و رفع موانع اجرایی را پیش ببرد.
در عین حال، صلاحیت مراجع مرتبط با دسترسی و داوری موضوع قانون داده، مسئولیت سازمان اداری و استخدامی در اصلاح فرآیندها و ساختارها و مسئولیت دستگاه دارنده داده باید در جایگاه خود باقی بماند.
همچنین نباید از یک موضوع مهم غافل شد: آمادهسازی داده و نگهداری محیط پردازش هزینه دارد. بنابراین، مدل همکاری باید محل تأمین هزینهها و منفعت هر یک از طرفین را نیز مشخص کند. اگر دستگاه تنها مسئولیت و هزینه بپذیرد، اما نتیجه همکاری را در مأموریت خود نبیند، حتی بهترین راهکار فنی نیز بهتنهایی نمیتواند رفتار آن را تغییر دهد.
سازمان ملی هوش مصنوعی، معاونت علمی و ستاد هوش مصنوعی؛ شرکای اجرای راهکار
با توجه به تصویب طرح ملی توسعه هوش مصنوعی و شکلگیری ساختارهای جدید راهبری این حوزه، تقسیم کار میان نهادهای موجود میتواند بر اساس مأموریتهای تخصصی آنها انجام شود.
معاونت علمی، فناوری و اقتصاد دانشبنیان ریاستجمهوری میتواند از ظرفیت حمایتی خود و ارتباط با شرکتها و دانشگاهها برای توسعه و آزمودن کاربستهای ZTAI استفاده کند. ظرفیت اجرایی ستاد هوش مصنوعی نیز، در چارچوب وظایف و ترتیبات مصوب، میتواند به پیشبرد این همکاری کمک کند.
در این میان، سازمان فناوری اطلاعات مسئولیت تخصصی خود را در طراحی معماری و فراهم کردن مسیر پردازش حفاظتشده دنبال خواهد کرد. چنین تقسیم کاری میتواند راهبری ملی را به توان تخصصی و اجرایی نهادهای موجود متصل کند، بدون آنکه نیاز به ایجاد ساختار موازی دیگری برای هدایت پروژه باشد.
زمینه عملی برای آغاز این همکاری نیز وجود دارد. برخی برنامههای حمایتی معاونت علمی و ستاد هوش مصنوعی در حوزههایی مانند پولی و بانکی و حملونقل، بر وجود بهرهبردار و ارزیابی فنی و اقتصادی تأکید دارند. همین پروژهها میتوانند محل مناسبی برای آزمودن الگوهای ZTAI باشند؛ بهویژه در مواردی که مسئله مشخص، مجری و بهرهبردار وجود دارد اما دسترسی به داده حساس به مانع اصلی اجرای پروژه تبدیل شده است.
برای شروع میتوان یک کاربست مشخص و اولویتدار را انتخاب و رفع مانع داده را به موضوع یک همکاری مشترک تبدیل کرد.
در چنین مدلی، دبیرخانه ستاد میتواند با مشارکت بهرهبردار و متخصصان، نیاز پردازشی و معیارهای موفقیت کاربست را مشخص کند و هماهنگیهای لازم را پیش ببرد. سازمان فناوری اطلاعات نیز با مشارکت مجری، معماری و کنترلهای لازم را طراحی و امکان ارزیابی آنها را فراهم کند. معاونت علمی هم در چارچوب ضوابط حمایتی موجود، از مشارکت شرکتها و دانشگاهها و تأمین هزینه توسعه و اجرای آزمایشی حمایت کند.
در این صورت، حمایت از یک پروژه فناورانه صرفا به تأمین منابع مالی محدود نخواهد شد، بلکه امکان استفاده مجاز و ایمن از داده نیز به بخشی از حمایت تبدیل میشود.
حاصل چنین همکاریای میتواند هم یک کاربست قابل بهرهبرداری و هم یک الگوی آزمودهشده برای پروژههای بعدی باشد. برای معاونت علمی و ستاد هوش مصنوعی، چنین الگویی احتمال به نتیجه رسیدن حمایتهای فناورانه را افزایش میدهد و برای سازمان فناوری اطلاعات نیز خروجی ملموسی از مأموریت معماری و تسهیل بهرهبرداری از داده فراهم میکند.
این تقسیم کار البته باید با جایگاه راهبری سازمان ملی هوش مصنوعی نیز هماهنگ باشد. نقش این سازمان میتواند پیگیری اولویتهای مشترک و رفع موانع میان دستگاهها در حدود اختیارات معتبر باشد، در حالی که مسئولیت اجرایی هر بخش همچنان مشخص باقی بماند و ارزیابی پروژه به زنجیرهای از تأییدهای تکراری و زمانبر تبدیل نشود.
فرصت تبدیل یک گره قدیمی به یک الگوی عملی
سازمان فناوری اطلاعات میتواند با همراهی معاونت علمی و ستاد هوش مصنوعی، از این مأموریت ناتمام فرصتی برای نمایش نتیجه همکاری میان دستگاهها بسازد.
یک کاربست واقعی که هم نتیجه اقتصادی یا خدماتی مشخصی داشته باشد و هم حدود حفاظت از داده در آن قابل بررسی باشد، میتواند به دستگاههای مردد نشان دهد که استفاده از داده حساس لزوما به معنای انتقال و مشاهده داده خام نیست.
تکرار همین الگو در یک دستگاه یا پروژه دیگر، ارزش ملی آن را بیشتر آشکار خواهد کرد.
برای ارزیابی موفقیت این مسیر نیز میتوان شاخصهای مشخصی تعریف کرد؛ از جمله مدت زمان رسیدن از درخواست به پردازش مجاز، هزینه اجرای همکاری، کیفیت نتیجه بهدستآمده و میزان کاهش نیاز به دسترسی انسانی در محدوده تعریفشده.
انتشار نتایج این پروژهها، همراه با محدودیتها، هزینهها و تجربههای بهدستآمده، میتواند مبنای واقعی برای قضاوت درباره عملکرد نهادهای مسئول باشد.
مسئله داده در مسیر توسعه هوش مصنوعی، صرفا یک مشکل فنی یا حقوقی نیست؛ بلکه مسئلهای میان معماری، قانون، امنیت، اقتصاد و نحوه همکاری دستگاههاست. با این حال، حل آن لزوما به معنای انتظار برای تصویب یک قانون تازه یا ایجاد یک نهاد جدید نیست.
بخشی از ظرفیت قانونی و اجرایی لازم از پیش وجود دارد. آنچه اکنون اهمیت دارد، تبدیل این ظرفیت به یک الگوی عملی، قابل سنجش و قابل تکرار است؛ الگویی که به دستگاه دارنده داده اطمینان بدهد اطلاعاتش در محدوده مشخص و قابل نظارت استفاده میشود و به شرکت توسعهدهنده نیز امکان دهد بدون دسترسی غیرضروری به داده خام، یک محصول واقعی را توسعه دهد.
در نهایت، موفقیت چنین رویکردی زمانی قابل اثبات است که یک پروژه واقعی از مرحله «نیازمند داده» عبور کند، به «پردازش مجاز» برسد و در نهایت به یک خدمت یا محصول قابل بهرهبرداری تبدیل شود. گره داده سالهاست پابرجاست؛ شاید زمان آن رسیده باشد که بهجای تکرار مسئله، یک نمونه عملی برای باز کردن آن روی میز گذاشته شود.
