مصاحبه اختصاصی با میلاد کرمی، پژوهشگر و محقق هوش مصنوعی

به گزارش فرا اقتصاد بین الملل، امروز افتخار داریم با یکی از پژوهشگران برجسته حوزه هوش مصنوعی کشور گفتگو کنیم. آقای میلاد کرمی، استاد دانشگاه با ثبت چندین مقاله و کتاب و یک دهه تجربه تدریس و همچنین متخصصی که پلی بین دنیای آکادمیک و صنعت ایجاد کرده‌اند. ایشان با سابقه چندین سال فعالیت در صنعت IT و بانکداری، همزمان پژوهش‌های ارزشمندی در زمینه هوش مصنوعی و کاربردهای آن انجام داده‌اند. کسب رتبه‌های برتر در ورودی سال ۱۳۹۲ تحصیلات تکمیلی و موفقیت‌های اخیر ایشان در رقابت‌های هوش مصنوعی فیسکاپ و همچنین ارتباط نزدیک و مستمر ایشان با صنعت و دانشگاه، نشان‌دهنده عمق دانش و توانمندی‌های علمی ایشان است. خوشحالیم که امروز فرصت گفتگو با ایشان را داریم و امیدواریم برای شما بینندگان عزیز هم جذاب باشد؛ پس اینجانب علیرضا محمودی فرد، سردبیر رسانه فرا اقتصاد بین الملل، میزبان گفتگو با جناب مهندس خواهم بود.

مصاحبه‌کننده: جناب آقای میلاد کرمی، لطفا خود را معرفی فرموده و از تجارب و سوابق خویش برای مخاطبانمان بگویید.

میلاد کرمی: سلام و عرض ادب دارم خدمت شما و همه مخاطبان عزیز. بنده میلاد کرمی هستم، پژوهشگر هوش مصنوعی، مدرس دانشگاه و کارشناس IT بانکی. راستش مسیر علمی من از ۱۸ سالگی با ورود به دانشگاه شروع شد. سال‌های ۸۷ تا ۹۱ کارشناسی مهندسی کامپیوتر خوندم و بعدش با رتبه ۲ ورودی‌های ارشد سال ۹۲، ادامه تحصیل دادم تو گرایش نرم‌افزار تا سال ۹۴.

از سال ۹۵ افتخار تدریس تو دانشگاه رو داشتم و همزمان، تو صنعت هم مشغول بودم. سال ۹۷ به‌عنوان کارشناس IT تو شرکت مپنا استخدام شدم و از سال ۹۸ هم وارد بانک صادرات شدم و الان تو واحد IT بانک صادرات استان بوشهر خدمت می‌کنم.

خب… از افتخارات علمی اخیرم می‌تونم به کسب عنوان تیم شایسته تقدیر تو رقابت‌های هوش مصنوعی فیسکاپ ۱۴۰۲ اشاره کنم و همچنین امسال تونستم تو کنکور دکتری، رتبه ۷۹ نرم‌افزار و ۱۴۳ شبکه کسب کنم.

این ترکیب تجربه دانشگاهی و صنعتی بهم یه دید جامع داده که بتونم پلی باشم بین تئوری و عمل، چیزی که به نظرم برای پیشرفت هوش مصنوعی تو ایران خیلی حیاتیه.

مصاحبه کننده: آقای کرمی، ممنون که دعوت ما را پذیرفتید. لطفاً بفرمایید در حال حاضر چه پروژه‌های کاری در دست دارید و برنامه‌های آینده‌تان برای مسیر تحصیلی و پژوهشی چیست؟

[با اشتیاق] در حال حاضر در واحد IT بانک صادرات بوشهر با ریاست آقای اتابک‌زاده، پروژه‌های خوبی در زمینه خدمات بانکی در دست داریم که به زودی نتایج ارزشمند آن را خواهید دید. مدیریت ایشان فرصت‌های ارزشمندی برای نوآوری در سیستم‌های بانکی فراهم کرده است.

[با هیجان بیشتر] اما برای آینده تحصیلی، باید بگویم با آشنایی عمیق‌تر با پژوهش‌های دکتر صدرالدینی و دکتر تحیری در دانشگاه شیراز، کاملاً مجذوب رویکرد نوآورانه ایشان در حوزه هوش مصنوعی شده‌ام. مقالات دکتر صدرالدینی در صنعت هوش مصنوعی و کاربردهای آن، و همچنین پژوهش‌های دکتر تحیری، دقیقاً در مسیر علایق پژوهشی من قرار دارند.

[با لحنی مصمم] برنامه اصلی من ادامه تحصیل در مقطع دکتری و انجام پژوهش‌های مشترک با این اساتید برجسته است. معتقدم ترکیب تجربه عملی من در صنعت با دیدگاه‌های نوآورانه این اساتید می‌تواند به پژوهش‌هایی منجر شود که هم ارزش علمی بالایی داشته باشد و هم مسائل واقعی صنعت را حل کند.

مصاحبه‌کننده: به‌عنوان یک پژوهشگر برجسته هوش مصنوعی که هم در صنعت و هم در دانشگاه مشغول خدمت بوده‌اید، نظرتان در مورد آینده هوش مصنوعی و ارتباط صنعت و دانشگاه چیست؟

میلاد کرمی: [با کمی مکث] ببینید، چالش اصلی ما تو ایران، یه شکاف عمیقه بین پژوهش‌های دانشگاهی و نیازهای واقعی صنعت. من هر روز این شکاف رو می‌بینم. تو دانشگاه شاهدم که دانشجوهای نخبه الگوریتم‌های پیشرفته طراحی می‌کنن که می‌تونه مسائل واقعی صنعت رو حل کنه، ولی… خب، مکانیسمی برای انتقال این دانش نیست.

از اون طرف، وقتی سر کار می‌رم، می‌بینم مدیرها برای حل مشکلات به سراغ راه‌حل‌های خارجی آماده می‌رن، بدون اینکه بدونن همین کنار دستشون چه پتانسیلی هست.

[با اشتیاق بیشتر] آینده هوش مصنوعی در ایران به شدت به پیوند این دو بستگی داره. باید سه تا کار اساسی انجام بدیم:

اول، مراکز تحقیق و توسعه مشترک راه بندازیم که استادها و متخصصان صنعت کنار هم قرار بگیرن. من مطمئنم این راه نتایج فوق‌العاده‌ای می‌ده.

دوم، پروژه‌های دانشگاهی باید واقع‌گرا باشن. خودم تو کلاس‌هام به جای تمرین‌های خیالی، چالش‌های واقعی صنعت رو مطرح می‌کنم و واقعاً از راه‌حل‌های خلاقانه بچه‌ها شگفت‌زده می‌شم!

سوم، باید پلتفرم‌هایی برای اشتراک داده ایجاد کنیم. می‌دونید، هوش مصنوعی بدون داده‌های واقعی مثل… [مکث کوتاه] مثل پزشکی بدون بیماره!

[با نگاه امیدوارانه] من آینده‌ای رو تصور می‌کنم که توش یک اکوسیستم یکپارچه داریم از دانشگاه‌ها، شرکت‌ها و نهادهای دولتی که دائماً با هم در تعاملن و راه‌حل‌های بومی ارائه می‌دن. امیدوارم تا ۱۰ سال دیگه، ایران بشه قطب هوش مصنوعی منطقه، چیزی که با این همه جوان نخبه‌ای که داریم، کاملاً دست‌یافتنیه.

مصاحبه‌کننده: آینده بانک صادرات را در حوزه هوش مصنوعی چطور می‌بینید و چه آینده‌ای برای خودتان متصور هستید؟

میلاد کرمی: [با هیجان] بانک صادرات با این شبکه گسترده شعب و زیرساخت قدرتمندی که داره، پتانسیل فوق‌العاده‌ای برای پیشتاز بودن تو دیجیتال‌سازی هوشمند داره. من یه نقشه راه سه مرحله‌ای براش متصورم:

تو فاز اول، باید روی هوشمندسازی خدمات موجود تمرکز کنیم. مثلاً… [با حرکت دست] یه مشاور مالی شخصی هوشمند که شبانه‌روزی تصمیمات مالی مشتری رو تحلیل کنه و راهکارهای بهینه بده. یا سیستم تشخیص تقلب پیشرفته که قبل از اینکه خسارتی بزنه، تراکنش مشکوک رو شناسایی کنه. چت‌بات‌های خبره هم می‌تونن خیلی فراتر از پاسخگویی ساده برن و مشاوره تخصصی بدن.

تو فاز میانی، می‌ریم سراغ خدمات نوآورانه. ببینید… یه سیستم اعتبارسنجی هوشمند که فقط به معیارهای سنتی تکیه نکنه و پتانسیل واقعی افراد رو بسنجه، می‌تونه فرصت بیشتری به کارآفرینای جوون بده. یا بانکداری پیش‌بینی‌کننده که نیازهای آینده مشتری رو قبل از خودش بفهمه. حتی یه بازارگاه هوشمند که سرمایه‌گذارها رو با فرصت‌های کسب‌وکاری خوب مچ کنه.

و در افق بلندمدت… [مکث و نفس عمیق] بانک صادرات می‌تونه به سمت بانکداری شناختی حرکت کنه، جایی که سیستم‌ها نه‌تنها داده‌ها، بلکه احساسات و نیازهای پنهان مشتریان رو هم درک می‌کنن.

اما می‌دونید چیه؟ مهم‌تر از همه این فناوری‌ها، نگاه انسان‌محور به این تحوله. هدف ما نباید حذف نیروی انسانی باشه، بلکه باید آزاد کردن خلاقیت و توانمندی اونها باشه.

[با لحنی شخصی‌تر] و اما برای خودم… بعد از دوره دکتری، امیدوارم بتونم یه مرکز تخصصی هوش مصنوعی راه‌اندازی کنم که پلی باشه بین نوآوری‌های دانشگاهی و نیازهای عملیاتی صنعت. رؤیام اینه که یه مرکز هوشمند بومی بسازم که هم با استانداردهای جهانی رقابت کنه، هم به نیازهای خاص اقتصاد و فرهنگ خودمون پاسخ بده.

مصاحبه‌کننده: بنظر شما کدام مشاغل بیشتر در معرض خطر اتوماسیون و جایگزینی با هوش مصنوعی هستند؟

میلاد کرمی: [با لبخند] خب، اول از همه باید بگم که ما با “جایگزینی” مواجه نیستیم، بلکه با “تحول” روبرو هستیم. این خیلی مهمه. مشاغلی که بیشتر تأثیر می‌گیرن، اونایی هستن که سه ویژگی دارن: تکرارپذیری بالا، الگوهای مشخص، و کمترین نیاز به خلاقیت و تعامل انسانی.

من تو محیط کاری خودم دیدم که کارهایی مثل ورود داده، تطبیق اسناد، گزارش‌گیری‌های استاندارد و جواب دادن به سوالات تکراری مشتریان، دارن خیلی سریع اتوماتیک می‌شن. تو حوزه‌های دیگه هم ترجمه‌های ساده، کارهای اداری روتین، بخشی از حسابداری و حتی تحلیل‌های پایه بازار، دارن با چالش مواجه می‌شن.

ولی… [اشاره با انگشت] یه نکته جالب که من دیدم اینه که نقش کارمندها داره عوض می‌شه، نه اینکه حذف بشن. مثلاً تو محیط کار، کارمندهایی که قبلاً ساعت‌ها وقت می‌ذاشتن برای چک کردن تراکنش‌ها، الان با کمک الگوریتم‌های هوشمند خیلی سریع‌تر موارد رو شناسایی می‌کنن و وقت بیشتری دارن برای بررسی عمیق‌تر موارد پیچیده‌تر.

[با تأکید] به نظرم سوال مهم‌تر از اینکه “کدوم شغل‌ها در خطرن”، اینه که “چطور همه مشاغل در حال تغییرن”. تجربه من نشون می‌ده تو هر شغلی، کارهای تکراری اتوماتیک می‌شن، و این فرصتیه برای آدم‌ها که برن سراغ تحلیل بهتر، خلاقیت بیشتر و ارتباط انسانی عمیق‌تر.

پس به جای ترس از هوش مصنوعی، باید آماده باشیم که باهاش تکامل پیدا کنیم.

مصاحبه‌کننده: ممنون از شما. بنظر شما آیا هوش مصنوعی می‌تواند فرصت‌های شغلی جدیدی ایجاد کند؟ و اگر جواب مثبت است، چه نوع مشاغلی؟

میلاد کرمی: [با اشتیاق] صد در صد! این یکی از جنبه‌های خیلی امیدبخش انقلاب هوش مصنوعیه که متأسفانه کمتر بهش پرداخته می‌شه. تاریخ به ما نشون داده هر موج فناوری، ضمن تغییر برخی مشاغل، حوزه‌های کاملاً جدیدی هم ایجاد کرده. هوش مصنوعی این روند رو با سرعت خیلی بیشتری داره جلو می‌بره.

[با حرکت دست] من این مشاغل جدید رو تو سه دسته اصلی می‌بینم:

اول، مشاغل فنی مستقیم مثل مهندسای هوش مصنوعی، متخصصای یادگیری عمیق، معمارای داده، متخصصای بینایی کامپیوتر و پردازش زبان طبیعی. تو کلاس‌هام می‌بینم بچه‌ها چقدر برای این حوزه‌ها ذوق دارن. تو مسابقات هوش مصنوعی هم دیدم تیم‌های دانشجویی راهکارهای خیلی خلاقانه‌ای ارائه می‌دن که گاهی حتی ما استادا هم تعجب می‌کنیم!

دوم، مشاغل تلفیقی که ترکیبی از یک تخصص خاص با هوش مصنوعی هستن. مثلاً متخصص هوش مصنوعی پزشکی، تحلیلگر هوش مصنوعی مالی، یا متخصص اخلاق هوش مصنوعی. همین الان تو بانک‌ها داریم به نقش‌هایی فکر می‌کنیم به اسم “تحلیلگر هوش مصنوعی بانکی” که کارش اینه که ببینه کجاهای فرآیندهای بانکی می‌شه از هوش مصنوعی استفاده کرد.

سوم، [با تأکید بیشتر] مشاغل حمایتی و مکمل مثل مربیای هوش مصنوعی، متخصصای توضیح‌پذیری الگوریتمی، بازرسای سوگیری هوش مصنوعی، و متخصصای تعامل انسان-ماشین. اینا شاید جذاب‌ترین مشاغل آینده باشن، چون دقیقاً در مرز بین دنیای انسانی و ماشینی کار می‌کنن.

[با اشاره به آمار] جالبه بدونید طبق مطالعات، تا سال ۲۰۳۰ حدود ۸۵ میلیون شغل ممکنه در اثر اتوماسیون تغییر کنن، اما همزمان ۹۷ میلیون شغل جدید ایجاد می‌شه. یعنی در کل، اشتغال‌زایی مثبته!

و نکته مهم‌تر اینکه این مشاغل جدید معمولاً کیفیت بالاتری دارن – کمتر تکراری‌ان، خلاقانه‌ترن و حقوق بهتری هم دارن. ما به عنوان آموزش‌دهنده، وظیفه داریم نسل بعدی رو برای این مشاغل نوظهور آماده کنیم.

مصاحبه‌کننده: و اما ما چگونه می‌توانیم مهارت‌های خود را با حضور هوش مصنوعی در بازار کار هماهنگ کنیم؟

میلاد کرمی: [با جدیت] این سؤال واقعاً برای همه مهمه. من یه مدلی دارم که بهش می‌گم “مثلث مهارت‌آموزی عصر هوشمند” که براساس تجربیات خودم در صنعت و دانشگاه طراحی کردم.

رأس اول: مهارت‌های منحصراً انسانی رو تقویت کنید. یعنی چی؟ یعنی اون مهارت‌هایی که هوش مصنوعی توشون ضعیفه: خلاقیت واقعی، هوش عاطفی، قضاوت اخلاقی، تفکر انتقادی و مهارت‌های ارتباطی. [با خنده] من تو کلاس‌هام تمرین‌هایی طراحی می‌کنم که بچه‌ها رو مجبور می‌کنه از این مهارت‌ها استفاده کنن. مثلاً یه پروژه دادم که دانشجوها باید یه برنامه بنویسن، بعد همون درخواست رو به ChatGPT بدن و بعد با دید انتقادی خروجی‌ها رو مقایسه کنن.

[با اشاره به انگشت دوم] رأس دوم: تفکر سیستمی و محاسباتی رو یاد بگیرید. ببینید، لازم نیست همه برنامه‌نویس بشن، ولی باید بفهمین سیستم‌های هوشمند چطور کار می‌کنن، نقاط قوت و ضعفشون کجاست، و کی و چطور باید ازشون استفاده کرد. واسه همینه که ما داریم یه دوره راه می‌اندازیم به اسم “سواد الگوریتمی برای غیرمهندسان”.

و رأس سوم: [با تأکید] یادگیری مادام‌العمر رو به عادت تبدیل کنید. الان نیمه عمر مهارت‌ها از ۵ سال به کمتر از ۲ سال رسیده، یعنی باید همیشه در حال یادگیری باشیم. ولی نکته مهم اینه که هدف نباید فقط جمع کردن اطلاعات باشه، بلکه باید “یاد بگیریم چطور یاد بگیریم”. خود من هر ماه حداقل یه کتاب تخصصی جدید می‌خونم و… [با لحنی صمیمی‌تر] راستش سال گذشته برای آموزش خودم و خانواده‌م بیش از یک میلیارد ریال هزینه کردم تا به روز بمونیم.

[با لحن جمع‌بندی] ببینید، موضوع “انسان در برابر ماشین” نیست، بلکه “انسان به علاوه ماشین” هست. من تو محیط کار دیدم کارمندایی که از هوش مصنوعی برای کارهای تکراری استفاده می‌کنن و وقت آزادشده رو میذارن روی نوآوری و حل مسائل پیچیده‌تر، اینها همون کسایی هستن که تو عصر هوش مصنوعی پیشرفت خواهند کرد.

مصاحبه‌کننده: بسیار عالی بود آقای کرمی. هوش مصنوعی چگونه می‌تواند سیستم‌های آموزشی را شخصی‌سازی کند و آیا امکان پذیر می باشد؟

میلاد کرمی: [با شور و اشتیاق] شخصی‌سازی آموزش… به نظرم این شاید انقلابی‌ترین تأثیر هوش مصنوعی تو جامعه باشه! چرا؟ چون می‌تونه یه سیستم آموزشی قدیمی رو که برای عصر صنعتی طراحی شده بود، کاملاً دگرگون کنه.

ببینین، تو سیستم سنتی، معلم یه محتوای یکسان رو با سرعت یکسان به همه دانش‌آموزا ارائه می‌ده، انگار که همه مغزها شبیه همن! ولی علم بهمون می‌گه هر فرد سبک یادگیری خاص خودش رو داره، سرعت درکش متفاوته و علایق مخصوص به خودش رو داره.

[با هیجان بیشتر] من تو کلاس‌هام یه سیستم آزمایشی طراحی کردم که به نظرم یه نمونه کوچیک از آینده آموزشه. این سیستم چند لایه تشخیصی داره:

لایه اول تشخیص می‌ده دانشجو چه مدلی بهتر یاد می‌گیره – بصریه یا شنیداری، عملیه یا تحلیلی. بعد محتوا رو همون‌طور بهش ارائه می‌ده. یعنی اگه کسی بصریه، مفاهیم پیچیده رو با اینفوگرافیک و ویدئو بهش توضیح می‌ده.

[با حرکت دست] لایه دوم هم دائماً داره درک دانشجو رو می‌سنجه و اگه لازم باشه، مفاهیم پایه رو تقویت می‌کنه یا از مباحث ساده‌تر عبور می‌کنه. مثلاً اگه کسی تو جبر قویه ولی تو هندسه ضعیفه، دقیقاً متناسب با همین شرایط محتوا دریافت می‌کنه.

و لایه سوم [با لبخند] که خیلی جالبه، علایق دانشجو رو تشخیص می‌ده و مثال‌ها رو از همون حوزه انتخاب می‌کنه. یعنی برای یه دانشجوی علاقه‌مند به پزشکی، الگوریتم‌های هوش مصنوعی رو با مثال‌های تشخیص بیماری توضیح می‌ده.

واقعاً نتایج این آزمایش حیرت‌انگیز بود! دانشجوها نه فقط نمرات بهتری گرفتن، بلکه انگیزه و رضایتشون هم خیلی بالا رفت. یکی از دانشجوهام سال‌ها با ریاضی مشکل داشت، ولی با این روش خیلی سریع پیشرفت کرد چون سیستم فهمید اون با داستان و روایت بهتر یاد می‌گیره.

[با لحنی جدی‌تر] در مقیاس بزرگ‌تر، هوش مصنوعی می‌تونه شکاف آموزشی رو کم کنه. فکرش رو بکنید… حتی تو دورافتاده‌ترین روستاها، هر دانش‌آموزی به یه معلم شخصی دسترسی داشته باشه که با بهترین روش، متناسب با خودش، بهش آموزش می‌ده. این می‌تونه یه انقلاب واقعی تو برابری آموزشی باشه!

مصاحبه‌کننده: اما در مورد ابزارهای هوش مصنوعی نظرتان چیست، استفاده از ابزارهایی مانند ChatGPT در آموزش، تهدید است یا فرصت؟

میلاد کرمی: [با خنده] این سؤالیه که تقریباً هر روز از دانشجوها، همکارای دانشگاهی و حتی مدیرا می‌شنوم! جوابم همیشه اینه: “هم تهدیده، هم فرصت، ولی بیشتر فرصته.” ببینید، مثل آتیشه که هم می‌تونه غذا بپزه، هم خونه رو بسوزونه – همه چیز به نحوه استفاده بستگی داره.

[با حالتی جدی‌تر] خب، اول بذارید از تهدیدهاش بگم که خودم دیدم:

تقلب و تکالیفی که بدون تفکر با ChatGPT نوشته می‌شن. همین ترم گذشته با پروژه‌هایی مواجه شدم که دانشجوها حتی اشتباهات واضح ChatGPT رو هم اصلاح نکرده بودن!

یه مورد دیگه، تنبلی ذهنیه. وقتی همه جوابا یه پرسش سادس، انگیزه برای فکر کردن عمیق کمتر می‌شه.

و نگرانی‌های اخلاقی مثل کپی کردن محتوای دیگران یا پخش اطلاعات غلط.

[با لحنی امیدوارانه] اما فرصت‌های بزرگ‌تری هم هست:

اول از همه، دموکراتیزه کردن دانش. ChatGPT مثل یه معلم شخصیه که ۲۴ ساعته در دسترسه و می‌تونه مفاهیم سخت رو به زبون ساده توضیح بده.

دوم، افزایش خلاقیت. من تو کلاس‌هام دانشجوها رو تشویق می‌کنم از ChatGPT برای ایده‌پردازی اولیه استفاده کنن و بعد خودشون اون رو توسعه بدن.

سوم، آزاد کردن زمان برای تفکر عمیق‌تر. وقتی کارهای ساده مثل جستجوی اطلاعات اولیه با ChatGPT انجام می‌شه، وقت بیشتری برای تحلیل انتقادی و حل مسئله پیچیده می‌مونه.

[با اشتیاق] برای مدیریت این دوگانگی، یه چارچوبی طراحی کردم به اسم “IDEA” که تو دانشگاه داریم اجراش می‌کنیم:

I برای Integrate یعنی به جای مقاومت، هوش مصنوعی رو تو برنامه درسی ادغام کنیم. D برای Develop یعنی مهارت‌های سؤال‌پرسی هوشمندانه رو توسعه بدیم. E برای Evaluate یعنی دانشجوها باید بتونن جواب‌های هوش مصنوعی رو نقد کنن. A هم برای Augment یعنی از هوش مصنوعی برای تقویت خلاقیت استفاده کنیم، نه جایگزینی اون.

[با نگاه به آینده] به نظرم ما داریم وارد یه انقلاب آموزشی می‌شیم که توش نقش معلم از انتقال‌دهنده دانش به راهنمای یادگیری تغییر می‌کنه. معلم‌هایی که این تغییر رو بپذیرن، پیشتاز خواهند بود.

مصاحبه‌کننده: خب در عصر هوش مصنوعی چه مهارت‌هایی برای دانش‌آموزان و دانشجویان ضروری خواهد بود؟

میلاد کرمی: [با تفکر] می‌دونید، این سؤال دقیقاً در مرکز فلسفه آموزشی من قرار داره. ما داریم نسلی رو آموزش می‌دیم که بخش اعظم زندگی حرفه‌ایشون تو عصر هوش مصنوعی پیشرفته خواهد بود. من این مهارت‌ها رو تو چهار دسته می‌بینم:

[با انگشت اشاره] اول، مهارت‌های شناختی پیشرفته: تفکر سیستمی – یعنی توانایی درک ارتباطات پیچیده در سیستم‌های بزرگ. تو کلاس‌هام، بچه‌ها باید مسائلی رو حل کنن که نیاز به فهم تعاملات چندگانه داره.

سواد الگوریتمی – نه لزوماً کدنویسی، بلکه درک منطق الگوریتمیک. حتی دانشجوهای رشته‌های غیرفنی هم باید بفهمن الگوریتم‌ها چطور تصمیم می‌گیرن.

و تفکر انتقادی قوی – یعنی توانایی سنجش اعتبار اطلاعات در دنیایی که پر از داده‌های نادرست و محتوای مصنوعیه.

[با انگشت دوم] دوم، مهارت‌های انسانی متمایزکننده: هوش عاطفی – درک احساسات خود و دیگران. تو بانک دیدم چطور این مهارت تو مذاکرات پیچیده مالی تفاوت ایجاد می‌کنه.

خلاقیت ترکیبی – توانایی ارتباط دادن ایده‌های به ظاهر نامرتبط. یه داستان جالب از یکی از دانشجوهام دارم که الگوریتم‌های یادگیری عمیق رو با باستان‌شناسی ترکیب کرد تا سفال‌های باستانی رو بازسازی کنه!

و همکاری پیچیده – توانایی کار تو تیم‌های متنوع، چندرشته‌ای و حتی انسان-ماشین.

[با انگشت سوم] سوم، مهارت‌های فنی-کاربردی: سواد داده – توانایی خوندن، تحلیل و تفسیر انتقادی داده‌ها.

بهره‌وری دیجیتال – استفاده هوشمندانه از ابزارهای دیجیتال.

یادگیری-ماشین-یاری – همکاری با سیستم‌های هوشمند برای حل مسائل.

[با انگشت چهارم] و چهارم، شاید مهم‌ترین دسته، مهارت‌های فراشناختی: یادگیری چگونه یادگرفتن – این واقعاً حیاتیه تو عصری که دانش به سرعت منسوخ می‌شه.

انعطاف‌پذیری و تاب‌آوری – توانایی سازگاری با تغییرات سریع.

و پرسشگری خلاق – توانایی طرح سؤالات عمیق، نه فقط پاسخ‌دادن.

[با حالت جدی] تو کلاس‌هام، فراتر از محتوای فنی، این مهارت‌ها رو از طریق پروژه‌های واقعی، چالش‌های گروهی و بحث‌های انتقادی تقویت می‌کنم. مثلاً یه پروژه طراحی کردم که دانشجوها باید یه مسئله واقعی صنعت رو با ترکیب هوش مصنوعی و تفکر انسانی حل کنن – این تمرین همزمان چندین مهارت کلیدی رو تقویت می‌کنه.

[با تأکید] به نظرم آموزش آینده باید از “چه چیزی یاد بگیریم” به سمت “چگونه یاد بگیریم و فکر کنیم” تغییر کنه.

مصاحبه‌کننده: از بحث آموزش برسیم به مبحث سلامت. در مبحث مهم سلامت که خیلی در جامعه مورد بحث می باشد بنظر شما چگونه هوش مصنوعی می‌تواند تشخیص و درمان بیماری‌ها را بهبود بخشد؟

میلاد کرمی: [با کمی مکث] راستش پزشکی یکی از حوزه‌هاییه که هوش مصنوعی می‌تونه توش واقعاً انقلاب ایجاد کنه. البته باید اعتراف کنم که من متخصص پزشکی نیستم، ولی به عنوان پژوهشگر هوش مصنوعی، تحولات این حوزه رو دنبال می‌کنم و تو پروژه‌هایی با داده‌های سلامت کار کردم.

[با اشتیاق] ببینید، تأثیرات هوش مصنوعی در پزشکی رو می‌شه تو چند محور اصلی دید:

اول، تشخیص زودهنگام با دقت بالا. الگوریتم‌های یادگیری عمیق می‌تونن الگوهایی رو تو تصاویر پزشکی ببینن که چشم انسان قادر به دیدنشون نیست. مثلاً الگوریتم‌های تحلیل ماموگرافی می‌تونن سرطان پستان رو ماه‌ها یا حتی سال‌ها زودتر از پزشک تشخیص بدن. یه پروژه جالب دیگه که اخیراً داشتم مطالعه می‌کردم، استفاده از تحلیل شبکیه چشم برای تشخیص زودهنگام بیماری‌های قلبی-عروقی بود – چیزی که قبلاً اصلاً به ذهن کسی نمی‌رسید!

دوم، [با حرکت دست] پزشکی دقیق و شخصی‌سازی‌شده. می‌دونید، هر بیمار منحصربه‌فرده و هوش مصنوعی می‌تونه با تحلیل داده‌های ژنتیکی، سبک زندگی و سوابق پزشکی، درمان‌های مخصوص همون فرد رو پیشنهاد بده. یکی از همکارام تو یه پروژه مشارکت داره که یه الگوریتم برای تنظیم دوز داروهای دیابت طراحی می‌کنه، بر اساس پروفایل متابولیک بیمار. نتایج اولیه نشون می‌ده این روش می‌تونه اثربخشی دارو رو تا ۴۰٪ افزایش بده و عوارض جانبی رو کم کنه.

سوم، کشف دارو و درمان‌های جدید. [با جدیت] ساخت داروهای جدید خیلی زمان‌بر و پرهزینه‌س. هوش مصنوعی با شبیه‌سازی تعاملات مولکولی و پیش‌بینی اثربخشی ترکیبات، می‌تونه این فرایند رو سرعت بده. شرکت‌هایی مثل Insilico Medicine تونستن با کمک هوش مصنوعی، زمان کشف داروهای جدید رو از سال‌ها به ماه‌ها برسونن.

چهارم، مدیریت بیمارستان و مراقبت‌های سلامت. هوش مصنوعی می‌تونه جریان کار تو بیمارستان‌ها رو بهینه کنه، تخصیص منابع رو بهبود بده و حتی با پیش‌بینی موج‌های بیماری، برنامه‌ریزی بهتری برای مدیریت بحران‌ها ارائه بده. تو دوران کرونا دیدیم که چطور الگوریتم‌های پیش‌بینی به مدیریت بهتر منابع کمک کردن.

و پنجم، [با هیجان] نظارت از راه دور و پایش مداوم. حسگرهای پوشیدنی که به سیستم‌های هوش مصنوعی وصل هستن می‌تونن دائماً علائم حیاتی بیمارا رو چک کنن و اگه علائم هشداردهنده دیدن، اقدامات پیشگیرانه پیشنهاد بدن. این خصوصاً برای بیمارای مزمن و سالمندها خیلی ارزشمنده.

[با تأکید] اما مهم‌ترین نکته اینه که هوش مصنوعی جایگزین پزشک نیست، بلکه یه ابزار قدرتمند در دستای پزشکه. پزشکی موفق آینده، ترکیبی از دقت ماشینی و قضاوت انسانی خواهد بود.

مصاحبه‌کننده: آیادر مبحث اخلاق در مشاغل، استفاده از ربات‌ها و الگوریتم‌های هوش مصنوعی در جراحی و پرستاری،بنظرتون اخلاقی است؟

میلاد کرمی: [با مکث طولانی] خب… این واقعاً یه سؤال عمیق فلسفی و چندوجهیه که با ارزش‌های انسانی، اصول پزشکی و مسئولیت‌پذیری اخلاقی گره خورده. نمی‌شه به این سؤال فقط “آره” یا “نه” جواب داد.

به نظر من، اخلاقی بودن این فناوری‌ها به چارچوب استفاده، هدف و شیوه پیاده‌سازیشون بستگی داره. اجازه بدید یه تفکیک مهم انجام بدم:

[با وضوح بیشتر] تو حوزه جراحی، استفاده از ربات‌های هوشمند می‌تونه کاملاً اخلاقی باشه، چرا؟ چون:

دقت مکانیکی فوق‌العاده‌ای دارن. مثلاً سیستم Da Vinci می‌تونه با دقت میکرونی عمل کنه که از توانایی دست انسان خیلی دقیق‌تره.

امکان جراحی از راه دور رو فراهم می‌کنه که برای مناطق محروم خیلی حیاتیه.

و خطای انسانی ناشی از خستگی رو کم می‌کنه.

[با حرکت دست] اما چند تا شرط مهم داره:

نظارت و تصمیم نهایی باید با جراح انسانی باشه.

مسئولیت‌پذیری حقوقی و اخلاقی باید شفاف باشه.

رضایت آگاهانه بیمار از نوع فناوری مورد استفاده ضروریه.

[با لحنی متفکرانه] اما… تو حوزه پرستاری، موضوع پیچیده‌تر می‌شه. پرستاری فراتر از مراقبت فیزیکیه و جنبه‌های انسانی عمیقی داره:

همدلی و ارتباط انسانی که بخش مهمی از فرایند درمانه

انعطاف‌پذیری در واکنش به شرایط غیرمنتظره

درک ظرافت‌های فرهنگی و احساسی بیماران

من معتقدم ربات‌ها می‌تونن در کارهای تکراری پرستاری مثل توزیع دارو، ثبت علائم حیاتی و حتی کمک به جابجایی بیماران کمک کنن، ولی نمی‌تونن جایگزین کامل پرستارهای انسانی بشن.

[با اطمینان] چارچوب اخلاقی که پیشنهاد می‌کنم، “مکمل‌سازی هوشمند” هست، یعنی از فناوری برای تقویت توانایی‌های انسانی استفاده کنیم، نه جایگزینی اون. مثلاً سیستمی که علائم حیاتی رو پایش می‌کنه و هشدارهای هوشمند به پرستار می‌ده، اما تصمیم‌گیری و ارتباط با بیمار همچنان انسانی باقی می‌مونه.

و یه نکته دیگه که برام خیلی مهمه، برابری دسترسیه. [با جدیت] فناوری‌های پیشرفته پزشکی نباید فقط برای ثروتمندا باشه. باید چارچوب‌های قانونی و اخلاقی داشته باشیم که تضمین کنه این فناوری‌ها نابرابری‌های موجود در سلامت رو بدتر نمی‌کنن.

در نهایت، فکر می‌کنم مسیر اخلاقی، حرکت آهسته اما مطمئن، همراه با ارزیابی دقیق، شفافیت کامل و همیشه با حفظ کرامت انسانی بیماره.

مصاحبه‌کننده: در نگاه شما نگرانی‌های مربوط به حریم خصوصی داده‌های سلامت در استفاده از هوش مصنوعی چیست؟

میلاد کرمی: [با جدیت] این سؤال به یکی از حساس‌ترین چالش‌های کاربرد هوش مصنوعی در پزشکی اشاره می‌کنه. می‌دونید، داده‌های سلامت، خصوصی‌ترین نوع اطلاعات شخصی هستن که افشای ناخواسته‌شون می‌تونه عواقب جدی داشته باشه، از تبعیض شغلی و بیمه‌ای بگیرید تا آسیب‌های روانی-اجتماعی.

تجربه من تو حوزه دیتا بهم نشون داده که نگرانی‌های حریم خصوصی تو داده‌های سلامت چند لایه دارن:

[با انگشت اشاره] لایه اول: امنیت فنی داده‌ها خطر هک و نشت اطلاعات حساس بیمارها دسترسی‌های غیرمجاز داخلی به پایگاه‌های داده پزشکی چالش‌های ذخیره‌سازی امن داده‌های حجیم سلامت

خوشبختانه این لایه با راهکارهای فنی مثل رمزنگاری پیشرفته، کنترل دسترسی چندعاملی و ممیزی مداوم قابل مدیریته. تو همه صنایع حساس، سیستم‌های مشابهی برای حفاظت از داده‌های مهم پیاده‌سازی شده.

[با انگشت دوم] لایه دوم: استفاده ثانویه از داده‌ها آیا داده‌هایی که برای درمان جمع‌آوری شدن، می‌تونن برای تحقیقات یا اهداف تجاری استفاده بشن؟ اصلاً چه کسی مالک داده‌های سلامته، بیمار، بیمارستان، یا شرکت‌هایی که سیستم‌ها رو توسعه می‌دن؟ چطور می‌شه بین منافع فردی (حریم خصوصی) و منافع جمعی (پیشرفت پزشکی) تعادل ایجاد کرد؟

[با اطمینان] راه‌حلی که من پیشنهاد می‌کنم، “رضایت پویا” هست، یعنی سیستمی که به افراد امکان می‌ده به طور مداوم کنترل کنن که کدوم بخش‌های داده‌هاشون برای چه اهدافی قابل استفاده است.

[با انگشت سوم] لایه سوم: سوگیری و تبعیض الگوریتمی الگوریتم‌هایی که با داده‌های ناقص یا نامتوازن آموزش دیدن، می‌تونن منجر به تشخیص‌ها یا توصیه‌های درمانی تبعیض‌آمیز بشن عدم شفافیت در نحوه تصمیم‌گیری الگوریتم‌ها (جعبه سیاه) خطر دسته‌بندی بیمارها بر اساس ویژگی‌های حساس مثل نژاد، جنسیت یا وضعیت اقتصادی

برای مقابله با این چالش، ما تو پروژه‌های هوش مصنوعی‌مون اصل “عدالت از طراحی” رو پیاده‌سازی می‌کنیم، یعنی ارزیابی و اصلاح سوگیری‌های الگوریتمی از همون مراحل اولیه طراحی، نه به عنوان یه فکر بعدی.

[با انگشت چهارم] و لایه چهارم: حق فراموش شدن آیا بیمارها حق دارن بخوان داده‌هاشون بعد از درمان حذف بشه؟ چطور می‌شه این حق رو با نیاز به حفظ سوابق پزشکی و آموزش سیستم‌های هوش مصنوعی متعادل کرد؟

راه‌حل پیشنهادی من “بی‌نام‌سازی غنی” هست، تکنیک‌هایی که هویت فرد رو حذف می‌کنه اما ارزش علمی و آماری داده‌ها رو حفظ می‌کنه.

[با تأکید] نکته کلیدی اینه که حفاظت از حریم خصوصی نباید بعد از جمع‌آوری داده‌ها شروع بشه، بلکه باید تو خود طراحی سیستم گنجونده بشه، رویکردی که بهش می‌گیم “حریم خصوصی از طراحی”.

مصاحبه‌کننده: بزرگ‌ترین نگرانی‌های مردم در مورد گسترش هوش مصنوعی رو چیه چیزی می‌دانید، چه چیزی ایجاد نگرانی می‌کند؟

میلاد کرمی: [با لبخند] خب، تو گفتگوهایی که با دانشجوها، همکارا و حتی خانواده‌م داشتم، دیدم نگرانی‌های مردم طیف گسترده‌ای داره، از ترس‌های عملی روزمره تا دغدغه‌های عمیق فلسفی. این نگرانی‌ها رو می‌شه تو چند دسته اصلی قرار داد:

[با اشاره] اول، نگرانی‌های اقتصادی-شغلی: بیکاری گسترده ناشی از اتوماسیون. این شاید ملموس‌ترین نگرانی باشه که تو صنعت هم باهاش روبرو هستیم. یکی از همکارا بهم گفت: “بعد از ۲۰ سال خدمت، نگرانم هوش مصنوعی جام رو بگیره.”

افزایش شکاف بین اونایی که به فناوری‌های پیشرفته دسترسی دارن و ندارن.

وابستگی بیش از حد اقتصادی به شرکت‌های بزرگ فناوری.

دوم، [با حرکت دست] نگرانی‌های امنیتی و حریم خصوصی: نظارت گسترده و نقض حریم خصوصی با ابزارهای پیشرفته تشخیص چهره و تحلیل رفتار.

آسیب‌پذیری سیستم‌های حیاتی در برابر حملات سایبری.

استفاده از هوش مصنوعی برای تولید اخبار جعلی و دستکاری افکار عمومی. تو کلاس‌هام می‌بینم دانشجوها چقدر نگران “دیپ‌فیک” هستن.

سوم، نگرانی‌های اجتماعی-فرهنگی: کاهش تعاملات انسانی و افزایش تنهایی.

تقویت تعصبات و نابرابری‌های موجود در جامعه توسط الگوریتم‌های سوگیرانه.

تهدید هویت و ارزش‌های فرهنگی با همگن‌سازی الگوریتمی.

[با کمی مکث] چهارم، نگرانی‌های فلسفی-وجودی: هوش مصنوعی خارج از کنترل که اهداف مخرب دنبال کنه (همون فیلم‌های هالیوودی).

چالش‌های هویتی و تعریف انسانیت در عصری که ماشین‌ها می‌تونن “فکر” کنن.

معنای کار و هدف زندگی تو جهانی که خیلی چیزها اتوماتیک شده.

و پنجم، نگرانی‌های حاکمیتی-قانونی: نبود چارچوب‌های قانونی مناسب برای کنترل فناوری‌های نوظهور.

تمرکز بیش از حد قدرت دست چند شرکت بزرگ.

وقتی الگوریتم اشتباه می‌کنه، کی مسئوله؟

[با لحنی متعادل‌تر] به نظرم بعضی از این نگرانی‌ها کاملاً به‌جاست، در حالی که برخی دیگه بر اساس سوءتفاهم یا بزرگنمایی رسانه‌ایه. مثلاً تو محیط کار، من دیدم که اتوماسیون باعث تغییر شغل‌ها شده، نه حذف اونها. کارمندا از کارهای تکراری خلاص شدن و به کارهای مهم‌تری می‌پردازن.

[با قاطعیت] نکته کلیدی اینه که مسیر توسعه هوش مصنوعی، محتوم و خارج از کنترل ما نیست. این مسیر رو ما با سیاست‌گذاری، آموزش، و انتخاب‌های جمعی و فردی‌مون شکل می‌دیم. نگرانی‌ها رو باید جدی گرفت، اما به جای ترس، باید به اقدام آگاهانه تبدیل بشن.

مصاحبه‌کننده: آیا ممکن است هوش مصنوعی از کنترل انسان خارج شود؟ چگونه می‌توان از آن جلوگیری کرد؟

میلاد کرمی: [با مکث طولانی و نفس عمیق] این سؤال به عمیق‌ترین نگرانی‌های فلسفی و فنی درباره هوش مصنوعی می‌پردازه. از نگاه علمی و بر اساس دانش فعلی، جوابم اینه:

آیا امکانش هست؟ بله، از نظر تئوری چنین سناریویی ممکنه، اما نه به شکل رباتیک دراماتیکی که تو فیلم‌های هالیوودی می‌بینیم. چالش واقعی چیزی هست که بهش می‌گیم “عدم همترازی هدف” – یعنی وضعیتی که سیستم هوش مصنوعی اهدافی رو دنبال می‌کنه که کاملاً با ارزش‌های انسانی هم‌راستا نیست.

[با اشاره به تجربه شخصی] حتی در مقیاس کوچک‌تر، تو محیط کار دیدم الگوریتم‌های تشخیص تقلبی که خودمون طراحی کردیم، گاهی رفتارهای غیرمنتظره نشون می‌دن. مثلاً تراکنش‌های قانونی با یه الگوی خاص رو به اشتباه مسدود می‌کنن. این یه نمونه کوچیکه از چالش بزرگ‌تر “نتایج ناخواسته”.

[با لحن متفکرانه] چقدر محتمله؟ تو کوتاه‌مدت، احتمالش خیلی کمه. سیستم‌های فعلی، با وجود پیشرفت‌های چشمگیر، هنوز “هوش ضعیف” یا تک‌منظوره دارن و فاقد آگاهی، اراده یا درک عمیق هستن. هوش مصنوعی امروز بیشتر شبیه ابزارهای خیلی پیچیده‌س تا یه عامل مستقل.

اما در بلندمدت، وقتی به “هوش مصنوعی عمومی” یا AGI نزدیک می‌شیم، این خطر جدی‌تر می‌شه. نه به این دلیل که ماشین‌ها “بدجنس” می‌شن، بلکه چون اهداف پیچیده رو با روش‌های غیرمنتظره دنبال می‌کنن.

[با اطمینان بیشتر] چطور جلوگیری کنیم؟ ما به رویکردهای چندلایه نیاز داریم:

اول، ایمنی از طریق طراحی – باید اصول ایمنی رو تو خود معماری سیستم‌ها بذاریم، نه به عنوان یه فکر بعدی. مفهومی وجود داره به نام “همترازی ارزش‌ها” که هدفش اینه مطمئن شیم رفتار هوش مصنوعی با ارزش‌های انسانی همسو می‌مونه.

دوم، [با حرکت دست] کُندسازی هوشمندانه – این به معنی توقف نوآوری نیست، بلکه حرکت محتاطانه و گام به گامه. هر نسل از سیستم‌های هوش مصنوعی باید کاملاً آزمایش و ارزیابی بشه قبل از اینکه به نسل بعدی برسیم.

سوم، نظارت انسانی معنادار – سیستم‌های هوش مصنوعی باید همیشه تحت نظارت انسانی باشن، با “دکمه‌های قطع” قابل اعتماد. تو طراحی سیستم‌های واقعی، همیشه این امکان رو حفظ می‌کنیم که اگه الگوریتم رفتار نامناسب داشت، کنترل به انسان برگرده.

چهارم، شفافیت و توضیح‌پذیری – سیستم‌های هوش مصنوعی نباید جعبه سیاه باشن. باید بتونیم بفهمیم چرا یه تصمیم خاص می‌گیرن. تحقیقات تو زمینه “هوش مصنوعی قابل توضیح” خیلی مهمه.

و پنجم، همکاری جهانی – ایمنی هوش مصنوعی یه چالش جهانیه و به همکاری بین‌المللی نیاز داره. رقابت بی‌محابا می‌تونه باعث شه ملاحظات ایمنی نادیده گرفته بشن.

[با لبخند] آخرین نکته اینکه، خیلی از نگرانی‌ها درباره “هوش مصنوعی خارج از کنترل” از درک نادرست از ماهیت این فناوری میاد. هوش مصنوعی ابزاریه که ما می‌سازیم و شکل می‌دیم. آینده‌ش به تصمیمات امروز ما بستگی داره.

مصاحبه‌کننده: بسیار عالی و گفت و گوی جذابی شد، بنظر جنابعالی چه جنبه‌های مثبتی از هوش مصنوعی وجود دارد که زندگی ما را بهبود می‌بخشد؟

میلاد کرمی: [با انرژی] می‌دونید، وسط این همه صحبت از نگرانی‌ها، گاهی یادمون می‌ره هوش مصنوعی چه پتانسیل باورنکردنی‌ای برای بهتر کردن زندگی داره! به عنوان کسی که این فناوری رو هم پژوهش می‌کنه هم تو محیط واقعی پیاده می‌کنه، می‌خوام چندتا از جنبه‌های مثبتی رو بگم که به نظرم خیلی زودتر از اونچه فکر می‌کنیم، زندگیمون رو متحول می‌کنن:

[با اشتیاق] تو حوزه سلامت و پزشکی: تشخیص زودهنگام بیماری‌ها با دقتی که قبلاً نداشتیم. مطالعات نشون می‌دن الگوریتم‌های تشخیص سرطان گاهی از خود پزشکای متخصص هم دقیق‌ترن!

دارورسانی شخصی‌سازی‌شده که بر اساس ژنوم و شرایط خاص هر فرد طراحی شده و عوارض جانبی رو کم می‌کنه.

دسترسی به مشاوره پزشکی تو مناطق محروم. [با لحنی صمیمی‌تر] تو ایران، روستاهایی داریم که سال‌ها به متخصص دسترسی نداشتن؛ هوش مصنوعی می‌تونه این فاصله رو پر کنه.

[با حرکت دست به سمت دیگر] تو آموزش و یادگیری: آموزش شخصی‌سازی‌شده که با سرعت و سبک هر دانش‌آموز هماهنگ می‌شه. تو کلاس‌هام دیدم چطور دانشجوها با سبک‌های متفاوت یادگیری، با روش‌های مختص خودشون پیشرفت می‌کنن.

منابع آموزشی در دسترس برای همه، بدون توجه به موقعیت جغرافیایی. هوش مصنوعی می‌تونه محتوای آموزشی باکیفیت رو به زبان‌های مختلف برگردونه و بومی‌سازی کنه.

کمک به معلم‌ها برای تمرکز بیشتر روی جنبه‌های انسانی آموزش، به جای کارهای اداری تکراری.

[با لحنی جدی‌تر] تو محیط زیست و تغییرات اقلیمی: بهینه‌سازی مصرف انرژی تو ساختمون‌ها و کارخونه‌ها. سیستم‌های هوشمند Google DeepMind تونستن مصرف انرژی مراکز داده رو تا ۴۰٪ کم کنن!

پیش‌بینی دقیق‌تر حوادث طبیعی مثل سیل و زلزله، که می‌تونه هزاران نفر رو نجات بده.

بهینه‌سازی کشاورزی با کاهش مصرف آب و مواد شیمیایی، که برای کشورهایی مثل ایران با مشکلات آبی، خیلی حیاتیه.

[با کمی هیجان بیشتر] تو اقتصاد و کسب‌وکار: افزایش بهره‌وری و کاهش هزینه‌ها با خودکارسازی کارهای تکراری. تو محیط کاری، یه سیستمی پیاده کردیم که فرایندهای اداری رو که قبلاً ساعت‌ها طول می‌کشید، به چند دقیقه رسونده و کم نیستن چنین کارهایی که در حال انجامه.

کشف فرصت‌های جدید کسب‌وکار که قبلاً اصلاً قابل تشخیص نبودن.

دموکراتیزه کردن دسترسی به خدمات مالی پیشرفته برای قشرهای کم‌درآمد و افرادی که اصلاً تو سیستم بانکی نیستن.

[با اشاره به تجربه روزمره] تو زندگی روزمره: دستیارهای هوشمندی که کارهای روزانه رو ساده‌تر می‌کنن و به ما اجازه می‌دن روی چیزایی که واقعاً برامون مهمه تمرکز کنیم.

سیستم‌های ترجمه که دیوارهای زبانی رو از بین می‌برن و ارتباطات جهانی رو راحت‌تر می‌کنن.

ابزارهایی برای افزایش خلاقیت و نوآوری تو هنر، موسیقی و ادبیات.

[با لحنی صمیمانه و جدی] و یه بخش که برام خیلی مهمه، دسترسی‌پذیری: فناوری‌هایی که به افراد دارای معلولیت امکان می‌دن به طور کامل‌تر تو جامعه مشارکت کنن. از سیستم‌های تبدیل متن به گفتار برای نابینایان بگیرید تا ابزارهای کنترل حرکتی برای افرادی که محدودیت حرکتی دارن.

[با نگاه امیدوارانه] چیزی که منو خیلی امیدوار می‌کنه، پتانسیل هوش مصنوعی برای حل مشکلات بزرگ بشریه، از بیماری‌های العلاج گرفته تا فقر و نابرابری. ولی کلید موفقیت، هدایت این فناوری در مسیری هست که مکمل انسانیت ما باشه، نه جایگزین اون.

مصاحبه‌کننده: برسیم به نقش حاکمیتی، دولت‌ها و سازمان‌ها چگونه باید برای تنظیم مقررات هوش مصنوعی اقدام کنند؟

میلاد کرمی: [با جدیت] ببینید، حکمرانی هوش مصنوعی موضوع خیلی پیچیده‌تر از اونه که فقط دولت‌ها بخوان تنظیمش کنن. من چند اصل اساسی رو می‌بینم که باید رعایت بشه:

[با حرکت دست] اول از همه، حکمرانی باید مشارکتی و چندذینفعی باشه: باید بخش خصوصی، دانشگاه‌ها، جامعه مدنی و متخصصان اخلاق رو دخالت بدیم شوراهای مشورتی چندتخصصی برای تعیین استانداردها و دستورالعمل‌ها ایجاد کنیم منشورهای اخلاقی توسط خود صنعت تدوین بشه، البته همراه با نظارت مستقل

[با تأکید بیشتر] دوم، شفافیت و پاسخگویی الگوریتمی. سیستم‌های هوش مصنوعی نباید جعبه‌های سیاه باشن: باید بتونیم توضیح بدیم چرا یه تصمیم خاص گرفته شده، به خصوص تو سیستم‌های حیاتی ارزیابی‌های منظم برای پیدا کردن سوگیری و تبعیض تو الگوریتم‌ها ممیزی مستقل سیستم‌ها توسط نهادهای ثالث

[با اشاره به جنبه بین‌المللی] سوم، هماهنگی بین‌المللی با توجه به نیازهای محلی. هوش مصنوعی ذاتاً فرامرزیه و استانداردهای متناقض می‌تونه مشکل‌ساز باشه: همکاری برای ایجاد حداقل استانداردهای جهانی انعطاف‌پذیری برای انطباق با ارزش‌ها و نیازهای بومی همکاری در مقابله با تهدیدهای مشترکی مثل سلاح‌های خودمختار

[با لحن کارشناسانه و کمی نگرانی] برای ایران، چالش بزرگ‌تر اینه که چطور بین حمایت از صنعت نوپای هوش مصنوعی داخلی و محافظت از ارزش‌های ملی و امنیت سایبری تعادل ایجاد کنیم. ما باید استانداردهای بین‌المللی رو با توجه به شرایط خاص کشور بومی‌سازی کنیم.

[با تأکید ویژه] و یه نکته مهم: تنظیم مقررات هوش مصنوعی نباید ایستا باشه، بلکه باید پویا و در حال تکامل باشه، همزمان با تحول سریع فناوری. قوانین سنتی که سال‌ها طول می‌کشه تا نوشته بشن، برای فناوری‌هایی که هر ۶-۱۲ ماه یک بار تغییر می‌کنن، اصلاً کارآمد نیستن!

[با اشاره به تجربه شخصی] تجربه خودم تو صنعت نشون داده که بهترین رویکرد، حرکت سریع ولی محتاطانه است – آزمایش در مقیاس کوچک، یادگیری، تطبیق و بعد گسترش تدریجی.

مصاحبه‌کننده: ممنون از شما، به عنوان یک فرد، چگونه می‌توانیم از هوش مصنوعی به نفع خود استفاده کنیم؟

میلاد کرمی: [با لبخند گرم] این سؤال واقعاً عملیه و به زندگی روزمره همه ما مربوط می‌شه! می‌خوام جوابی بدم که هر کسی، از یه متخصص IT گرفته تا فردی که تازه با فناوری آشنا می‌شه، بتونه ازش استفاده کنه.

[با حرکات دست برای نشان دادن سطوح مختلف] من استفاده هوشمندانه از هوش مصنوعی رو تو سه سطح می‌بینم که می‌شه کم‌کم توشون پیشرفت کرد:

سطح اول: استفاده آگاهانه از ابزارهای موجود دستیارهای زبانی مثل ChatGPT: برای خلاصه کردن متن‌های طولانی، بهتر کردن نوشته‌ها، یادگیری مفاهیم سخت یا حتی داشتن یه مشاور فکری. خودم موقع نوشتن مقاله‌های پژوهشی، اول ایده‌هام رو با ChatGPT به چالش می‌کشم تا نقاط ضعفش رو پیدا کنم.

ابزارهای تولید محتوا: برای ساختن تصاویر، ویرایش عکس یا تولید موسیقی. این ابزارها حتی برای افرادی که مهارت هنری ندارن، امکان بیان خلاقانه فراهم می‌کنن.

اپلیکیشن‌های کاربردی هوشمند: مثل برنامه‌های مدیریت مالی شخصی که الگوهای خرج کردنتون رو تحلیل می‌کنن، یا اپلیکیشن‌های سلامت که عادت‌های خواب و فعالیت‌تون رو بهینه می‌کنن.

[با انگشت اشاره و صدایی جدی‌تر] نکته کلیدی تو این سطح، انتخاب هدفمند و فهمیدن محدودیت‌هاست. به دانشجوهام همیشه می‌گم: “از هوش مصنوعی به عنوان مشاور استفاده کنید، نه تصمیم‌گیرنده.”

[با اشتیاق بیشتر] سطح دوم: ترکیب و ادغام هوشمندانه ایجاد جریان‌های کاری خودکار: با استفاده از ابزارهایی مثل Zapier یا IFTTT، می‌شه چندتا سرویس هوش مصنوعی رو به هم وصل کرد. من خودم یه سیستمی طراحی کردم که ایمیل‌هامو تحلیل، دسته‌بندی و خلاصه می‌کنه و کارهای روزانه رو خیلی راحت‌تر کرده.

توسعه مهارت “سؤال‌پرسی هوشمندانه”: یعنی هنر پرسیدن سؤال‌های دقیق و هدفدار از سیستم‌های هوش مصنوعی. مثلاً به جای اینکه بپرسید “چطوری سرمایه‌گذاری کنم؟”، بپرسید: “با توجه به اهداف بلندمدت مالی من برای بازنشستگی و ریسک‌پذیری متوسطم، چه استراتژی سرمایه‌گذاری پیشنهاد می‌دی؟”

استفاده از ابزارهای هوش مصنوعی برای یادگیری شخصی: مثل سیستم‌های توصیه‌گر سفارشی‌شده برای پیدا کردن منابع آموزشی متناسب با سبک یادگیری خودتون.

[با نگاهی به آینده] سطح سوم: مشارکت در توسعه و تکامل مشارکت در پروژه‌های جمعی هوش مصنوعی: سیستم‌هایی مثل Foldit که از هوش جمعی برای حل مسائل پیچیده علمی استفاده می‌کنن.

بازخورد هدفمند به سیستم‌های هوشمند: با گزارش اشتباهات، سوگیری‌ها یا پیشنهاد برای بهبود، می‌شه تو پیشرفت این سیستم‌ها سهیم بود.

تولید محتوا و دانش برای تقویت سیستم‌های بومی: به عنوان کاربرای ایرانی، مشارکت ما در تولید محتوای فارسی باکیفیت می‌تونه به بهتر شدن سیستم‌های هوش مصنوعی برای زبان و فرهنگمون کمک کنه.

[با لحنی صمیمانه و تأکیدی] یه نکته مهمی که همیشه به همکارا و دانشجوهام می‌گم، لزوم حفظ تعادله. هوش مصنوعی باید ابزاری برای تقویت توانایی‌های انسانی باشه، نه جایگزین تفکر انتقادی، خلاقیت یا قضاوت انسانی. نباید دچار “تنبلی فکری” بشیم که همه فکر کردن رو بسپاریم به ماشین‌ها.

[با اطمینان] تجربه شخصی من نشون داده که بیشترین بهره‌وری زمانی به دست میاد که انسان و ماشین هر کدوم تو زمینه تخصصی خودشون کار کنن و همدیگه رو تکمیل کنن، درست مثل یه تیم کارآمد.

مصاحبه‌کننده: و با این تفاسیر آیا باید نگران هوش مصنوعی عمومی (AGI) باشیم؟

میلاد کرمی: [با مکث و نفسی عمیق] این سؤال ما رو به افق‌های آینده‌نگری هوش مصنوعی می‌بره، جایی که علم و فلسفه با هم آمیخته می‌شن. AGI یا هوش مصنوعی عمومی، یعنی سیستمی که می‌تونه هر کار شناختی که انسان انجام می‌ده رو با سطحی مشابه یا حتی بالاتر انجام بده.

[با لحنی متفکرانه] جواب من به این سؤال، “نگرانی سازنده” هست، نه ترس فلج‌کننده و نه بی‌تفاوتی خطرناک.

[با حالت پرسشی] چقدر به AGI نزدیک هستیم؟ درباره اینکه کی به AGI می‌رسیم، بین متخصص‌ها اختلاف نظر زیادی هست، از یه دهه گرفته تا چند قرن. شخصاً بر اساس روند فعلی پیشرفت‌ها، فکر می‌کنم AGI واقعی احتمالاً ۲۰ تا ۵۰ سال آینده محقق می‌شه، هرچند… [با لبخند] شگفتی‌های غیرمنتظره همیشه ممکنه!

[با شمارش انگشتان] چالش‌های اصلی AGI چیه؟ اول، چالش کنترل: چطور مطمئن بشیم سیستمی که ممکنه از ما هوشمندتر باشه، با اهداف ما هم‌راستا می‌مونه؟ به این مسئله “همترازی” یا alignment می‌گن.

دوم، چالش توزیع قدرت: چه کسی AGI رو کنترل می‌کنه و چطور می‌شه از تمرکز بیش از حد قدرت جلوگیری کرد؟

سوم، چالش هویتی: AGI چطور درک ما از انسان بودن، ارزش کار و معنای زندگی رو تغییر می‌ده؟

[با لحنی متعادل] آیا باید نگران باشیم؟ به نظرم نگرانی معقول و سازنده، واکنش مناسبیه. سناریوهای آخرالزمانی هالیوود احتمالاً اغراق‌آمیزن، اما خطرات واقعی هم وجود دارن.

تو مهندسی ایمنی یه مثل داریم: “سیستم‌های خیلی قدرتمند، احتیاط خیلی زیاد می‌خوان.” این اصل برای AGI هم صدق می‌کنه. ما داریم قدرتمندترین فناوری تاریخ بشر رو توسعه می‌دیم و باید متناسب با اون، محتاط باشیم.

[با اعتماد به نفس] راهبردهای احتیاطی که پیشنهاد می‌کنم:

اول، تحقیقات ایمنی پیش‌نگر: به جای اینکه اول AGI بسازیم و بعد به فکر ایمنیش باشیم، باید از همین حالا روی حل مسائل ایمنی کار کنیم. تو دانشگاه، یه پروژه تحقیقاتی داریم که روی مسئله “توضیح‌پذیری” سیستم‌های پیچیده کار می‌کنه، که پیش‌شرط مهمی برای سیستم‌های ایمن آینده‌س.

دوم، حاکمیت مشارکتی: AGI نباید دست یه شرکت یا یه دولت باشه. ما به سازوکارهایی برای تصمیم‌گیری جمعی درباره توسعه و استقرار AGI نیاز داریم.

سوم، [با تأکید] رویکرد تدریجی: به جای مسابقه بی‌محابا برای رسیدن به AGI، باید گام به گام پیش بریم، با آزمایش کافی در هر مرحله.

چهارم، تنوع دیدگاه‌ها: توسعه AGI نباید فقط کار متخصصان فنی باشه. ما به مشارکت فیلسوف‌ها، جامعه‌شناس‌ها، روانشناس‌ها، اقتصاددان‌ها و نماینده‌های فرهنگ‌های مختلف نیاز داریم.

[با اشاره به تجربه شخصی] تو کار پژوهشیم با سیستم‌های هوشمند، دیدم که حتی الگوریتم‌های نسبتاً ساده گاهی رفتارهای غیرمنتظره‌ای نشون می‌دن که پیش‌بینیشون سخته. این تجربه، اهمیت طراحی دقیق، آزمایش جامع، و نظارت مداوم رو برام روشن کرده.

[با نگاه امیدوارانه] اما در عین حال، معتقدم اگه مسئولانه عمل کنیم، AGI می‌تونه بزرگ‌ترین دستاورد بشریت باشه، فناوری‌ای که می‌تونه به حل بزرگ‌ترین چالش‌های ما از گرسنگی و بیماری گرفته تا تغییرات اقلیمی کمک کنه.

نگرانی سازنده، یعنی از خطرات آگاهیم ولی به جای اینکه از ترس فلج بشیم، روی ساختن یه آینده بهتر تمرکز می‌کنیم.

مصاحبه‌کننده: بسیار عالی و گفت و گوی جذابی شد، ضمن تشکر از شما که قبول زحمت فرمودید و وقت ارزشمند خودتان را در اختیار ما قرار دادید، در پایان هر صحبتی دارید، بفرمایید.

میلاد کرمی: [با لبخند قدرشناسانه] من هم از شما و مخاطبان عزیز بسیار سپاسگزارم که این فرصت رو فراهم کردین تا درباره این موضوع مهم گفتگو کنیم. در پایان چند نکته کلیدی رو می‌خوام به عنوان جمع‌بندی بگم:

[با نگاهی جدی و عمیق] ما در آستانه یه تحول بی‌سابقه تو تاریخ بشر ایستادیم. هوش مصنوعی فقط یه فناوری جدید نیست، بلکه یه تغییر پارادایمی تو تمدن انسانیه، شبیه اختراع کشاورزی، چاپ، یا انقلاب صنعتی، اما با سرعتی خیلی خیلی بیشتر.

[با اشاره دست] برخلاف بعضی روایت‌های رایج، به نظر من آینده هوش مصنوعی نه از قبل تعیین شده، نه اجتناب‌ناپذیره. این آینده رو ما با انتخاب‌های امروزمون شکل می‌دیم، از سیاست‌های کلان ملی گرفته تا تصمیم‌های روزمره‌مون در استفاده از این فناوری.

[با لحنی میهن‌پرستانه] پیامم برای هموطنان عزیزمه: نباید تو این انقلاب فناوری، فقط تماشاچی یا مصرف‌کننده باشیم. ایران با سرمایه انسانی فوق‌العاده‌ش، جوونای خلاق، متخصصای باسواد و فرهنگ غنی حل مسئله، پتانسیل درخشانی برای مشارکت در این عرصه داره. حتی با وجود محدودیت‌ها، می‌تونیم با تمرکز رو راهکارهای بومی و نوآوری‌های متناسب با نیازهای خاص خودمون، جایگاه شایسته‌ای کسب کنیم.

[با انگشت شمارش] برای رسیدن به این هدف، سه تا محور پیشنهاد می‌کنم:

اول، آموزش فراگیر و عمیق، نه فقط آموزش فنی، بلکه پرورش تفکر انتقادی، خلاقیت و مهارت‌های حل مسئله. باید از مدارس ابتدایی تا دانشگاه‌ها، طرز فکر و مهارت‌های لازم برای عصر هوش مصنوعی رو تقویت کنیم.

دوم، پیوند بین صنعت و دانشگاه، همون‌طور که گفتم، فاصله بین پژوهش‌های دانشگاهی و نیازهای واقعی صنعت، یه مانع جدی برای پیشرفته. باید سازوکارهای مؤثر برای انتقال دانش و اشتراک منابع ایجاد کنیم.

سوم، توسعه زیرساخت‌های اخلاقی و قانونی، همزمان با پیشرفت فناوری، باید چارچوب‌های اخلاقی و قانونی مناسبی بسازیم که نوآوری رو تقویت کنه و همزمان از ارزش‌های انسانی محافظت کنه.

[با لحنی صمیمانه و دعوت‌کننده] در سطح فردی، از همه شما دعوت می‌کنم: کنجکاو باشید، یاد بگیرید، تجربه کنید و از هوش مصنوعی نترسید، بلکه بشناسیدش و هوشمندانه ازش استفاده کنید. حتی قدم‌های کوچیک، مثل آشنایی با ابزارهای ساده هوش مصنوعی یا شرکت تو دوره‌های آموزشی آنلاین می‌تونه شروع یه سفر هیجان‌انگیز باشه.

[با لبخند و نگاه مستقیم] من آینده رو با خوش‌بینی واقع‌بینانه می‌بینم. هوش مصنوعی مسلماً چالش‌های جدی همراه خودش میاره، اما اگه هوشمندانه، مسئولانه و با همکاری جمعی پیش بریم، می‌تونه ابزاری برای بهتر کردن زندگی همه ما، کم کردن نابرابری‌ها و حل مسائل بزرگ بشری باشه.

[با لحنی ادبی] به قول حافظ شیرازی: “آسایش دو گیتی تفسیر این دو حرف است / با دوستان مروت با دشمنان مدارا”. امروز هم، تعادل بین ارزش‌های انسانی و پیشرفت فناوری، کلید آسایش و پیشرفت جامعه ماست.

[با تشکر نهایی] با آرزوی موفقیت برای همه پژوهشگرها، دانشجوها و علاقه‌مندان به این حوزه مهم و هیجان‌انگیز. بازم از فرصتی که در اختیارم گذاشتین صمیمانه سپاسگزارم.

مصاحبه‌کننده: از شما بسیار ممنونیم آقای میلاد کرمی عزیز. امیدواریم باز هم فرصت گفتگو با شما را داشته باشیم.