شناسایی و اولویت‌بندی چالش‌های توسعه هوش مصنوعی در ایران مبتنی بر تحلیل مضمون و نگاشت ادراکی فازی

صفری, احرام; صفری, کریم

doi:10.22034/aimj.2022.164537

شناسایی و اولویت‌بندی چالش‌های توسعه هوش مصنوعی در ایران مبتنی بر تحلیل مضمون و نگاشت ادراکی فازی

نوع مقاله : مقاله پژوهشی

نویسندگان

احرام صفری ¹

کریم صفری ²

¹ استادیار، گروه توسعه کاربردهای هوش مصنوعی، مرکزنوآوری وتوسعه هوش مصنوعی، پژوهشگاه ارتباطات وفناوری اطلاعات، تهران، ایران

² پژوهشگر پژوهشگاه ارتباطات و فناوری اطلاعات

10.22034/aimj.2022.164537

چکیده

هوش مصنوعی یکی از فناوری‌های کلیدی است که به پردازش‌های صنعتی و حل مسائل مختلف جامعه کمک فراوانی کرده و مطمح نظر بسیاری از جوامع قرار گرفته است. با گذر زمان، بهره‌مندی و استفاده از فناوری‌های هوش مصنوعی در کارخانه‌ها، بهداشت، بانکداری و امنیت و نیز تجارت الکترونیک، رسانه‌های جمعی و پلتفرم‌های کاربردی موبایل توسعه چشمگیری پیدا کرده است. با وجود این پیشرفت‌ها، به‌موازات تحولات فناورانه و راهکارهایی که به‌واسطه هوش مصنوعی تولید شده، در خصوص نحوه انجام کارها و اینکه آیا منابع فعلی برای برآوردن نیازهای در حال تغییر مردم کافی است، متغیرهای بیشتری بروز می‌یابند. بنابراین، همراه با مسائل حل‌نشده، به‏نظر چالش‏ها پایان‌ناپذیرند و متخصصان در تکمیل سیستم‌های خود به‌اندازه کافی خبره نشده‌اند. از این رو، در این مقاله به چالش‌های مهم توسعه هوش مصنوعی در جمهوری اسلامی می‌پردازیم، پس از شناسایی چالش‌ها با روش تحلیل مضمون و با ابزار مصاحبه، به اولویت‌بندی این چالش‌ها و شدت ارتباط بین آنها به روش نگاشت شناخت فازی پرداخته‌ایم. جامعه آماری این پژوهش از کارشناسان و خبرگان حوزه ICT به‌ویژه متخصصان حوزه هوش مصنوعی انتخاب شدند. در این پژوهش ابتدا 36 چالش محوری توسعه هوش مصنوعی در کشور بر اساس اسناد راهبردی موجود و روش تحلیل مضمون شناسایی شده و سپس، بر اساس چهار ماتریس تأثیر اولیه، ماتریس تأثیر فازی، ماتریس قدرت تأثیر و ماتریس تأثیر نهایی و نرم‌افزار FCMapper و نرم‌افزار Pajek نگاشت شناختی فازی ترسیم شد. نتایج پژوهش نشان می‌دهد که پنج چالش مهم توسعه هوش مصنوعی در کشور شامل مواردی چون تمایل نداشتن به سرمایه‌گذاری اقتصادی در حوزه هوش مصنوعی، فقدان سازوکار لازم برای رشد و توسعه بازار هوش مصنوعی، کمبود قوانین و مقررات حقوقی لازم در حوزه هوش مصنوعی، کمبود متخصصان و خبرگان حوزه‌های مرتبط با هوش مصنوعی و نبود پلتفرم‌های به اشتراک‌گذاری داده است.

کلیدواژه‌ها

هوش مصنوعی

چالش‌ها

تحلیل مضمون

نگاشت ادارکی فازی

ICT

عنوان مقاله English

Identifying and Prioritizing the Challenges of Artificial Intelligence Development in Iran using Thematic Analysis and Fuzzy Cognitive Mapping

نویسندگان English

Ehram Safari ¹

Karim Safari ²

¹ Assistant Prof. in Artificial Intelligence Application Development Group, Research Center for ICT, Tehran, Iran

² Researcher in research center for ICT

چکیده English

Artificial intelligence is one of the key technologies that has helped a lot in industrial processing and solving various problems of society and has been considered by many societies. Over time, the use of artificial intelligence technologies and machine learning programs and algorithms in factories, health, banking and security, as well as e-commerce, mass media and mobile application platforms has developed significantly. Despite these advances, in parallel with technological advances and solutions produced by artificial intelligence, more variables are emerging about how things are done and whether current resources are sufficient to meet the changing needs of people. Thus, with unresolved issues, the challenges seem endless and experts are not skilled enough to complete their systems. Therefore, in this article, we address the most important challenges in the development of artificial intelligence in the Islamic Republic; after identifying the challenges with the content analysis method and with the interview tool, we have prioritized these challenges and the intensity of the relationship between them using the fuzzy cognitive mapping method. The statistical population of this study was selected from ICT experts, especially specialists in the field of artificial intelligence. In this research, first 36 pivotal challenges of artificial intelligence development in the country were identified based on existing strategic documents and content analysis method and then based on four initial impact matrices, fuzzy impact matrix, impact power matrix and final impact matrix and FCMapper software and Pajek software. Fuzzy cognition was drawn.

کلیدواژه‌ها English

Artificial Intelligence

Theme Analysis

Cognitive Fuzzy Mapping

ICT

ابراهیمی، سید عباس؛ عین علی، محسن (1398). ارائه چارچوبی برای تبیین تسخیر خط‌مشی‌های عمومی با کاربست روش تحلیل مضمون و مدل‌سازی ساختاری ـ تفسیری، مدیریت دولتی، 11(3)، 403-430.

احترام، محمد؛ موسوی، سیدفرهاد؛ کرمی، حجت؛ تهرانی، نیوشا و امیری، آیدین (1395). ارائه روش هیبریدی برای بهینه‎سازی بهره برداری از مخازن سدها مبتنی بر هوش مصنوعی، نشریه سد و نیروگاه برق آبی، 3(11)، 44-55.

بابائیان امینی؛ علیرضا، حکیم زاده و حبیب، نورانی، وحید (1389). تعیین بیشینه دبی خروجی ناشی از شکافت سد خاکی با استفاده از هوش مصنوعی. نشریه مهندسی عمران و محیط زیست، 40 (3)، 107-113.

رنجبر، هادی؛ حق دوست، علی اکبر؛ صلصالی، مهوش؛ خوشدل، علیرضا؛ سلیمانی، محمدعلی و بهرامی، نسیم (1391). نمونه‎گیری در پژوهش های کیفی: راهنمایی برای شروع. مجله علمی پژوهشی دانشگاه علوم پزشکی ارتش جمهوری اسلامی ایران، 10(3)، 238-250.

سروش، الهه و منجمی، علیرضا (1396)، تحلیل و نقد هوش مصنوعی در طبابت از منظر معرفت‌شناسی. مجله فلسفه علم، 7(2)، 27-60.

صدوقی، فرحناز و شیخ طاهری، عباس (1389). کاربرد سیستم‎های هوش مصنوعی در تصمیم‌گیری‎های پزشکی: مزایا و چالش‎ها. مدیریت اطلاعات سلامت، 8(3)، 440-445.

طحاری مهرجردی، محمدحسین؛ بابایی میبدی، حمید و تقی زاده مهرجردی، روح الله (1391). الگوسازی و پیش‎بینی مصرف انرژی بخش حمل‎ونقل ایران: کاربردی از الگوهای هوش مصنوعی. فصلنامه برنامه‎ریزی و بودجه، 17(1)، 29-47.

عابدی جعفری، حسن؛ تسلیمی، محمدحسن؛ فقیهی، ابوالحسن؛ شیخ زاده؛ محمد (1390). تحلیل مضمون و شبکه مضامین: روشی ساده و کارآمد برای تبیین الگوهای موجود در داده‌های کیفی، اندیشه مدیریت راهبردی، 5(2)، 151- 198.

کیوان پور، محمدرضا؛ جاویده، مصطفی و ابراهیمی، محمدرضا (1388). تحلیل رایانه‎ای جرم با بهره‎گیری از روش‎های هوش مصنوعی و داده‎کاوی کشف پیش‌دستانه جرم. کارآگاه، 2(2)، 98-118.

مهرابی، فاطمه و عوض پور، بهروز (1399). نقش هوش مصنوعی در شکل‎دهی به روابط انسان و ماشین در آثار سینمایی معاصر. مطالعات فرهنگ ـ ارتباطات، 21(50)، 171-193.

Boden, M. A. (1998). Creativity and artificial intelligence. Artificial intelligence, 103(1-2), 347-356.

Cath, C. (2018). Governing artificial intelligence: ethical, legal and technical opportunities and challenges. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 376(2133), 20180080.

Chen, L., Chen, P., & Lin, Z. (2020). Artificial intelligence in education: A review. Ieee Access, 8, 75264-75278.

Ghallab, M. (2019). Responsible AI: requirements and challenges. AI Perspectives, 1(1), 1-7.

Haefner, N., Wincent, J., Parida, V., & Gassmann, O. (2021). Artificial intelligence and innovation management: A review, framework, and research agenda. Technological Forecasting and Social Change, 162, 120392.

Lauterbach, A. (2019). Artificial intelligence and policy: quo vadis? Digital Policy, Regulation and Governance.

Luan, H., Geczy, P., Lai, H., Gobert, J., Yang, S. J., Ogata, H., ... & Tsai, C. C. (2020). Challenges and future directions of big data and artificial intelligence in education. Frontiers in psychology, 2748.

Miller, T. (2019). Explanation in artificial intelligence: Insights from the social sciences. Artificial intelligence, 267, 1-38.

Perc, M., Ozer, M., & Hojnik, J. (2019). Social and juristic challenges of artificial intelligence. Palgrave Communications, 5(1), 1-7.

Pietikäinen, M., & Silven, O. (2022). Challenges of Artificial Intelligence--From Machine Learning and Computer Vision to Emotional Intelligence. arXiv preprint arXiv:2201.01466.

Rao, A. S., & Verweij, G. (2017). Sizing the prize: What’s the real value of AI for your business and how can you capitalise. PwC Publication, PwC, 1-30.

Saghiri, A., Vahidipour, M., Jabbarpour, M., Sookhak, M., Forestiero, A. (2022). A Survey of Artificial Intelligence Challenges: Analyzing the Definitions, relationships, and Evolutions. Applied sciences, 12(8), 1-26.

Soni, V. D. (2020). Challenges and Solution for Artificial Intelligence in Cybersecurity of the USA. Available at SSRN 3624487.

Tizhoosh, H. R., & Pantanowitz, L. (2018). Artificial intelligence and digital pathology: challenges and opportunities. Journal of pathology informatics, 9, 38. doi: 10.4103/jpi.jpi_53_18

Tolan, S., Pesole, A., Martínez-Plumed, F., Fernández-Macías, E., Hernández-Orallo, J., & Gómez, E. (2021). Measuring the occupational impact of AI: tasks, cognitive abilities and AI benchmarks. Journal of Artificial Intelligence Research, 71, 191-236.

Zhang, B., Anderljung, M., Kahn, L., Dreksler, N., Horowitz, M. C., & Dafoe, A. (2020). Ethics and Governance of Artificial Intelligence Evidence from a Survey of Machine Learning Researchers. Proceedings of the Thirty-First International Joint Conference on Artificial Intelligence (IJCAI-22) Journal Track.