به نقل از «ایرنا»

روزنه آگاهی را بزرگ‌تر کنید، نور بیشتری به اتاق می‌تابد

تاریخ انتشار: ۲۴ بهمن ۱۴۰۱ | کد خبر: ۳۷۰۹۲۷۲۹

علی اشرف افخمی با بیان اینکه کتاب‌هایی در خصوص روش‌های مدیریت و توسعه، تالیف و ترجمه می‌کند، به خبرنگار ایرنا گفت: کتاب قبلی من درباره ماهاتیر محمد (از سال ۱۹۸۱ تا ۲۰۰۳ چهارمین نخست‌وزیر مالزی) بود. همه کتاب‌هایم با استراتژی خاص تالیف و ترجمه شده است. سعی کردم با مثال از افراد تاثیرگذار یا کشورها و بنگاه‌هایی که توانستند موفق شوند، تجربیات موفق را به رشته تحریر دربیاورم تا مخاطبان بتوانند از تجربیات موفق استفاده کنند و شاید آیندگان بتوانند ازاین تجربیات استفاده کنند.

بیشتر بخوانید: اخباری که در وبسایت منتشر نمی‌شوند!

این مدیر ارشد اجرایی درباره کتاب معماری توسعه، تجربه ماهاتیر و مالزی توضیح داد: این کتاب توانسه بود مالزی را از وضعیت اسفبار به شرایط مطلوبی برساند. چند ملاقات با ماهاتیر محمد داشتم، در این ملاقات‌ها درباره مسائل توسعه‌ای با او صحبت می‌کردم و این موارد را در کتاب نوشته‌ام.

علی اشرف افخمی، سیاستمدار و نویسنده

نویسنده کتاب معماری توسعه، تجربه لی کوان یو (اولین نخست وزیر سنگاپور) اضافه کرد: دراین کتاب درباره چگونگی توسعه سنگاپور که کشور مهمی نبود، در واقع جزیره‌ای متروک و تحت استعمار بود و با فقر و فساد دست و پنجه نرم می‌کرد، نوشتم. لی کوان یو (رهبر و بنیان‌گذار کشور سنگاپور نوین) در مدت سه دهه نخست وزیری موفق شد اقتصاد آن سنگاپور (جزیره‌ای که از جزیره قشم هم کوچک‌تر از و حدود پنج میلیون و ۷۰۰ نفر جمعیت دارد ) را به اقتصاد توسعه یافته تبدیل کند.

کتاب‌های دیگر من در همین مدار خواهدبود

لی کوان یو می‌گفت در سنگاپور فکر است که کار می‌کند زیرا در این کشور نفت، گاز و معدن وجود ندارد اما فکر کار می‌کند و فکر باید با علم و حرفه رشد کند

افخمی در مقایسه اقتصاد سنگاپور ور ایران گفت: وقتی به تولید ناخالص داخلی سنگاپور نگاه می‌کنیم که حدود ۴۰۰ میلیارد دلار است و این را با کشورهای دیگر مقایسه می‌کنیم می‌بینیم جهش بزرگی داشته است و توانستند اقتصاد خود را بالا ببرند. همین جزیره کوچک با ۵ تا ۶ میلیون جمعیت توانستند در سال ۲۰۲۱ حدود ۵۰۰ میلیارد دلار صادرات داشته باشد. این در حالی است که ایران حدود ۱۰۰ میلیارد دلار صادرات دارد.

نویسنده کتاب معماری توسعه، تجربه لی کوان یو و سنگاپور در مقایسه اقتصاد ایران و سنگاپور بیان کرد: این مقایسه نشان می‌دهد چه اتفاقی افتاده است که چنین جزیره و کشوری به چه موفقیت‌هایی دسترسی پیدا کرده است. این روند رمز و رازی دارد که من اسم آن را معماری توسعه گذاشتم و با استفاده از اصول و مثال‎‌های واقعی و به روز کتاب‌ها را ترجمه و تالیف کردم.

این سیاست‌مدار با بیان اینکه در نظر دارد کتاب‌های بعدی‌اش را در مسیر توسعه و مدیریت تالیف و ترجمه کند، افزود: کتاب‌های بعدی من هم در همین مسیر ادامه خواهند داشت. کتاب‌های دیگر من هم در حوزه توسعه خواهد بود و کتاب معماری توسعه، تجربه لی کوان یو و سنگاپور سومین کتاب در برنامه توسعه است که منتشر شده است.

لی کوان یو، رهبر و بنیان‌گذار کشور سنگاپور نوین

لی کوان یو مقداری بهتر از ماهاتیر عمل کرد

نویسنده کتاب معماری توسعه، تجربه ماهاتیر و مالزی، در بیان تجربیات مهمی که در این کتاب بیان شده‌است، توضیح داد: ماهاتیر محمد در این کتاب به تجربه مهمی اشاره کرده‌است که مساله بازآفرینی اعتماد میان جامعه و دولت است؛ وقتی اعتماد باشد اتفاق‌های مهمی می‌افتد. البته بحث‌های دیگری مانند تعامل با دنیا، توجه به صادرات، اقتصاد صادرات محور هم مطرح بود. همچنین ماهاتیر روی آموزش خیلی کار کرد. البته به نظرم لی کوان یو مقداری از او بهتر عمل کرد و مبنای توسعه را بر آموزش گذاشت و فکر می‌کرد مردم باید آموزش ببینند تا درک درستی از توسعه داشته باشند. می‌گفت در سنگاپور فکر است که کار می‌کند زیرا در این کشور نفت، گاز و معدن وجود ندارد اما فکر کار می‌کند و فکر باید با علم و حرفه رشد کند.

افخمی ادامه داد: یکی از اساتید دانشگاه در سنگاپور می‌گفت که آموزش را باید از قبل از تولد شروع کرد یعنی آموزش باید از مادران شروع شود این حرف ارزشمند می‌تواند مورد توجه سیاست‌گذاران قرار بگیرد.

هیچ رویدادی اتفاقی نیست و توسعه، موفقیت، شکست و کیفیت هم اتفاقی نیست. باید دلیل آن را پیدا و روی آن تمرکز کرد تا بتوان از مسیر تجربه‌های موفق درس گرفت و کشور را ساخت

نویسنده کتاب معماری توسعه با بیان اینکه لی کوان یو در سال ۲۰۱۵ فوت شده است، اظهار کرد: او به عنوان پیر خردمند مورد احترام و توجه سیاستمدارن دنیا بود. مدل مدیریت توسعه سنگاپور به شکلی بود که کشورهای مختلف از آن بهره گرفتند. برای مثال چین با این عظمت جغرافیایی از سنگاپور نمونه‌برداری کرده است و به عنوان مشاور غیررسمی از تجربیات لی کوان یو استفاده شده است. همچنین هنری کسینجر (وزیر خارجه اسبق ایالات متحده و استراتژیست مشهور در زمانه جنگ سرد) در بخشی از کتابش درباره لی کوان یو نوشته است، کتاب را خواندم و برداشت آزاد خودم را نوشتم، آن استراتژی تعالی بود واینکه به هیچ چیز غیر از بهترین بسنده نباشید. وقتی درباره تعالی صحبت می‌شود نشان دهنده این است که فکر تعالی پیدا کرده است.

افخمی افزود: آن‌ها افق بزرگی را می‌بینند و چند دهه برای رسیدن به آن برنامه‌ریزی می‌کنند. باید توجه داشت که هیچ رویدادی اتفاقی نیست و توسعه، موفقیت، شکست و کیفیت هم اتفاقی نیست. باید دلیل آن را پیدا و روی آن تمرکز کرد تا بتوانیم از مسیر تجربه‌های موفق درس بگیریم و کشور را بسازیم. همه آروزی من همین بود و در این راستا می‌نویسم.

فقط کافی است که مقداری بیاندیشیم

نویسنده کتاب معماری توسعه سعادت، رفاه و شادابی جامعه را در گرو آگاهی بخشیدن دانست و ادامه داد: معتقدم پنجره آگاهی را باید به روی خودمان باز کنیم. شهاب‌الدین یحیی سهروردی (معروف به شیخ‌ اِشْراق، از فیلسوفان نامدار مسلمان و مؤسس فلسفه اشراق) جمله‌ای دارد که می‌گوید آفتاب به اندازه روزنی که در هر اتاق وجود دارد به آن می‌تابد. هر چه بتوانید روزنه آگاهی را بزرگ‌تر کنید، نور بیشتری می‌تابد، و هرچه نور بیشتر باشد دید ما بیشتر می‌شود. بنابراین به همکاران در کشور می‌گویم حتما برای توسعه باید برنامه‌ریزی داشته باشیم، بدون برنامه‌ریزی نمی‌توانیم توسعه پیدا کنیم. مانند این است که بخواهیم بدون سرمایه تولید داشته باشم.

افخمی با تاکید به اینکه رسیدن به توسعه نیازمند روش و نقشه است، گفت: و هرچه بتوانیم روی آن برنامه‌ریزی تمرکز کنیم، موفق خواهیم بود. باید به صورت بلند مدت بر تربیت نیرو تمرکز داشته باشیم و بتوانیم در کشور سرمایه انسانی و اجتماعی ایجاد کنیم. باید بتوانیم فضای خوبی در کشور ایجاد کنیم تا بتوانیم به آن برسیم، زیرا ما چیزی کم نداریم و حتی خیلی زیاد هم داریم. گاهی مشکل این است که از داشته‌ها به خوبی استفاده نمی‌کنیم. باید تلنگری به ذهن‌ها بزنیم تا بتوانیم خیلی از اهداف را عملی کنیم فقط کافی است که مقداری بیاندیشیم.

این مدیر ارشد اجرایی روش تالیف کتاب معماری توسعه را روش قیاسی اعلام کرد و افزود: روش قیاس ساده است و در این مسیر می‌نویسم تا ساده و قابل فهم باشد. این کتابی است که همه می‌توانند متوجه مفهوم آن شوند. در روایت و نوشتن به تئوری‌ها نمی‌پردازم تا نتیجه کاملا آکادمیک باشد، رویکرد عملیاتی و قابل فهم بودن را دارم. هرکس کتاب را بخواند، دانشجو، استاد دانشگاه، روزنامه‌نگار و افراد دیگر کتاب را می‌فهمند و نیاز ندارند مبانی اقتصاد را بخواند تا بتواند کتاب را متوجه شود. مساله قیاس است و اگر بتوانید مقایسه کنید، راحت‌تر متوجه می‌شوید.

فرهنگ کتاب و ادبیات ۰ نفر برچسب‌ها ماهاتیر محمد مالزی چین برنامه توسعه نشر نیستان کتاب سنگاپور

منبع: ایرنا

کلیدواژه: ماهاتیر محمد مالزی چین برنامه توسعه نشر نیستان کتاب سنگاپور ماهاتیر محمد مالزی چین برنامه توسعه نشر نیستان کتاب سنگاپور ماهاتیر محمد اتفاقی نیست برنامه ریزی لی کوان یو کتاب ها

درخواست حذف خبر:

«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.irna.ir دریافت کرده‌است، لذا منبع این خبر، وبسایت «ایرنا» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۳۷۰۹۲۷۲۹ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.

با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.

خبر بعدی:

داده‌های آموزشی هوش مصنوعی عرصه جدید رقابت شرکت‌های بزرگ فناوری

به گزارش خبرنگار مهر؛ با ظهور و توسعه روزافزون هوش مصنوعی طی سال‌های اخیر، این فناوری تحول‌آفرین به بخشی جدایی ناپذیر از صنایع مختلف تبدیل شده است و فرآیندها و تصمیم‌گیری ها را به شکلی عمیق تحت تأثیر قرار داده است. همین امر سبب ظهور رقابتی شدید میان شرکت‌های فناوری برای عرضه ارائه خدمات مبتنی بر هوش مصنوعی شده است. در چنین شرایطی، داده‌های آموزشی در کنار توان محاسباتی و الگوریتم‌ها، یکی از ارکان اساسی و تعیین کننده در توسعه این فناوری محسوب می‌شوند. داده‌های آموزشی به عنوان پایه‌ای برای الگوریتم‌های یادگیری ماشینی جهت یادگیری و بهبود عملکرد هوش مصنوعی عمل می‌کنند و همین امر، دستیابی به داده‌های مذکور را در مرکز رقابت استارتاپ‌های هوش مصنوعی و غول‌های فناوری قرار داده است. بازیگران کلیدی این عرصه، رقابت برای دستیابی به داده‌های آموزشی با کیفیت بالا را آغاز کرده‌اند.

داده‌های آموزشی هوش مصنوعی (AI training data) به مجموعه اطلاعات مورد استفاده برای آموزش مدل‌های هوش مصنوعی اطلاق می‌شود. بسته به نوع مدل هوش مصنوعی در حال توسعه، این داده ها می‌توانند به اشکال مختلفی مانند متن، تصویر، ویدئو یا داده‌های عددی مورد استفاده قرار گیرند.

به عقیده طیف گسترده‌ای از کارشناسان، داده‌های آموزشی آینده نوآوری در حوزه هوش مصنوعی را شکل می‌دهند.

نقش داده‌های آموزشی در توسعه هوش مصنوعی

داده‌های آموزشی نقش مهمی در شکل دادن به رفتار و قابلیت‌های الگوریتم‌های هوش مصنوعی ایفا می‌کنند. توسعه‌دهندگان می‌توانند با قرار دادن مدل‌های یادگیری ماشینی در معرض مقادیر زیادی از داده‌های آموزشی برچسب‌گذاری شده، آن‌ها را برای تشخیص الگوها، پیش‌بینی و انجام وظایف با دقت بالا آموزش دهند. همه انواع متنوع برنامه‌های مبتنی بر هوش مصنوعی از جمله تشخیص تصویر، پردازش زبان طبیعی یا رانندگی خودکار، برای دستیابی به عملکرد بهینه و افزایش توان، به شدت به مجموعه‌های داده آموزشی متنوع و غنی متکی هستند.

شرکت‌های بزرگ فناوری و داده‌های آموزشی هوش مصنوعی

غول‌های فناوری آمریکایی مانند گوگل، آمازون، متا، مایکروسافت و اپل در خط مقدم تحقیق و توسعه هوش مصنوعی قرار دارند و از منابع وسیعی برای عبور از مرزهای نوآوری و پیش‌برد فناوری استفاده می‌کنند. به عقیده کارشناسان، این شرکت‌ها اهمیت استراتژیک داده‌های آموزشی را در افزایش قابلیت‌های سیستم‌های هوش مصنوعی خود و به دست آوردن مزیت رقابتی در بازار می‌شناسند. در نتیجه، رقابت شدیدی بین غول‌های فناوری برای به دست آوردن داده‌های آموزشی با کیفیت بالا وجود دارد که می‌تواند به ابتکارات فناورانه آن‌ها در بخش هوش مصنوعی کمک کند.

چالش‌ها در دستیابی به داده‌های آموزشی

در حالی که با توسعه روزافزون هوش مصنوعی و نیاز رو به رشد بازار تقاضا برای داده‌های آموزشی همچنان در حال افزایش است، شرکت‌ها با چالش‌های مختلفی در دسترسی به منابع و استفاده مؤثر از داده‌ها مواجه هستند. نگرانی‌های حریم خصوصی داده‌ها با قوانینی از جمله مانند مقررات عمومی حفاظت از داده اروپا (GDPR) که دستورالعمل‌های سخت‌گیرانه‌ای را در مورد جمع‌آوری و استفاده از داده‌های شخصی اعمال می‌کند، به یک موضوع مهم تبدیل شده است. علاوه بر این، اطمینان از تنوع و نمایندگی داده‌های آموزشی برای جلوگیری از تعصب، سوگیری و اطمینان از استحکام مدل‌های هوش مصنوعی ضروری است.

راهبردهای موجود برای تولید داده‌های آموزشی

شرکت‌های بزرگ فناوری برای مقابله با چالش‌های موجود در مسیر دستیابی به داده‌های آموزشی، در حال بررسی استراتژی‌های نوآورانه جهت تولید مجموعه داده‌های متنوع و با کیفیت هستند. در چنین شرایطی پلتفرم‌های جمع‌سپاری به سازمان‌ها این امکان را می‌دهند که داده‌ها را از مجموعه بزرگی از مشارکت‌کنندگان جمع‌آوری کنند و آن‌ها را قادر می‌سازد تا مجموعه داده‌های خود را به طور مؤثر مقیاس‌بندی کنند. علاوه بر این، تکنیک‌های تولید داده مصنوعی برای تقلید سناریوهای دنیای واقعی نیز بخشی کلیدی از داده‌های آموزشی هستند که از سوی شرکت‌ها مورد استفاده قرار می‌گیرند.

تأثیر کیفیت داده‌های آموزشی بر عملکرد هوش مصنوعی

کیفیت داده‌های آموزشی به طور مستقیم بر عملکرد و قابلیت اطمینان مدل‌های هوش مصنوعی تأثیر می‌گذارد. مجموعه داده‌های ضعیف یا دارای سوگیری می‌توانند منجر به پیش‌بینی‌های نادرست شوند و تعصبات موجود در سیستم‌های هوش مصنوعی را تقویت کنند. برای کاهش این مسائل، شرکت‌ها باید فرآیندهای تضمین کیفیت داده‌ها را اولویت بندی کنند و اقداماتی را برای شناسایی و اصلاح سوگیری‌ها در داده‌های آموزشی خود اجرا کنند.

چارچوب‌های قانونی برای داده‌های آموزشی هوش مصنوعی

در طول سال‌های اخیر و به منظور پاسخ به نگرانی‌های فزاینده در مورد حفظ حریم خصوصی داده‌ها و اخلاقیات، برخی چارچوب‌های نظارتی برای کنترل مدیریت داده‌های آموزشی در توسعه هوش مصنوعی ایجاد شده‌اند. از همین روی، شرکت‌ها ملزم به رعایت مقررات حفاظت از داده‌ها و اطمینان از شفافیت در شیوه‌های جمع آوری داده‌های خود هستند. رعایت این مقررات برای ایجاد اعتماد در میان کاربران و ذی‌نفعان و کاهش خطرات مرتبط با سو استفاده از داده‌ها ضروری است.

روندهای آینده در داده‌های آموزشی هوش مصنوعی

با نگاهی به آینده، انتظار می‌رود که پیشرفت در روش‌های جمع‌وری منابع داده، کیفیت و تنوع داده‌های آموزشی در دسترس توسعه‌دهندگان هوش مصنوعی را افزایش دهد. تکنیک‌هایی مانند شبکه‌های زایای دشمن‌گونه (Generative Adversarial Networks) یادگیری انتقالی (transfer learning)، مدل‌ها را قادر می‌سازد که از منابع داده محدود استفاده کنند و به طور مؤثر وظایف جدید را بیاموزند. علاوه بر این، اتخاذ رویکردهای یادگیری فدرال (federated learning) امکان آموزش غیرمتمرکز در مجموعه داده‌های توزیع شده را فراهم و حریم خصوصی داده‌ها را حفظ می‌کند. این مدل‌ها همچنین عملکرد مدل را بهبود می‌بخشند.

نتیجه‌گیری

رقابت بین شرکت‌های بزرگ فناوری برای به دست آوردن داده‌های آموزشی هوش مصنوعی بر اهمیت استراتژیک داده‌ها در هدایت نوآوری این فناوری افزوده است. از آنجایی که شرکت‌ها پیچیدگی‌های جمع‌آوری و استفاده از داده‌ها را درک می‌کنند، اطمینان از کیفیت، تنوع و انطباق آن‌ها با مقررات بسیار مهم و حیاتی شده است. سازمان‌ها با قرار گرفتن در خط مقدم روندهای نوظهور تولید و استفاده از داده‌های آموزشی، می‌توانند از پتانسیل کامل فناوری هوش مصنوعی بهره ببرند و راه حل‌های تأثیرگذاری را برای چالش‌های جهانی این حوزه ارائه دهند.

چشم‌انداز داده‌های آموزشی هوش مصنوعی، با پیشرفت در تکنیک‌های جمع‌آوری و افزایش حجم داده‌ها، به طور مداوم در حال تغییر است. با ادامه رشد تقاضا برای برنامه‌های کاربردی هوش مصنوعی در صنایع، نیاز به داده‌های آموزشی با کیفیت بالا و متنوع افزایش می‌یابد. در چنین شرایطی شرکت‌هایی که می‌توانند به‌طور مؤثر چالش‌های کسب و استفاده از داده‌های آموزشی را پشت سر بگذارند، در بازار هوش مصنوعی مزیت رقابتی به دست خواهند آورند و نوآوری در این زمینه را هدایت خواهند کرد.

در عصر پیشرفت سریع هوش مصنوعی، رقابت برای داده‌های آموزشی این حوزه صرفاً به دست آوردن حجم وسیعی از داده‌ها نیست؛ بلکه اطمینان از کیفیت، ارتباط و استفاده اخلاقی از داده‌ها نیز مسائل کلیدی این حوزه محسوب می‌شوند. شرکت‌ها می‌توانند با اولویت دادن به یکپارچگی و تنوع داده‌ها، مدل‌های هوش مصنوعی قوی، بی‌طرفانه و توانمند بسازند. با تشدید رقابت بین شرکت‌های بزرگ فناوری، کسب مزیت در استفاده از داده‌های آموزشی همچنان یک تمایز کلیدی در چشم‌انداز هوش مصنوعی خواهد بود.

کد خبر 6096023