روی چه ماشینی قراره اجرا بشه؟ احتمالا NVIDIA.این یه زنجیره گسترده هست.اول باید مثل موشکی و پهپادی بتونی خیلی ارزون تر از بقیه دنیا سخت افزارشو بسازی. دوم یک مسیر درآمدزا باید داشته باشه.با بودجه دولتی نمیشه چون میلونها دلار هزینه داره.بنابراین به یک مسیر خاص نیاز داره تا بتونه خودش پولشو در بیاره
«میلیاردها تومان» برای جستوجوگرها کجا هزینه شده است؟
مدیر پروژه یکی از جستوجوگرهای بومی در واکنش به اظهارات معاون وزارت ارتباطات، خواستار شفافسازی هزینههای پروژههای گذشته و ارزیابی عملکرد جستوجوگرهای فعلی شد.
به گزارش گروه علم و پیشرفت خبرگزاری فارس، عباس برتینا، مدیر پروژه موتور یک جستجوگر، درباره گفتوگوی اخیر فارس با احسان چیتساز، معاون سیاستگذاری و برنامهریزی توسعه اقتصاد دیجیتال وزارت ارتباطات و فناوری اطلاعات، درباره وضعیت موتورهای جستوجوی داخلی و با عنوان «چیتساز: میلیاردها تومان برای جستوجوگرهای قدیمی هزینه نکنیم»، در گفتوگویی تفصیلی با فارس به تشریح دیدگاه خود درباره آینده موتورهای جستوجوی بومی، هوش مصنوعی، RAG و وابستگی کشور به زیرساختهای خارجی پرداخت.برتینا در این گفتوگو تأکید کرد که مسئله، انتخاب میان «موتور جستوجو» و «هوش مصنوعی» نیست، بلکه این دو فناوری در معماری نسل جدید خدمات اطلاعاتی روی یکدیگر ساخته میشوند. به گفته او، اگر زیرساخت خزش، نمایهسازی و بازیابی در اختیار کشور نباشد، حتی ایجنتها و مدلهای هوش مصنوعی برای دستیابی به اطلاعات تازه همچنان به زیرساختها و دادههای دیگران وابسته خواهند بود. فارس: اختلاف شما با این دیدگاه که باید از جستوجوی سنتی عبور کرد و مستقیماً به سمت هوش مصنوعی رفت، چیست؟ برتینا: ما هم با این بخش موافق هستیم که باید به سمت مدلهای زبانی فارسی،RAG (پیدا کردن اطلاعات مرتبط و استفاده از آن برای پاسخدهی) جستوجوی مولد و ایجنتهای هوشمند رفت و اگر قرار باشد دوباره پروژهای با فناوری ده سال قبل، بدون کاربر واقعی، بدون مدل اقتصادی، بدون سنجه کیفیت و صرفاً متکی بر بودجه دولتی ساخته شود، دفاعی از آن نداریم. سرمایهگذاری روی هوش مصنوعی، مدل زبانی فارسی، RAG، جستوجوی مولد و ایجنت نهتنها ضروری است، بلکه باید بسیار جدیتر از گذشته دنبال شود.
اختلاف ما با این دیدگاه بر سر «جستجو یا هوش مصنوعی» نیست. اختلاف دقیقاً از جایی شروع میشود که جستجو و هوش مصنوعی بهعنوان دو مسیر جایگزین یکدیگر تصویر میشوند؛ گویی برای ورود به نسل جدید هوش مصنوعی میتوان از زیرساخت جستوجو عبور کرد.فارس: چرا معتقدید جستوجو و هوش مصنوعی جایگزین یکدیگر نیستند؟برتینا: یک موتور جستوجوی رقابتی به خزش وب، نمایهسازی در مقیاس بزرگ، الگوریتم رتبهبندی، زیرساخت پردازشی، داده، یادگیری ماشین، مقابله با اسپم و بهروزرسانی دائمی نیاز دارد اما نمیشود از این نتیجه گرفت که چون جستجو در حال حرکت به سمت هوش مصنوعی و ایجنتهاست، نباید برای بازسازی موتورهای جستوجوی نسل گذشته سرمایهگذاری کرد. به اعتقاد ما، اشکال اصلی تحلیل همینجاست. این فناوریها جایگزین یکدیگر نیستند؛ روی یکدیگر ساخته میشوند. یک سؤال ساده وجود دارد،RAG (پیدا کردن اطلاعات مرتبط و استفاده از آن برای پاسخدهی) بدون بازیابی چه چیزی را بازیابی میکند؟ایجنت (عامل هوشمندی که میتواند برای انجام یک کار، تصمیم بگیرد و اقدام کند) برای پیدا کردن اطلاعات تازه کجا جستوجو میکند؟ مدل زبانی برای پاسخ به قیمت امروز، خبر امروز، قانون جدید، محصول جدید یا صفحهای که دیروز روی وب منتشر شده، اطلاعاتش را از کجا به دست میآورد؟
اگر هدف، جستوجوی عمومی وب و پاسخ به اطلاعات تازه در مقیاس وسیع باشد، این زیرساخت بازیابی و نمایهسازی یا باید متعلق به خودمان باشد یا باید آن را از خارج دریافت کنیم.میتوان بهترین رابط ایجنت فارسی جهان را ساخت؛ اما اگر خزنده، نمایهسازی، رتبهبندی و بازیابی مستقل نداشته باشیم، لایه هوشمند ما برای دسترسی به واقعیت روز همچنان به موتور جستوجو، نمایه یا داده دیگران وابسته خواهد بود.
گوگل هم جستوجو را کنار نگذاشته است
فارس: آیا نمونههای خارجی نیز همین مسیر را طی کردهاند؟برتینا: بهترین شاهد، خود گوگل است. گوگل برای ساخت AI Mode موتور جستوجویش را کنار نگذاشته است. یعنی هرچه رابط جستجو هوشمندتر شده، اهمیت زیرساخت جستجو کمتر نشده؛ برعکس، مدل هوش مصنوعی برای پاسخ به یک سؤال ممکن است چندین برابر یک جستجوی سنتی عملیات بازیابی انجام دهد.یاندکس نیز همین مسیر را رفته است. این شرکت محصول نئورو را صراحتاً ترکیب موتور جستوجوی یاندکس و مدل زبانی اختصاصی معرفی میکند. نئورو برای پاسخ، از نتایج جستوجوی لحظهای وب استفاده میکند، منابع را پیدا میکند و سپس مدل زبانی آنها را تحلیل و خلاصه میکند. در کره جنوبی نیز وضعیت به همین شکل استپس بازیگران اصلی دنیا میان موتور جستجو یا هوش مصنوعی، انتخاب نکردهاند. بلکه معماری را به شکل جستجو + بازیابی + هوش مصنوعی توسعه دادهاند.اگر خزنده، نمایهسازی و بازیابی را «فناوری نسل قبل» بدانیم، عملاً بخشی از همان زیرساختی را نسل قبل نامیدهایم که گوگل، یاندکس، بیدو و نیور برای نسل جدید محصولات خود همچنان توسعه میدهند. فارس: به نظر شما چرا کنار گذاشتن زیرساخت جستوجو میتواند مشکلساز باشد؟برتینا: ما هنوز قدم اول را کامل برنداشتهایم، اما درباره قدم آخر حرف میزنیم. گوگل یکشبه ساخته نشده است. یاندکس، نیور و بیدو نیز محصول چند سال کار نیستند. جستجوگر یک محصول پایانپذیر نیست که روزی اعلام کنیم «تمام شد». هر روز باید خزش شود، نمایهسازی و بهروزرسانی شود، رتبهبندی تغییر کند، اسپم شناسایی شود و رفتار کاربران و کیفیت جستجوها تحلیل شود. به اعتقاد ما اینجا دقیقاً مصداق همان تعبیر «سنگ بزرگ» است.
ما هنوز قدم اول را کامل برنداشتهایم، اما میخواهیم مستقیماً سراغ قدم آخر برویم. چون ساخت یک موتور جستوجوی قدرتمند سخت و زمانبر است، نتیجه بگیریم فعلاً زیرساخت جستجو را نسازیم و مستقیماً ایجنت و هوش مصنوعی نهایی را توسعه دهیم. مسئله اینجاست که همان ایجنت برای دسترسی به اطلاعات تازه دوباره به همان زیرساختی برمیگردد که امروز از ساخت آن صرفنظر کردهایم.نتیجه عملی چنین رویکردی میتواند این باشد که زیرساخت داده، جستجو و بازیابی کشور برای سالهای بیشتری در اختیار و وابسته کامل به گوگل باقی بماند.یعنی بهجای اینکه از یک نقطه واقعی شروع کنیم و مرحلهبهمرحله زیرساخت خودمان را بسازیم، مقصد نهایی را آنقدر بزرگ تعریف کنیم که در عمل هیچوقت قدم اول برداشته نشود.
وابستگی ۹۹ درصدی جستوجوی ایران به گوگل
فارس: شما به سهم بسیار بالای گوگل در جستوجوی ایران اشاره کردهاید. چرا این موضوع را فراتر از یک مسئله تجاری میدانید؟برتینا: طبق آمار، سهم گوگل از موتورهای جستوجو در ایران ۹۹٫۴۲ درصد است. سهم جهانی گوگل حدود ۹۱٫۳۱ درصد است. این موضوع برای نشان دادن میزان وابستگی کشور به گوگل شاخص بسیار معناداری است. در مرورگر هم وضعیت بسیار متمرکز است. کروم حدود ۸۰٫۲۳ درصد سهم بازار مرورگر ایران را در اختیار دارد و مابقی بازار میان مرورگرهایی مانند فایرفاکس، سافاری و ... تقسیم شده است.این اعداد صرفاً آمار سهم بازار نیستند.جستجو یعنی جستجوهای میلیونها کاربر؛ یعنی نیازها، علایق، کالاها، بیماریها، اطلاعات شخصی و محرمانه، دغدغهها، اخبار، برندها، روندهای اقتصادی و موضوعاتی که مردم یک کشور درباره آنها سؤال میکنند.خود گوگل در قوانین فعلیاش توضیح میدهد دادههایی که پردازش میکند میتواند شامل عبارات جستوجوشده، اطلاعات تعامل مرورگر و دستگاه با سرویسها، IP و حتی سابقه سایتهایی باشد که کاربر با کروم به آنها رفته است.وقتی تقریباً تمام جستوجوی یک کشور و بخش بزرگی از مرور وب آن در اختیار یک شرکت خارجی قرار گرفته است، دیگر صرفاً با یک موضوع تجاری مواجه نیستیم. این حجم از وابستگی در زیرساخت جستجو، مرور وب، داده و دسترسی به کاربر میتواند به یک تهدید جدی راهبردی و امنیت ملی تبدیل شود.
سؤال این است که آیا منطقی است تقریباً تمام جستوجوی یک کشور به زیرساخت یک شرکت خارجی وابسته باشد و در همان حال نتیجه بگیریم که سرمایهگذاری روی جستجو دیگر اولویت ندارد؟به اعتقاد ما، سهم نزدیک به صددرصدی گوگل نه دلیلی علیه توسعه جستجوگر بومی، بلکه یکی از جدیترین دلایل برای آن است.
این کشورها تمام بازی را به گوگل تحویل ندادهاند تا شاید چند سال بعد یک ایجنت هوشمند بسازند. آنها زیرساخت جستجو را حفظ کردهاند و امروز هوش مصنوعی را روی همان زیرساخت توسعه میدهند.سؤال ما این است: ایجنت ایرانی فردا قرار است از دیتای چه کسی بخواند؟ فارس: آیا این نگاه با بحث توسعه شبکه ملی اطلاعات و کاهش وابستگیهای حیاتی ارتباط دارد؟ برتینا: این صحبت که میگویند توسعه شبکه ملی اطلاعات، مراکز داده، خدمات ابری، امنیت، تابآوری و تداوم خدمات حیاتی تاکید میشود و تصریح میکنند که در بحران باید سرویسهای مهم داخل کشور بتوانند ادامه فعالیت دهند؛همین منطق را باید درباره جستجوگر نیز به کار برد.اگر بیش از ۹۹ درصد جستجوی کشور در کنترل یک شرکت خارجی است، آیا جستجو مصداق وابستگی حیاتی نیست؟ اگر بیش از ۸۰ درصد مرور وب در اختیار کروم و ۲۰ درصد باقیمانده هم در اختیار دیگر شرکتهای آمریکایی است، آیا لایه دسترسی کاربر به وب اهمیت راهبردی ندارد؟ بحث دقیقاً همین است: این زیرساختها را خودمان داشته باشیم یا همه آنها را تحویل گوگل بدهیم؟ موتور جستجو، نمایه وب، زیرساخت بازیابی، مرورگر و در ادامه ایجنت و هوش مصنوعی، حلقههای یک زنجیرهاند.اگر هر حلقه را به این دلیل که ساختنش سخت یا پرهزینه است کنار بگذاریم، در پایان ممکن است رابطهای بومی متعددی داشته باشیم، اما زیرساخت اصلی همچنان متعلق به گوگل باشد. در چنین شرایطی، صحبت فقط از یک وابستگی تجاری نیست؛ وابستگی در این مقیاس میتواند مستقیماً به مسئله امنیت ملی و حاکمیت داده کشور تبدیل شود.
موضوع تحریم نیز مطرح است. گوگل رسماً اعلام کرده به دلیل الزامات خزانهداری آمریکا، برخی از سرویسهای خود را به کاربران و شرکتهای ایرانی ارائه نمیکند و این احتمال نیز همواره وجود دارد که با تغییر قوانین یا سیاستها محدودیتهای دیگری اعمال شود. نیازی نیست درباره نیت گوگل گمانهزنی کنیم. واقعیت کافی است. شرکتی که بخش بسیار بزرگی از زیرساخت دسترسی و جستجوی کاربران ایرانی به آن وابسته است، تحت قوانین و الزامات دولت ایالات متحده فعالیت میکند و در صورت تمایل میتواند ارائه خدمات به ایران را محدودتر کند. این دقیقاً تعریف یک ریسک وابستگی است. مسئله نیت گوگل نیست.مسئله این است که چرا باید چنین قدرتی اصولاً در اختیار یک شرکت خارجی باشد؟ فارس: در نهایت، پیشنهاد شما برای سیاستگذاری در حوزه جستوجو و هوش مصنوعی چیست؟برتینا: ما با سرمایهگذاری روی مدل زبانی فارسی، RAG، جستجوی مولد و ایجنت موافقیم. اتفاقاً معتقدیم کشور در تمام این حوزهها باید سریعتر حرکت کند.اما اینها اجزای یک زنجیرهاند، نه گزینههایی برای حذف یکدیگر. سؤال واقعی این نیست که «جستجو بسازیم یا ایجنت هوش مصنوعی؟» سؤال واقعی این است، وقتی ایجنت ایرانی برای پاسخ به یک سؤال تازه به اطلاعات وب نیاز پیدا کرد، قرار است از دیتای خودمان بخواند یا از گوگل؟
اگر پاسخ گوگل باشد، وابستگی حل نشده است؛ فقط ظاهر آن تغییر کرده و اگر قرار است روزی جستجو، نمایهسازی و بازیابی خودمان را داشته باشیم، آن روز بدون برداشتن قدم اول فرا نمیرسد.به اعتقاد ما، راه منطقی این نیست که موتورجستجو را از نقشه راه پاک کنیم؛ بلکه باید جستجوگر، هوش مصنوعی و مرورگر را اجزای یک زیرساخت پیوسته ببینیم؛ همان مسیری که بازیگران اصلی جهان امروز در حال طی کردن آن هستند.بحث در نهایت بسیار ساده است: قرار است زیرساخت جستجو، داده، بازیابی، مرورگر و هوش مصنوعی کشور را خودمان داشته باشیم یا همه آنها را یکییکی تحویل گوگل بدهیم؟ ادامه وضع موجود یعنی پذیرفتن اینکه برای سالهای متمادی بخش بزرگی از زیرساخت داده و دسترسی کشور در سیطره و کنترل یک بازیگر خارجی باقی بماند.در بازاری که وابستگی جستجوی کشور به گوگل حتی از میانگین جهانی و بسیاری از کشورهای اروپایی و حتی ترکیه نیز بهمراتب بیشتر است، ادامه این وضعیت دیگر صرفاً یک مسئله اقتصادی یا فناوری نیست؛ یک ریسک راهبردی و تهدید جدی برای امنیت ملی و حاکمیت داده کشور است. فارس: ابهام شما درباره هزینههای صرفشده برای جستوجوگرهای بومی دقیقاً چیست و چرا معتقدید این ارقام باید شفافتر اعلام شوند؟ برتینا: به عنوان بحث دیگری و توسعه دهنده یک جستجوگر نقدی به عبارت «میلیاردها تومان برای جستوجوگرهای قدیمی هزینه نکنیم» در صحبتهای آقای چیتساز دارم. سوال مشخص بنده از ایشان این است که کدام میلیاردها تومان؟چه سالی؟ برای چه پروژهای؟ بودجه مصوب بوده یا پرداخت واقعی؟
برای خود موتور جستوجو پرداخت شده یا زیرساخت مشترک، پردازش، پهنای باند و پروژههای دانشگاهی؟روایتهای عمومی موجود اتفاقاً نشان میدهد این اعداد باید با دقت بیشتری استفاده شوند. علیرضا یاری، مدیر وقت طرح جویشگر بومی، در سال ۱۳۹۶ اعلام کرده بود حمایت انجامشده برای پارسیجو حدود ۲ میلیارد تومان و برای یوز حدود ۳ میلیارد تومان بوده و مجموع هزینه حدود ۴۰ پروژه انجامشده یا فعال در طرح جویشگر بومی به ۵۲ میلیارد تومان رسیده است؛ به گفته او نزدیک به نیمی از این رقم مربوط به زیرساختهای پردازشی و پهنای باند بوده است.از سوی دیگر، رقم ۱۷۰ میلیارد تومان نیز در مقاطعی بهعنوان بودجه اختصاصیافته به طرح مطرح شده بود. خسرو سلجوقی، از مدیران مرتبط با پروژه، بعدها در مصاحبهای گفت کمتر از ۱۰ درصد این رقم هزینه شده است.بنابراین حداقل سه مفهوم مختلف در روایت عمومی با یکدیگر مخلوط شدهاند: بودجه اعلامشده، هزینه کل مجموعه پروژهها و حمایت مستقیم از خود موتورهای جستوجو. این تفاوت مهم است. اگر قرار است تجربه طرحهای قدیمی مبنای سیاستگذاری سال ۱۴۰۵ قرار گیرد، ابتدا باید یک گزارش روشن منتشر شود که نشان دهد چه مبلغی، در چه سالی، به چه مجموعهای، برای چه خروجیای پرداخت شده و نتیجه آن چه بوده است.صرف استفاده از واژه «میلیارد» درباره پروژهای مربوط به بیش از یک دهه قبل، بدون سال، دامنه کار، ارزش پول، تعداد پروژهها و خروجی، معیار مناسبی برای سنجش بزرگ یا کوچک بودن سرمایهگذاری نیست.
ضمن اینکه امروز نیز صرف گفتن «میلیاردها تومان» بهخودیخود عدد بزرگی را توصیف نمیکند. هزینه زیرساخت پردازشی، ذخیرهسازی، پهنای باند، خزش وب و توسعه یک موتور جستوجوی واقعی باید نسبت به مقیاس و خروجی آن سنجیده شود. فارس: آیا شما از بودجه یا حمایتهای پروژههای گذشته استفاده کرده است؟برتینا: موتور جستوجوی برتینا تاکنون حتی یک ریال کمک دریافت نکرده است.بنابراین اگر نقدی به نحوه هزینهکرد پروژههایی مانند یوز، پارسیجو یا طرحهای دولتی یکی دو دهه قبل وجود دارد، آن نقد باید متوجه همان پروژهها و همان مدل حمایت باشد. نمیتوان از تجربه یک مدل حمایتی قدیمی مستقیماً به این حکم رسید که سرمایهگذاری بر روی اصل فناوری جستجوگر بومی در سال ۱۴۰۵ نیز اشتباه است؛ بهویژه زمانی که امروز یک محصول بخش خصوصی در حال توسعه و سرویسدهی است. فارس: آیا نسخه فعلی جویشگر شما مورد ارزیابی قرار گرفته است؟برتینا: برداشت ما این است که نسخه فعلی برتینا در این ارزیابی مورد آزمون قرار نگرفته است. اگر این برداشت اشتباه است، بسیار استقبال میکنیم که نتیجه آزمون منتشر شود. صفحه عمومی برتینا امروز جستوجوی وب را ارائه میدهد و در کنار آن سرویسهای هوش مصنوعی، اخبار، ایمیل و سرویسهای دیگر نیز در دسترس کاربران قرار گرفتهاند. ما ادعا نمیکنیم جستجوگر ما کامل است. هیچ موتور جستوجویی کامل نیست. راه صحیح داوری بسیار ساده است: بنچمارک یا معیار و شاخص برای مقایسه و سنجش عملکرد. اگر ضعیف باشیم، نقد را میپذیریم و باید بهتر شویم.
اما سیاستگذاری فناوری بهتر است بر اساس محصول فعلی و آزمون فعلی انجام شود، نه صرفاً تجربه پروژههایی که ده سال پیش اجرا شدهاند. ما نه انتظار تأیید بدون آزمون داریم و نه مصونیت از نقد. ما پیش از آنکه نتیجه بگیریم سرمایهگذاری در موتور جستوجوی بومی متعلق به گذشته است، بهتر است یک بار محصولاتی را که امروز وجود دارند و در حال کارند، با معیارهای امروز بسنجیم. اگر نتیجه آزمون نشان داد که محصول ضعیف است، نقد را میپذیریم. اما تصمیم درباره آینده جستوجوی بومی بهتر است بر مبنای آزمون و داده باشد، نه صرفاً بر اساس تجربه پروژههای گذشته. در نهایت، مسئله موتور جستجو یا هوش مصنوعی نیست؛ مسئله این است که زیرساخت دست چه کسی باشد.#جستجوگر #جستجوگر_بومی
22:39 - 1 شهریور 1405