هوش مصنوعی در ایران: وضعیت، کاربردها، چالش‌ها و آینده (۱۴۰۵)

هوش مصنوعی در ایران امروز در سه جا دیده می‌شود: در ابزارهای فارسی‌زبانی که مردم هر روز استفاده می‌کنند، در پروژه‌های بانک‌ها، شرکت‌ها و دانشگاه‌ها، و در سندها و نهادهایی که دولت برای هدایتش ساخته است. مسیرش با مانع‌هایی مثل دسترسی به سخت‌افزار، داده‌ی فارسی و پرداخت ارزی همراه است، ولی استعدادِ انسانی و بازارِ فارسی‌زبان آن را زنده نگه داشته است.

این نوشته نقشه‌ی کاملِ مفهومِ هوش مصنوعی را در ایران کنار هم می‌گذارد: کاربردها، بازیگرها، مدل‌های فارسی، قانون، بازارِ کار، چالش‌ها و سناریوهای آینده. اگر تازه با خودِ مفهوم آشنا می‌شوید، ابتدا راهنمای مقدماتیِ بالا را بخوانید. اطلاعاتِ این صفحه در مهر ۱۴۰۵ بازبینی شده و جایی که مطمئن نبوده‌ایم، با احتیاط نوشته‌ایم یا ننوشته‌ایم.

هوش مصنوعی در ایران امروز: تصویر کلی

وضعیتِ هوش مصنوعی در ایران را می‌شود این‌طور خلاصه کرد: مصرفِ گسترده، تولیدِ محدود و رشدِ پراکنده. بسیاری از کاربران با چت‌بات‌ها، ابزارهای ساخت عکس و ترجمه‌ی ماشینی کار می‌کنند، ولی بخشِ بزرگی از این ابزارها ساخته‌ی شرکت‌های خارجی‌اند و دسترسی‌شان مستقیم یا ساده نیست.

سه ویژگی تصویرِ کلی را می‌سازد. نخست، جمعیتِ جوان و تحصیل‌کرده‌ای که به مهندسی و علوم رایانه علاقه دارد و سالانه فارغ‌التحصیلِ زیادی تحویل می‌دهد. دوم، بازارِ بزرگِ فارسی‌زبان که به محصولِ فارسی نیاز دارد؛ مدلی که فارسی را خوب نفهمد، در بازارِ محلی خوب کار نمی‌کند. سوم، محدودیت‌هایی که دسترسی به پردازنده‌های گرافیکی، خدمات ابری و پرداختِ ارزی را سخت می‌کند.

در عمل، چهار لایه کنار هم کار می‌کنند. لایه‌ی اول کاربرانِ عادی هستند: دانشجو، فریلنسر، فروشنده‌ی اینستاگرامی و معلم. لایه‌ی دوم کسب‌وکارها که از تحلیلِ داده، چت‌بات و خودکارسازی استفاده می‌کنند. لایه‌ی سوم پژوهش و دانشگاه است و لایه‌ی چهارم سیاست‌گذاری که با سندِ ملی و سازمانِ ملیِ هوش مصنوعی شکل گرفته است. هر لایه مشکلاتِ خودش را دارد و در ادامه جداگانه می‌بینیم.

نتیجه‌ی جدول: مشکلِ اصلیِ ایران کمبودِ علاقه یا استعداد نیست؛ مشکل در زیرساخت، داده و اجراست. به همین دلیل بسیاری از پیشرفت‌ها در سطحِ «استفاده از مدل‌های موجود» اتفاق می‌افتد، نه ساختنِ مدلِ مرزیِ جدید.

کاربرد هوش مصنوعی در ایران: از بانکداری تا تولید محتوا

کاربردهای هوش مصنوعی در ایران بیشتر در جاهایی پیش رفته‌اند که داده‌ی زیادی وجود دارد و هزینه‌ی خطا قابلِ کنترل است: مالی، کشاورزی، سلامت، آموزش و محتوا. در ادامه برای هر حوزه می‌گوییم هوش مصنوعی چه کاری می‌تواند بکند و محدودیت‌ها چیست.

هوش مصنوعی در بانکداری ایران

در بانکداری، هوش مصنوعی بیشتر برای سه کار استفاده می‌شود: تشخیصِ رفتارِ مشکوک در تراکنش‌ها، ارزیابیِ اعتبارِ مشتری و پاسخ‌گویی خودکار به پرسش‌های پرتکرار. الگوریتمِ تشخیصِ تقلب الگوی خرجِ هر مشتری را یاد می‌گیرد و وقتی تراکنشی از الگو بیرون بزند، آن را برای بررسی علامت می‌زند.

در کنارِ این، چت‌بات‌ها و دستیارهای صوتیِ فارسی به مشتری کمک می‌کنند موجودی را بپرسد یا راهِ انجامِ کاری را پیدا کند. چالشِ اصلی کیفیتِ داده است: اگر سوابقِ مشتریان پراکنده یا ناقص باشد، مدلِ اعتبارسنجی هم قابلِ اعتماد نخواهد بود. تصمیم‌های مالیِ حساس، مثل رد یا تأییدِ وام، باید در نهایت دستِ انسان باشد.

هوش مصنوعی در کشاورزی ایران

کشاورزیِ ایران با کم‌آبی روبه‌روست و همین کاربردهای هوش مصنوعی را جذاب می‌کند. تحلیلِ تصاویرِ ماهواره‌ای و پهپادی می‌تواند سلامتِ محصول، نیازِ آبیِ هر قطعه زمین و گسترشِ آفت را نشان دهد. آبیاریِ هوشمند با حسگرِ رطوبت و پیش‌بینیِ هوا می‌تواند آب را دقیق‌تر مصرف کند.

مثالِ ساده: کشاورزی که چند هکتار گندم دارد، از روی تصویرِ هوایی می‌فهمد کدام بخشِ مزرعه تنشِ آبی دارد و فقط همان‌جا آبیاری را بیشتر می‌کند. مانعِ اصلی هزینه‌ی حسگر و پهپاد، نبودِ آموزشِ کشاورزان و پراکندگیِ زمین‌هاست؛ پس این کاربرد بیشتر در طرح‌های پایلوت و شرکت‌های بزرگِ کشاورزی دیده می‌شود تا در مزرعه‌های کوچک.

سلامت و پزشکی

هوش مصنوعی در سلامت بیشتر کمک‌یار است، نه جایگزینِ پزشک: خواندنِ اولیه‌ی تصاویرِ رادیولوژی، اولویت‌بندیِ بیماران، تحلیلِ سوابق و خلاصه‌سازیِ پرونده. پژوهش‌های دانشگاهیِ ایران در حوزه‌ی تصویربرداریِ پزشکی فعال است. هوش مصنوعی جایگزینِ پزشک نیست و هر نتیجه‌ای باید متخصص تأیید کند. برای نگاهِ جهانی‌تر به این موضوع، کاربردِ هوش مصنوعی در پزشکی را ببینید.

آموزش و یادگیری

دانش‌آموزان و دانشجوها از هوش مصنوعی برای توضیحِ مفاهیم، تمرین، ترجمه و خلاصه‌سازی استفاده می‌کنند. معلم‌ها می‌توانند طرحِ درس و سؤالِ تمرینی بسازند. خطرِ اصلی وابستگی و تقلب است؛ استفاده‌ی درست یعنی هوش مصنوعی را معلمِ خصوصی بدانیم، نه نویسنده‌ی تکلیف. اگر دنبالِ مسیرِ یادگیری هستید، راهنمای انتخابِ دوره‌ی هوش مصنوعی کمک می‌کند.

تولید محتوا، ترجمه و خدماتِ روزمره

پرکاربردترین حوزه برای کاربرِ عادی، تولیدِ محتواست: نوشتنِ متن، ساختِ عکس و ویدیو، ترجمه، گویندگی و موسیقی. فروشنده‌ی کوچکِ اینستاگرامی با چند دقیقه کار عکسِ محصول و کپشن می‌سازد. نکته‌ی مهم در فارسی، کیفیتِ خروجی است: مدل‌ها هنوز در نگارش، نیم‌فاصله و متنِ روی تصویر گاهی اشتباه می‌کنند و باید متن را بازخوانی کنید. برای جزئیات، راهنمای تولیدِ محتوای فارسی با هوش مصنوعی و کاربردهای هوش مصنوعی در زندگی و کسب‌وکار را ببینید.

بازیگران هوش مصنوعی در ایران: دولت، دانشگاه و بخش خصوصی

سه گروه در توسعه‌ی هوش مصنوعیِ ایران نقش دارند: نهادهای رسمی که سیاست می‌گذارند، دانشگاه‌ها و پژوهشگاه‌ها که پژوهش و نیروی انسانی می‌سازند، و شرکت‌ها و استارتاپ‌ها که محصول به بازار می‌برند. در اینجا فقط نقشِ هر گروه را خلاصه می‌کنیم و نامِ تک‌تکِ شرکت‌ها را نمی‌آوریم تا اطلاعاتِ کهنه یا ناقص ندهیم.

• نهادهای رسمی: شورای عالی انقلاب فرهنگی و شورای عالی فضای مجازی در سیاست‌گذاری نقش دارند و سازمانِ ملیِ هوش مصنوعی برای هماهنگیِ کارها شکل گرفته است.
• دانشگاه و پژوهش: دانشگاه‌های فنی، مرکزهای پژوهشی و گروه‌های پردازشِ زبانِ فارسی مقاله، پایگاه‌داده و نیروی متخصص تولید می‌کنند.
• شرکت‌ها و استارتاپ‌ها: از شرکت‌های بزرگِ فناوری و خدماتِ مالی تا استارتاپ‌های کوچک که چت‌بات، تحلیلِ داده و ابزارهای محتوا می‌سازند.

فهرستِ بازیگران سریع تغییر می‌کند؛ شرکتی که امسال فعال است ممکن است سال بعد تغییرِ مسیر بدهد. اگر می‌خواهید وارد این بازار شوید، ابتدا مسئله‌ی واقعیِ یک صنعت را پیدا کنید و بعد به سراغِ مدل بروید. برای دیدِ کلی‌تر درباره‌ی ابزارهای فارسی، مرجعِ ابزارهای هوش مصنوعی برای فارسی‌زبان‌ها را بخوانید.

مدل‌ها و محصولاتِ بومی و فارسی

هوش مصنوعیِ ایرانی به دو معنا به کار می‌رود: محصولی که شرکتی ایرانی ساخته، و محصولی که مدلی خارجی را با رابطِ فارسی و پرداختِ تومانی در دسترس می‌گذارد. این دو را باید از هم جدا کرد؛ ساختنِ مدلِ زبانیِ بزرگ از صفر هزینه‌ی سنگینِ پردازشی و داده می‌خواهد، ولی ساختنِ سرویس روی مدل‌های موجود بسیار ساده‌تر است.

در حوزه‌ی مدل‌های زبانیِ فارسی، پژوهشگران و شرکت‌های داخلی چند مدلِ متن‌باز و تجاری را آموزش یا تنظیم کرده‌اند و ابزارهایی مثل چت‌بات، تصحیحِ نگارش و تبدیلِ گفتار به متن ارائه می‌شود. چون سرعتِ تغییر زیاد است و ما نمی‌خواهیم نامِ مدلی را بدونِ وارسی بنویسیم، فهرستِ دقیق را جداگانه بازبینی می‌کنیم. برای مرورِ پلتفرم‌های فارسی، راهنمای انتخابِ بهترین پلتفرمِ هوش مصنوعیِ فارسی و استفاده‌ی آنلاینِ هوش مصنوعیِ فارسی بدونِ نصب مفید است.

نتیجه‌ی جدول: برای کاربرِ عادی معمولاً دسته‌ی دوم سریع‌ترین راه است؛ برای سازمان‌هایی که داده‌ی حساس دارند، گزینه‌ی سوم ارزش دارد؛ و گزینه‌ی اول وقتی مهم می‌شود که تیمِ شما فارسیِ تخصصی بخواهد. شبیهِ این بحث را در مقاله‌ی دیپ سیک هم می‌بینید، چون مدل‌های متن‌باز مسیرِ تازه‌ای باز کرده‌اند.

قانون و سندهای رسمیِ هوش مصنوعی در ایران

سندِ ملیِ هوش مصنوعیِ جمهوری اسلامی ایران چارچوبِ اصلیِ سیاست‌گذاری است. بر پایه‌ی منابعِ رسمی و گزارش‌های خبری، این سند را شورای عالی انقلاب فرهنگی تصویب کرد و در سال‌های ۱۴۰۲ تا ۱۴۰۳ ابلاغ شد؛ تاریخِ دقیقِ بعضی منابع با هم تفاوت دارد. سند چشم‌انداز، اصول، هدف‌ها و تقسیمِ مسئولیت‌ها را مشخص می‌کند و هدفِ قرارگرفتن در میان ۱۰ کشورِ برتر در افقِ یک دهه را مطرح کرده است.

پس از سند، سازمانِ ملیِ هوش مصنوعی در تابستانِ ۱۴۰۳ رسماً آغاز به کار کرد تا سیاست‌گذاری، مقررات و هماهنگی میانِ دولت، دانشگاه و بخشِ خصوصی را بر عهده بگیرد. این سازمان و سندِ ملی همچنان در حالِ اجرا و به‌روزرسانی‌اند و جزئیاتِ مقررات ممکن است تغییر کند.

برای خواننده‌ی عادی، سه نکته مهم است. اول، سند یک نقشه‌ی راهِ کلی است و جایگزینِ قانونِ تفصیلی نمی‌شود. دوم، حوزه‌هایی مثل داده‌ی شخصی، مسئولیتِ خطای الگوریتم و حقِ مؤلف در محتوای تولیدشده با هوش مصنوعی هنوز در حالِ شکل‌گیری‌اند. سوم، پیش از ساختِ محصول در حوزه‌های حساس مثل سلامت و مالی، باید مجوزها را از نهادِ مربوط استعلام کنید. این بخش توصیه‌ی حقوقی نیست؛ برای تصمیم‌های رسمی با مشاورِ حقوقی مشورت کنید. برای نگاه به مسائلِ اخلاقی، نگرانی‌ها و اخلاق در هوش مصنوعی را بخوانید.

بازار کار و تحصیل هوش مصنوعی در ایران

تحصیل در رشته‌های رایانه، برق، آمار و ریاضیات مسیرِ سنتیِ ورود به هوش مصنوعی است، ولی امروز مسیرهای دیگری هم هست: دوره‌های آنلاین، بوت‌کمپ و یادگیریِ پروژه‌محور. در بازارِ کار، نقش‌هایی مثل دانشمندِ داده، مهندسِ یادگیری ماشین، مهندسِ پردازشِ زبانِ طبیعی و تحلیل‌گرِ داده تقاضا دارند و بیشتر شرکت‌ها در تهران و چند شهرِ بزرگ متمرکزند.

ما در اینجا عددِ حقوق یا تعدادِ فرصت‌های شغلی نمی‌نویسیم، چون بدونِ داده‌ی تازه و معتبر گمراه‌کننده است. آنچه ثابت‌تر است، مهارت‌هاست: پایتون، آمار، یادگیری ماشین، کار با داده و توانِ توضیحِ نتیجه برای مدیر. یک نمونه‌ی پروژه‌ی خوب برای رزومه، ساختنِ چت‌بات برای پرسش‌های متداولِ یک فروشگاهِ واقعی یا تحلیلِ داده‌ی فروش است. برای مسیرِ شغلی، راهنمای مسیرِ شغلیِ متخصصِ هوش مصنوعی و برای نگرانیِ جایگزینیِ شغل، آینده‌ی مشاغل و هوش مصنوعی را ببینید.

1. پایه‌ی ریاضی و آمار را مرور کنید.
2. پایتون و کتابخانه‌های داده را یاد بگیرید.
3. یک پروژه‌ی فارسی بسازید، مثلاً دسته‌بندیِ نظرِ مشتریان.
4. نتیجه را با نمودار و توضیحِ ساده منتشر کنید.
5. در شرکت‌ها یا پروژه‌های متن‌باز تجربه جمع کنید.

چالش‌ها: دسترسی، سخت‌افزار، داده‌ی فارسی و پرداخت

چالش‌های هوش مصنوعی در ایران را می‌شود در چهار گروه دید: دسترسی به سرویس‌های جهانی، سخت‌افزارِ پردازشی، داده‌ی فارسی و پرداخت. این‌ها واقعیتِ فنی و اقتصادی‌اند و ما فقط توصیفشان می‌کنیم، نه ارزش‌گذاری.

• دسترسی: برخی سرویس‌های جهانی برای کاربرانِ ایران عرضه نمی‌شوند یا ثبت‌نامشان ممکن نیست. مثالِ آشنا، نبودنِ برخی برنامه‌ها در فروشگاه‌های رسمیِ اپ است؛ علتِ نبودِ چت جی پی تی در گوگل پلی را جداگانه توضیح داده‌ایم.
• سخت‌افزار: آموزشِ مدل‌های بزرگ به پردازنده‌ی گرافیکیِ قوی نیاز دارد و تأمینش سخت و گران است. برای آشنایی با نیازها، سخت‌افزارِ لازم برای مدل‌های ساخت تصویر را ببینید.
• داده‌ی فارسی: نسبتِ متنِ فارسی در داده‌ی آموزشیِ مدل‌های جهانی کم است، پس مدل‌ها گاهی در نگارش، اصطلاح و فرهنگِ محلی ضعف دارند. ساختنِ پیکره‌ی بزرگ، تمیز و قانونی از متنِ فارسی کارِ زمان‌بر است.
• پرداخت: بیشترِ سرویس‌های جهانی پرداختِ ارزی می‌خواهند. راهِ قانونی و ساده، استفاده از پلتفرم‌های داخلی با پرداختِ تومانی است.

یک نکته‌ی مهم برای کاربر: در برابرِ این مشکل‌ها، به راه‌های غیرمطمئن مثل خریدِ اکانت از فروشنده‌های ناشناس تکیه نکنید؛ هم امنیت و حریم خصوصی در خطر است، هم دسترسی ممکن است ناگهان قطع شود. برای شناختِ گزینه‌های مطمئن‌تر، مقایسه‌ی ابزارهای رایگان برای کاربرانِ ایرانی را ببینید.

آینده‌ی هوش مصنوعی در ایران: سه سناریو

پیش‌بینیِ دقیق ممکن نیست، ولی می‌شود سناریوهای محتمل را کنار هم گذاشت. هیچ‌کدام قطعی نیست و به سیاست‌گذاری، سرمایه‌گذاری و شرایطِ دسترسی بستگی دارد.

در همه‌ی سناریوها، چند روندِ جهانی اثرشان را می‌گذارد: کوچک‌ترشدنِ مدل‌های کارآمد، رشدِ مدل‌های متن‌باز و ایجنت‌های هوش مصنوعی. اگر می‌خواهید بدانید ایجنت چیست، راهنمای ایجنتِ هوش مصنوعی را بخوانید. برای دیدِ کلی‌تر درباره‌ی ابزارهای خودکارسازی، ابزارِ اتوماسیون n8n هم مفید است. آنچه می‌شود با اطمینان گفت این است که مهارتِ استفاده از هوش مصنوعی، فارغ از سناریو، برای همه ارزشمند می‌ماند.

هوش مصنوعی برای کسب‌وکارهای ایرانی: از کجا شروع کنیم

کسب‌وکارِ کوچک و متوسط لازم نیست مدل بسازد؛ کافی است مسئله‌ای پیدا کند که تکراری، زمان‌بر و قابلِ اندازه‌گیری باشد. قاعده‌ی کلی این است که از کارهای کم‌ریسک شروع کنید و بعد، با دیدنِ نتیجه، به سراغِ کارهای مهم‌تر بروید.

نتیجه‌ی جدول: در هر چهار مورد هوش مصنوعی پیش‌نویس می‌سازد و انسان تصمیم می‌گیرد. این الگو هم ریسک را کم می‌کند و هم اعتمادِ مشتری را حفظ می‌کند.

یک مسیرِ ساده برای شروع در چهار گام وجود دارد:

1. یک کارِ تکراری را که هفته‌ای چند ساعت وقت می‌گیرد انتخاب کنید.
2. همان کار را برای یک هفته با یک ابزارِ هوش مصنوعی انجام دهید و زمان را یادداشت کنید.
3. کیفیتِ خروجی را با کارِ دستی مقایسه کنید و ایرادها را فهرست کنید.
4. اگر ارزش داشت، برای تیم دستورالعمل و نمونه‌پرامپتِ ثابت بنویسید.

اگر قصدِ خودکارسازیِ چندمرحله‌ای دارید، مثلاً ارسالِ خودکارِ گزارش یا پاسخ به ایمیل، سراغِ خودکارسازی با هوش مصنوعی برای کسب‌وکار بروید. برای بازاریابی هم راهنمای بازاریابی با هوش مصنوعی مفید است. سازمان‌های بزرگ‌تر که به کنترلِ بیشتر و محیطِ اختصاصی نیاز دارند، می‌توانند پلتفرمِ سازمانیِ هوش‌نو را هم بررسی کنند.

اشتباه‌های رایج درباره‌ی هوش مصنوعی در ایران

در گفت‌وگوهای روزمره چند برداشتِ نادرست زیاد تکرار می‌شود. شناختنشان کمک می‌کند تصمیمِ بهتری بگیرید و وقت و پول را هدر ندهید.

• «هوش مصنوعی همه‌ی شغل‌ها را می‌گیرد.» شواهد نشان می‌دهد بیشتر نقش‌ها تغییر می‌کنند، نه اینکه یکباره ناپدید شوند. کسی که با ابزار کار بلد باشد، از کسی که بلد نیست جلو می‌افتد.
• «فقط ابزارِ خارجی کیفیت دارد.» در بعضی کارها مدل‌های جهانی قوی‌ترند، ولی برای کارهایی که به فارسیِ دقیق یا دسترسیِ پایدار نیاز دارند، سرویس‌های داخلی هم گزینه‌ی جدی‌اند.
• «هر خروجی درست است.» مدل‌ها گاهی با اعتمادبه‌نفس اطلاعاتِ غلط می‌دهند. عدد، تاریخ و نقلِ‌قول را همیشه از منبع وارسی کنید.
• «هر داده‌ای را می‌شود وارد چت کرد.» اطلاعاتِ شخصی، مالی و پزشکیِ مشتریان را در ابزارِ عمومی وارد نکنید.
• «برای شروع باید برنامه‌نویس بود.» برای بیشترِ کاربردهای روزمره فقط نوشتنِ درخواستِ روشن و بازبینیِ نتیجه کافی است؛ آموزشِ پرسیدن در راهنمای پرسیدن از هوش مصنوعی آمده است.

به‌علاوه، بعضی افراد گمان می‌کنند سرمایه‌گذاریِ روی هوش مصنوعی یعنی خریدِ سخت‌افزارِ گران. در حقیقت بسیاری از تیم‌ها با استفاده از سرویس‌های آماده شروع می‌کنند و فقط وقتی حجمِ کار بزرگ شد، به فکرِ زیرساختِ اختصاصی می‌افتند. این رویکردِ مرحله‌ای ریسکِ مالی را پایین می‌آورد و یادگیری را سریع‌تر می‌کند.

نکاتی برای دانشجوها و پژوهشگران

دانشجویی که می‌خواهد در این حوزه وارد شود، سه کار را همزمان پیش ببرد: پایه‌ی نظری، پروژه‌ی عملی و شبکه‌سازی. پایه‌ی نظری یعنی آمار، جبرِ خطی و یادگیری ماشین. پروژه‌ی عملی یعنی ساختنِ چیزی که قابلِ نمایش باشد، مثلاً دسته‌بندیِ نظرهای فارسی یا تحلیلِ تصویرِ ساده. شبکه‌سازی یعنی حضور در رویدادها، گروه‌های پژوهشی و پروژه‌های متن‌باز.

پژوهشگران برای مسئله‌ی داده‌ی فارسی می‌توانند پیکره‌های عمومی و پایگاه‌دادهای منتشرشده‌ی دانشگاهی را بررسی کنند و از مدل‌های متن‌باز به‌عنوان نقطه‌ی شروع استفاده کنند. در همه‌ی کارها، منبعِ داده و مجوزِ استفاده را بنویسید تا نتیجه قابلِ تکرار و قابلِ دفاع باشد. اگر کارتان به حوزه‌ی تصویر مربوط است، مرورِ تفاوتِ یادگیری ماشین و یادگیری عمیق پایه‌ی خوبی می‌دهد.

چطور از هوش مصنوعی در ایران استفاده کنیم

اگر می‌خواهید از همین حالا شروع کنید، سه گام کافی است. ابتدا کارِ مشخصی انتخاب کنید، مثلاً نوشتنِ متن، ساخت عکس یا خلاصه‌سازی. سپس ابزارِ مناسب و در دسترس را برگزینید. در پایان خروجی را بازبینی کنید، چون هیچ مدلی بی‌اشتباه نیست.

هوش‌نو سرویسِ خودِ ما است و کارِ مشخصی می‌کند: چند مدلِ جهانی را در یک جا با رابطِ فارسی و پرداختِ تومانیِ بدونِ اشتراکِ اجباری در دسترس می‌گذارد. چتِ روزانه‌ی رایگان بعد از تأییدِ شماره‌ی موبایل هم دارد. محدودیتش این است که فقط خدماتِ فهرست‌شده‌ی خودش را پوشش می‌دهد. همین الان امتحان کنید: از همه‌ی ابزارهای هوش‌نو استفاده کنید یا مستقیم با چت با هوش مصنوعی به فارسی شروع کنید. برای عکس هم ساخت عکس با هوش مصنوعی را ببینید. هزینه‌ی هر ساخت پیش از شروع در خودِ ابزار نشان داده می‌شود.

اگر تازه شروع کرده‌اید، استفاده از Claude به فارسی، ساخت عکس فارسی با هوش مصنوعی و ساخت ویدیو با هوش مصنوعیِ ایرانی نقطه‌ی شروعِ خوبی‌اند. برای نسخه‌ی تلگرامی هم ربات‌های هوش مصنوعی تلگرام را ببینید.

برای تصویر بزرگ‌تر از فرصت‌ها و چالش‌های هوش مصنوعی در ایران، بخش عملی هوش مصنوعی با اینترنت ملی را هم بخوانید.

سؤالات متداول

وضعیتِ هوش مصنوعی در ایران چطور است؟

وضعیت در حالِ رشد اما ناهمگون است. مصرفِ ابزارهای هوش مصنوعی بالاست و دانشگاه‌ها و شرکت‌ها فعال‌اند، ولی تولیدِ مدل‌های بزرگ به‌دلیلِ محدودیت در سخت‌افزار، داده‌ی فارسی و پرداختِ ارزی دشوار است. سندِ ملی و سازمانِ ملیِ هوش مصنوعی چارچوبِ رسمی را ساخته‌اند و اجرایش ادامه دارد.

ایران در هوش مصنوعی چه کرده است؟

ایران سندِ ملیِ هوش مصنوعی را تصویب و سازمانِ ملیِ هوش مصنوعی را راه‌اندازی کرده، و دانشگاه‌ها و شرکت‌ها در پردازشِ زبانِ فارسی، تحلیلِ داده، سلامت و خدماتِ مالی پروژه دارند. ادعاهای دقیق‌تر درباره‌ی رتبه و عدد را باید از منبعِ رسمیِ تازه وارسی کرد؛ ما عددِ تأییدنشده نمی‌نویسیم.

هوش مصنوعی در ایران چه کاربردهایی دارد؟

کاربردهای اصلی شامل بانکداری و تشخیصِ تقلب، کشاورزیِ دقیق و مدیریتِ آب، کمک به تشخیص در سلامت، آموزش، و تولیدِ محتوا و ترجمه است. بیشترِ کاربردها در سطحِ پایلوت یا شرکت‌های بزرگ‌اند و هنوز در همه‌ی بخش‌ها فراگیر نشده‌اند.

آینده‌ی هوش مصنوعی در ایران چیست؟

آینده به سیاست‌گذاری، سرمایه‌گذاری و شرایطِ دسترسی بستگی دارد. سه سناریو را بررسی کردیم: ادامه‌ی روند، شتاب و کندی. با هر سناریو، مهارتِ استفاده از هوش مصنوعی و کار با داده برای افراد و کسب‌وکارها ارزشمند می‌ماند.

آیا هوش مصنوعیِ ایرانی وجود دارد؟

بله، چت‌بات‌ها، ابزارهای گفتار و مدل‌های فارسی از سوی شرکت‌ها و پژوهشگرانِ ایرانی ارائه شده‌اند. اما بسیاری از سرویس‌های محبوب روی مدل‌های جهانی ساخته می‌شوند. تفاوتِ «ساخته‌شده در ایران» و «سرویسِ فارسی روی مدلِ خارجی» را در بخشِ مدل‌های بومی توضیح داده‌ایم.

آیا استفاده از هوش مصنوعی در ایران قانونی است؟

استفاده‌ی عادی از ابزارهای هوش مصنوعی ممنوعیتِ عمومی ندارد، ولی در حوزه‌های حساس مثل داده‌ی شخصی و سلامت باید مقررات و مجوزهای مربوط را رعایت کرد. این پاسخ توصیه‌ی حقوقی نیست و برای کارهای رسمی باید از مشاورِ حقوقی کمک بگیرید.

جمع‌بندی

هوش مصنوعی در ایران بازارِ بزرگ و استعدادِ فراوان دارد، ولی با مانع‌های دسترسی، سخت‌افزار، داده‌ی فارسی و پرداخت روبه‌روست. سندِ ملی و سازمانِ ملیِ هوش مصنوعی چارچوب ساخته‌اند و دانشگاه‌ها و شرکت‌ها هر کدام بخشی از کار را پیش می‌برند. برای شما، به‌عنوان کاربر یا کسب‌وکار، بهترین قدم این است که کارِ مشخصی انتخاب کنید، ابزارِ قانونی و در دسترس را بیاموزید و خروجی را بازبینی کنید. برای شروعِ عملی، هوش مصنوعی آنلاین فارسی را امتحان کنید و برای فهمِ مفهومِ پایه، به راهنمای هوش مصنوعی چیست برگردید.