پای «هوش مصنوعی» به دستاوردسازی دولتمردان باز شد؟!
به گزارش «نبض فناوری»، دقایقی به نیمه شب پنج شنبه، 8 آذرماه 1403 خبری به نقل از سرپرست پژوهشگاه فضایی و رئیس سازمان فضایی کشورمان مخابره شد که حکایت از دستیابی کشورمان به فناوری تازهای در حوزه فضایی داشت؛ قرار گرفتن ایران در زمره تولیدکنندگان تصاویر ماهوارهای سوپر رزولوشن یا به تعبیر فرهنگستان زبان و ادب پارسی، تصاویر فراتفکیک پذیر.
آن گونه که حسن سالاریه خبر داده، در نتیجه این دستاور مهم و ارزشمند که در نتیجه همکاری با شرکت های دانش بنیان به دست آمده است، ایران برای نخستین بار موفق به تولید تصویر سوپر رزولوشن با کیفیت ۳۵ تا ۴۵ سانتیمتر از تصاویر ماهواره خیام شده است، با این یادآوری که «تصاویر ماهوارهای مذکور با استفاده از روش شکستن پیکسل و پردازشهای نوین، بدون نیاز به دادههای کمکی تولید شده است.»
این مقام مسئول در ادامه با یادآوری مزیتهای این تصاویر، مدعی شده که «یکی از ویژگیهای بارز این تصاویر، برتری آنها در مقایسه با رقبای خارجی از نظر قیمت، زمان تهیه و دسترسی است» و بعد فراتر رفته و ادعا کرده که با این اقدام، «ایران به یکی از کشورهای پیشرو در زمینه تولید تصاویر ماهوارهای با کیفیت بالا تبدیل خواهد شد و میتواند به تأمین نیازهای داخلی و حتی صادرات این فناوری به کشورهای دیگر نیز بپردازد.»
البته سالاریه نه درباره فرایند تولید این تصاویر توضیح خاصی ارائه کرده و نه حتی از طراحی و برنامهریزی صورت گرفته برای نیل به این هدف سخنی به میان آورده است تا این ابهام ایجاد شود که آیا قرار گرفتن ایران در زمره تولیدکنندکان تصاویر سوپررزولوشن، یک پدیده "اتفاقی" و در نتیجه به کارگیری هوش و خلاقیت در یک یا چند شرکت دانش بنیان بوده یا در انتهای یک مسیر مطالعاتی و اجرایی و با برنامهریزیهای مدون و معین، به این دانش خاص، دست یافتهایم؟
سوالی که پاسخ دادن به آن از این رو اهمیت دارد که به تاکید وی -که معاون وزیر ارتباطات کشورمان است-، تولید این تصاویر در کشورمان با برتری نسبت به رقبای خارجی همراه بوده و در نتیجه، دستاوردی بسیار مهم است که قابلیت صادرات به دیگر نقاط جهان را هم داراست. ادعایی که در صورت صحت، انتظار میرود به برگزاری نشست خبری برای رونمایی از این دستاورد ارزشمند و ارائه طرح و برنامه برای تبدیل آن به یکی از محصولات صادراتی فناورانه و دانش بنیان ایران گره بخورد و در حد خبر مخابره شده در نیمه شب تعطیلات آخر هفته، باقی نماند.
با این تفاسیر، عجیب نیست اگر بشنویم یاسرعشورزاده، بنیانگذار شرکت فضایی تیزنگر و از فعالان این حوزه در کشورمان، نسبت به این ادعا واکنش شدید نشان داده و در توییتی نوشته است:
«گفتم تا نگویند یک باسواد در این کشور نبود!
پردازش S_R [مخفف Super-Resolution به معنای سوپر رزولوشن] از شبکه عصبی برای تولید جزئیات بیشتر در تصاویر استفاده میکند. در واقع، این تکنیک بر اساس اطلاعات موجود و تحلیل الگوها، پیکسل مجازی تولید میکند، این جزئیات بر اساس تخمین هستند و نمیتوانند جایگزین دادههای واقعی باشند!!»
آن گونه که عشورزاده گفته، آنچه رئیس سازمان فضایی کشورمان به عنوان دستاوردی بسیار مهم بیان کرده، استفاده از تکنیکی در حوزه تحلیل الگوی تصویر و تولید پیکسلهای تخمینی بر اساس آن الگو است که بایستی بدانیم به رغم آنکه واقعی به نظر میرسد، اما میتواند اشکال دار باشد و بایستی با این دید به آن نگریست که واقعی نیست. تکنیکی که شاید جالب باشد بدانید در هوش مصنوعی به شدت کاربرد دارد!
بله درست متوجه شدهاید؛ هوش مصنوعی یا همان AI! پدیده نام آشنای این روزهای جهانیان که نسخههای پرشماری از آن در همین حوزه، یعنی تولید تصاویر سوپررزولوشن توسعه داده شدهاند و البته سابقه به کارگیری آن، خیلی بیشتر از اینهاست چراکه در برخی زمینه های دیگر مانند بازی های رایانه ای و سینما هم کاربرد وسیعی دارند. نسخه هایی از هوش مصنوعی که احتمالا نتیجه کار با برخی نسخه های دم دستی آنها را در بازسازی تصاویر رنگ و رو رفته قدیمی دیدهاید.
به این فهرست دقت کنید:
1. SRCNN (Super-Resolution Convolutional Neural Network)
SRCNN یکی از اولین و شناختهشدهترین مدلهای مبتنی بر شبکههای عصبی کانولوشنی (Convolutional Neural Networks و یا به اختصار، CNN) برای تولید تصاویر سوپررزولوشن است که بر پایه یادگیری ماشین توسعه داده شده است.
2. ESRGAN (Enhanced Super-Resolution Generative Adversarial Network)
ESRGAN نسخه بهبودیافتهای از GANs (Generative Adversarial Networks) است که برای سوپرو رزولوشن طراحی شده و برای افزایش دقت، از دو شبکه عصبی بهره میگیرد که یکی در تولید پیکسل های جدید و دیگری در بررسی و متمایزسازی آنها به کار گرفته میشوند.
3. VDSR (Very Deep Super-Resolution)
VDSR یکی دیگر از مدلهای پیشرفته برای سوپر رزولوشن است که از شبکههای عصبی عمیقتر استفاده میکند و در نتیجه، در بازسازی جزئیات دقیقتر و بافتها، کارایی بالاتری دارد.
4. DLSR (Deep Learning Super-Resolution)
این هوش مصنوعی هم از تکنیک یادگیری عمیق استفاده میکند، اما بیشتر بر مدلهای پیچیده متمرکز است و در نتیجه، میتواند ویژگیهای دقیقتر و طبیعیتری از تصاویر بسازد و همچنین در تشخیص و تحلیل تصاویر، کارایی بیشتری داشته باشد.
5. FSRCNN (Fast Super-Resolution Convolutional Neural Network)
این مدل بهعنوان نسخه سریعتر از SRCNN طراحی شده است و با استفاده از معماریهای بهینهتر و سرعت بالاتر، میتواند فرآیند سوپررزولوشن را سریعتر و با دقت بالا انجام دهد و در نتیجه برای اموری که نیازمند پردازش سریع هستند (مثل استریم و پخش زنده ویدئو) کارآمدتر است.
6. DAE (Denoising Autoencoders)
الگوریتمهای استفاده شده برای توسعه این مدل از هوش مصنوعی، در زمینه کاهش نویز کارایی دارند و در نتیجه، نسخهای کارآمد در کاهش نویز تصاویر و ترمیم آنها با وضوح بالا، از جمله در زمینه ترمیم رنگ ها محسوب می شود.
اینها تنها برخی نمونههای هوش مصنوعی به کار گرفته شده در ساخت سوپررزولوشن ها هستند که شاید باز هم برایتان جالب باشد اگر بگوییم اغلب شان، همه به جز مورد شماره 4 به صورت رایگان در دسترس هستند و میتوان با جست و جوی نامشان در امثال «گیت هاب» به آنها دسترسی یافت. البته نسخههایی دیگری از هوش مصنوعی هم هستند که میتوان با کمکشان تصاویر مخابره شده از امثال ماهواره خیام را به تفکیک پذیری زیادی رساند اما برای کار با آنها لازم است مبلغ کمی برای خرید اشتراک پرداخت.
تنوع وسیعی از ابزارها که بایستی منتظر ماند و دید برتری ابزار مورد استفاده در سازمان فضایی کشورمان برای تولید تصاویر سوپر رزولوشن از تصاویر مخابره شده توسط نانوماهواره خیام، در قیاس با آنها چه بوده است که رئیس سازمان فضایی کشورمان حرف از برتری نسخه ایرانی در قیاس با نسخه های جهانی زده و تاکید کرده که این فناوری بومی، قابل صادر کردن است؟ آیا موفق به تولید نسخه ای تازه از هوش مصنوعی شدهایم یا نه، با مسئولانی مواجهیم که برای دستاوردسازی، از هوش مصنوعی کمک گرفتهاند؟!