طراحی و ساخت دستیار‌های هوشمند عامل‌محور در فارسی

به گزارش خبرگزاری صدا و سیما، هادی ویسی، استاد دانشکده سامانه‌های هوشمند دانشگاه تهران، ساخت این دستیار هوشمند را نمونه بارزی از پژوهش دانشگاهی تا سامانه عملیاتی دانست و گفت: در سال‌های اخیر، پیشرفت مدل‌های بزرگ زبانی (Large Language Models) مسیر توسعه سامانه‌های هوشمند تعاملی را به‌طور جدی تغییر داده است.

وی ادامه داد: آن‌چه تا چند سال پیش صرفاً در حد چت‌بات‌های ساده و پاسخ‌هایی از پیش‌تعریف‌شده بود، امروز به دستیار‌های هوشمند چندوجهی، عامل‌محور (Agentic) و متصل به سامانه‌های سازمانی تبدیل شده است.

تمرکز بر توسعه دستیار‌های هوشمند بومی مبتنی بر مدل‌های بزرگ زبانی

این پژوهشگر سامانه‌های هوشمند ادامه داد: در چند طرح کاربردی، بر توسعه دستیار‌های هوشمند بومی مبتنی بر مدل‌های بزرگ زبانی تمرکز کرده‌ایم، سامانه‌هایی که نه‌تنها در محیط آزمایشگاهی، بلکه به‌صورت عملیاتی و در مقیاس واقعی در پاسخگویی به کاربران، از جمله در سازمان امور دانشجویان، در حال استفاده هستند.

ویسی با بیان این‌که دستیار هوشمند عامل‌محور (Agentic AI) فراتر از چت‌بات‌های معمولی است، گفت: تفاوت اصلی نسل جدید این دستیار‌ها با چت‌بات‌های متداول، در عامل‌بودن (Agentic بودن) آنهاست.

وی با بیان این‌که دستیار هوشمند صرفاً پاسخ‌دهنده به پرسش نیست، بلکه می‌تواند کار‌های متعددی انجام دهد، در ادامه تصریح کرد: از جمله این فعالیت‌ها می‌توان به تشخیص هدف کاربر، شناسایی مراحل لازم برای انجام یک فرآیند، تعامل با سامانه‌های مختلف، به سرانجام رساندن کار و گزارش‌دهی نتیجه نهایی به کاربر اشاره کرد.

این استاد دانشکده سامانه‌های هوشمند دانشگاه تهران، در ادامه توضیح داد که برای مثال، در یک سناریوی واقعی، دستیار هوشمند می‌تواند به‌صورت یکپارچه با یک سامانه (مانند سامانه سجاد سازمان امور دانشجویان) و زیرساخت

SSO (Single Sign-On) برای مدیریت کاربران ارتباط برقرار کند، وضعیت درخواست یک نفر را با دریافت اطلاعات از سامانه‌های سازمان بررسی کند، و راهنمایی دقیق و متناسب با وضعیت همان کاربر ارائه دهد. این یعنی عبور از «پرسش و پاسخ» به سمت انجام کار.

تعامل با کاربر از طریق تبدیل گفتار به متن و بالعکس

ویسی افزود: هوشیار، دستیار هوشمند عامل‌محور در فارسی با تبدیل گفتار به متن و متن به گفتار تعامل طبیعی با کاربر برقرار می‌کند و یکی از نقاط تمرکز اصلی در این پروژه‌ها، تعامل صوتی طبیعی به زبان فارسی بوده است.

وی ادامه داد: بسیاری از کاربران، به‌ویژه در مراجعات غیرحضوری، ترجیح می‌دهند به‌جای تایپ، صحبت کنند یا پاسخ را به‌صورت صوتی دریافت کنند. این موضوع به‌ویژه در مراکز تماس (Call Center)‌ها که فرد از طریق تماس تلفنی با سازمان ارتباط می‌گیرد، ضروری است.

این پژوهشگر سامانه‌های هوشمند، در ادامه تصریح کرد: در این راستا، دستیار‌های توسعه‌یافته با اتکا به تجربه‌های گذشته به قابلیت‌هایی، چون گفتار به متن (Speech-to-Text) دقیق برای زبان فارسی، متناسب با لهجه‌ها و گفتار محاوره‌ای که دارای دقت تشخیص بسیار بالاست، متن به گفتار (Text-to-Speech) طبیعی، روان و قابل استفاده در محیط‌های رسمی و دارای لحن طبیعی و امکان تعامل کاملاً صوتی، مشابه مکالمه با یک اپراتور انسانی مجهز شده‌اند.

کاربرد هوشیار برای افرادی با محدودیت‌های جسمی و کاربران کم‌سواد دیجیتال

ویسی خاطرنشان کرد: علاوه‌ بر مراجعه تلفنی، این ویژگی‌های گفتاری به‌ویژه برای کاربران کم‌سواد دیجیتال، افراد دارای محدودیت‌های جسمی، یا کیوسک‌های اطلاع‌رسانی اهمیت زیادی دارد.

وی با بیان این‌که در این سامانه فارسی بودن نه صرفاً ترجمه، بلکه یک فهم بومی است، گفت: یکی از چالش‌های اساسی استفاده از مدل‌های هوش مصنوعی جهانی، ضعف در درک عمیق زبان و فرهنگ فارسی است. در این طرحها، تمرکز زیادی در بهبود کیفیت در زبان فارسی بوده و تلاش شده است که زبان رسمی و اداری فارسی به‌درستی فهم شود، اصطلاحات سازمانی و ایرانی مدل‌سازی شوند، پاسخ‌ها متناسب با فرهنگ ارتباطی کاربران ایرانی تولید شوند و ملاحظات فرهنگی و اخلاقی ایرانی در پرسش و پاسخ‌ها رعایت شود.

این استاد دانشکده سامانه‌های هوشمند با بیان این‌که این بومی‌سازی زبانی و مفهومی، نقش کلیدی در پذیرش عملی سامانه توسط کاربران واقعی داشته است، افزود: یکی از ویژگی‌های کلیدی این دستیار‌های هوشمند، پیاده‌سازی کاملاً محلی (On-Premise) و داخل کشور آنهاست. در این معماری، مدل‌های زبانی، ماژول‌های گفتار به متن و متن به گفتار و عامل‌های هوشمند بر روی زیرساخت‌های داخلی مستقر شده‌اند و وابستگی مستقیمی به سرویس‌های هوش مصنوعی عمومی خارجی ندارند، هرچند امکان اتصال به سرویس‌هایی مانند ChatGPT و سایر API‌های خارجی را نیز دارند.

امکان استفاده از سامانه دستیار هوشمند عامل‌محور در فارسی در شرایط اختلال یا قطعی اینترنت بین‌الملل

ویسی تصریح کرد: این رویکرد باعث شده است که حتی در شرایط اختلال یا قطعی اینترنت بین‌الملل و دسترسی نداشتن به سرویس‌های هوش مصنوعی عمومی مانند ChatGPT و Gemeni، سامانه به‌صورت پایدار و بدون وقفه در دسترس کاربران باقی بماند. تجربه عملیاتی نشان داده است که اتکای به توان پردازشی و نرم‌افزاری داخلی، علاوه‌بر افزایش امنیت و حاکمیت داده، شرط لازم برای ارائه خدمات هوشمند قابل اعتماد در مقیاس سازمانی در کشور است.

وی درباره تجربه عملیاتی، از دانشگاه تا سازمان هم گفت: نکته مهم این است که این دستیار‌های هوشمند، صرفاً خروجی مقاله یا نمونه آزمایشگاهی دانشگاهی نیستند. امروز این سامانه‌ها به‌صورت ۲۴ ساعته پاسخگوی کاربران هستند، بار قابل‌توجهی از تماس‌ها و مراجعات انسانی را کاهش و کیفیت و یکنواختی پاسخ‌ها را افزایش داده‌اند.

این پژوهشگر سامانه‌های هوشمند خاطرنشان کرد: این تجربه نشان می‌دهد که هوش مصنوعی مدرن و مدل‌های بزرگ زبانی، در صورت طراحی درست، یکپارچه‌سازی سازمانی و بومی‌سازی زبانی، می‌توانند به زیرساختی قابل اتکا در خدمات عمومی کشور تبدیل شوند و نقش مهمی در تحول دیجیتال سازمان‌ها ایفا کنند.

ویسی افزود: تجربه‌های انجام‌شده در دانشگاه تهران و استقرار آن در سازمان‌های مختلف مانند سازمان امور دانشجویان نشان می‌دهد که فاصله بین پژوهش دانشگاهی و کاربرد واقعی، با طراحی درست و نگاه مسأله‌محور، قابل پر کردن است و آینده خدمات هوش مصنوعی در ایران، نه صرفاً در کپی‌برداری از نمونه‌های خارجی، بلکه در ساخت نمونه‌های فارسی‌محور، متصل به فرآیند‌های واقعی و سازگار با نیاز کاربران ایرانی رقم خواهد خورد.