فراخوان ریزتنظیم مدل زبانی برای طراحی هوشمند نقشه یکپارچگی داده‌ها

به گزارش روز چهارشنبه گروه علمی آباجان به نقل از ایرنا از بنیاد ملی علم ایران، این بنیاد در راستای مأموریت‌گرا شدن پژوهش‌ها و حمایت از طرح‌های پژوهشی که به فناوری روز دنیا می‌پردازد و می‌تواند باری از دوش صنعتگران کشور بردارد، فراخوان‌هایی را با عنوان برنامه حمایت از پژوهش عمیق شرکت‌های دانش‌بنیان منتشر کرد.

در جدیدترین فراخوان بنیاد ملی علم ایران که با موضوع «ریزتنظیم مدل‌ زبانی بزرگ به ‌منظور تشخیص و طراحی هوشمند نقشه یکپارچگی داده‌های پراکنده فرآیندهای مدیریتی و پشتیبانی سازمانی» اعلام شده است، همه افراد واجد شرایط به مدت یک ماه از تاریخ انتشار فراخوان یعنی تا ۲۶ بهمن فرصت دارند که پروپوزال خود را از طریق سامانه کایپر برای بنیاد ملی علم ایران ارسال کنند.

این پژوهش بر توسعه یک مدل زبانی بزرگ (LLM) متمرکز است که بتواند داده‌های سازمانی را از منابع متنوع به‌طور خودکار جمع‌آوری، یکپارچه‌سازی و تحلیل کند. مدل پیشنهادی با ترسیم نقشه‌ای جامع از ارتباطات داده‌ها، از فرایندهای مدیریتی و داده‌های سازمانی به‌صورت یکپارچه پشتیبانی می‌کند. خروجی پژوهش شامل یک مدل زبانی بهینه‌شده و سیستم خودکار پردازش داده‌ها خواهد بود که به بهبود بهره‌وری و تحقق تحول دیجیتال در سازمان‌ها کمک می‌کند.

پیشینه مساله پژوهش

در سال‌های اخیر، سازمان‌ها با انفجاری از داده‌ها روبه‌رو شده‌اند که اغلب در سیستم‌های مختلف و به صورت پراکنده ذخیره شده‌اند. این پراکندگی داده‌ها چالش‌های مهمی را در زمینه یکپارچه‌سازی، تحلیل و مدیریت اطلاعات ایجاد کرده است. روش‌های سنتی ادغام داده‌ها، مانند فرآیندهای ETL و ساخت APIهای سفارشی، نه تنها زمان‌بر و پرهزینه هستند، بلکه در مواجهه با حجم زیاد و پیچیدگی داده‌های مدرن نیز ناکارآمد نشان داده‌اند.

ظهور مدل‌های زبانی بزرگ (LLM) یک تحول اساسی در این زمینه ایجاد کرده است. این مدل‌ها با توانایی درک و پردازش حجم عظیمی از داده‌های متنی، امکان کشف الگوها و روابط پنهان در داده‌ها را فراهم می‌کنند و به ابزاری قدرتمند برای یکپارچه‌سازی و استخراج دانش از منابع مختلف تبدیل شده‌اند. تحقیقات اخیر بر توسعه معماری‌های جدید ترنسفورمر، آموزش کارآمد آن‌ها با داده‌های سازمانی و بهینه‌سازی این مدل‌ها برای کارهای خاص تمرکز داشته‌اند.

این پیشنهاده پژوهش بر کاربرد مدل‌های زبانی بزرگ در یکپارچه‌سازی داده‌های سازمانی، به‌ویژه داده‌های مدیریتی و پشتیبانی متمرکز است. این حوزه از داده‌ها اغلب کمتر مورد توجه قرار گرفته‌اند، در حالی که نقش کلیدی در مدیریت و تصمیم‌گیری‌های سازمانی دارند.

هدف نهایی این پژوهش، ایجاد یک پلتفرم جامع و یکپارچه است که سازمان‌ها بتوانند با استفاده از آن، انواع مختلف داده‌های خود را به طور مؤثر مدیریت، یکپارچه و تحلیل کرده و در نهایت تصمیم‌گیری‌های بهتری اتخاذ کنند. این امر نه‌تنها به بهبود بهره‌وری و کارایی سازمان‌ها کمک می‌کند، بلکه فرصت‌های جدیدی را برای نوآوری و رقابت‌پذیری در دنیای داده‌محور امروزی فراهم می‌آورد.

شرح مساله پژوهش

در عصر حاضر، سازمان‌ها با حجم فزاینده‌ای از داده‌ها مواجه هستند که در منابع مختلف و سیستم‌های گوناگون پراکنده شده‌اند. این داده‌ها که شامل اطلاعات مربوط به فرآیندهای مدیریتی، پشتیبانی و عملیاتی می‌شوند، به‌دلیل تنوع قالب‌ها، ساختارها و منابع، به‌طور کارآمد قابل تحلیل و بهره‌برداری نیستند. این امر، چالش‌های متعددی را برای سازمان‌ها ایجاد می‌کند، از جمله:

عدم دید جامع از داده‌ها : پراکندگی داده‌ها در سیستم‌های مختلف به عدم وجود دید یکپارچه از وضعیت سازمان منجر می‌شود. این امر، شناسایی الگوها، روندها و روابط پنهان در داده‌ها را دشوار می‌سازد و مانع از تصمیم‌گیری‌های آگاهانه و مبتنی بر داده می‌شود.

اتلاف منابع: تلاش برای یکپارچه‌سازی داده‌ها با روش‌های سنتی، مانند ادغام نقطه‌به‌نقطه و توسعهAPI ها، پر هزینه، زمان‌بر و پیچیده است. این روش‌ها، نیازمند نیروی انسانی متخصص و صرف زمان و منابع زیادی هستند و اغلب با مشکلات نگهداری و به‌روزرسانی مواجه می‌شوند.

کاهش بهره‌وری : عدم وجود داده‌های یکپارچه و در دسترس نیز به کاهش بهره‌وری و کارایی سازمان منجر می‌شود. کارکنان، زمان زیادی را صرف جستجو و جمع‌آوری داده‌ها از منابع مختلف می‌کنند و در نتیجه، زمان کمتری برای انجام وظایف اصلی خود دارند.

عدم توانایی تحلیل داده‌ها: داده‌های پراکنده و ناهمگون، امکان تحلیل جامع و عمیق داده‌ها را از سازمان سلب می‌کند. سازمان‌ها نمی‌توانند با استفاده از این داده‌ها، بینش‌های ارزشمندی را برای بهبود فرآیندها، افزایش سودآوری و کاهش ریسک‌ها استخراج کنند.

چالش‌های تحول دیجیتال: تحول دیجیتال، نیازمند داده‌های یکپارچه و قابل دسترس است. سازمان‌هایی که نتوانند داده‌های خود را به طور مؤثر مدیریت و تحلیل کنند، در پیاده‌سازی تحول دیجیتال با مشکلات جدی مواجه خواهند شد.

محدودیت در مقیاس‌پذیری: روش‌های سنتی یکپارچه‌سازی داده‌ها، به‌دلیل پیچیدگی و محدودیت‌های فنی، قابلیت مقیاس‌پذیری ندارند. سازمان‌ها با افزایش حجم و تنوع داده‌ها، با مشکلات جدی در یکپارچه‌سازی داده‌ها روبه‌رو می‌شوند.

با توجه به چالش‌های فوق، نیاز به رویکردی نوین برای یکپارچه‌سازی داده‌های سازمانی احساس می‌شود. مدل‌های زبانی بزرگ (LLM)، به عنوان یک فناوری نوظهور، پتانسیل بالایی برای حل این چالش‌ها دارند. این مدل‌ها قادرند به‌طور خودکار، نقشه‌ای جامع از ساختار داده‌ها در سازمان ایجاد و داده‌های سازمانی را یکپارچه‌سازی کنند.

مساله اصلی پژوهش

مساله اصلی این پژوهش، توسعه یک مدل زبانی بزرگ است که بتواند با دقت و کارایی بالایی، داده‌های سازمانی را از منابع مختلف جمع‌آوری، یکپارچه و تحلیل کند. توانایی‌های مورد انتظار از مدل:

یکپارچه‌سازی داده‌های سازمانی: به‌طور خودکار، پایگاه‌های داده‌های سازمانی و ارتباط بین آن‌ها را شناسایی کند.

ترسیم نقشه یکپارچگی داده‌ها: نقشه‌ای جامع از ارتباطات بین داده‌ها در سیستم‌های مختلف سازمان ایجاد کند.

پشتیبانی از فرآیندهای مختلف: فرآیندهای مدیریتی، پشتیبانی و عملیاتی را به‌طور یکپارچه پشتیبانی کند.

مقیاس‌پذیری: به‌راحتی با افزایش حجم و تنوع داده‌ها سازگار شود.

محدودیت‌های مساله

این پژوهش، بر روی داده‌های سطح بالای سازمانی (فرآیندهای مدیریتی) متمرکز است و داده‌های عملیاتی و تخصصی صنایع خرد را پوشش نمی‌دهد. علاوه بر این، توسعه کامل یک سیستم یکپارچه‌سازی داده، فراتر از محدوده این پژوهش است و این پژوهش، تمرکز اصلی خود را بر روی توسعه مدل زبانی بزرگ و ایجاد پایپ‌لاین داده‌ها قرار می‌دهد.

چالش‌های کلیدی نیاز فناورانه

پروژه توسعه مدل زبانی بزرگ برای یکپارچه‌سازی داده‌های سازمانی با چالش‌های فناورانه زیر روبه‌رو است:

توسعه مدل زبانی مناسب: انتخاب و توسعه مدلی با دقت بالا برای داده‌های متنوع سازمانی، نیازمند دانش تخصصی، داده‌های آموزشی مناسب، ریزتنظیم دقیق و سازگاری با داده‌های مختلف است.

پایپ‌لاین داده کارآمد: ایجاد یک سیستم خودکار و مقیاس‌پذیر برای جمع‌آوری، پردازش و ذخیره‌سازی داده‌ها از منابع مختلف، چالش‌های مهندسی داده پیچیده‌ای دارد.

یکپارچه‌سازی با سیستم‌های موجود: سازگاری مدل زبانی بزرگ با سیستم‌های موجود، تضمین امنیت و ایجاد رابط کاربری آسان، چالش‌های پیاده‌سازی هستند.

اعتبارسنجی و کیفیت داده: اطمینان از دقت، جامعیت و به‌روز بودن داده‌ها، نیازمند روش‌های اعتبارسنجی قوی است.

گام‌های تحقیقاتی و الزامات پژوهش

فاز ۱: مطالعات پایه؛ این فاز به بررسی جامع ادبیات علمی و فنی موجود در زمینه‌های مدل‌های زبانی و یکپارچه‌سازی داده‌ها اختصاص دارد. هدف اصلی این فاز، شناسایی دقیق نقاط قوت و ضعف روش‌های موجود و درک عمیق از چالش‌ها و فرصت‌های پیش رو است. نتایج این فاز به‌عنوان پایه و اساس برای تصمیم‌گیری‌های بعدی در طراحی و توسعه پلتفرم مورد نظر عمل خواهد کرد.

فاز ۲: تحلیل و طراحی؛ در این فاز، پس از بررسی مطالعات پایه، نیازمندی‌های دقیق پروژه مشخص و اهداف قابل اندازه‌گیری تعریف می‌شوند. بر اساس این نیازمندی‌ها، معماری مناسب برای مدل LLM، پایپ‌لاین داده و سایر اجزای پلتفرم طراحی خواهد شد. این فاز شامل انتخاب تکنولوژی‌های مناسب، تعیین چارچوب‌های کلی توسعه و تعریف معیارهای موفقیت پروژه است.

فاز ۳: جمع‌آوری داده؛ این فاز به جمع‌آوری داده‌های مورد نیاز برای آموزش و اعتبارسنجی LLM اختصاص دارد. داده‌های جمع‌آوری‌شده باید شامل داده‌های سازمانی از منابع مختلف و با فرمت‌های متفاوت باشند. پس از جمع‌آوری داده‌ها، مراحل پیش‌پردازش و آماده‌سازی داده‌ها برای آموزش مدل انجام می‌شود. این مراحل شامل پاک‌سازی داده‌ها، استانداردسازی فرمت‌ها و تبدیل داده‌ها به فرمت مناسب برای آموزش مدل است.

فاز ۴: توسعه مدل؛ در این فاز، یک مدل مناسب انتخاب شده و به‌منظور سازگاری با داده‌های سازمانی، مراحل ریز تنظیم و بهینه‌سازی بر روی آن انجام می‌شود. این فاز شامل آموزش مدل با استفاده از داده‌های آماده شده در فاز قبلی، تنظیم دقیق پارامترهای مدل و بهبود عملکرد مدل در اهداف خاص مورد نظر پروژه است.

فاز ۵: آزمایش و اعتبارسنجی؛ پس از توسعه مدل، عملکرد آن در محیط شبیه‌سازی شده و با استفاده از معیارهای دقیق و علمی ارزیابی می‌شود. هدف این فاز، تعیین میزان دقت و کارایی مدل در کارهای مختلف و همچنین شناسایی نقاط ضعف و محدودیت‌های آن است. بر اساس نتایج این فاز، مدل در صورت لزوم مورد بازبینی و بهینه‌سازی بیشتر قرار خواهد گرفت.

فاز ۶: انتقال دانش؛ در این فاز، نتایج پژوهش و دانش فنی به دست آمده مستندسازی می‌شود. همچنین، یک برنامه آموزشی برای انتقال دانش به کاربران نهایی و تیم‌های پشتیبانی سازمان تدوین خواهد شد.

خروجی پژوهش

مدل زبانی بزرگ بهینه‌شده؛ مدل زبانی بزرگ آموزش‌دیده برای فهم ساختار و روابط داده‌های سازمانی، رابط کاربری مدل و انتقال داده از پایگاه داده از جمله خروجی‌های این پژوهش است.

تسهیم مالکیت فکری

مالکیت معنوی؛ مجری در مالکیت معنوی ناشی از اجرای پژوهش سهیم خواهد بود و انتشار مقاله مشترک توسط مجری و متقاضی در ژورنال‌های داخلی و خارجی، ارائه مقاله در کنفرانس‌ها و سمینارها با موافقت و اشاره به نام همه دست‌اندرکاران مجاز خواهد بود.

مالکیت منافع مادی؛ با توجه به مدل کسب‌وکار و اجرا و اثبات دستاوردهای حاصل از طرح توسط شرکت متقاضی، منافع مالی ناشی از توسعه این فناوری برای شرکت متقاضی خواهد شد اما مطابق تراضی بین شرکت متقاضی و مجری، قابل اشتراک بین آنها خواهد بود.

نحوه پذیرش

پذیرش طرح‌ها رقابتی است و از بین پروپوزال‌های دریافتی، موردی که شرایط اعلام شده در ادامه را داشته باشد، در اولویت خواهد بود. ترکیب متخصصین تیم پیشنهادی مرتبط، افراد پیشنهادشده، دارای سابقه پژوهشی و فنی در آن موضوع باشند، زمان‌بندی، هزینه و شرح خدمات، متناسب و مرتبط با پژوهش موردتقاضا باشد. (در این بخش، مجری می‌تواند برآورد اولیه خود را اعلام کند اما بدیهی است جزئیات اجرایی در ابتدای امر مشخص نیست و مجری و کارفرما با علم به این موضوع وارد این توافق خواهند شد)، پروپوزال، طبق فرمت پیشنهادی بنیاد ملی علم ایران، تهیه و از طریق سامانه کایپر ارسال شده باشد، فونت حروف و اعداد فارسی B Nazanin و اندازه قلم ۱۳ و فونت حروف و اعداد انگلیسی، Times New Roman و اندازه قلم ۱۱ باشد از جمله این شرایط است.

هزینه‌های قابل قبول، حق‌التحقیق نیروی انسانی، تجهیزات و سخت‌افزار، خدمات، حوزه‌های اولویت‌دار، تحقیق در عملیات (مدیریت و ریاضی)، علوم کامپیوتر، مهندسی کامپیوتر از جمله دیگر شرایط مورد نظر برای پذیرش طرح‌های رقابتی است.

واجدان شرایط

پژوهشگر اصلی تیم لازم است عضو هیات‌علمی فعال یکی از دانشگاه‌ها و مؤسسات آموزش عالی کشور باشد. تیم مورد نظر در دو حوزه هوش مصنوعی و ساختار پایگاه داده و به‌ویژه ساختار پایگاه داده سازمانی آشنایی داشته و در زمینه موضوعات سازمانی و مدیریتی کار کرده باشد. بنابراین واجدان شرایط برای انجام این طرح بهتر است از میان موارد زیر باشند: ۱- تحقیق در عملیات (ریاضی و مدیریت) ۲-علوم کامپیوتر ۳- مهندسی کامپیوتر

پس از دریافت پروپوزال از طریق سامانه، ارزیابی انجام گرفته و در صورت کسب امتیاز بالا، تیم برگزیده جهت مذاکره با بنیاد و شرکت متقاضی دعوت خواهد شد.

فایل‌های‌ پیوست

فرم درخواست پیشنهاده (پروپوزال)

پیوست متن فراخوان

تاریخ فراخوان

افراد واجد شرایط به مدت یک ماه از تاریخ انتشار فراخوان یعنی تا ۲۶ بهمن فرصت دارند که پروپوزال خود را از طریق سامانه کایپر برای بنیاد ملی علم ایران ارسال کنند.

پژوهش پیشنهاد شده تا سقف ۸۰ درصد، حداکثر ۲.۵ میلیارد تومان، توسط بنیاد ملی علم ایران حمایت خواهد شد. بدیهی است که مابقی هزینه‌ها باید توسط شرکت متقاضی ارائه‌دهنده پژوهش تأمین شود.

متقاضیان جهت ثبت‌نام می‌توانند به سامانه کایپر به نشانی rtms.insf.org مراجعه و از طریق بخش متقاضیان/ پژوهشگران اقدام کنند. درصورتی‌که در این سامانه پروفایل مشخصات فردی ندارند ابتدا ثبت‌نام کرده و سپس به‌وسیله نام کاربری (Email) رمز عبور اعطا شده وارد سامانه شوند. پس از ورود در بخش ارسال طرح جدید می‌توانند از کارتابل پژوهش عمیق شرکت‌های دانش‌بنیان اقدام به ارسال طرح کنند.

پژوهشگران پس از مطالعه توضیحات فراخوان و آیین‌نامه‌های مربوطه در پورتال بنیاد علم، در صورت داشتن هرگونه ابهام یا سؤال در خصوص فرایند ارسال طرح، شرایط و محتوای علمی فراخوان می‌توانند از پروفایل خود در سامانه کایپر با کارگروه دانش‌بنیان از طریق تیکت، یا از طریق ایمیل hatamkhani.a@insf.org سؤالات خود را مطرح کنند یا با شماره تلفن ۰۲۱۸۲۱۶۱۳۵۰ (آقای حتم‌خانی) تماس بگیرند.