تشکیل اکوسیستم هوش مصنوعی در ایران با حضور ۱۰ کشور

به گزارش پایداری ملی به نقل از خبرگزاری مهر، پیش بینی مؤسسه تحقیقاتی PWC نشان می‌دهد که حجم اقتصاد هوش مصنوعی در دنیا تا سال ۲۰۳۰ به ۱۵.۷ تریلیون دلار می‌رسد و این درحالی است که کل اقتصاد دنیا در سال ۲۰۳۰ حدود ۱۰۰ تریلیون دلار تخمین زده می‌شود. نکته مهم این است که از این اقتصاد، سهم کشورهای پیشرفته آسیایی ۱۰ درصد و سهم خاورمیانه ۲ درصد عنوان شده است.

هوش مصنوعی به سیستم‌هایی گفته می‌شود که می‌توانند واکنش‌هایی مشابه رفتارهای هوشمند انسانی از جمله درک شرایط پیچیده، شبیه‌سازی فرایندهای تفکری و شیوه‌های استدلالی انسانی و پاسخ موفق به آنها، یادگیری و توانایی کسب دانش و استدلال برای حل مسائل را داشته باشند.

در این راستا مهر با ستار هاشمی معاون فناوری و نوآوری وزیر ارتباطات به گفتگو نشست تا برنامه‌های ایران برای استفاده از این تکنولوژی را جویا شویم؛ مشروح این گفتگو به شرح زیر است.

ما در بحث نیروی انسانی و حوزه دانشی هوش مصنوعی، وضعیت خوب و مناسبی در دنیا داریم. یعنی اینکه طبق گزارشات منابع موثق، ایران در فارغ التحصیلی دانشگاهی و تولید علم در هوش مصنوعی، در کل دنیا در رتبه‌ای بین ۷ تا ۱۵ دسته بندی می‌شود. این رده بندی متناسب با حوزه‌های خاص تخصصی و اینکه چقدر دامنه هوش مصنوعی در علم تولید شده موثق است، اعلام می‌شود.

ما می‌توانیم هوش مصنوعی را از نگاه کاربردی ببینیم و یا از نگاه توسعه لبه‌های دانشی در مباحث نظری به آن توجه کنیم. این دو موضوع و این که اگر کاربردی به آن نگاه کنیم چه طیفی از کاربردها را در برخواهد گرفت، باعث می‌شود که رنکینگ ما جابجا شود.

اما آن چه که در نگاه کلان می‌توان به آن اشاره کرد این است که در بحث تولید علم در زمینه هوش مصنوعی شرایط خوبی در دنیا داریم. اما در بحث جذب هوش مصنوعی، به این معنی که ما بتوانیم از این ظرفیت در صنایع مختلف استفاده کنیم، نیاز به توجه بیشتری داریم.

از این حیث رتبه ما طبق آماری که منتشر شده در دنیا ۷۲ است. یعنی برای استفاده از ظرفیت هوش مصنوعی در صنایع مان رتبه ۷۲ را داریم.

ضرورت هوش مصنوعی در کشور تبیین نشده است و با وجودی که در صحبت‌های برخی مدیران دولتی و خصوصی از هوش مصنوعی یاد می‌شود اما باور جدی به آن وجود ندارد و این موضوع باعث می‌شود که در استفاده از هوش مصنوعی، شاهد اهتمام لازم نبوده تا این فناوری به مباحثی مانند بهره وری کمک کند.

در حالی که هوش مصنوعی می‌تواند برای ما در بسیاری از موارد گره گشا باشد و در روان‌سازی فرایندها در سازمانها و صنایع مختلف، کمک کند، اما به دلیل عدم شناخت کافی، به این موضوع توجهی نشده است.

چرا که یکی از کارکردهای مهمی که می‌توان در زمینه هوش مصنوعی به آن اشاره کرد، همین بحث افزایش بهره وری و کاهش هزینه‌ها در حوزه‌های مختلف است که شامل زنجیره تأمین تا مباحث مرتبط با حوزه‌های پزشکی، دستیارهای هوشمند، مدیریت ترافیک، مدیریت هوشمند شهری و مباحث متعدد کاربردی بسیار گسترده‌ای می‌شود.

دلیل دیگر نیز این است که اگرچه علم هوش مصنوعی قطعاً یک فرصت است اما جنس آن فکرافزاری بوده و باید مدیران ما به این دانش تجهیز شوند. مدیران باید بخشی از وقت خود را برای تکنولوژی‌های نوظهور بگذارند و به آن بپردازند؛ به همین دلایل ما شاهد استفاده حداکثری از هوش مصنوعی در صنایع مختلف نیستیم.

خیر؛ این به این معنی نیست که ما اساساً از این ظرفیت غافل هستیم و استفاده نکردیم. حتی ما در جاهایی در سطح قابل قبولی از ظرفیت هوش مصنوعی استفاده می‌کنیم. برای مثال بحث پردازش تصویر از جمله مواردی است که بدون تردید به لحاظ زیرساختی، در بستر هوش مصنوعی شکل می‌گیرد و هوش مصنوعی است که به ما این امکان را می‌دهد که بتوانیم محدوده آلودگی هوا را رصد کنیم و اجازه ندهیم خودروها وارد این محدوده و یا محدوده طرح ترافیک شهری نشوند. 

این امکان عملاً با استفاده از ابزار هوش مصنوعی رقم خورده است. در مقطعی ما با استفاده از نیروی پلیس این طرح را مدیریت می‌کردیم اما هم اکنون شاهد نیروی انسانی برای مدیریت ترافیک نیستیم و این نشان از بهره وری و افزایش دقت با استفاده از ابزارهای هوش مصنوعی است.

موضوع دیگری که در زمینه هوش مصنوعی در کشور از آن استفاده شده، مدیریت حمل و نقل با استفاده از کاربردهایی مانند اپلیکیشن‌های مسیریاب و نقشه است که امکان تخمین زمان حرکت از یک نقطه به نقطه دیگر را فراهم می‌کند. این مدل سازی پایه‌ای مبتنی بر الگوریتم هوش مصنوعی است.

در بحث‌های سنجش از دور نیز در مجموعه‌های فضایی کشور برای برآورد خسارت‌های سیل، از ظرفیت هوش مصنوعی استفاده شد؛ چرا که با پردازش تصویر، توانستیم بالغ بر ۲ هزار میلیارد تومان در برآورد خسارات ناشی از سیل، صرفه جویی کنیم.

بنابراین موضوع این نیست که ما از این ظرفیت استفاده نمی‌کنیم بلکه منظور این است که هوش مصنوعی قابلیت‌های بیشتری در صنایع مختلف دارد و می‌توان آن را به صنایع خودروسازی، فولاد، محیط زیست و سایر صنایع تعمیم داد. به بیان کلی باور من این است که به سختی بتوان به صنعت و حوزه‌ای فکر کرد که هوش مصنوعی نتواند در آن حوزه کمک کند.

به نکته مهمی اشاره کردید؛ از نگاه ما اگر به هوش مصنوعی به موقع پرداخته شود، حتماً بومی خواهد بود. باید توجه داشت که آنچه که در علم هوش مصنوعی به عنوان پیش نیاز یا سنگ بنای شکل گیری مورد توجه قرار می‌گیرد، بحث «داده» است.

اگر پیام هوش مصنوعی را درک کنیم، متوجه می‌شویم که داده‌ها به صورت طبیعی از یک صنعت به صنعت دیگر، ماهیت متفاوتی داشته و با توجه به زیرساخت شکل گیری و اثر آن در اقتصاد دیجیتال، قابلیت بومی شدن دارند. به عنوان مثال لازمه فرمان گیری دستیارهای صوتی از شما با یک زبان خاص، این است که شما بتوانید از آن گفتمان، دیتای مورد نیازتان را داشته باشید.

این دیتا به عنوان زیرساخت هوش مصنوعی به صورت طبیعی در کشور وجود دارد و تا زمانی که نتوانیم ابزارهای مورد نیاز را برای این فضا، سفارشی سازی و طراحی کنیم، نمی‌توان بهره وری مورد نیاز را تأمین کرد.

بنابراین یکی از ویژگی‌هایی که هوش مصنوعی دارد این است که نقش خود را در اقتصاد دیجیتال باز می‌کند و با توجه به ماهیت فکرافزاری خود، می‌تواند در داخل کشور و متناسب با نیاز کشور، بومی شود.

ما به عنوان حاکمیت باید مراقب این باشیم که وارد تصدی گری نشویم. آنچه که باید ما به آن بپردازیم این است که کمک کنیم فرهنگ‌سازی شکل گیرد و زیرساخت‌های پردازشی مورد نیاز فراهم شود. همانطور که به بحث دیتا توجه می‌کنیم، باید به بستر پردازشی هوش مصنوعی نیز توجه کرده و با راهبری پژوهشگاه ICT، بستر پردازشی مناسب برای هوش مصنوعی را در کشور توسعه دهیم.

برای مثال موضوع تأمین بستر پردازشی هوش مصنوعی را با محوریت دانشگاه پلی تکنیک (امیرکبیر) دنبال کردیم که این مهم، برای سازمان هواشناسی در پیش بینی دیتاهای آب و هواشناسی مورد استفاده قرار گرفته است. هم اکنون این دانشگاه به عنوان پیشرو درحوزه هوش مصنوعی روی بستر پردازشی کار می‌کند.

در همین حال برنامه ریزی کرده ایم که در طرح کریدور فاوا به عنوان یک پروژه پیشران، بسترسازی پردازشی هوش مصنوعی دنبال شود و مسیر را برای استفاده صنایع مختلف، تسهیل و تسریع کنیم.

زیرساختهای پردازشی؛ به این معنی که زمانی به صورت سنتی یک درخواست به سمت سرور می‌آمد و آن درخواست پاسخ داده می‌شد، اما رفته رفته با توجه به اینکه تجهیزاتی که در اختیار افراد قرار می‌گرفت هم کوچک‌تر و هم ارزان‌تر شد، به صورت طبیعی حجم قابل توجهی از داده‌ها تولید شد. این که این داده‌ها را بتوان در قالب مناسبی ذخیره کرد و براساس آن، پردازش مناسب شکل گیرد، منتج به دانشی شد که ارزش افزوده ایجاد کند و آن دانش، هوش مصنوعی است. پس متناسب با این حجم تولید داده، نیازمند افزایش بستر پردازش هستیم.

ما هم اکنون استارت‌اپ هایی داریم که در این حوزه ورود و کمک کرده اند زیرساختهای پردازشی برای هوش مصنوعی شکل گیرد.

حمایت از استارت‌آپهای حوزه هوش مصنوعی در قالب استفاده از ظرفیت طرح نوآفرین و صندوق نوآوری و شکوفایی صورت می‌گیرد. چرا که جنس این شرکت‌ها، دانش بنیان است و تلاش این است که از این طریق بتوانیم به ایده‌های این بخش کمک کنیم.

البته این موضوع نیز مهم است که خیلی از استارت‌آپها و فعالان حوزه هوش مصنوعی، توانستند با ارائه سرویس مناسب، مشتری خارج از کشور هم داشته باشند. این نشان می‌دهد که این شرکت‌ها مدل اقتصادی مناسبی را در توسعه ساختار خود دیده اند و ما نیز سعی می‌کنیم در قالب تسهیل گری، موانع سر راه آنها را رفع کنیم.

هم اکنون با این نگاه ۴ استارت‌آپ در حوزه بستر پردازشی هوش مصنوعی در کشور فعال هستند و سوپرکامپیوتر دانشگاه امیرکبیر نیز در حوزه پردازش در دستورکار قرار دارد.

خدمات این حوزه متنوع است و تعداد استارت‌آپ‌هایی که از بستر هوش مصنوعی و پردازش‌های هوش مصنوعی استفاده می‌کنند رو به افزایش است.

بنابراین باید کمک کنیم رتبه ما در حوزه هوش مصنوعی ارتقا یابد. با توجه به اینکه ظرفیت دانشی این تکنولوژی در کشور وجود دارد، می‌توان کمک کرد که حتی بخشی از جمعیت نخبگان ما که دارند از کشور خارج می‌شوند به این سمت بیایند و مهاجرت معکوس اتفاق بیافتد.

همکاری متقابل با چند کشور در حوزه هوش مصنوعی از جمله برنامه‌های ما است. برای مثال چین در استفاده از هوش مصنوعی پیشرو در دنیا است و این کشور سرمایه گذاری زیادی روی ۵G نیز انجام داده است. یکی از کارکردهای نسل پنجم ارتباطات (۵G) جمع آوری حجم قابل توجهی از دیتا و برنامه‌های کاربردی است. در همین حال یکی از ویژگی‌های این فناوری، پهنای باند قابل توجهی است که می‌تواند ظرفیت ایجاد داده مناسب را برای شکل گیری الگوریتم‌های هوش مصنوعی رقم بزند.

برای مثال شرکت هوواوی که روی ۵G برنامه ریزی کرده، روی توسعه یک سری از کارت‌های خاص و پردازنده هوش مصنوعی تمرکز دارد و سال گذشته میلادی نیز، قدرتمندترین کلاستر (مجموعه سرور فیزیکی) را در دنیا به نام اطلس ۹۰۰ بهره برداری کرد.

کشور چین عملاً نگاه به آینده دیتا را با ۵G محقق می‌کند و بعد از آن متناسب با این نیاز، تمرکز زیادی روی هوش مصنوعی خواهد داشت. این کشور اعلام کرده در حوزه هوش مصنوعی حدود یک میلیون نفر، نیروی انسانی نیاز دارد.

ما نیز می‌توانیم از داده‌هایمان در این حوزه ارزش افزوده ایجاد کنیم و قصد داریم در این خصوص از تجارب کشور چین استفاده کنیم.

نکته این است که کشورها متناسب با جنس داده و فرآیندها و مزیت‌هایی که دارند می‌توانند دستاوردهای خود را در این حوزه به اشتراک بگذارند تا کار با هزینه کمتر و سرعت بیشتری دنبال شود.

ما همچنین با مالزی تعاملاتی را آغاز کردیم و دنبال این هستیم که دستاوردمان را در این حوزه با کشور مالزی به اشترک بگذاریم و از ظرفیت‌های این کشور و درس آموخته‌های آن برای شکل گیری استارت‌آپهای هوش مصنوعی، بهره بگیریم.

همچنین در برنامه کاری مان تعامل با کشورهای منطقه و همسایه را دنبال می‌کنیم. این یک نگاه دوطرفه است؛ ضمن اینکه از تجربیات آنها استفاده می‌کنیم و در مواقعی نیز راهکارهایی که به آن رسیده ایم را به اشتراک می‌گذاریم.

آنچه در معاونت نوآوری وزارت ارتباطات دنبال می‌شود برنامه ریزی برای شکل گیری یک انجمن و یا فروم در حوزه هوش مصنوعی است که با هدف برگزاری نشست‌های دوره‌ای، آن را تا پایان سال نهایی می‌کنیم.

در این انجمن نگاهمان این است که مدیران دولتی و خصوصی و شرکتهایی که دارای محصولاتی در حوزه هوش مصنوعی هستند گردهم بیایند. در این انجمن از تعدادی از شرکتهای فعال در منطقه و کشورهایی که با آنها تعاملات دانشی و مبادله تجارب مرتبط داریم نیز دعوت می‌شود تا فضایی برای شکل گیری زیست بومی با محوریت هوش مصنوعی ایجاد شود؛ با این نگاه که این موضوع در چه درجه‌ای از اهمیت قرار دارد و چه حد کسب وکارهای مختلف از این فناوری، متأثر خواهند بود.

چرا که ما معتقدیم هوش مصنوعی به سمتی می‌رود که بسیاری از کسب و کارهای سنتی که امروز می‌بینیم در آینده نزدیک وجود خارجی نخواهند داشت.

کشورهایی که در برنامه ریزی ما قرار دارند شامل چین، مالزی، روسیه، قطر، عمان، عراق، افغانستان، ترکیه، آذربایجان و ارمنستان می‌شوند.

در برخی موارد ما مطلقاً بهتر هستیم ولی بعضی از این کشورها، در موضوعات خاص از ما جلوتر هستند و می‌توان از ظرفیت‌های آنها استفاده کرد. برای مثال کشور چین که در دنیا پیشرو است.

یکی از مسائلی که ما با آن مواجه هستیم موضوع قانونگذاری و رگولیشن است که باید به آن پرداخته شود. برای مثال در دنیا روی مباحث پزشکی قوانین جدی وجود دارد که اگر شما به هر عنوانی بدون مجوز، به داده‌های یک بیمار دسترسی پیدا کنید، این می‌تواند جریمه‌های بسیار سنگینی دربر داشته باشد به همین دلیل است که اگر استارت‌آپ ها می‌خواهند به حوزه‌های پزشکی ورود کنند، این کار باید بسیار با احتیاط انجام شود.

به همین دلیل برای توسعه مدلی مبتنی بر ساختارهای هوش مصنوعی در حوزه پزشکی، رعایت حریم خصوصی افراد در اولویت است. در حوزه بانکداری نیز همین است. شاید حریم خصوصی در گام اول به چشم نیاید اما در عمل زمانی که هوش مصنوعی می‌خواهد که دیتا را به صورت ورودی دریافت کند و به صورت خروجی ارزش افزوده ایجاد کند، مدیریت این دیتا یک چالش به حساب می‌آید.

به همین دلیل در گام اول موضوع ناشناسی دیتا مطرح می‌شود و داده‌ها به نحوی تغییر یابد که هویت افراد امکان افشا نداشته باشد.

این از مباحثی است که باید به آن پرداخته شود و در دنیا نیز جای بحث دارد و حل نشده است. یک جایی می‌توان از این ظرفیت استفاده کرد. برای مثال در کارخانه‌هایی مثل ذوب آهن یک سری فرایندها به صورت دستی انجام می‌شود و این درحالی است که هوش مصنوعی می‌تواند کمک کند. در خیلی از صنایع، با تکنیک‌های هوش مصنوعی می‌توان فرآیندها را از مدل دستی تغییر داد. اما باید در مواردی نیز از داده‌ها مراقبت کرد و کمک کنیم قوانین شکل بگیرند. مانند موضوعاتی که حوزه سلامت و بانک به آن اشاره کرد.

ما در یک دسته بندی باید محوریت را به سمت سازمان فناوری اطلاعات ایران ببریم. چرا که جنس خدمات و داده‌ای که متناسب با آن تولید می‌شود IT است. اما با این وجود مقررات گذاری روی دیتا، پیچیدگی خاص خود را دارد و ظرفیت هوش مصنوعی با حاکمیت دیتا متفاوت است.

به این معنی که مقررات گذاری در حوزه‌های تخصصی، باید توسط رگولاتور هر حوزه شکل گیرد.

منظور این است که هر سازمان در حوزه مقررات گذاری به صورت تخصصی می‌تواند کار کند و مقررات خاص خود را برای دسترسی و پردازش داده داشته باشد. برای مثال بانک مرکزی در حوزه مالی، یا وزارت بهداشت در حوزه سلامت.

اتفاقی که در هوش مصنوعی می‌افتد مربوط به بحث دانش و آگاهی و اشراف، زیرساخت پردازشی و بحث سوم نیز رگولیشن و مجوزهای دسترسی است؛ با این نگاه که داده‌های مرتبط با این فناوری و هویت افراد در آن افشا نشود.

برای مثال ارزش سهام بسیاری از شرکتهای بزرگ دنیا مانند فیس بوک به واسطه افشای اطلاعات، افت می‌کند و این موضوع بسیار مهم است.

ما معتقدیم که بحث تجمیع و تسهیل یکی از وظایف کلان حاکمیت است؛ یعنی ما بتوانیم ظرفیت‌های اشتراکی که می‌توان مورد استفاده قرار گیرد را تجمیع و کمک کنیم به سازوکار اجرایی که قرار است استارتاپها در آن بستر حرکت کنند.

ما عملاً با همین نگاه داریم کار را جلو می بریم. یعنی بتوانیم ظرفیت‌ها را در کنار هم داشته باشیم و هم افزایی ایجاد کنیم. این گفتمان اگر شکل گیرد باعث می‌شود به راه‌هایی که سایرین پیمودند به صورت ویژه بپردازیم و مسیرهایی که هنوز به نتیجه مشخص منجر نشده را نرویم.

این با گفتمان فعالان این حوزه در داخل کشور و نیز تعامل با یک سری شرکتها در سایر کشورها شکل گیرد. جنس این کار، فکرافزاری است و موقعی شکل می‌گیرد که با افراد وارد گفتمان شویم تا نیازها شناسایی شود.

اگر زیرساخت را معطوف به نیروی انسانی بدانیم، بدون شک نیروی انسانی ما نیرویی است که می‌شود به صورت موثرتری از آن بهره گرفت. به لحاظ زیرساخت پردازشی، زیرساخت پردازشی هوش مصنوعی چیزی نیست که انتها داشته باشد. با افزایش حجم دیتا به صورت طبیعی، نیازها افزایش پیدا می‌کند. مثال عینی آن این است که زمانی ارتباط ما با دنیای بیرون از طریق دایل اپ بود. جنس نیازها هم در همان قالب تعریف می‌شد. اما کم کم که ظرفیت‌های دیتای ما توسعه پیدا کرد، متناسب با آن نیازها هم بیشتر شد. الان هم که در کشور پوشش کامل 3Gو 4G وجود دارد، کماکان کاربردها به نحوی توسعه پیدا کرده که عملاً شاهد هستیم که تبادل داده در شبکه ملی اطلاعات قابل توجه است و قابل مقایسه با قبل نیست؛ پس این ظرفیت انتهایی ندارد.

من فکر می‌کنم در هوش مصنوعی کشور ما مزیت دارد و باید بتوانیم از این ظرفیت استفاده حداکثری کنیم. فضای ۱۰ سال آینده دنیا به سمت اقتصاد هوش مصنوعی در حرکت است و ما باید بتوانیم سهم خودمان را در این اقتصاد داشته باشیم.

اینکه آینده هوش مصنوعی، زندگی بشر را به کدام سو می‌برد، سوال سختی است. چون که اتفاقاتی در هوش مصنوعی افتاده و کاربردی شده، ۵ سال پیش فقط یک خیال بود. اما الان این سرویس در دسترس عموم است. باید به هوش مصنوعی توجه جدی داشت.

یکی از زیرشاخه‌های اصلی هوش مصنوعی، یادگیری ماشین است. شاید در نگاه اول به این موضوع که یک ماشین امکان یادگیری دارد، توجه شود که خیلی هم در درجه اهمیت نیست. اما اگر اینطور به این موضوع نگاه کنیم که بسیاری از اتفاقاتی که در زندگی بشر افتاده از طریق یادگیری است، اهمیت آن بیشتر می‌شود و زمانی این اهمیت دوچندان خواهد شد که ماشین (کامپیوتر) یاد می‌گیرد همانطور که انسان یاد می‌گیرد. تنها یک تفاوت جدی دارد و آن این است که ماشین با سرعت خیلی بیشتر از انسان یاد می‌گیرد و این شوخی نیست، خیال و توهم نیست و یک واقعیت است.

ماشین امکان یادگیری دارد و سرعت آن بیشتر از انسان است و حالا شما فکر کنید که قرار است از این ظرفیت، برای حل مسائلی که در زندگی بشری داریم استفاده شود.

بنابراین می‌توان گفت که رشد هوش مصنوعی به‌گونه ای است که خیلی از کسب و کارهایی که امروز شاهد آن هستیم در آینده وجود نخواهد داشت. یکی از مصادیق آن این است که هم اکنون با هوش مصنوعی در حوزه فن بیان روی اشعار مشاهیر دنیا کار می‌کنند. برای مثال ماشین می‌تواند با دادن کلید واژه، اشعار شکسپیر را تولید کند؛ اگرچه دقت آن به ۱۰۰ درصد نرسیده اما با این سرعت، رسیدن به ۱۰۰ درصد هم دور از ذهن نیست. پس بعید نیست که در فضای مجازی با هوش مصنوعی عملاً سراینده اشعار حافظ و سعدی و مولانا داشته باشیم. شک نکنید که صنعت مترجم ماشینی تا چند سال آینده به ۱۰۰ درصد دقت می‌رسد.

همین طور در حوزه خودرو؛ زمانی بحث خودروهای خودران شوخی به نظرمی آمد اما هم اکنون این موضوع در دنیا عملیاتی شده است و زمانی که فراگیر شود دیگر صنعت بیمه موضوعیت نخواهد داشت. در کنار آن اتفاقی که می‌افتد این است که خیلی از معلولان جسمی حرکتی را می‌توان با کارکرد هوش مصنوعی به حرکت درآورد. با پوشیدن یک کلاه که در آن یک سری الکترود کار گذاشته می‌شود و سیگنال‌های حرکتی برای بخشی از مغز با استفاده از علم رباتیک، دستور داده می‌شود، بیمار به حرکت درمی آید.

پس با وجودی که ظرفیت پرداختن به هوش مصنوعی در کشور وجود دارد و سرمایه نیروی انسانی در این حوزه وجود دارد، باید بتوانیم از آن استفاده کنیم.