:: سخنرانی های کلیدی
سخنرانی کلیدی :
هوش مصنوعی و نقش آن در تحقق نظام حکمرانی : مطالعه موردی سازمان ثبت اسناد و املاک کشور
دکتر ستار هاشمی
در کلیه نظامهای حکمرانی، سه رکن محوری «هویت بخشی به اشخاص حقیقی(PIN: People Identification Number)، شناسایی کسب و کارها(BIN: Business Identification Number) و همچنین هویت بخشی به زمین(LIN: Land Identification Number)» مورد توجه قرار می گیرد که امکان پاسخگویی به سوال "چه کسی، در چه محلی، چه کاری انجام می‌دهد" را فراهم نماید. پاسخگویی صحیح به این سوال، یک معیار مهم در تحقق اهداف دولت الکترونیک محسوب می شود. سازمان ثبت اسناد و املاک کشور، به عنوان یک دستگاه حاکمیتی و پیشرو در توسعه فناوری اطلاعات، نقش اساسی در تحقق دو رکن اصلی شناسایی کسب و کارها و هویت بخشی به زمین ایفا می نماید. این سازمان، با استقرار خدمات جدید الکترونیکی و برونسپاری خدمات خود به بیش از 8000 دفترخانه اسناد رسمی، 4000 دفترخانه ازدواج و طلاق و 15000 نقشه بردار در سراسر کشور و همچنین راهبری بیش از 20 سامانه تخصصی، نقش مهم و موثری در توسعه زیرساختهای مرتبط با نظام حکمرانی کشور را عهده دار می باشد.
این سازمان، طیف گسترده‌ای از سرویس‌ها و خدمات مهم در زمینه دارایی مشهود و غیرمشهود را در حوزه‌های مختلف از جمله ثبت شرکت‌ها، مالکیت معنوی، املاک و کاداستر و اجرای اسناد رسمی، به مردم و دستگاهها ارائه می‌نماید که دارای ظرفیت های متعددی برای هوشمند سازی می باشد. از جمله این ظرفیت ها می توان به شناسایی هوشمند شرکت های صوری، استفاده از هوش مصنوعی در تعیین نام شرکت ها، ثبت برند، اختراعات و طرح های صنعتی، حذف کاغذ در فرآیندهای ثبتی و اداری و حذف سلیقه های شخصی در ارائه خدمات اشاره نمود. سازمان ثبت در اجرای پروژه تشخیص نوع اوراق اسکن شده موجود در بایگانی ها، نسبت به داده‌آمایی پرونده های ثبتی املاک با استفاده از روش‌های هوش مصنوعی اقدام نموده که در این پروژه، ضمن بررسی ماهیت، تنوع زیاد، دست نویس یا رقومی بودن و قالب‌های متنوع ظاهری اوراق، با تلفیقی از هوش مصنوعی و یادگیری ماشین، قریب به یک میلیارد اوراق اسکن شده، به صورت هوشمند تشخیص و برچسب گذاری گردیده است.
با توجه به ماهیت حقوقی و قانونی اسناد در سازمان ثبت و نیاز به دقت حداکثری، بررسی‌ها و کارشناسی‌هایی که منجر به تصمیم گیری بر روی یک پرونده می‌شوند (به عنوان مثال پاسخ به استعلام های بانکی، بورسیه های تحصیلی و ...)، صرفاً با تکیه بر الگوریتم‌های هوش مصنوعی، به دلیل وجود درصدی از خطاها در نتایج آنها به لحاظ حساسیت موجود، قابل اطمینان نخواهد بود. از طرفی، لزوم تغییر در اسناد حقوقی همچون توافق‌نامه‌ها، قراردادها و اسناد مالکیت، امضای دیجیتال آنها و حذف کاغذ و اوراق بهادار، نیازمند اصلاح قوانین و مقررات حاکم بر جامعه، همراهی و پذیرش مردم و ذینفعان مربوطه می باشد تا اثربخشی مطلوب را به همراه داشته باشد.
دکتر ستار هاشمی مدرک دکتری خود را در رشته کامپیوتر گرایش هوش مصنوعی از دانشگاه علم و صنعت ايران و موناش استراليا دریافت کرده و هم اکنون استاد دانشکده مهندسی برق و کامپیوتر دانشگاه شیراز است. ایشان دارای مقالات متعدد ملی و بین المللی در حوزه های مختلف مهندسی کامپیوتر و فناوری اطلاعات شامل یادگیری ماشین، امنیت سامانه های اطلاعاتی و شبکه های اجتماعی می باشد. علاوه بر فعالیت های علمی و پژوهشی، ایفای نقش در سمت های اجرایی ملی از جمله معاون نوآوری وزرات ارتباطات و فناوری اطلاعات و معاون توسعه فناوری سازمان ثبت اسناد و املاک کشور در کارنامه ایشان است.
سخنرانی کلیدی
دکتر محمد طاهری
Designing Loss Function in Machine Learning Optimization Models: Experienced Challenges and Solutions
Optimization models are inevitable in machine learning tasks, especially in the training phase. The objective function in most optimization models is designed based on a loss defined by the performance of the model on the training instances. The loss function should follow constraints and consider various properties related to data, learning algorithm, model structure, parameter domains, and the designer's goal. In this talk, after briefly explaining these challenges, a series of solutions in our previous research are expressed and discussed. This challenge set includes, but is not limited to, randomness of evaluation, non-analytical loss-functions, multi-class classification models (majority computation and don't-care instances), multi-label classification, semi-supervised and transductive points of view, meta-learning and large-margin approaches in the input space.
