در حال بارگذاری مقاله‌ها…
LABARNAنشریه هوشمندیشرح نقشه راه دبی برای هوش مصنوعی در خدمات، ویژه رهبران شرکت‌ها ــ اینکه الزامات بخش عمومی در کجا برای بخش خصوصی فرصت و تعهد ایجاد می‌کنند.
در حال بارگذاری مقاله‌ها…
دولت دبی از مرحله اسناد راهبردی عبور کرده است. برنامه‌های هوش مصنوعی که اکنون در سراسر بخش عمومی این امارت اجرا می‌شوند، جدول زمانی تعیین می‌کنند، مسئولیت‌پذیری نهادها را مشخص می‌سازند و ردیف‌های بودجه را به نتایج قابل‌اندازه‌گیری خدمات پیوند می‌دهند. برای شرکت‌های خصوصی فعال در دبی — یا شرکت‌هایی که به‌دنبال قرارداد با نهادهای دولتی هستند — این نقشه راه صرفاً مطلبی برای مطالعه پس‌زمینه نیست. این نقشه راه، سیگنالی برای تدارکات، چارچوبی برای انطباق و عاملی برای تمایز رقابتی است که همگی در یک جهت‌گیری سیاستی واحد فشرده شده‌اند.
دستورکار اقتصادی D33 که شیخ محمد بن راشد آل مکتوم آن را اعلام کرد، دو برابر کردن تولید ناخالص داخلی دبی طی دهه آینده و تثبیت جایگاه این امارت در میان سه اقتصاد شهری برتر جهان را هدف قرار داده است. هوش مصنوعی موضوعی حاشیه‌ای در این دستورکار نیست — از آن به‌عنوان یکی از اهرم‌های اصلی بهره‌وری یاد شده است. این طرح، دیجیتالی‌سازی خدمات دولتی را یکی از چندین مسیر دستیابی به آن هدف رشد اقتصادی می‌داند.
در حال بارگذاری مقاله‌ها…
D33 اتوماسیون خدمات مبتنی بر هوش مصنوعی را سازوکاری برای کاهش هزینه به‌ازای هر تراکنش در خدمات عمومی، تسریع ثبت کسب‌وکار و بهبود زمان پردازش امور تجاری می‌داند. این‌ها صرفاً عبارت‌هایی آرمان‌گرایانه نیستند. ابتکار «دولت هوشمند» دبی تاکنون ده‌ها خدمت را به بسترهای دیجیتال منتقل کرده است و D33 این مأموریت را به‌سوی انجام خودکار و مبتنی بر هوش مصنوعی، به‌جای صرفاً فراهم‌کردن دسترسی آنلاین، شتاب می‌بخشد.
برای خریداران سازمانی، D33 نشان می‌دهد که نهادهای دولتی فروشندگانی را در اولویت قرار خواهند داد که هوش مصنوعی را در ارائه خدمات ادغام می‌کنند، نه آن‌هایی را که فرایندهای آنالوگ را دیجیتالی می‌کنند. سازمان‌هایی که در پی قراردادهای دولتی هستند باید انتظار داشته باشند معیارهای تدارکات نیز متناسب با آن تحول یابد و ارزیابی‌های فنی، به‌جای ویژگی‌های دیجیتال سطحی، عمق قابلیت‌های هوش مصنوعی را بسنجند.
«طرح جامع فراگیر دبی برای هوش مصنوعی» که مرکز هوش مصنوعی دبی منتشر کرده است، چارچوب اجرایی چندسطحی‌ای را برای نهادهای دولتی تعیین می‌کند. این طرح سازمان‌ها را ملزم می‌کند آمادگی خود برای هوش مصنوعی را ارزیابی کنند، موارد استفاده با تأثیر بالا را شناسایی کنند و تدارکات را بر مبنای شاخص‌های معیار تعریف‌شده برای قابلیت‌ها انجام دهند. این طرح جامع عمومی است و پیامدهای آن برای تدارکات مستقیم است.
نهادهای مشمول این طرح جامع باید نشان دهند که استقرارهای هوش مصنوعی، استانداردهای تعریف‌شده در زمینه حاکمیت داده، توضیح‌پذیری مدل و تداوم عملیاتی را برآورده می‌کنند. این امر بار ارزیابی را مستقیماً بر دوش فروشندگان می‌گذارد. پلتفرمی که نتواند خروجی‌های توضیح‌پذیر تولید کند یا به زیرساخت مشترک و غیرشفاف متکی باشد، فارغ از اینکه مدل‌های زیربنایی آن در یک نمایش تا چه اندازه توانمند به نظر برسند، این معیارها را برآورده نخواهد کرد.
این طرح جامع همچنین استقرارهایی را ترجیح می‌دهد که در آن‌ها نهاد دولتی حاکمیت بر داده‌ها را حفظ می‌کند. این صرفاً یک ترجیح سیاستی نیست؛ بلکه ساختار قراردادی تدارکات هوش مصنوعی را در سراسر سازمان‌های تحت پوشش این سند شکل می‌دهد. درک این ترجیح برای هر سازمانی که یک پلتفرم هوش مصنوعی را به‌عنوان لایه خدماتیِ در تعامل با دولت عرضه می‌کند، ضروری است.
«سازمان تنظیم مقررات فناوری و دیجیتال» (TDRA) نقش محوری صدور مجوز و تنظیم‌گری خدمات دیجیتال را در دبی و در سطح فدرال سراسر امارات متحده عربی ایفا می‌کند و SDAIA نیز در سطح ملی در حوزه سیاست‌گذاری داده و هوش مصنوعی فعالیت دارد. هر دو نهاد چارچوب‌هایی منتشر کرده‌اند که مستقیماً با استقرارهای سازمانی هوش مصنوعی تلاقی دارند. سازمان‌ها باید پیش از استقرار هرگونه سامانه عامل‌محور در جریان‌های کاری مرتبط با دولت، بدانند کدام مرجع بر بخش و نوع خدمات آن‌ها نظارت دارد.
تمرکز TDRA بر یکپارچگی زیرساخت‌های مخابراتی و دیجیتال به این معناست که سامانه‌های هوش مصنوعیِ پردازش‌کننده داده‌های ارتباطی — از جمله اتوماسیون خدمات مشتریان برای شرکت‌های مخابراتی تحت نظارت — با بررسی دقیق‌تری مواجه‌اند. پیامدهای این موضوع برای سازمان‌های فعال در بخش‌هایی مانند خدمات مالی، سلامت و انرژی، در نقطه تلاقی نهادهای تنظیم‌گرِ مختص هر بخش و مأموریت‌های افقی TDRA به‌تفصیل پوشش داده شده است.
اصول اخلاقی هوش مصنوعی و استانداردهای حاکمیت داده SDAIA هنگام شرکت در مناقصه برنامه‌های فدرال امارات متحده عربی یا همکاری با نهادهایی که بودجه فدرال دریافت می‌کنند، در عمل بر تدارکات اثرگذارند. هم‌سویی با استانداردهای SDAIA، حتی برای استقرارهای بخش خصوصی که با سامانه‌های دولتی ارتباط دارند، به‌طور فزاینده‌ای نه یک لایه اختیاریِ صدور گواهی، بلکه انتظاری پایه تلقی می‌شود.
پردیس هوش مصنوعی دبی که با مشارکت Microsoft و دیگر ارائه‌دهندگان فناوری توسعه یافته است، نشان‌دهنده تعهد این امارت به ایجاد زیرساخت مشترک هوش مصنوعی است که هم نهادهای عمومی و هم بنگاه‌های خصوصی واجد شرایط بتوانند به آن دسترسی داشته باشند. این پردیس برای کاهش مانع زیرساختی استقرار هوش مصنوعی طراحی شده است، به‌ویژه برای بنگاه‌های کوچک‌تر یا سازمان‌های دولتی که سرمایه لازم برای ایجاد محیط‌های پردازشی اختصاصی را ندارند.
در حال بارگذاری مقاله‌ها…
برای بنگاه‌های بزرگ‌تر، این پردیس پویایی رقابتی ایجاد می‌کند. رقبای کوچک‌تر به توان محاسباتی و ابزارهایی دسترسی پیدا می‌کنند که پیش‌تر مستلزم سرمایه‌گذاری چشمگیر بودند. عامل تمایز از دسترسی به زیرساخت به کیفیت استقرار، تخصص عمودی و توانایی تولید سیستم‌های خودمختار در سطح عملیاتی ــ به‌جای پروژه‌های آزمایشی ــ منتقل می‌شود.
بنگاه‌هایی که استقرار هوش مصنوعی را تا زمان آماده‌شدن زیرساخت به تعویق انداخته‌اند، دیگر چنین توجیهی ندارند. این پردیس باعث می‌شود مسئله زیرساخت تا حد زیادی از طریق تصمیم‌گیری درباره شراکت یا تدارکات قابل‌حل باشد. آنچه حل‌نشده باقی می‌ماند ــ و تمایز در آن شکل می‌گیرد ــ عمق هوشمندی عملیاتی است که بر بستر آن زیرساخت ساخته می‌شود.
Smart Dubai 2030 از نظر عملیاتی مشخص‌ترین برنامه دولتی هوش مصنوعی برای تعامل با بنگاه‌هاست. این برنامه بهبودهای قابل‌اندازه‌گیری را در نقاط تماس خدمات دولتی هدف قرار می‌دهد ــ شاخص‌های رضایت، زمان حل‌وفصل تراکنش‌ها و اشتراک‌گذاری داده میان نهادها ــ که همگی به سیستم‌های هوش مصنوعی قادر به اقدام خودمختار نیاز دارند، نه صرفاً تصمیم‌های انسانی با کمک هوش مصنوعی.
این چارچوب صراحتاً خواستار آن است که خدمات بر محور دولت پیش‌نگر طراحی شوند؛ یعنی سیستمی که نیاز یک شهروند یا کسب‌وکار را پیش‌بینی می‌کند و بدون درخواست دستی، ارائه خدمت را آغاز می‌کند. این اصل طراحی پیامدهای مستقیمی برای معماری هوش مصنوعی دارد که بنگاه‌ها هنگام ساخت پلتفرم‌های متصل به گردش‌کار خدمات دولتی باید مستقر کنند. یک چت‌بات که به پرسش‌ها پاسخ می‌دهد، الزام خدمت پیش‌نگر را برآورده نمی‌کند. عاملی که شرایط محرک را پایش و گردش‌کارها را آغاز می‌کند، آن را برآورده می‌سازد.
بنگاه‌هایی که برای بازار دبی سیستم‌های مدیریت انطباق، صدور مجوز، پروانه‌ها یا بازرسی می‌سازند، باید طراحی خدمات پیش‌نگر را یک الزام پایه بدانند، نه قابلیتی پیشرفته. طرح‌های کلی خدماتی منتشرشده از سوی تیم Smart Dubai به‌اندازه‌ای مشخص هستند که می‌توان از آن‌ها به‌عنوان ورودی طراحی فنی برای برنامه‌ریزی معماری هوش مصنوعی سازمانی استفاده کرد. هرکس در حال بررسی این حوزه تلاقی است، باید تحلیل مربوط به اینکه چرا بنگاه‌های دبی شرکای منطقه‌ای هوش مصنوعی را به شرکت‌های مشاوره جهانی ترجیح می‌دهند نیز بخواند.
محیط آزمون نظارتی مرکز مالی بین‌المللی دبی و محیط معادل آن در بازار جهانی ابوظبی، به کسب‌وکارهای نوپای فین‌تک و هوش مصنوعی اجازه می‌دهند موارد استفاده تحت نظارت را در شرایط کنترل‌شده آزمایش کنند. این محیط‌های آزمون به‌ویژه برای بنگاه‌هایی اهمیت دارند که سیستم‌های هوش مصنوعی مرتبط با تراکنش‌های مالی، واسطه‌گری داده یا فرایندهای بیمه می‌سازند؛ دسته‌هایی که ممکن است الزام به انطباق کامل با مقررات، پیش از شکل‌گیری قواعد روشن پدید آید.
مشارکت در محیط آزمون، مزایای ملموسی فراتر از آزمایش دارد. بنگاه‌هایی که ارزیابی یک محیط آزمون را با موفقیت به پایان می‌رسانند، سابقه مستندی از تعامل با نهادهای نظارتی به دست می‌آورند که پیشنهادهای بعدی آن‌ها در مناقصات تدارکاتی را تقویت می‌کند. نهادهای دولتی در سطح DIFC هنگام ارزیابی استقرارهای نوین هوش مصنوعی، به اولویت‌دادن به تأمین‌کنندگانی با سابقه فعالیت در محیط‌های آزمون شهرت داشته‌اند. ازاین‌رو، ورود به محیط آزمون اقدامی راهبردی است، نه صرفاً فنی.
برنامه‌های محیط آزمون همچنین معیارهای ارزیابی خود را منتشر می‌کنند و به بنگاه‌ها پیش‌نمایشی از نحوه قضاوت نهایی جامعه نظارتی درباره استقرارهای عملیاتی می‌دهند. در نظر گرفتن این معیارها به‌عنوان ورودی طراحی محصول ــ و نه یک چک‌لیست انطباق ــ تصمیم‌های معماری اتخاذشده در مرحله توسعه را تغییر می‌دهد. برای آگاهی از زمینه اینکه چرا DIFC و ADGM از نظر ساختاری برای کسب‌وکارهای نوپای هوش مصنوعی جذاب شده‌اند، تحلیل منتشرشده درباره اینکه چرا این مناطق بی‌سروصدا در حال جذب استارتاپ‌های ذاتاً مبتنی بر هوش مصنوعی هستند را ببینید.
نقشه راه دولت دبی برای به‌کارگیری هوش مصنوعی در خدمات و جایگاه بنگاه‌ها در آن، در نهایت به همان اندازه که مسئله‌ای سیاستی است، مسئله‌ای درآمدی نیز هست. قراردادهای ارائه خدمات دولتی مبتنی بر هوش مصنوعی، از نظر اندازه و مدت قابل‌توجه‌اند. این قراردادها معمولاً چندساله هستند، به پشتیبانی عملیاتی مستمر نیاز دارند و برای افت کیفیت خدمات جریمه در نظر می‌گیرند — و بدین‌ترتیب محیطی برای تدارکات ایجاد می‌کنند که فروشندگان دارای زیرساخت آماده بهره‌برداری را بر شرکت‌هایی که صرفاً طرح‌های آزمایشی اجرا می‌کنند، ترجیح می‌دهد.
در حال بارگذاری مقاله‌ها…
تدارکات دولتی در دبی از فرایندی ساختاریافته پیروی می‌کند که شامل ارزیابی فنی، ارزیابی مالی و، به‌طور فزاینده، بررسی قابلیت‌های هوش مصنوعی است. شرکت‌هایی که بتوانند استقرارهای پیشین در محیط عملیاتی را نشان دهند—نه نصب‌های اثبات مفهوم—در این ارزیابی‌ها جایگاه بهتری دارند. علاوه بر مجموعه قابلیت‌ها، عملکرد خودکار مستند، مدیریت موارد استثنا و قابلیت ثبت ردپای حسابرسی نیز ارزیابی می‌شوند.
ریسک تمرکز درآمد عامل دیگری است که بنگاه‌ها باید آن را مدیریت کنند. برنده شدن در یک قرارداد بزرگ دولتی در حوزه هوش مصنوعی، به تداوم تأمین بودجه برنامه از سوی آن مشتری و ثبات سیاسی وابستگی ایجاد می‌کند. بنگاه‌هایی که در دبی در حال ایجاد فعالیت‌های هوش مصنوعی معطوف به دولت هستند، باید توسعه قابلیت‌های خود را به‌گونه‌ای ساختاربندی کنند که همان سیستم‌ها بتوانند به چندین نهاد خدمات ارائه دهند یا به‌کارگیری تجاری منتقل شوند؛ به این ترتیب، حتی اگر برنامه‌های دولتی مشخصی تغییر کنند، تداوم درآمد حفظ می‌شود.
در نقشه راه دبی، همه حوزه‌های خدماتی به یک اندازه سرمایه‌گذاری هوش مصنوعی دریافت نمی‌کنند. سلامت، آموزش، حمل‌ونقل، تجارت و ایمنی عمومی، هر یک در چارچوب دبی هوشمند، D33 و برنامه‌های مرتبط، مشمول برنامه‌های مشخصی شده‌اند. شرکت‌های هم‌راستا با این حوزه‌های عمودی، در مقایسه با شرکت‌های فعال در بخش‌هایی که برنامه مشخصی برایشان نام برده نشده است، مسیر روشن‌تری برای تعامل با دولت دارند.
هوش مصنوعی در حوزه سلامت به‌طور ویژه‌ای فعال است و سازمان سلامت دبی برنامه‌های سلامت دیجیتالی را اجرا می‌کند که مستلزم ادغام هوش مصنوعی در نقطه ارائه مراقبت و در لایه اداری هستند. بنگاه‌های دارای قابلیت هوش مصنوعی در حوزه بهداشت و درمان باید پیش از پیگیری هرگونه فرصت تدارکات دولتی، انطباق خود را با قواعد حاکمیت داده DOH ارزیابی کنند. تلاقی استانداردهای مشابه HIPAA و قواعد اختصاصی DOH در امارات، لایه‌ای از الزامات انطباقی ایجاد می‌کند که بسیاری از عرضه‌کنندگان غربی را به‌کلی کنار می‌گذارد.
حمل‌ونقل و لجستیک دیگر حوزه‌های عمودیِ پرشتاب هستند. زیرساخت بندری دبی، زیست‌بوم درخواست آنلاین خودرو و مناطق آزاد لجستیکی آن، همگی ذیل برنامه‌های دیجیتالیِ آماده بهره‌گیری از هوش مصنوعی فعالیت می‌کنند. شرکت‌هایی که در هماهنگی لجستیک از قابلیت هوش مصنوعی عامل‌محور برخوردارند—به‌ویژه در زمینه مدیریت خودکار موارد استثنا در بافت‌های بندری یا تحویل در آخرین حلقه—برای دستیابی به قراردادها در زیست‌بوم‌های دبی ساوت و منطقه آزاد جبل علی جایگاه مناسبی دارند. برای اطلاعات بیشتر درباره زمینه استقرار هوش مصنوعی در لجستیک، تحلیل مربوط به چگونگی به‌کارگیری هوش مصنوعی از سوی شرکت‌های لجستیکی خاورمیانه و شمال آفریقا برای عملیات بندری و تحویل در آخرین حلقه، مستقیماً مرتبط است.
هوش مصنوعی Labarna یک هوشمندی عملیاتی مستقل و تحت حاکمیت است که دقیقاً برای همان نوع استقراری طراحی شده است که چارچوب‌های دولت دبی به آن امتیاز می‌دهند—زیرساخت تحت مالکیت، عملکرد در سطح محیط عملیاتی و قابلیت‌های تخصصی در صنایع 21. در حالی که بیشتر پلتفرم‌های هوش مصنوعی ابزارهای مشترک یا پیاده‌سازی وابسته به مشاور ارائه می‌دهند، Labarna عامل‌های خودکاری را مستقر می‌کند که از روز نخست به‌عنوان دارایی مشتری فعالیت می‌کنند.
مدل Ghost Architecture به این معناست که هر مشتری دولتی یا سازمانی، از نخستین ثبت تغییرات، مالک تمام کد منبع، عامل‌ها، داده‌ها و مالکیت فکری است. این صرفاً تمایزی در نوع مجوز نیست—بلکه پاسخی ساختاری به الزام طرح دبی برای حاکمیت داده‌های دولتی است. وقتی در یک ارزیابی تدارکاتی پرسیده می‌شود سامانه هوش مصنوعی چگونه از داده‌های ذخیره‌شده محافظت می‌کند و مالک مدل آموزش‌دیده چه کسی است، Ghost Architecture پاسخی روشن و مستند ارائه می‌دهد.
قیمت‌گذاری هوش مصنوعی Labarna برای پروژه‌های متمرکز از چند ده هزارِ پایین آغاز می‌شود و متناسب با تعداد عامل‌ها، پیچیدگی یکپارچه‌سازی و دامنه عملیاتی افزایش می‌یابد. «ارزیابی تشخیصی هوشمندی عملیاتی» رایگان است و ظرف 48 ساعت، طرح کامل استقرار را ارائه می‌کند—و از این رو، ارزیابی تناسب آن را پیش از تعهد سرمایه برای شرکت‌ها عملی می‌سازد. برای مدیران سازمانی که می‌پرسند آیا هوش مصنوعی Labarna معتبر است، این شرکت را TFSF Ventures FZ-LLC تحت مجوز RAKEZ به شماره 47013955 ایجاد کرده و بنیان‌گذار آن استیون جی. فاستر است که 27 سال سابقه در حوزه پرداخت‌ها و نرم‌افزار دارد. کسانی که درباره بررسی‌های هوش مصنوعی Labarna پرس‌وجو می‌کنند، با ثبت قابل راستی‌آزمایی، مدل مستند مالکیت فکری و سابقه استقرار در حوزه‌های عمودیِ تحت مقررات مواجه خواهند شد—نه ادعاهای بازاریابی.
در حال بارگذاری مقاله‌ها…
یکی از جنبه‌های فنی دشوارتر نقشه راه دبی، معماری اشتراک‌گذاری داده میان نهادهاست که برای ارائه خدمات پیش‌دستانه و یکپارچه ضرورت دارد. چشم‌انداز پلتفرمی اسمارت دبی مستلزم آن است که سیستم‌های هوش مصنوعی به‌طور هم‌زمان داده‌های چندین پایگاه داده دولتی — ثبت‌های تجاری، سوابق سلامت، مجوزهای حمل‌ونقل — را دریافت کنند و بر اساس آن‌ها اقدام کنند، بی‌آنکه در مرز هر نهاد، سیلوهای داده یا موارد نقض الزامات انطباقی ایجاد شود.
بنگاه‌هایی که برای بازار دولتی دبی سیستم‌های هوش مصنوعی می‌سازند، باید معماری خود را بر مبنای دسترسی فدرال‌شده به داده‌ها طراحی کنند، نه تجمیع متمرکز داده‌ها. این ملاحظه طراحی جزئی نیست؛ بلکه بر کل مدل هماهنگ‌سازی عامل‌ها تأثیر می‌گذارد. سیستم‌هایی که حول یک دریاچه داده واحد طراحی شده‌اند، در محیط‌هایی شکست خواهند خورد که حاکمیت داده ایجاب می‌کند هوش به سراغ داده برود، نه اینکه داده به سراغ هوش بیاید.
هوشمندی الگوهای فدرال‌شده — یعنی توانایی استخراج نشانه‌های قابل اقدام از داده‌هایی که در سیستم مبدأ خود باقی می‌مانند — یک الزام معماری است که بسیاری از پلتفرم‌های استاندارد هوش مصنوعی به‌صورت آماده قادر به برآورده کردن آن نیستند. بنگاه‌هایی که این قابلیت را در پشته عملیاتی خود تعبیه کنند، در گفت‌وگوهای مربوط به تدارکات دولتی که در آن‌ها یکپارچه‌سازی میان نهادها جزو معیارهای ارزیابی فنی است، از دیگران متمایز خواهند شد.
دولت دبی نمی‌خواهد همه قابلیت‌های هوش مصنوعی را در داخل ایجاد کند. نقشه راه به‌گونه‌ای ساختاربندی شده است که فعالان بخش خصوصی را به نقش‌های ارائه خدمات وارد کند؛ چه به‌عنوان ارائه‌دهندگان مستقیم خدمات و چه به‌عنوان عرضه‌کنندگان فناوری به نهادهای دولتی. این امر در کنار فرصت موجود، مجموعه مشخصی از تعهدات را نیز ایجاد می‌کند.
از بنگاه‌های خصوصی دخیل در ارائه خدمات هوش مصنوعی دولتی انتظار می‌رود تداوم خدمات را حفظ کنند، مستندات آماده حسابرسی از تصمیم‌های هوش مصنوعی ارائه دهند و در محدوده‌های تعیین‌شده برای محل نگهداری داده‌ها فعالیت کنند. این‌ها تعهدات عملیاتی‌اند، نه صرفاً بندهای قراردادی. بنگاهی که یک سیستم هوش مصنوعی را مستقر می‌کند و سپس در توضیح یک تصمیم مشخص عامل به نهاد ناظر با مشکل مواجه می‌شود — یا نمی‌تواند گزارش تراکنش را ارائه دهد — با ریسک انطباقی روبه‌روست که متن قرارداد نمی‌تواند آن را به‌طور کامل کاهش دهد.
استقرار هوش مصنوعی عامل‌محور در این محیط مستلزم سیستم‌هایی است که مسیرهای حسابرسی در آن‌ها یک دغدغه معماری درجه‌اول باشد، نه موضوعی که بعداً به آن پرداخته شود. هر اقدام یک عامل که با یک گردش کار دولتی سروکار دارد باید سابقه‌ای ساختاریافته و قابل بازیابی ایجاد کند. بنگاه‌هایی که این موضوع را به‌جای یک اصل طراحی استقرار، یک الزام انطباقیِ افزوده‌شده پس از استقرار تلقی کنند، پس از نخستین بررسی نهاد ناظر ناچار خواهند شد سیستم‌های خود را از نو بسازند.
اصطلاح «زیرساخت مستقل هوش مصنوعی» هم در راهبرد فدرال هوش مصنوعی امارات متحده عربی و هم در اسناد برنامه ویژه دبی بارها دیده می‌شود. این عبارت برای شرکت‌های خصوصی معنای مشخصی در حوزه تدارکات دارد: داده‌های دولت را نمی‌توان بدون تأیید صریح در زیرساخت خارجی پردازش کرد و سامانه‌های هوش مصنوعی‌ای که با داده‌های دولتی کار می‌کنند باید برای مقام‌های مستقر در امارات متحده عربی قابل ممیزی باشند.
این امر بخش قابل‌توجهی از پلتفرم‌های آماده هوش مصنوعی را از دایره گزینه‌های قابل‌بررسی برای تدارکات دولتی خارج می‌کند. پلتفرم‌هایی که استنتاج را از طریق مراکز داده خارج از امارات متحده عربی هدایت می‌کنند، یا داده‌های آموزشی را در حوزه‌های قضایی مشمول قوانین دسترسی دولت‌های خارجی به داده‌ها ذخیره می‌کنند، در قراردادهای دولتی هوش مصنوعی با موانع ساختاری روبه‌رو هستند. شرکت‌هایی که این پویایی را زود تشخیص می‌دهند — و سامانه‌های هوش مصنوعی خود را متناسب با آن می‌سازند — به مزیتی در تدارکات دست می‌یابند که رقبای متکی به پلتفرم‌های خارجی SaaS نمی‌توانند به‌سرعت از آن تقلید کنند.
الزام زیرساخت مستقل همچنین به به‌روزرسانی و مدیریت مدل تسری می‌یابد. سامانه هوش مصنوعی‌ای که وزن‌های مدل آن بدون کنترل شرکت توسط یک فروشنده خارجی به‌روزرسانی می‌شود، مشکلی در حاکمیت نسخه‌ها ایجاد می‌کند. ارزیابان تدارکات دولتی کم‌کم درباره نسخه‌بندی مدل، قابلیت بازگردانی به نسخه قبلی و اینکه چه کسی برنامه زمانی به‌روزرسانی را کنترل می‌کند پرسش‌هایی مطرح می‌کنند — پرسش‌هایی که زیرساخت تحت مالکیت را در مقایسه با معماری‌های اجاره‌ای API در موقعیت بهتری قرار می‌دهند. تحلیل مربوط به اینکه اگر ارائه‌دهنده خارجی خدمات ابری یک شرکت دبی یک‌شبه قیمت‌گذاری خود را تغییر دهد چه اتفاقی می‌افتد، این ریسک وابستگی را به‌تفصیل بررسی می‌کند.
در حال بارگذاری مقاله‌ها…