گجت نیوز آخرین اخبار تکنولوژی، علم و خودرو 
برنامه شتاب‌دهی هوش مصنوعی ریزن (REASON) در دل گلرنگ ونچرز و با همراهی مرکز هوش مصنوعی گلرنگ و شرکت گلرنگ سیستم، از ۲ آبان ۱۴۰۵ ثبت درخواست تیم‌ها را آغاز می‌کند. این برنامه برای تیم‌هایی است که با هوش مصنوعی مسئله‌ای واقعی را حل می‌کنند. در دوره‌ی شش‌ماهه‌ی آن تا ۱۰ تیم پذیرفته می‌شوند و هر تیم منتخب ۱ میلیارد تومان سرمایه نقدی می‌گیرد.
فرض کنید مدلی ساخته‌اید که روی داده‌های آزمایشی نتیجه خوبی می‌دهد و دموی آن هم همه را راضی می‌کند. پرسش بعدی همیشه همین است: این مدل در یک شرکت واقعی، با داده واقعی و کاربران واقعی، چه می‌کند؟ برای بسیاری از تیم‌های هوش مصنوعی، پاسخ به این پرسش سخت‌ترین مرحله کار است، چون دسترسی به چنین محیطی آسان نیست. REASON دقیقاً همین محیط را در اختیار تیم‌های منتخب می‌گذارد.
ریزن چیست؟
REASON نخستین برنامه شتاب‌دهی تخصصی هوش مصنوعی گلرنگ ونچرز است. گلرنگ ونچرز پیش‌تر برنامه‌های تخصصی متعددی را در حوزه‌های دارو، امنیت غذایی و بازی‌سازی اجرا کرده است. این مجموعه اکنون با تکیه بر تجربه‌های گذشته، از طریق REASON به‌صورت تخصصی و مسئله‌محور وارد عرصه هوش مصنوعی می‌شود؛ رویکردی که از یک سو مسائل واقعی کسب‌وکارهای فعال در گروه صنعتی گلرنگ را به توان فنی و خلاقیت تیم‌های هوش مصنوعی متصل می‌کند و از سوی دیگر بستری برای شکل‌گیری و رشد کسب‌وکارهای جدید مبتنی بر هوش مصنوعی فراهم می‌آورد. شعار برنامه «راهکار از هوش مصنوعی، دلیل از دنیای واقعی» است.
نام REASON هم به معنای «دلیل» است و به توان استدلال در هوش مصنوعی اشاره دارد.
پشت صحنه REASON
REASON با همراهی مرکز هوش مصنوعی گلرنگ و شرکت گلرنگ سیستم برگزار می‌شود و تیم‌های منتخب را در بستر گروه صنعتی گلرنگ و شرکت‌های زیرمجموعه آن قرار می‌دهد؛ جایی که مسئله، داده و محیط آزمون واقعی در دسترس است.
ایده‌ی اصلی ساده است: به‌جای شروع از یک فناوری، از یک مسئله‌ی واقعی کسب‌وکار شروع کنیم. هر تیم چهار گام را طی می‌کند:
- مسئله کسب‌وکار: مسئله‌ای مشخص در یکی از شرکت‌های گروه
- راه‌حل هوش مصنوعی: ساخت محصول یا سرویسی برای همان مسئله
- اجرای آزمایشی (Pilot): امتحان راهکار در مقیاس کوچک و در شرایط واقعی
- اعتبارسنجی و توسعه: سنجش نتیجه و تصمیم برای گسترش آن
هر گام در عمل یعنی چه؟
برای اینکه این چهار گام ملموس‌تر شود، یک مثال فرضی را در نظر بگیرید. یکی از شرکت‌های گروه می‌خواهد تقاضای محصولاتش را دقیق‌تر پیش‌بینی کند تا موجودی انبار بهینه‌تر شود؛ این همان مسئله کسب‌وکار است. تیمی که در REASON پذیرفته می‌شود، برای همین نیاز یک مدل پیش‌بینی می‌سازد؛ این راه‌حل هوش مصنوعی است.
در گام بعد، مدل روی بخشی محدود از محصولات یا یک منطقه مشخص اجرا می‌شود و خروجی آن با واقعیت مقایسه می‌شود؛ این اجرای آزمایشی است. در پایان، نتیجه سنجیده می‌شود و اگر مدل ارزش خود را نشان داده باشد، درباره گسترش آن به محصولات یا شرکت‌های دیگر تصمیم گرفته می‌شود؛ این هم اعتبارسنجی و توسعه است.
چرا شروع از مسئله؟
مسیر رایج بسیاری از استارتاپ‌ها این است: اول محصول ساخته می‌شود، بعد جست‌وجو برای بازار و مشتری آغاز می‌شود. این مسیر می‌تواند ماه‌ها زمان و بخش بزرگی از سرمایه تیم را صرف یافتن کاربرد کند. REASON ترتیب را برعکس کرده است؛ ابتدا مسئله در یک کسب‌وکار فعال تعریف می‌شود و سپس تیم‌هایی جذب می‌شوند که برای آن راهکار بسازند. به این ترتیب، محصول از روز اول مخاطب، داده و محیط آزمون مشخصی دارد.
از نگاه صنعت
این مدل برای شرکت‌ها هم جذاب است. به جای آنکه همه راهکارها را از صفر و درون سازمان بسازند، از خلاقیت و چابکی تیم‌های تخصصی هوش مصنوعی بهره می‌برند و راهکار را پیش از تصمیم برای گسترش، در مقیاس کوچک امتحان می‌کنند. نتیجه، دسترسی به نوآوری‌هایی است که دقیقاً برای مسئله‌های خودشان طراحی شده‌اند.
هوش مصنوعی صنعتی؛ موج بعدی
بخش بزرگی از آنچه کاربران عادی از هوش مصنوعی می‌شناسند، چت‌بات‌ها و ابزارهای تولید محتواست. اما در پشت صحنه، کاربردهای صنعتی هوش مصنوعی هم با سرعت در حال گسترش‌اند؛ از پیش‌بینی تقاضا و بهینه‌سازی موجودی تا پایش کیفیت در خطوط تولید و خودکارسازی فرایندهای پشتیبانی. این کاربردها کمتر دیده می‌شوند، اما اثر مستقیمی بر هزینه، کیفیت و سرعت کار سازمان‌ها دارند.
REASON روی همین موج تمرکز کرده است: هوش مصنوعی در خدمت مسئله‌های واقعی یک گروه صنعتی، نه صرفاً یک نمایش فناورانه.
از دمو تا محصول؛ فاصله‌ای که REASON پر می‌کند
هر کسی که با پروژه‌های هوش مصنوعی کار کرده باشد می‌داند فاصله میان یک دموی موفق و محصولی که هر روز در یک سازمان استفاده شود، کم نیست. در محیط واقعی، داده‌ها نامرتب‌ترند، سیستم‌های موجود باید با محصول جدید یکپارچه شوند، کاربران انتظارات خاص خود را دارند و عملکرد مدل باید در طول زمان پایدار بماند.
این چالش‌ها را فقط در یک محیط واقعی می‌توان شناخت و حل کرد. REASON با فراهم کردن امکان آزمایش در اکوسیستم گروه صنعتی گلرنگ، به تیم‌ها اجازه می‌دهد محصول خود را از همان ابتدا در چنین شرایطی بسازند و بهبود دهند. نتیجه، محصولی است که برای کار در دنیای واقعی آماده‌تر است و ارزشش با شواهد نشان داده شده است.
آزمایش در دنیای واقعی، نه فقط روی کاغذ
تیم‌های منتخب می‌توانند محصول خود را در اکوسیستم گروه صنعتی گلرنگ و شرکت‌های زیرمجموعه آن آزمایش کنند. به بیان برگزارکنندگان، REASON علاوه بر سرمایه، محیط واقعی آزمایش، نخستین مشتری و مسیر ورود به بازار را هم برای تیم‌ها فراهم می‌کند. بسته حمایتی شامل این موارد است:
- ۱ میلیارد تومان سرمایه نقدی برای هر تیم منتخب
- فضای کار و تجهیزات مورد نیاز
- منتورینگ و آموزش‌های تخصصی
- شش ماه کار در یک محیط واقعی کسب‌وکار
هر بخش از بسته حمایتی به چه کار می‌آید؟
- سرمایه نقدی: ۱ میلیارد تومان برای هر تیم منتخب، تا تیم بتواند شش ماه با تمرکز کامل روی محصول کار کند
- محیط واقعی آزمایش: امکان امتحان محصول با داده و فرایند واقعی در شرکت‌های گروه
- فضای کار و تجهیزات: زیرساخت لازم برای کار روزانه تیم
- منتورینگ و آموزش: دانش و تجربه‌ای که مسیر توسعه فنی و تجاری را هموارتر می‌کند
یک تجربه موفق، چند فرصت
راهکاری که در یکی از شرکت‌های گروه آزموده و موفق شود، می‌تواند در سایر شرکت‌های گروه نیز به کار گرفته شود. برای یک تیم نوپا، این یعنی یک اجرای موفق می‌تواند درِ چند همکاری تازه را باز کند.
داده واقعی؛ سوخت مدل‌های هوش مصنوعی
کیفیت هر مدل هوش مصنوعی به داده‌ای وابسته است که با آن ساخته و آزموده می‌شود. بسیاری از تیم‌های نوپا ناچارند محصولشان را روی داده نمونه یا در شرایط شبیه‌سازی‌شده توسعه دهند و همین موضوع، فاصله میان عملکرد آزمایشگاهی و عملکرد واقعی را بیشتر می‌کند.
در REASON، تیم‌های منتخب راهکار خود را در برابر داده، فرایند و شرایط واقعی شرکت‌های گروه می‌آزمایند. این تجربه هم کیفیت محصول را بالا می‌برد و هم نتیجه‌ای به دست می‌دهد که برای هر تصمیم بعدی، از گسترش در شرکت‌های دیگر تا جذب سرمایه، قابل اتکاست.
چه مسئله‌هایی و چه تیم‌هایی؟
مسئله باید در یکی از ۹ حوزه‌ی زیر باشد: فروش و بازاریابی، زنجیره تامین و لجستیک، تولید، تحقیق و توسعه، منابع انسانی، مالی، خدمات مشتریان، تحلیل داده و بهره‌وری سازمانی. تیم‌ها باید یک پیچ‌دک (ارائه‌ی کوتاه ایده و راهکار) درباره‌ی مسئله‌ی خود بفرستند. راهکار باید به نیاز واقعی پاسخ دهد، امکان اجرای آزمایشی داشته باشد و بتواند در شرکت‌های دیگر توسعه پیدا کند یا به محصولی مستقل و مقیاس‌پذیر تبدیل شود.
ایده‌هایی برای الهام
۹ حوزه برنامه، میدان گسترده‌ای برای فناوری‌های مختلف و توسعه هوش مصنوعی فراهم می‌کند. برای نمونه، کاربردهایی از این دست می‌توانند در دامنه برنامه قرار بگیرند:
- فروش و بازاریابی: مدل‌های پیش‌بینی تقاضا و تحلیل رفتار مشتری
- زنجیره تامین و لجستیک: بهینه‌سازی موجودی و برنامه‌ریزی توزیع
- تولید: بینایی ماشین برای پایش کیفیت در خطوط تولید
- خدمات مشتریان: دستیارهای هوشمند و خودکارسازی پاسخگویی
- تحلیل داده: استخراج بینش از داده‌های پراکنده سازمان
- بهره‌وری سازمانی: خودکارسازی فرایندهای تکراری اداری
تیمی که راهکارش دقیقاً در یکی از این حوزه‌ها نمی‌گنجد اما از دل یک کسب‌وکار واقعی برخاسته، هم می‌تواند آن را در درخواست خود مطرح کند.
پیچ‌دک؛ چه چیزی را نشان دهیم؟
پیچ‌دک باید کوتاه و روشن نشان دهد چه مسئله‌ای حل می‌شود، راهکار هوش مصنوعی تیم چیست و چطور کار می‌کند، در کدام حوزه برنامه قرار می‌گیرد و چرا سه ویژگی اصلی را دارد: پاسخ به نیاز واقعی، امکان اجرای آزمایشی و ظرفیت گسترش. همه درخواست‌ها با معیارهای یکسان بررسی می‌شوند، پس شفافیت و دقت در همین چند صفحه اهمیت زیادی دارد.
چه تیم‌هایی بیشترین بهره را می‌برند؟
REASON برای تیم‌هایی طراحی شده که پیرامون یک محصول یا راه‌حل مشخص شکل گرفته‌اند و می‌خواهند آن را در بستر واقعی کسب‌وکار بیازمایند و رشد دهند. تیم‌ها می‌توانند فردی یا چندنفره باشند. اگر هوش مصنوعی در قلب محصول شماست و آماده‌اید آن را با داده و فرایند واقعی محک بزنید، این مسیر برای شما طراحی شده است.
موفقیت یعنی چه؟
در REASON موفقیت تیم‌ها با پیشرفت فنی یا کیفیت دمو سنجیده نمی‌شود. معیار اصلی، ارزش واقعی ایجادشده برای کسب‌وکار است.
تمرکز ارزیابی بر این است که راهکار دقیقاً چه مسئله‌ای را حل کرده و چه نتایج کمی و کیفی در محیط واقعی به دست آورده است. به زبان فنی، فقط معیارهای مدل ملاک نیست؛ اثر واقعی محصول بر کار یک سازمان اهمیت دارد.
بعد از شش ماه
پایان دوره، پایان همکاری نیست. بسته به نتیجه اجرای آزمایشی، چند مسیر پیش روی تیم‌هاست:
- همکاری تجاری مستقیم با شرکتی که راهکار در آن آزموده شده است
- توسعه راهکار در سایر شرکت‌های گروه
- ورود به مسیر سرمایه‌گذاری برای تیم‌هایی که توان ساختن کسب‌وکاری مستقل دارند
- ورود به بازارهای بزرگ‌تر با تکیه بر تجربه کسب‌شده در REASON
زمان‌بندی
- ۲ آبان ۱۴۰۵: انتشار فراخوان و آغاز ثبت درخواست
- ۳۰ آبان: پایان مهلت ثبت درخواست و ارسال پیچ‌دک
- ۳ آذر: پایان ارزیابی و غربال اولیه
- ۱۰ و ۱۱ آذر: جلسه ارائه به شرکت‌های گلرنگ و سرمایه‌گذاران
- ۲۵ آذر: آغاز رسمی کار تیم‌ها
جلسه ارائه
جلسه ارائه در ۱۰ و ۱۱ آذر، فرصتی است تا تیم‌های منتخب راهکار خود را مستقیماً به شرکت‌های گروه و سرمایه‌گذاران معرفی کنند. پس از آن، تیم‌های پذیرفته‌شده از ۲۵ آذر شش ماه زمان دارند تا با همراهی منتورها و آموزش‌های تخصصی، محصول خود را تا اجرای آزمایشی و اعتبارسنجی پیش ببرند.
پیش از ۳۰ آبان چه آماده کنیم؟
- تعریف روشن مسئله و کسب‌وکاری که با آن درگیر است
- توضیح راهکار هوش مصنوعی و نحوه کار آن
- حوزه مرتبط از میان ۹ حوزه برنامه
- امکان اجرای آزمایشی در محیط کسب‌وکار
- ظرفیت گسترش راهکار یا تبدیل آن به محصولی مستقل
پرسش‌های پرتکرار
تیم یک‌نفره هم می‌تواند شرکت کند؟ بله، تیم‌ها می‌توانند فردی یا چندنفره باشند.
هر تیم چقدر سرمایه می‌گیرد؟ ۱ میلیارد تومان سرمایه نقدی برای هر تیم منتخب.
دوره چند ماه است؟ شش ماه؛ کار رسمی تیم‌ها از ۲۵ آذر آغاز می‌شود.
تا کی می‌توان درخواست داد؟ تا ۳۰ آبان ۱۴۰۵.
ظرفیت برنامه چند تیم است؟ حداکثر ۱۰ تیم.
برای ثبت درخواست چه لازم است؟ پیچ‌دکی درباره مسئله، راهکار مبتنی بر هوش مصنوعی و ارتباط آن با یکی از ۹ حوزه برنامه.
جمع‌بندی
اگر محصول هوش مصنوعی شما فقط منتظر یک فرصت واقعی برای اثبات خودش است، REASON همان فرصت را فراهم می‌کند: ۱ میلیارد تومان سرمایه نقدی برای هر تیم منتخب، محیط آزمایش واقعی در اکوسیستم گروه صنعتی گلرنگ، نخستین مشتری و مسیری روشن برای ورود به بازار.
مهلت ثبت درخواست ۳۰ آبان ۱۴۰۵ است و در این دوره حداکثر ۱۰ تیم پذیرفته می‌شوند.
راه‌های ارتباطی
علاقه‌مندان می‌توانند اطلاعات کامل را در reasonaccelerator.com ببینند و پرسش‌های خود را به info@reasonaccelerator.com بفرستند.