به مناسبت گرامیداشت دهه پژوهش، نشست تخصصی با موضوع "پژوهش در عصر هوش مصنوعی: فرصتها و چالشها" با سخنرانی جناب آقای دکتر محمود امینطوسی در تاریخ ۲۵ آذرماه ۱۴۰۴ برگزار گردید. ایشان در مقدمه سخنان خود با نگاهی تطبیقی به سیر تحول تحقیق، به تفاوتهای بنیادین میان شیوههای سنتی و نوین پرداختند و خاطرنشان کردند که در گذشته، دسترسی به منابع علمی مستلزم فرآیندهای دشوار، زمانبر و پرهزینه بود، در حالی که امروزه پارادایم پژوهش از جستجوهای ساده در موتورهای جستجو به سمت بهرهگیری از هوش مصنوعی مولد تغییر مسیر داده است.
دکتر امینطوسی با تشریح قابلیتهای مدلهای مختلف زبانی، تصویری، بینایی-زبانی و چندوجهی، بر اهمیت دقت در انتخاب ابزار تاکید ورزیدند. ایشان با اشاره به وبسایت llm-stats.com، مفاهیمی همچون سوگیری در مدلهای هوش مصنوعی و ضرورت استفاده از بنچمارکهای مشخص برای مقایسه عملکرد ابزارها را تبیین کرده و توجه به نسخه مدل را در کیفیت نتایج خروجی، حیاتی دانستند. در همین راستا، ایشان به معرفی مدلهای پیشرفتهای نظیر Z.ai پرداختند که حتی در آزمونهای دشوار برنامهنویسی، خروجیهای دقیقی ارائه میدهند.
بخش قابل توجهی از این سخنرانی به معرفی ابزارهای کاربردی برای جامعه دانشگاهی اختصاص یافت. ایشان ضمن بررسی مدلهای متن به تصویر، تصویر به تصویر و متن به ویدئو، به تشریح مدلهای متنباز (Open Source) مانند Ollama و بستر HuggingFace پرداختند. همچنین با معرفی قابلیتهای GitHub Copilot در محیط VS Code، بر امکان بهرهمندی اعضای هیئت علمی از نسخه حرفهای این ابزار (Copilot Pro) جهت ارتقای بهرهوری در کدنویسی و تحلیل دادهها تاکید کردند.
در ادامه نشست، ابزارهای تخصصی پژوهش مورد واکاوی قرار گرفت. دکتر امینطوسی با معرفی سامانه SciNito — که در وبسایت کتابخانه مرکزی دانشگاه در دسترس است — آن را منبعی قابل اعتماد برای پژوهشگران برشمردند. ایشان همچنین در تبیین چرخه پژوهش مدرن، ضمن اشاره به NotebookLM، بر این نکته فنی تاکید کردند که ثبت اطلاعات به صورت HTML استاتیک، قابلیت بازیابی و جستجوپذیری محتوا را توسط موتورهای هوش مصنوعی به شکل چشمگیری بهبود میبخشد.
عضو هیئت علمی دانشگاه در بخش دیگری از سخنان خود، به موضوع «عدم قطعیت» در مدلهای هوش مصنوعی پرداختند و منشأ آن را ماهیت آماری این پردازشها دانستند. ایشان با ارائه نمونههای عملی، چگونگی کاهش خطای منبعیابی را از طریق ابزارهای پژوهشی هوشمند تشریح نموده و «مهندسی پرامپت» را کلید اصلی استفاده مؤثر از این فناوری معرفی کردند. بر این اساس، چارچوب یک پرامپت حرفهای شامل تعیین شخصیت (Persona)، تبیین زمینه، مشخص کردن وظیفه، قالب خروجی و لحن پاسخ، به عنوان مولفههای اصلی برای دستیابی به نتایج بهینه معرفی شد.
در پایان این سخنرانی، دکتر امینطوسی ضمن اشاره به کاربردهای گسترده هوش مصنوعی در علوم مهندسی و کامپیوتر — از جمله نمونهسازی سریع و تسریع در توسعه نرمافزار — بر ضرورت توجه به ملاحظات اخلاقی و چالشهای ناشی از این فناوری نوظهور تاکید کرده و پژوهشگران را به استفاده هوشمندانه و اخلاقمدار از این ابزارها فراخواندند.
