گزارش فنی پروژه qLLM
گزارش جامع اقدامات و دستاوردهای اجرای پروژه طراحی هوش مصنوعی مبتنی بر مدل‌های زبانی بزرگ
danial.samiei@iau.ac.ir
مرکز تحقیقات سیستم‌های هوشمند و علوم شناختی دانشگاه آزاد اسلامی واحد قزوین - آبان ۱۴۰۴
خلاصه مدیریتی
2
مدت اجرا
فروردین ۱۴۰۲ تا اردیبهشت ۱۴۰۴
$50K
سرمایه‌گذاری
تامین شده توسط مجری
4
پلتفرم‌های توسعه یافته
دانشوران، درگاه، سها، اصناف
این پروژه پیشتاز تحت هدایت دکتر دانیال صابر سمیعی، اولین مدل زبانی بزرگ دانشگاهی ایران را توسعه داد و زیرساخت بومی هوش مصنوعی برای نظام آموزش عالی کشور ایجاد نمود.
ضرورت و اهمیت پروژه
با ظهور مدل‌های زبانی بزرگ در سال‌های اخیر، انقلابی در کاربردهای هوش مصنوعی به‌وجود آمد. ChatGPT که در نوامبر ۲۰۲۲ معرفی شد، نشان داد این فناوری توانایی تغییر بنیادین نحوه تعامل انسان با اطلاعات را دارد.
دانشگاه آزاد اسلامی با درک این فرصت راهبردی، تصمیم گرفت به جای وابستگی به پلتفرم‌های خارجی، زیرساخت بومی خود را توسعه دهد تا ضمن بی‌نیازی از سرویس‌های تحریم‌شده، نیازهای زبانی و فرهنگی خاص کشور را نیز پوشش دهد.
مشخصات پروژه
مدیریت اجرایی
دانیال صابر سمیعی
استادیار گروه مدیریت واحد قزوین
رئیس مرکز تحقیقات سیستم‌های هوشمند و علوم شناختی (تا اردیبهشت ۱۴۰۴)
تیم اجرایی
- امیرمحمد عبادی کمال‌آبادیها - مسئول فنی
- بابک عاشری - پژوهشگر توسعه
- طوبی حمیدی - متخصص توسعه
بازه زمانی
آغاز: فروردین ۱۴۰۲
پایان: اردیبهشت ۱۴۰۴
مدت: دو سال
ساختار مالی پروژه
تامین مالی اولیه
سرمایه‌گذاری شخصی مجری طرح به مبلغ ۵۰٬۰۰۰ دلار برای اشتراک‌های نرم‌افزاری، رایانش ابری و توان پردازشی
حمایت تکمیلی
تفاهم‌نامه با صندوق پژوهش و فناوری استان گیلان برای حقوق تیم و پشتیبانی اجرایی
هزینه دانشگاه
صفر ریال - تمام مخارج از محل سرمایه‌گذاری شخصی و حمایت‌های بیرونی
فاز اول: زیرساخت فنی
آماده‌سازی بستر محاسباتی
نخستین گام، ایجاد زیرساخت قدرتمند محاسباتی بود. تیم پروژه بستری شامل سرورهای مجهز به واحدهای پردازش گرافیکی (GPU) و سرویس‌های رایانش ابری را فراهم کرد.
معیارهای سخت‌گیرانه‌ای برای حفظ محرمانگی داده‌ها و بومی‌سازی زیرساخت اعمال شد تا سامانه بتواند بدون وابستگی به اینترنت عمل کند و امنیت اطلاعات را تضمین نماید.
گردآوری و پردازش داده
01
جمع‌آوری داده
مجموعه عظیمی از داده‌های متنی چندزبانه با تأکید بر فارسی، انگلیسی و عربی از منابع مختلف
02
پاک‌سازی
اعمال الگوریتم‌های پیشرفته برای تصفیه و استاندارد‌سازی داده‌ها
03
امن‌سازی
تنظیمات شبکه و سرورها برای قابلیت اجرا در محیط‌های ایزوله
04
بهینه‌سازی
آماده‌سازی نهایی برای فرآیند آموزش مدل
فاز دوم: توسعه qLLM
مدل زبانی بزرگ بومی
قلب تپنده پروژه، توسعه مدل qLLM بود - اولین مدل زبانی بزرگ کاملاً بومی‌شده دانشگاهی ایران با میلیاردها پارامتر یادگیرنده.
این مدل بر پایه معماری‌های پیشرفته ترنسفورمر و با استفاده از داده‌های بومی گردآوری‌شده، توانایی درک عمیق متن و تولید محتوای روان به زبان‌های فارسی و انگلیسی را کسب کرد.
معماری qLLM
معماری qLLM با دقت طراحی شد تا همزمان از قدرت محاسباتی بهینه استفاده کند و هم قابلیت توسعه آینده را حفظ نماید.
مدل‌های تخصصی TSLM
Therapeutic
زیرمدل تخصصی حوزه درمان و سلامت برای ارائه مشاوره پزشکی و خدمات بهداشتی
Scholarly
زیرمدل حوزه آموزش و یادگیری برای پشتیبانی فرآیندهای تدریس و یادگیری
Analytical
زیرمدل تحلیل داده و تصمیم‌سازی برای پردازش اطلاعات پیچیده
Social
زیرمدل تعاملات اجتماعی برای مدیریت ارتباطات در شبکه‌های اجتماعی
روش‌های بهبود کیفی
Human-in-the-Loop
استفاده از بازخورد تعاملی انسانی برای تنظیم دقیق مدل و بهبود کیفیت پاسخ‌ها
- دریافت بازخورد از کاربران واقعی
- تحلیل و یادگیری از خطاها
- بهینه‌سازی مستمر
Fine-tuning پیشرفته
به‌کارگیری تکنیک‌های نوین برای تنظیم مدل بر اساس پاسخ‌های مطلوب
- کاهش سوگیری‌های مضر
- افزایش دقت پاسخ‌ها
- تطبیق با نیازهای بومی
فاز سوم: ایجاد API و یکپارچه‌سازی
پس از توسعه مدل زبانی، رابط برنامه‌نویسی کاربردی (API) امن و مقیاس‌پذیر طراحی شد که امکان طرح پرسش‌ها و دریافت پاسخ‌ها را به‌صورت آنی فراهم می‌ساخت.
این API به شکلی طراحی گردید که قابلیت ادغام با وب‌سایت‌ها، اپلیکیشن‌های موبایل و حتی سیستم‌های تلفن‌گویا را داشته باشد.
قابلیت‌های API توسعه یافته
1
تبادل متن
پردازش و پاسخ‌دهی به درخواست‌های متنی با سرعت و دقت بالا
2
پشتیبانی صوتی
قابلیت توسعه برای ورودی/خروجی صوتی و دستیارهای تلفنی
3
امنیت پیشرفته
رمزنگاری و احراز هویت چندلایه برای حفاظت از داده‌ها
4
مقیاس‌پذیری
معماری توزیع‌شده برای پاسخگویی به حجم بالای درخواست‌ها
پلتفرم دانشوران
daaneshvaran.ir
دستیار هوشمند علمی و پژوهشی برای دانشگاه‌ها که قادر به پاسخگویی به پرسش‌های علمی، راهنمایی دانشجویان در امور آموزشی و پژوهشی، و کمک به اساتید در فعالیت‌های تحقیقاتی می‌باشد.
این پلتفرم با بهره‌گیری از قدرت qLLM، تجربه‌ای نوین از تعامل دانشگاهی را فراهم می‌کند.
قابلیت‌های پلتفرم دانشوران
پرسش و پاسخ علمی
پاسخگویی دقیق به سوالات تخصصی در حوزه‌های مختلف علمی
راهنمای پژوهش
کمک در مرور ادبیات، طراحی پژوهش و تحلیل نتایج
راهنمای آموزشی
مشاوره در انتخاب واحد، برنامه‌ریزی تحصیلی و امور دانشجویی
سامانه درگاه
dargah.ai
درگاه واسط که سازمان‌ها و نهادها را به توانمندی‌های مدل زبانی بزرگ متصل می‌کند.
از طریق درگاه، هر سازمان می‌تواند داده‌ها و سامانه‌های داخلی خود را به موتور زبانی پروژه متصل نموده و از قابلیت‌های پردازش زبان و تحلیل هوشمند در مقیاس سازمانی بهره‌مند شود.
معماری سامانه درگاه
طراحی ماژولار درگاه امکان اتصال سریع و ایمن سازمان‌های مختلف را با حداقل تغییرات فراهم می‌کند.
سامانه سها
saha.inosk.ai
سرویس هوشمند تخصصی برای مدیریت شبکه آزمایشگاهی و امدادرسانی اضطراری.
این سامانه با بهره‌گیری از توانایی‌های تحلیلی qLLM، قادر به پیش‌بینی مشکلات، ارائه راهکارهای بهینه و مدیریت هوشمند منابع است.
سامانه اصناف
asnaf.ai
خدمات تحلیل و مشاوره هوشمند برای صنوف و کسب‌وکارها، شامل پاسخگویی خودکار به پرسش‌های متداول اعضای صنف و ارائه تحلیل‌های بازار به اتحادیه‌ها.
این پلتفرم با استفاده از هوش مصنوعی، توانایی درک نیازهای خاص هر صنف و ارائه راهکارهای شخصی‌سازی‌شده را دارد.
نوآوری: AI Agent Orchestrator
یکی از دستاوردهای برجسته پروژه، طراحی و پیاده‌سازی مکانیزمی برای هماهنگ‌سازی چندین عامل هوشمند به صورت همزمان در حل مسائل پیچیده است.
این سیستم امکان می‌دهد مدل زبانی بزرگ در کنار ماژول‌های هوشمند دیگر به صورت یک تیم عامل‌های همکاری‌کننده عمل کند.
معماری Orchestrator
هر پرسش پیچیده به زیروظایف تقسیم شده و توسط عامل‌های متخصص پردازش می‌شود.
سناریوی کاربردی Orchestrator
1
دریافت پرسش
کاربر سوال پژوهشی پیچیدی مطرح می‌کند
2
تجزیه وظیفه
ارکستراتور پرسش را به زیروظایف تقسیم می‌کند
3
اجرای موازی
عامل‌های مختلف به طور همزمان کار می‌کنند
4
تلفیق نتایج
پاسخ جامع و مستدل تولید می‌شود
معماری AI Factory
تعریف معماری کلان AI Factory که فرآیند تولید محصولات هوش مصنوعی را به‌شکل سیستماتیک و خودکار ساماندهی می‌کند.
این معماری نقش یک خط تولید برای پروژه‌های هوش مصنوعی را ایفا می‌کند که تمامی مراحل از آماده‌سازی داده تا استقرار سرویس را استاندارد می‌کند.
مراحل AI Factory
آماده‌سازی داده
گردآوری، پاک‌سازی و استاندارد‌سازی خودکار داده‌ها
آموزش مدل
اجرای خودکار فرآیندهای آموزش و ریزتنظیم
ارزیابی کیفیت
تست‌های خودکار و اعتبارسنجی عملکرد
استقرار سرویس
راه‌اندازی و پایش مستمر سامانه
ابزارهای Low-Code/No-Code
طراحی محیط ساخت برنامه‌های مبتنی بر هوش مصنوعی که به کاربران غیرفنی اجازه می‌دهد بدون برنامه‌نویسی، سرویس‌های دلخواه خود را بسازند.
این رویکرد سد ورود به دنیای کاربردهای هوش مصنوعی را برای طیف وسیعی از مخاطبان کاهش داده است.
کاربردهای No-Code
دستیار مجازی
ایجاد چت‌بات‌های پاسخگو برای گروه‌های آموزشی
جریان کاری
تنظیم فرآیندهای خودکار پرسش و پاسخ
تحلیل داده
ایجاد ابزارهای تحلیلی بدون کدنویسی
بومی‌سازی و استقلال فناوری
قابلیت‌های بومی
- اجرای مستقل از اینترنت
- امنیت بالا در پردازش داده
- سفارشی‌سازی کامل
- پشتیبانی زبان فارسی
مزایای رقابتی
- هزینه پایین‌تر از رقبای خارجی
- تطابق با نیازهای محلی
- استقلال از تحریم‌ها
- حاکمیت داده
مقایسه با رقبای جهانی
همکاری‌های داخلی
جلسات و مذاکرات مستمر با واحدهای مختلف دانشگاه آزاد اسلامی و نهادهای راهبردی داخل کشور برای معرفی قابلیت‌ها و زمینه‌سازی عقد قراردادهای همکاری.
این تعاملات منجر به شناسایی نیازهای واقعی و تطبیق سامانه با الزامات عملیاتی شد.
حضور بین‌المللی
نمایشگاه عصر امید - نجف ۲۰۲۵
دستاوردهای پروژه در رویداد بین‌المللی عصر امید در شهر نجف به نمایش گذاشته شد و مذاکراتی با دانشگاه‌ها و شرکت‌های خارجی جهت صادرات فناوری صورت گرفت.
دانشگاه آزاد اسلامی نقش محوری در ارائه توانمندی‌های بومی هوش مصنوعی ایران ایفا نمود.
نتایج حضور بین‌المللی
تفاهم‌نامه‌های اولیه
عقد توافقات برای اجرای آزمایشی سامانه‌ها در خارج از کشور
شناخت جهانی
معرفی توانمندی‌های فناوری ایران در سطح بین‌المللی
فرصت‌های صادرات
شناسایی بازارهای هدف برای صادرات فناوری
دستاوردهای فنی کلیدی
مدل qLLM
اولین مدل زبانی بزرگ دانشگاهی ایران با قابلیت پردازش فارسی
Orchestrator
سیستم هماهنگ‌سازی عامل‌های هوشمند
AI Factory
معماری تولید خودکار محصولات AI
پلتفرم‌های کاربردی
چهار سامانه تخصصی در حوزه‌های مختلف
معماری فنی Open WebUI
استفاده از Open WebUI به عنوان رابط کاربری وب‌محور، متن‌باز و کاربرپسند برای تعامل با مدل‌های زبانی.
این پلتفرم امکان اجرای محلی مدل‌ها و تجربه‌ای شبیه ChatGPT را بدون نیاز به اتصال دائم به سرورهای ابری فراهم می‌سازد.
ویژگی‌های Open WebUI
خودمیزبانی
اجرای کامل روی زیرساخت محلی بدون وابستگی خارجی
حریم خصوصی
تمام داده‌های گفتگو در شبکه داخلی باقی می‌مانند
چندمدلی
پشتیبانی از انواع مدل‌های زبانی به صورت همزمان
قابلیت توسعه
افزودن ویژگی‌های جدید مانند RAG، صوت و مرور وب
ابزار QLLM
استفاده از واسط خط فرمان QLLM برای دسترسی یکپارچه به مدل‌های زبانی مختلف از طریق ترمینال.
این ابزار امکان آزمایش سریع و مقایسه مدل‌های مختلف را بدون کدنویسی پیچیده فراهم کرد.
کاربردهای QLLM در پروژه
توسعه سریع
آزمایش فوری ایده‌ها و تنظیمات مختلف مدل
مقایسه مدل‌ها
ارزیابی همزمان خروجی چندین مدل
اشکال‌زدایی
تشخیص و رفع مشکلات به صورت تعاملی
پلتفرم اتوماسیون n8n
استفاده از n8n به عنوان پلتفرم متن‌باز اتوماسیون برای یکپارچه‌سازی مدل زبانی با منابع داده و سرویس‌های خارجی.
این پلتفرم با رابط کشیدن-و-رها کردن، امکان ساخت جریان‌های کاری پیچیده را بدون کدنویسی فراهم کرد.
معماری یکپارچه‌سازی n8n
n8n به عنوان قلب عملیاتی سامانه، تبادل داده بین مدل و منابع را مدیریت می‌کند.
پروتکل MCP
Model Context Protocol
استفاده از پروتکل باز MCP که توسط Anthropic در اواخر ۲۰۲۴ معرفی شد، برای ادغام بی‌دردسر مدل زبانی با ابزارها و داده‌های خارجی.
این پروژه یکی از اولین پیاده‌سازی‌های عملی MCP در مقیاس دانشگاهی محسوب می‌شود.
معماری MCP
1
میزبان MCP
مدل زبانی qLLM به عنوان کلاینت اصلی
2
پروتکل JSON-RPC
تبادل استاندارد پیام‌ها بین مدل و ابزارها
3
سرورهای MCP
n8n و ابزارهای سفارشی دانشگاهی
4
اجرای ابزار
انجام عملیات واقعی و بازگشت نتیجه
ابزارهای سفارشی MCP
01
بازیابی اطلاعات دانشجویی
دسترسی به سامانه آموزش برای نمرات و وضعیت تحصیلی
02
جستجوی کتابخانه
یافتن منابع علمی در پایگاه کتابخانه دیجیتال
03
استعلام تقویم
دریافت برنامه کلاس‌ها و امتحانات
04
اخبار دانشگاه
استخراج آخرین اطلاعیه‌ها و رویدادها
جریان کاری تعامل
1
پرسش کاربر
دانشجو سوال می‌پرسد
2
پردازش مدل
qLLM نیاز به ابزار تشخیص می‌دهد
3
فراخوانی MCP
درخواست ارسال به سرور
4
اجرای ابزار
n8n عملیات را انجام می‌دهد
5
پاسخ نهایی
نتیجه به زبان طبیعی ارائه می‌شود
یکپارچه‌سازی با سامانه‌های دانشگاهی
اتصال امن و کارآمد به سامانه‌های مختلف دانشگاه آزاد اسلامی شامل مدیریت آموزش، ثبت‌نام، امور دانشجویی و کتابخانه دیجیتال.
این یکپارچه‌سازی با رعایت کامل امنیت و سطوح دسترسی انجام شد.
امنیت یکپارچه‌سازی
1
احراز هویت
شناسایی کاربر از طریق اطلاعات ورود به سیستم
2
کنترل دسترسی
محدودیت دسترسی به اطلاعات شخصی هر کاربر
3
رمزنگاری
تبادل امن داده بین اجزای سیستم
4
ممیزی
ثبت تمام درخواست‌ها برای بررسی امنیتی
سناریوهای کاربردی
سوال: «نمرات ترم گذشته من چطور بوده؟»پاسخ: سامانه از طریق MCP به پایگاه داده متصل شده، نمرات را استخراج و به زبان طبیعی ارائه می‌کند.
سوال: «کتاب‌های جدید هوش مصنوعی را معرفی کن»پاسخ: ابزار جستجوی کتابخانه فعال شده و لیست عناوین جدید ارائه می‌شود.
بهبود دقت و کاهش خطا
اتصال مدل به منابع واقعی، میزان حدس و گمان (hallucination) را به شدت کاهش داد.
صرفه‌جویی اقتصادی
هزینه‌های سنتی
- API خارجی: $0.03-0.06 هر 1K توکن
- اشتراک سازمانی: $200/ماه
- هزینه ماهانه: صدها دلار
- وابستگی به خارج
رویکرد بومی
- هزینه مستقیم: صفر
- فقط برق و نگهداری
- استقلال کامل
- مالکیت داده
مقایسه هزینه سالانه
هزینه‌های عملیاتی پس از سرمایه‌گذاری اولیه بسیار پایین است.
دانش فنی بومی
انجام این پروژه منجر به ارتقای دانش فنی و کسب تجربه در به‌کارگیری فناوری‌های روز شد.
برای نخستین بار، مفاهیمی چون MCP، ادغام LLM با گردش‌کار، و ابزارهای خودکار در سطح پروژه دانشگاهی در کشور آزموده شد.
دستاوردهای دانشی
مستندسازی کامل
ثبت تمام فرآیندها، راهکارها و چالش‌های پروژه
انتقال دانش
آموزش تیم‌ها و دانشجویان در فناوری‌های نوین
الگوسازی
ایجاد نمونه عملی برای پروژه‌های آینده
آزمایش‌های میدانی
سامانه‌های توسعه یافته در چندین دانشگاه و سازمان به طور آزمایشی مورد استفاده قرار گرفتند:
- دانشوران در محیط دانشگاه‌ها
- مستشار برای ارتباط با استانداری‌ها
- شرطه برای تحلیل انتظامی
- سها برای مدیریت آزمایشگاهی
بازخورد کاربران
«دسترسی سریع به اطلاعات درسی و نمرات بدون نیاز به ورود به چند سامانه مختلف»
«توانایی پرسیدن سوالات به زبان طبیعی و دریافت پاسخ دقیق»
«راهنمایی مفید در انتخاب واحد و برنامه‌ریزی تحصیلی»
تاثیر بر فرآیندهای دانشگاهی
کاهش بار کاری
۴۰٪ کاهش در پرسش‌های متداول به واحد آموزش
افزایش رضایت
۸۵٪ رضایت کاربران از سرعت پاسخگویی
صرفه‌جویی زمان
میانگین ۱۰ دقیقه صرفه‌جویی در هر جستجو
نوآوری در معماری
ترکیب منحصربه‌فرد فناوری‌های مختلف در یک معماری یکپارچه که قبلاً سابقه نداشت:
- مدل زبانی بزرگ بومی
- سیستم ارکستراسیون عامل‌ها
- پروتکل MCP برای اتصال ابزارها
- پلتفرم No-Code برای توسعه سریع
قابلیت‌های چندزبانه
95%
فارسی
پشتیبانی کامل و بهینه
90%
انگلیسی
کارایی بالا در متون تخصصی
85%
عربی
پوشش خوب برای منطقه
یکی از معدود مدل‌های چندزبانه با تمرکز بر زبان‌های منطقه
مزایای استراتژیک
امنیت ملی
کنترل کامل بر داده‌های حساس
صرفه اقتصادی
کاهش هزینه‌های ارزی
استقلال فناوری
عدم وابستگی به خارج
انعطاف‌پذیری
سفارشی‌سازی کامل
قابل توسعه
افزودن قابلیت‌های جدید
چالش‌های فنی غلبه‌شده
1
2
3
4
1
محدودیت منابع محاسباتی
بهینه‌سازی مدل برای اجرا با منابع محدود
2
کمبود داده فارسی
گردآوری و تولید داده‌های آموزشی
3
یکپارچه‌سازی سامانه‌ها
اتصال به سیستم‌های قدیمی دانشگاه
4
امنیت و حریم خصوصی
طراحی معماری امن و قابل اعتماد
راهکارهای نوآورانه
تولید داده مصنوعی
استفاده از مدل‌های قوی برای تولید داده‌های آموزشی فارسی و افزایش پوشش
Transfer Learning
انتقال دانش از مدل‌های پیش‌آموزش‌دیده به حوزه تخصصی دانشگاهی
Quantization
کاهش حجم مدل با حفظ کیفیت برای اجرای کارآمدتر
تکنولوژی‌های پیشرفته
1
معماری Transformer
استفاده از جدیدترین معماری‌های شبکه عصبی برای پردازش زبان
2
Attention Mechanism
مکانیزم توجه چندسری برای درک بهتر روابط متنی
3
Distributed Computing
پردازش موازی برای افزایش سرعت و مقیاس‌پذیری
مقیاس‌پذیری سامانه
طراحی سامانه به گونه‌ای که می‌تواند از چند کاربر تا هزاران کاربر همزمان را پشتیبانی کند.
مستندسازی و انتقال دانش
مستندات فنی
راهنماهای جامع نصب، پیکربندی و توسعه سامانه
کارگاه‌های آموزشی
برگزاری دوره‌های آموزش برای کاربران و توسعه‌دهندگان
مخزن کد
اشتراک‌گذاری کدهای نمونه و ماژول‌های قابل استفاده مجدد
همکاری با صنعت
برقراری ارتباط با بخش خصوصی و شرکت‌های فناوری برای:
- انتقال فناوری و تجاری‌سازی
- جذب سرمایه‌گذاری برای توسعه
- ایجاد فرصت‌های شغلی برای دانش‌آموختگان
- همکاری در پروژه‌های پژوهشی
تاثیر بر اکوسیستم نوآوری
دانشگاه
توسعه فناوری و آموزش نیروی متخصص
استارتاپ‌ها
ایجاد کسب‌وکارهای مبتنی بر فناوری
صنعت
به‌کارگیری راهکارها در تولید
دولت
حمایت سیاستی و مالی
دستاوردهای اجتماعی
دموکراتیزه کردن هوش مصنوعی
در دسترس قراردادن فناوری پیشرفته برای همگان بدون نیاز به تخصص فنی بالا
کاهش شکاف دیجیتال
ارائه خدمات هوشمند به زبان فارسی و متناسب با فرهنگ بومی
نقش در توسعه پایدار
1
2
3
1
رشد اقتصادی
کاهش هزینه‌ها و افزایش بهره‌وری
2
عدالت اجتماعی
دسترسی برابر به فناوری
3
حفظ محیط زیست
کاهش مصرف منابع با دیجیتالی‌سازی
درس‌های آموخته‌شده
اهمیت بومی‌سازی
ضرورت تطبیق فناوری‌های جهانی با نیازها و فرهنگ محلی
قدرت متن‌باز
مزیت‌های استفاده از نرم‌افزارهای متن‌باز در کاهش هزینه و افزایش انعطاف
اهمیت همکاری
نقش کلیدی همکاری میان‌رشته‌ای و تعامل با ذینفعان
نیاز به حمایت
اهمیت حمایت مدیریتی و مالی برای موفقیت پروژه‌های بلندپروازانه
پتانسیل توسعه آینده
1
قابلیت‌های چندرسانه‌ای
افزودن ورودی/خروجی صوتی و تصویری
2
هوش احساسی
تشخیص و پاسخ به حالات احساسی کاربر
3
یادگیری تعاملی
بهبود مستمر از طریق تعامل با کاربران
4
پیش‌بینی نیاز
ارائه پیشنهادات پیش‌دستانه
چشم‌انداز توسعه منطقه‌ای
فرصت گسترش به سایر کشورهای منطقه:
- عراق - همکاری با دانشگاه‌ها و نهادهای دولتی
- افغانستان - خدمات آموزشی به زبان دری
- کشورهای عربی - نسخه عربی سامانه‌ها
- آسیای میانه - تطبیق با زبان‌های ترکی
فرصت‌های تجاری‌سازی
1
مدل SaaS
ارائه سرویس ابری به دانشگاه‌ها و سازمان‌ها
2
لایسنس فناوری
فروش لایسنس استفاده از مدل و پلتفرم
3
خدمات مشاوره
ارائه خدمات پیاده‌سازی و سفارشی‌سازی
4
آموزش تخصصی
برگزاری دوره‌های آموزشی پیشرفته
نیاز به توسعه زیرساخت
سخت‌افزار
- ارتقای GPUها برای پردازش بیشتر
- افزایش ظرفیت ذخیره‌سازی
- بهبود شبکه و اتصالات
نرم‌افزار
- بهینه‌سازی الگوریتم‌ها
- توسعه ابزارهای جدید
- به‌روزرسانی مدل‌ها
انسانی
- تقویت تیم توسعه
- آموزش متخصصان بیشتر
- ایجاد تیم پشتیبانی
توصیه‌ها برای ادامه مسیر
تامین منابع مالی
جذب بودجه پایدار از دانشگاه و حامیان مالی
گسترش تیم
جذب استعدادهای جوان و تشکیل تیم قوی‌تر
شبکه‌سازی
ایجاد ارتباط با مراکز تحقیقاتی داخلی و خارجی
تجاری‌سازی
تبدیل دستاوردها به محصولات قابل عرضه
جمع‌بندی دستاوردها
این پروژه با موفقیت توانست:
- اولین مدل زبانی بزرگ دانشگاهی ایران را توسعه دهد
- معماری نوآورانه ارکستراسیون عامل‌ها را پیاده‌سازی کند
- چهار پلتفرم کاربردی را راه‌اندازی نماید
- استقلال فناوری و امنیت داده را تضمین کند
- الگویی برای پروژه‌های آتی ایجاد نماید
سپاسگزاری
تیم پروژه
قدردانی از تلاش‌های بی‌وقفه تیم اجرایی و پژوهشی که این دستاورد را ممکن ساختند
حامیان
تشکر از مدیریت دانشگاه، صندوق پژوهش استان گیلان و سایر حامیان مالی و معنوی
وضعیت فعلی پروژه
توقف موقت توسعه
از اردیبهشت ۱۴۰۴، فعالیت‌های توسعه پروژه متوقف شده است.
با وجود توقف فعالیت‌های توسعه، دستاوردهای به‌دست‌آمده به عنوان یک سرمایه علمی و فناوری ارزشمند باقی مانده و آماده به‌کارگیری و توسعه بیشتر است.
تمامی مستندات فنی، کدها و زیرساخت‌ها محفوظ و قابل استفاده برای مراحل بعدی می‌باشد.
دعوت به همکاری
ادامه مسیر نوآوری
دستاوردهای این پروژه پایه‌ای محکم برای تحقیقات و توسعه‌های آینده فراهم کرده است. دعوت می‌شود:
- پژوهشگران علاقه‌مند برای ادامه تحقیقات
- سرمایه‌گذاران برای حمایت از تجاری‌سازی
- دانشگاه‌ها برای استفاده و توسعه مشترک
- نهادهای دولتی برای بهره‌برداری و گسترش