الذكاء الاصطناعي على الحافة: تشغيل النماذج على الأجهزة – منظور عالمي

يُحدث الذكاء الاصطناعي (AI) تحولًا سريعًا في الصناعات في جميع أنحاء العالم. وبينما هيمنت حلول الذكاء الاصطناعي السحابية على الساحة، يظهر نموذج جديد: الذكاء الاصطناعي على الحافة. يتضمن هذا النهج نشر نماذج الذكاء الاصطناعي مباشرة على الأجهزة، مما يجعل قوة المعالجة أقرب إلى مصدر البيانات. يقدم هذا المقال نظرة شاملة على الذكاء الاصطناعي على الحافة، مستكشفًا فوائده وتحدياته وتطبيقاته المتنوعة حول العالم واتجاهاته المستقبلية.

ما هو الذكاء الاصطناعي على الحافة؟

يشير الذكاء الاصطناعي على الحافة (Edge AI)، المعروف أيضًا بالذكاء الاصطناعي على الجهاز أو الذكاء الاصطناعي المدمج، إلى تنفيذ خوارزميات ونماذج الذكاء الاصطناعي محليًا على الأجهزة الحافية بدلاً من الاعتماد على الخوادم السحابية المركزية. تشمل الأجهزة الحافية مجموعة واسعة من الأجهزة، بما في ذلك الهواتف الذكية وأجهزة الاستشعار والآلات الصناعية والمركبات ذاتية القيادة وحتى الأجهزة الطبية. السمة الرئيسية هي أن هذه الأجهزة تؤدي المهام المتعلقة بالذكاء الاصطناعي بشكل مستقل، دون الحاجة إلى اتصال مستمر مع السحابة.

لنأخذ تطبيق مدينة ذكية كمثال. بدلاً من إرسال مقاطع الفيديو من كاميرات المراقبة إلى خادم بعيد لاكتشاف الكائنات، يمكن لنظام الذكاء الاصطناعي على الحافة معالجة الفيديو مباشرة على الكاميرا نفسها، وتحديد التهديدات الأمنية المحتملة في الوقت الفعلي. هذا يقلل بشكل كبير من زمن الاستجابة ومتطلبات عرض النطاق الترددي.

مزايا الذكاء الاصطناعي على الحافة

يقدم الذكاء الاصطناعي على الحافة العديد من المزايا مقارنة بالذكاء الاصطناعي السحابي التقليدي، مما يجعله خيارًا جذابًا بشكل متزايد لمختلف التطبيقات:

• تقليل زمن الاستجابة: معالجة البيانات محليًا تلغي الحاجة إلى نقل البيانات إلى السحابة والعودة، مما يؤدي إلى زمن استجابة أقل بكثير. هذا أمر بالغ الأهمية للتطبيقات التي تعمل في الوقت الفعلي مثل القيادة الذاتية والروبوتات والأتمتة الصناعية حيث يمكن للملي ثانية أن تحدث فرقًا. على سبيل المثال، يمكن لسيارة ذاتية القيادة في ألمانيا تستخدم الذكاء الاصطناعي على الحافة أن تتفاعل فورًا مع العوائق غير المتوقعة على الطريق السريع (Autobahn)، دون الاعتماد على اتصال سحابي قد يتأثر بازدحام الشبكة.
• تعزيز خصوصية البيانات وأمنها: يسمح الذكاء الاصطناعي على الحافة بمعالجة البيانات وتحليلها محليًا، مما يقلل من خطر تعرض البيانات الحساسة أثناء النقل أو التخزين في السحابة. هذا مهم بشكل خاص للصناعات مثل الرعاية الصحية والتمويل، حيث تكون لوائح خصوصية البيانات صارمة. يمكن لمستشفى في اليابان يستخدم الذكاء الاصطناعي على الحافة لتحليل الصور الطبية أن يضمن بقاء بيانات المرضى آمنة داخل شبكة المستشفى.
• زيادة الموثوقية: يمكن لأنظمة الذكاء الاصطناعي على الحافة الاستمرار في العمل حتى في حالة عدم وجود اتصال بالإنترنت. هذا أمر حيوي للتطبيقات في المواقع النائية أو البيئات ذات الاتصال الشبكي غير الموثوق به، مثل منصات النفط البحرية أو المناجم تحت الأرض. لنفترض وجود عملية تعدين في أستراليا، حيث يمكن أن يكون الاتصال الموثوق بالإنترنت تحديًا؛ يمكن لأجهزة الاستشعار التي تعمل بالذكاء الاصطناعي على الحافة مراقبة صحة المعدات باستمرار والتنبؤ بالأعطال المحتملة، حتى بدون اتصال دائم بخادم مركزي.
• تقليل تكاليف عرض النطاق الترددي: من خلال معالجة البيانات محليًا، يقلل الذكاء الاصطناعي على الحافة من كمية البيانات التي تحتاج إلى إرسالها إلى السحابة، مما يؤدي إلى انخفاض تكاليف عرض النطاق الترددي. هذا مفيد بشكل خاص للتطبيقات التي تولد كميات كبيرة من البيانات، مثل المراقبة بالفيديو والرصد البيئي. يمكن لمزرعة في البرازيل تستخدم طائرات بدون طيار مجهزة بالذكاء الاصطناعي على الحافة تحليل صحة المحاصيل في الوقت الفعلي، مما يقلل من الحاجة إلى نقل كميات كبيرة من الصور الجوية إلى السحابة.
• تحسين كفاءة الطاقة: غالبًا ما يتم تصميم الأجهزة الحافية لاستهلاك منخفض للطاقة. من خلال إجراء معالجة الذكاء الاصطناعي على هذه الأجهزة، يمكن للذكاء الاصطناعي على الحافة تقليل استهلاك الطاقة بشكل كبير مقارنة بالذكاء الاصطناعي السحابي، الذي يتطلب خوادم قوية وبنية تحتية تبريد واسعة. هذا مهم بشكل خاص للأجهزة التي تعمل بالبطارية مثل أجهزة الاستشعار القابلة للارتداء وأجهزة إنترنت الأشياء. يمكن لشبكة استشعار نائية في القارة القطبية الجنوبية تراقب سُمك الغطاء الجليدي باستخدام الذكاء الاصطناعي على الحافة أن تعمل لفترات طويلة على طاقة بطارية محدودة.

تحديات الذكاء الاصطناعي على الحافة

على الرغم من فوائده العديدة، يطرح الذكاء الاصطناعي على الحافة أيضًا العديد من التحديات التي يجب معالجتها من أجل النشر الناجح:

• موارد الحوسبة المحدودة: عادة ما تمتلك الأجهزة الحافية قوة معالجة وذاكرة وتخزين محدودة مقارنة بالخوادم السحابية. وهذا يتطلب تطوير نماذج ذكاء اصطناعي خفيفة وفعالة يمكنها العمل بفعالية على الأجهزة ذات الموارد المحدودة. هذا تحدٍ شائع يواجهه المطورون في الاقتصادات الناشئة الذين يعملون بأجهزة أقدم أو أقل قوة.
• تحسين وضغط النماذج: يتطلب نشر نماذج الذكاء الاصطناعي على الأجهزة الحافية تحسينًا وضغطًا دقيقين لتقليل حجمها وتعقيدها الحسابي. تُستخدم تقنيات مثل التكميم (quantization)، والتقليم (pruning)، وتقطير المعرفة (knowledge distillation) بشكل شائع لتحقيق ذلك.
• توافق الأجهزة والبرامج: تشكل الطبيعة غير المتجانسة للأجهزة الحافية، مع بنيات الأجهزة وأنظمة التشغيل المختلفة، تحديًا كبيرًا لضمان التوافق وقابلية التشغيل البيني.
• الثغرات الأمنية: يمكن أن تكون الأجهزة الحافية عرضة لتهديدات أمنية مختلفة، مثل البرامج الضارة والعبث المادي. التدابير الأمنية القوية ضرورية لحماية البيانات الحساسة ومنع الوصول غير المصرح به.
• التحديثات عبر الهواء (OTA): تعد الآليات الفعالة لتحديث نماذج الذكاء الاصطناعي والبرامج على الأجهزة الحافية أمرًا بالغ الأهمية للحفاظ على الأداء والأمان. يجب أن تكون تحديثات OTA موثوقة وآمنة لمنع الاضطرابات والثغرات الأمنية.
• قيود الطاقة: العديد من الأجهزة الحافية تعمل بالبطارية. يمكن أن يكون تشغيل نماذج الذكاء الاصطناعي المعقدة مستهلكًا للطاقة بشكل كبير. لذلك، يجب تحسين الخوارزميات من أجل كفاءة الطاقة.

تطبيقات الذكاء الاصطناعي على الحافة في مختلف الصناعات

يتم اعتماد الذكاء الاصطناعي على الحافة في مجموعة واسعة من الصناعات، مما يغير جوانب مختلفة من الأعمال والحياة اليومية:

• المركبات ذاتية القيادة: الذكاء الاصطناعي على الحافة ضروري لتمكين القيادة الذاتية من خلال السماح للمركبات بمعالجة بيانات المستشعرات (مثل الكاميرات، والليدار، والرادار) في الوقت الفعلي واتخاذ قرارات فورية. ويشمل ذلك مهام مثل اكتشاف الكائنات، والحفاظ على المسار، وتخطيط المسار. على سبيل المثال، تستخدم تسلا الذكاء الاصطناعي على الجهاز لنظامها Autopilot، حيث تعالج البيانات من مجموعة مستشعراتها للتنقل على الطرق وتجنب الاصطدامات. ويتم تطوير تطبيقات مماثلة من قبل مصنعي السيارات في ألمانيا والصين والولايات المتحدة.
• الأتمتة الصناعية: يُستخدم الذكاء الاصطناعي على الحافة لتحسين الكفاءة والإنتاجية في التصنيع والإعدادات الصناعية الأخرى. فهو يتيح الصيانة التنبؤية، ومراقبة الجودة، والتحكم في الروبوتات، مما يقلل من وقت التوقف عن العمل ويحسن الأداء التشغيلي العام. يمكن لمصنع في كوريا الجنوبية استخدام الذكاء الاصطناعي على الحافة لتحليل مقاطع الفيديو من الكاميرات التي تراقب خطوط الإنتاج، وتحديد العيوب في الوقت الفعلي وإطلاق تنبيهات لمنع حدوث مشكلات أخرى.
• الرعاية الصحية: يُحدث الذكاء الاصطناعي على الحافة ثورة في الرعاية الصحية من خلال تمكين مراقبة المرضى عن بعد، وتحليل الصور الطبية، والطب الشخصي. فهو يسمح لمقدمي الرعاية الصحية بتقديم رعاية أفضل بتكاليف أقل. يمكن لأجهزة الاستشعار القابلة للارتداء المجهزة بالذكاء الاصطناعي على الحافة مراقبة العلامات الحيوية واكتشاف الحالات الشاذة، وتنبيه المتخصصين في الرعاية الصحية إلى المشكلات الصحية المحتملة قبل أن تصبح حرجة. يمكن لمزود خدمة الطب عن بعد في الهند استخدام الذكاء الاصطناعي على الحافة لتحليل بيانات المرضى التي يتم جمعها من خلال الأجهزة المحمولة، وتقديم توصيات صحية شخصية وتحذيرات مبكرة من المخاطر الصحية المحتملة.
• التجزئة: يغير الذكاء الاصطناعي على الحافة تجربة البيع بالتجزئة من خلال تمكين التوصيات الشخصية، وإدارة المخزون، واكتشاف الاحتيال. فهو يسمح لتجار التجزئة بفهم سلوك العملاء بشكل أفضل وتحسين عملياتهم. يمكن لسلسلة متاجر سوبر ماركت في المملكة المتحدة استخدام الذكاء الاصطناعي على الحافة لتحليل مقاطع الفيديو من الكاميرات لتتبع تحركات العملاء وتحسين تصميمات المتاجر، وزيادة المبيعات وتحسين تجربة العملاء.
• المدن الذكية: يلعب الذكاء الاصطناعي على الحافة دورًا رئيسيًا في إنشاء مدن ذكية ومستدامة. فهو يتيح إدارة حركة المرور الذكية، والرصد البيئي، والسلامة العامة. يمكن لمدينة في سنغافورة استخدام الذكاء الاصطناعي على الحافة لتحليل البيانات من أجهزة الاستشعار والكاميرات لتحسين تدفق حركة المرور، وتقليل الازدحام، وتحسين جودة الهواء.
• الزراعة: تعتمد الزراعة الدقيقة بشكل كبير على الذكاء الاصطناعي على الحافة. يمكن لأجهزة الاستشعار والطائرات بدون طيار المجهزة بالذكاء الاصطناعي مراقبة صحة المحاصيل، وتحسين الري، واكتشاف الآفات، مما يؤدي إلى زيادة الغلة وتقليل استهلاك الموارد. يمكن للمزارعين في الأرجنتين استخدام طائرات بدون طيار تعمل بالذكاء الاصطناعي لتقييم صحة المحاصيل وتحديد المناطق التي تتطلب اهتمامًا، مما يحسن استخدام الأسمدة والمبيدات الحشرية.
• الأمن والمراقبة: يعزز الذكاء الاصطناعي على الجهاز أنظمة الأمن من خلال تمكين اكتشاف الكائنات في الوقت الفعلي، والتعرف على الوجوه، واكتشاف الحالات الشاذة. وهذا أمر بالغ الأهمية لتأمين البنية التحتية الحيوية والأماكن العامة والممتلكات الخاصة. يمكن استخدام الذكاء الاصطناعي على الحافة للكشف عن الأنشطة المشبوهة في المطارات ومحطات القطار، مما يعزز الأمن ويمنع التهديدات المحتملة.
• الاتصالات: يُستخدم الذكاء الاصطناعي على الحافة لتحسين أداء الشبكة، وتقليل زمن الاستجابة، وتحسين جودة الخدمة لمستخدمي الهواتف المحمولة. فهو يتيح تخصيص الموارد الذكي والصيانة التنبؤية، مما يضمن تجربة مستخدم سلسة. يستخدم مقدمو خدمات الاتصالات في إفريقيا الذكاء الاصطناعي على الحافة لتحسين تخصيص عرض النطاق الترددي للشبكة بناءً على الطلب في الوقت الفعلي، مما يحسن أداء خدمات الإنترنت عبر الهاتف المحمول في المناطق ذات البنية التحتية المحدودة.

التقنيات الرئيسية التي تمكّن الذكاء الاصطناعي على الحافة

تقود العديد من التقنيات الرئيسية نمو واعتماد الذكاء الاصطناعي على الحافة:

• أجهزة متخصصة: تطوير مسرعات الأجهزة المتخصصة، مثل وحدات المعالجة العصبية (NPUs) ووحدات معالجة الموترات (TPUs)، المصممة لتنفيذ نماذج الذكاء الاصطناعي بكفاءة على الأجهزة الحافية. شركات مثل NVIDIA و Intel و Qualcomm هي في طليعة تطوير هذه المعالجات.
• نماذج ذكاء اصطناعي خفيفة: تعتبر تقنيات تطوير نماذج الذكاء الاصطناعي الخفيفة والفعالة، مثل التكميم والتقليم وتقطير المعرفة، ضرورية لنشر الذكاء الاصطناعي على الأجهزة ذات الموارد المحدودة. تم تصميم أطر عمل مثل TensorFlow Lite و PyTorch Mobile لإنشاء ونشر مثل هذه النماذج.
• منصات الحوسبة الحافية: توفر منصات الحوسبة الحافية البنية التحتية والأدوات اللازمة لإدارة ونشر تطبيقات الذكاء الاصطناعي على الأجهزة الحافية. تقدم هذه المنصات ميزات مثل إدارة الأجهزة، واستيعاب البيانات، ونشر النماذج. من الأمثلة على ذلك AWS IoT Greengrass و Azure IoT Edge و Google Cloud IoT Edge.
• 5G والاتصال المتقدم: يتيح ظهور تقنية 5G وغيرها من تقنيات الاتصال المتقدمة اتصالاً أسرع وأكثر موثوقية بين الأجهزة الحافية والسحابة، مما يسهل نشر تطبيقات الذكاء الاصطناعي الأكثر تعقيدًا.
• TinyML: هو مجال فرعي من تعلم الآلة يركز على نشر النماذج على وحدات التحكم الدقيقة ذات الموارد المحدودة للغاية.

اتجاهات سوق الذكاء الاصطناعي العالمي على الحافة

يشهد سوق الذكاء الاصطناعي العالمي على الحافة نموًا سريعًا، مدفوعًا بالطلب المتزايد على حلول الذكاء الاصطناعي ذات زمن الاستجابة المنخفض والآمنة والموثوقة. تشكل العديد من الاتجاهات الرئيسية السوق:

• زيادة الاستثمار: تستثمر شركات رأس المال الاستثماري وشركات التكنولوجيا الكبرى بكثافة في الشركات الناشئة والتقنيات المتعلقة بالذكاء الاصطناعي على الحافة. وهذا يغذي الابتكار ويسرع من تطوير حلول جديدة للذكاء الاصطناعي على الحافة.
• تزايد الاعتماد في مختلف الصناعات: يتم اعتماد الذكاء الاصطناعي على الحافة في مجموعة واسعة من الصناعات، من السيارات والتصنيع إلى الرعاية الصحية والتجزئة. وهذا يدفع الطلب على حلول الذكاء الاصطناعي المتخصصة على الحافة المصممة لتلبية احتياجات صناعية محددة.
• تطوير أدوات مفتوحة المصدر: إن تطوير الأدوات والأطر مفتوحة المصدر يسهل على المطورين بناء ونشر تطبيقات الذكاء الاصطناعي على الحافة. وهذا يقلل من حاجز الدخول ويسرع من اعتماد الذكاء الاصطناعي على الحافة.
• التركيز على الأمن والخصوصية: مع تزايد انتشار الذكاء الاصطناعي على الحافة، هناك تركيز متزايد على الأمن والخصوصية. تعمل الشركات على تطوير تدابير أمنية قوية لحماية البيانات الحساسة ومنع الوصول غير المصرح به إلى الأجهزة الحافية.
• التكامل مع المنصات السحابية: يتم دمج الذكاء الاصطناعي على الحافة بشكل متزايد مع المنصات السحابية، مما يخلق حلول ذكاء اصطناعي هجينة تستفيد من نقاط القوة لكل من الحوسبة الحافية والسحابية. وهذا يسمح للشركات بمعالجة البيانات محليًا على الأجهزة الحافية مع الاستفادة من السحابة لمهام مثل تدريب النماذج وتحليلات البيانات.

مستقبل الذكاء الاصطناعي على الحافة

من المتوقع أن يلعب الذكاء الاصطناعي على الحافة دورًا متزايد الأهمية في مستقبل الذكاء الاصطناعي. مع تقدم التكنولوجيا وانخفاض التكاليف، سيصبح الذكاء الاصطناعي على الحافة أكثر سهولة وانتشارًا. إليك بعض الاتجاهات الرئيسية التي يجب مراقبتها:

• أجهزة حافية أكثر قوة: ستستمر الأجهزة الحافية في أن تصبح أكثر قوة، مما يمكنها من تشغيل نماذج ذكاء اصطناعي أكثر تعقيدًا.
• تحسين نماذج الذكاء الاصطناعي: ستجعل التطورات في تقنيات تحسين نماذج الذكاء الاصطناعي من الممكن نشر نماذج ذكاء اصطناعي متطورة بشكل متزايد على الأجهزة ذات الموارد المحدودة.
• أمان مُحسَّن: ستستمر التدابير الأمنية للأجهزة الحافية في التحسن، مما يحمي البيانات الحساسة ويمنع الوصول غير المصرح به.
• اعتماد أوسع نطاقًا: سيتم اعتماد الذكاء الاصطناعي على الحافة في المزيد من الصناعات والتطبيقات، مما يغير جوانب مختلفة من الأعمال والحياة اليومية.
• التعاون بين الإنسان والذكاء الاصطناعي: سيسهل الذكاء الاصطناعي على الحافة تعاونًا أكثر سلاسة بين الإنسان والذكاء الاصطناعي، مما يمكّن البشر من اتخاذ قرارات أفضل وأتمتة المهام بفعالية أكبر. تخيل عامل بناء في دبي يستخدم نظارات الواقع المعزز التي تعمل بالذكاء الاصطناعي على الحافة لتلقي إرشادات وتعليمات في الوقت الفعلي حول المهام المعقدة.

الخاتمة

يمثل الذكاء الاصطناعي على الحافة تحولًا كبيرًا في مشهد الذكاء الاصطناعي، حيث يجعل قوة المعالجة أقرب إلى مصدر البيانات ويتيح مجموعة واسعة من التطبيقات الجديدة. من خلال معالجة التحديات والاستفادة من الفرص، يمكن للمؤسسات الاستفادة من الذكاء الاصطناعي على الحافة لاكتساب ميزة تنافسية، وتحسين الكفاءة، وتعزيز تجربة العملاء. مع نضوج التكنولوجيا وتوسع النظام البيئي، يستعد الذكاء الاصطناعي على الحافة لإحداث ثورة في الصناعات في جميع أنحاء العالم، مما يجعل الذكاء الاصطناعي أكثر سهولة وكفاءة وأمانًا للجميع.

سواء كنت مطورًا، أو قائد أعمال، أو مجرد شخص مهتم بمستقبل التكنولوجيا، فإن فهم الذكاء الاصطناعي على الحافة ضروري للتنقل في عالم الذكاء الاصطناعي سريع التطور. استمر في الاستكشاف وابق على اطلاع بآخر التطورات في هذا المجال المثير.