مستقبل الذكاء الاصطناعي على الكمبيوتر المركزي: 4 مسارات للابتكار في مجال الذكاء الاصطناعي القائم على الكمبيوتر المركزي

عندما يسمع معظم الناس مصطلح "الكمبيوتر المركزي"، قد لا يدركون مساهمته الحيوية في الابتكار في مجال الأعمال المؤسسية. وسط الإثارة المحيطة بالذكاء الاصطناعي التوليدي، من السهل افتراض أن البنية التحتية لتكنولوجيا المعلومات القديمة، مثل الكمبيوتر المركزي، لم تتم دعوتها إلى الحفل.

الحقيقة هي أن الكمبيوتر المركزي مُهيأ للعب دور حاسم في دفع الابتكار من خلال دمج تقنيات تسريع الذكاء الاصطناعي من الجيل التالي مع نظام بنائي مُحسَّن لتعزيز القدرات التجارية والتكنولوجية.

عندما نلقي نظرة إلى الوراء، يتضح أن الكمبيوتر المركزي كان في الواقع يقود الابتكار المستمر لأكثر من ٦٠ عامًا. وفقًا لتقرير حديث صادر عن معهد IBM لقيمة الأعمال، تستخدم 43 من أفضل 50 بنكًا في العالم و 8 من أفضل 10 شركات مدفوعات الكمبيوتر المركزي كمنصة أساسية لها.

بالنسبة للصناعات التي تتعامل مع كميات هائلة من البيانات—مثل التمويل والرعاية الصحية والحكومة—اكتسبت أجهزة الكمبيوتر المركزية أهمية متزايدة لاستراتيجيات الذكاء الاصطناعي (AI). في الواقع، أظهر نفس تقرير IBV أن 79% من المديرين التنفيذيين في مجال تكنولوجيا المعلومات يعتقدون أن أجهزة الكمبيوتر المركزية ضرورية لتمكين الابتكار القائم على الذكاء الاصطناعي وخلق القيمة.

في الوقت نفسه، يتطلع قادة الأعمال هؤلاء أيضًا إلى دمج الذكاء الاصطناعي في منصات أجهزة الكمبيوتر المركزية الحالية للاستفادة من الرؤى القيّمة، وأتمتة المهام، وتعزيز الكفاءة مع الحفاظ على بنيتهم التحتية الاستراتيجية. يعمل هذا النهج على تعظيم قيمة الأنظمة القديمة مع تقديم قدرات جديدة من خلال التحليلات والأتمتة المستندة إلى الذكاء الاصطناعي.

تتطلب العديد من عمليات نشر الذكاء الاصطناعي اليوم من المؤسسات نقل بياناتها إلى السحابة. ومع ذلك، بالنسبة للصناعات التي تعتمد على معالجة البيانات عالية السرعة للتعامل مع البيانات الحساسة للغاية، فإن إبقاء قدرات الذكاء الاصطناعي أقرب إلى مكان وجود البيانات يوفر مزايا تجارية كبيرة.

"الأمر يتعلق بجلب الذكاء الاصطناعي إلى حيث تُعزف الموسيقى، وهذا يحدث عبر مجالين رئيسيين،" تقول خديجة سويسي، مهندسة الحلول الرئيسية في مجال الذكاء الاصطناعي على أنظمة IBM Z و LinuxONE وأخصائية فنية متميزة في شركة IBM.

"نحن نبث الذكاء الاصطناعي في أحمال تشغيل العمليات للحصول على رؤى في الوقت الفعلي لتطبيقات الأعمال لاتخاذ قرارات أسرع، وتمكين العملاء من إنشاء تطبيقات ذكية بشكل مستدام تتبنى حلول الذكاء الاصطناعي التوليدي مع حماية البيانات الحساسة. بالإضافة إلى ذلك، نحن نبني بنية تحتية ذكية، باستخدام الذكاء الاصطناعي لأنظمة التشغيل والأنظمة الفرعية لأجهزة الكمبيوتر المركزية. يمكن أن يساعد هذا في توقع أحمال التشغيل القادمة للاستعداد بشكل استباقي للموارد المطلوبة وأيضًا اكتشاف حالات الخلل في تشغيل النظام التي يمكن أن تساعد في التنبؤ بالانقطاعات واستخلاص رؤى قابلة للتنفيذ تتعلق بأداء النظام."

تتعامل أجهزة الكمبيوتر المركزية مع ما يقرب من 70% من أحمال التشغيل الإنتاجية لتكنولوجيا المعلومات في العالم، ويُعتمد عليها لاستقرارها وأمانها العالي وقابليتها للتوسع. اليوم، يمكن لمسرعات الذكاء الاصطناعي الموجودة على الشريحة توسيع نطاق ومعالجة ملايين طلبات الاستدلال في الثانية بمعدلات زمن انتقال قصير للغاية. تتيح هذه القدرة للمؤسسات استخدام جاذبية البيانات والمعاملات من خلال التوطين الاستراتيجي لمجموعات البيانات الكبيرة والذكاء الاصطناعي وتطبيقات الأعمال الهامة. في المستقبل، ستفتح مسرعات الجيل التالي فرصًا جديدة لتوسيع القدرات وحالات الاستخدام للذكاء الاصطناعي مع نمو احتياجات المؤسسة.

تساعد نماذج الذكاء الاصطناعي التقليدي والذكاء الاصطناعي التوليدي في تحديد وتشكيل المؤسسات الحديثة. تتطلب حالات الاستخدام الحساسة للمهام والمعاملات إمكانات التعلم الآلي، والتعلم العميق والذكاء الاصطناعي التوليدي، والتي تعمل أحيانًا معًا في بنية مجمعة لتحقيق نتائج أعمال أفضل ومحسّنة.

على الكمبيوتر المركزي، تستخدم بنية النماذج المتعددة نقاط القوة في كل من هذه النماذج المتنوعة، مما يسمح باتخاذ قرارات أكثر قوة ودقة ومرونة.

بالنظر أولاً إلى الذكاء الاصطناعي التقليدي، تطبق هذه النماذج بشكل عام قواعد محددة مسبقًا لتحليل البيانات واتخاذ القرارات بناءً على أنماط محددة. تشمل الأمثلة التنبؤ بالطلب لإدارة المخزون أو قرارات الائتمان بناءً على البيانات التاريخية للعميل.

لقد تميز تطور الذكاء الاصطناعي بمفاهيم جديدة مثل النماذج اللغوية الكبيرة (LLMs)—وهي نماذج ذكاء اصطناعي متقدمة تم تدريبها على كميات هائلة من البيانات التي يمكنها فهم اللغة الطبيعية، وإنشاء نصوص شبيهة بالنصوص البشرية، وترجمة اللغات، والإجابة على الأسئلة، وكتابة التعليمات البرمجية، وحتى إجراء المحادثات.

عادةً ما يشار إلى النماذج اللغوية الكبيرة التي تنشئ المحتوى باسم نماذج فك التشفير وتُستخدم في الذكاء الاصطناعي التوليدي. ويمكن رؤية هذه القدرة في روبوتات المحادثة التي تقدم ردودًا مخصصة لخدمة العملاء بناءً على استفسارات المستخدم والسياق. 

نماذج التشفير هي نوع آخر من النماذج اللغوية الكبيرة الذي يتفوق في فهم اللغة الطبيعية ومعالجة النص غير المنظم، مع التركيز على استخراج المعلومات الأساسية. تشترك نماذج فك التشفير في هذه القدرة ولكنها تتفوق أيضاً في توليد محتوى جديد.

بنية النموذج المتعدد هي مفهوم هجين يدمج تقنيات ذكاء اصطناعي مختلفة، مثل الذكاء الاصطناعي التقليدي ونماذج ترميز LLM، لتقديم نتائج أسرع وأكثر دقة مما يمكن لأي نموذج بمفرده تحقيقه، مستفيدًا من قوة المعالجة الهائلة وقدرات تخزين البيانات الضخمة للكمبيوتر المركزي.

في معالجة مطالبات التأمين، على سبيل المثال، يمكن للذكاء الاصطناعي التقليدي إجراء تحليل أولي للبيانات المنظمة، بينما يمكن للنماذج اللغوية الكبيرة المستندة إلى الترميز التعامل مع بيانات غير منظمة أكثر تعقيدًا للحصول على رؤى أكثر تفصيلاً ومعالجة المطالبة وفقًا لذلك.

خذ على سبيل المثال مطالبة تتعلق بحادث سيارة. يوفر الذكاء الاصطناعي التقليدي معالجة آلية للبيانات المنظمة (على سبيل المثال، تقارير الشرطة وبرنامج التشغيل ومعلومات التسجيل). تخطو تقنية الذكاء الاصطناعي التوليدي خطوة أبعد لاستخلاص رؤى من البيانات غير المنظمة (على سبيل المثال، النصوص والصور المتعلقة بالإصابات وتلف المركبات) للمساعدة في تحديد الأولويات وتلبية مدى إلحاح تلك المطالبات.

في الآونة الأخيرة، أعلنت شركة IBM عن معالج IBM Telum® II القادم و IBM Spyre™ Accelerator. صُممت هذه التقنيات لمساعدة الشركات على توسيع نطاق سعة المعالجة عبر أنظمة IBM Z® وتسريع استخدام نماذج الذكاء الاصطناعي التقليدية ونماذج الذكاء الاصطناعي اللغوية الكبيرة وبنية النماذج المتعددة.

ستسمح بطاقة Spyre Accelerator لأنظمة IBM Z و LinuxOne بتنفيذ استنتاج الذكاء الاصطناعي للنماذج اللغوية الكبيرة والذكاء الاصطناعي التوليدي على نطاق أوسع مما كان متاحًا في السابق.

فيما يلي 4 أمثلة على حالات الاستخدام التي توضح كيف يمكن للمؤسسات استخدام تقنيات الذكاء الاصطناعي هذه لدفع الابتكار في الأعمال وتحسين العمليات وتسريع أحمال تشغيل الذكاء الاصطناعي التوليدي.

تتسبب الخسائر المالية الناتجة عن معاملات بطاقات الائتمان الاحتيالية في إلحاق الضرر المالي والسمعة. وفقًا لتقرير نيلسون، من المتوقع أن تصل خسائر بطاقات الائتمان في جميع أنحاء العالم إلى 43 مليار دولار أمريكي بحلول عام 2026.¹ 

أظهرت دراسة حالة داخلية لشركة IBM أن بنكًا كبيرًا في أمريكا الشمالية قد طوّر نموذجًا لتسجيل الائتمان مدعومًا بالذكاء الاصطناعي ونشره على منصة سحابية محلية للمساعدة في مكافحة الاحتيال. ومع ذلك، يمكن تسجيل 20% فقط من معاملات بطاقات الائتمان في الوقت الفعلي. قرر البنك نقل أدوات الكشف عن الاحتيال المعقدة إلى الكمبيوتر المركزي الخاص به.

بعد تنفيذ الكمبيوتر المركزي، بدأ البنك في تسجيل 100% من معاملات بطاقات الائتمان في الوقت الفعلي، مع 15000 معاملة في الثانية، مما يوفر الكشف عن الغش.

علاوة على ذلك، كانت كل معاملة تستغرق 80 مللي ثانية للتسجيل. مع زمن الانتقال المنخفض الذي يوفره الكمبيوتر المركزي، أصبحت أوقات الاستجابة تحدث في غضون 2 مللي ثانية أو أقل. كما وفّر هذا الانتقال إلى الكمبيوتر المركزي على البنك أكثر من 20 مليون دولار أمريكي في الإنفاق السنوي على منع الاحتيال دون التأثير على اتفاقيات مستوى الخدمة.

يُعد الكمبيوتر المركزي أمرًا حيويًا في معاملات بطاقات الائتمان، حيث يتعامل مع 90% من المعاملات في جميع أنحاء العالم.² الآن، يمكن للمؤسسات المالية الاستمرار في الاعتماد على الكمبيوتر المركزي ودمج الذكاء الاصطناعي في الوقت نفسه لاكتشاف الاحتيال قبل إتمام المعاملة، بالاعتماد على الكميات الكبيرة من بيانات المعاملات المخزنة بالفعل هناك بدلًا من نقلها إلى بيئة سحابية.

وفقًا لمجلة Forbes، يمكن أن تصل التكلفة المتوسطة لتعطل تكنولوجيا المعلومات إلى 9000 دولار أمريكي للدقيقة الواحدة للمؤسسات الكبيرة، وأكثر من 5 ملايين دولار أمريكي في الساعة للمؤسسات ذات المخاطر العالية.³

لحسن الحظ، يمكن للمؤسسات الآن استخدام الذكاء الاصطناعي لمنع أو حتى توقع الانقطاع الناجم عن فشل المعدات بشكل استباقي. بتطبيق آليات الذكاء الاصطناعي، يمكن للمؤسسات اكتشاف حالات الخلل على مستويات المعاملات والتطبيقات والنظام الفرعي والنظام. على سبيل المثال، يمكن لأجهزة الاستشعار تحليل البيانات من مكونات الكمبيوتر المركزي للتنبؤ بأعطال الأجهزة المحتملة وتمكين الصيانة الوقائية.

يمكن أن يؤدي دمج الكمبيوتر المركزي مع التقنيات الجديدة، مثل التقنية السحابية والأنظمة الموزعة، إلى تعقيد في البنية التحتية لتكنولوجيا المعلومات وفرق التطبيقات. تتجه المؤسسات بشكل متزايد إلى الذكاء الاصطناعي لعمليات تكنولوجيا المعلومات (AIOps)—تطبيق القدرات الذكاء الاصطناعي لأتمتة وتبسيط وتحسين البنية التحتية لتكنولوجيا المعلومات ومهام سير العمل التشغيلية. تُمكِّن الذكاء الاصطناعي لعمليات تقنية المعلومات فرق عمليات تكنولوجيا المعلومات من الاستجابة السريعة لحالات التباطؤ والانقطاع، مما يوفر رؤية وسياق أفضل.

تعتبر خصوصية البيانات أمرًا بالغ الأهمية بالنسبة للمؤسسات التي تتعامل مع بيانات حساسة. هذا سبب رئيسي وراء استمرار الصناعات، مثل الرعاية الصحية، في الاعتماد على ميزات الأمان القوية للكمبيوتر المركزي، بما في ذلك عزل أحمال التشغيل، والتشفير المتقدم للبيانات، وبروتوكولات الاتصال الآمنة.

تساعد معالجة المستندات على الكمبيوتر المركزي على تبسيط استخراج البيانات بدقة وتقديمها في بيئة آمنة للغاية. يمكن للمؤسسات استخدام الذكاء الاصطناعي التوليدي لتلخيص المستندات المالية وتقارير الأعمال واستخراج نقاط البيانات الرئيسية (على سبيل المثال، المقاييس المالية ومؤشرات الأداء) وتحديد المعلومات الأساسية لعمليات الامتثال (على سبيل المثال، عمليات التدقيق المالي).

فضلًا عن ذلك، يمكن للحكومات استخدام الذكاء الاصطناعي التوليدي لتحسين فحص الحمولة المشبوهة في الجمارك من خلال تقنيات معالجة الصور المتطورة وتحليل الأوصاف النصية المصاحبة لكل شحنة.

كان أحد أكبر التحديات التي واجهت الكمبيوتر المركزي هو ترحيل التطبيقات القديمة المكتوبة بلغة COBOL إلى لغات برمجة أكثر حداثة. لماذا؟ يرجع هذا في المقام الأول إلى التحول الجيلي في القوى العاملة التقنية، حيث اكتسب المطورون الجدد مهارات في لغات مثل Java و Python خلال تعليمهم، بينما لا يزال العديد من المهنيين المخضرمين يتمتعون بمهارة عالية في التقنيات القديمة.

لكن COBOL لن تختفي في أي وقت قريب، فهي لا تزال تشغّل العديد من أنظمة الأعمال الحساسة في قطاعات مثل البنوك والحكومة. ووفقًا لوكالة رويترز، فإن 43% من الأنظمة المصرفية مبنية على نظام كوبول، و220 مليار سطر من نظام كوبول قيد الاستخدام اليوم.⁴

يساعد المساعدون الافتراضيون على الكمبيوتر المركزي في سد فجوة المهارات للمطورين. تستخدم أدوات مثل IBM® watsonx Code Assistant™ for Z الذكاء الاصطناعي التوليدي لتحليل وفهم وتحديث تطبيقات COBOL الحالية. تسمح هذه القدرة للمطورين بترجمة تعليمات COBOL البرمجية إلى لغات مثل Java. كما أنها تعمل على تسريع تحديث التطبيقات مع الحفاظ على وظائف أنظمة COBOL القديمة.

تتضمن ميزات Watsonx Code Assistant for Z شرح التعليمات البرمجية، وإعادة هيكلة تلقائية، ونصائح لتحسين التعليمات البرمجية، مما يسهل على المطورين صيانة وتحديث تطبيقات COBOL القديمة.

لعقود، ظل الكمبيوتر المركزي يتطور، ولا يزال يتطور جنبًا إلى جنب ليواكب الفرص التي يوفرها الجيل التالي من الذكاء الاصطناعي. يمثل تقديم معالج Telum II وبطاقة Spyre Accelerator فرصة للمؤسسات لإطلاق قيمة الأعمال وخلق مزايا تنافسية جديدة.

"اليوم، لم يعد الكمبيوتر المركزي مجرد منصة للمعاملات فحسب، بل أصبح منصة متطورة للذكاء الاصطناعي من شأنها أن تقدم قيمة كبيرة مع شروع الشركات في رحلتها في مجال الذكاء الاصطناعي،" تقول خديجة سويسي.