ما الذكاء الاصطناعي للحافة؟

في الأساس، يشير الذكاء الاصطناعي للحافة، أو "الذكاء الاصطناعي على الحافة"، إلى الجمع بين حوسبة الحافة والذكاء الاصطناعي لأداء مهام التعلم الآلي مباشرةً على أجهزة الحافة المترابطة. تسمح حوسبة الحافة بتخزين البيانات بالقرب من موقع الجهاز، وتُتيح خوارزميات الذكاء الاصطناعي المعالجة على حافة الشبكة مباشرةً، سواء بوجود اتصال بالإنترنت أم دونه. تمكِّن هذه القدرة من معالجة البيانات خلال أجزاء من الثانية، ما يوفر استجابة في الوقت الفعلي.

تُعَد السيارات ذاتية القيادة والأجهزة القابلة للارتداء والكاميرات الأمنية والأجهزة المنزلية الذكية من بين التقنيات التي تستخدم قدرات الذكاء الاصطناعي للحافة لتزويد المستخدمين بالمعلومات في الوقت الفعلي عند الضرورة القصوى.

يزداد انتشار الذكاء الاصطناعي للحافة مع اكتشاف الصناعات لطرق جديدة تستفيد من قدراته في تحسين تدفقات العمل وأتمتة عمليات الأعمال وتعزيز الابتكار. وفي الوقت نفسه، يساعد على معالجة المخاوف الحرجة مثل زمن الانتقال والأمن وخفض التكاليف.

تعرَّف على المزيد حول حلول حوسبة الحافة من IBM.

يُتيح الذكاء الاصطناعي للحافة اتخاذ القرارات في الموقع دون الحاجة إلى إرسال البيانات باستمرار إلى موقع مركزي وانتظار معالجتها، ما يجعل من السهل أتمتة عمليات الأعمال. ومع ذلك، لا تزال هناك حاجة إلى نقل البيانات إلى السحابة لإعادة تدريب مسارات الذكاء الاصطناعي ونشر النماذج المحدَّثة.

إن نشر هذا النمط عبر مواقع متعددة وتطبيقات متنوعة يفرض تحديات تشمل جاذبية البيانات والتباين والنطاق وقيود الموارد. يساعد الذكاء الاصطناعي الموزع على تجاوز هذه العقبات عبر دمج جمع البيانات الذكي، وأتمتة دورات حياة البيانات والذكاء الاصطناعي، ومواءمة الأذرع الفرعية ومراقبتها، وتحسين مسارات البيانات والذكاء الاصطناعي.

يُعَد الذكاء الاصطناعي الموزع (DAI) مسؤولًا عن توزيع أداء المهام أو الأهداف أو القرارات وتنسيقها والتنبؤ بها داخل بيئة متعددة الوكلاء. يعمل الذكاء الاصطناعي الموزع على توسيع نطاق التطبيقات عبر العديد من الأذرع الفرعية، ويمكِّن خوارزميات الذكاء الاصطناعي من المعالجة بشكل مستقل عبر أنظمة ومجالات وأجهزة متعددة على الحافة.

في الوقت الحاضر، يتم استخدام الحوسبة السحابية وواجهة برمجة التطبيقات (APIs) لتدريب نماذج التعلم الآلي ونشرها. لاحقًا، يعمل الذكاء الاصطناعي للحافة على تنفيذ مهام التعلم الآلي مثل التحليلات التنبؤية والتعرُّف على الصوت واكتشاف الحالات الشاذة بالقرب من المستخدم، متميّزًا بذلك عن الخدمات السحابية التقليدية بعدة طرق. بدلًا من تطوير التطبيقات وتشغيلها بالكامل على السحابة، تعمل أنظمة الذكاء الاصطناعي للحافة على معالجة البيانات وتحليلها بالقرب من نقطة إنشائها. 

تستطيع خوارزميات التعلم الآلي العمل على الحافة، ويمكن معالجة المعلومات مباشرةً على أجهزة إنترنت الأشياء، بدلًا من القيام بذلك في مركز بيانات خاص أو منشأة حوسبة سحابية.

يظهر الذكاء الاصطناعي للحافة كخيار أفضل كلما دعت الحاجة إلى التنبؤ في الوقت الفعلي ومعالجة البيانات. ضَع في حسبانك أحدث التطورات في تكنولوجيا السيارات ذاتية القيادة. ولضمان تنقُّل هذه السيارات بأمان وتجنُّب المخاطر المحتملة، يجب أن تكتشف بسرعة مجموعة من العوامل مثل إشارات المرور والسائقين المتهورين وتغييرات المسارات، وتستجيب لها. بالإضافة إلى ذلك، يجب أن تأخذ في الحسبان المشاة والحواجز والعديد من المتغيرات الأخرى.

تقلل قدرة الذكاء الاصطناعي للحافة على معالجة هذه المعلومات محليًا داخل السيارة من المخاطر المحتملة لمشكلات الاتصال التي قد تنشأ عن إرسال البيانات إلى خادم بعيد من خلال الذكاء الاصطناعي القائم على السحابة. في مثل هذه السيناريوهات، حيث قد تحدِّد سرعة استجابة البيانات مسألة حياة أو موت، تصبح قدرة السيارة على التفاعل بسرعة أمرًا بالغ الأهمية.

على العكس من ذلك، يشير الذكاء الاصطناعي للسحابة إلى نشر خوارزميات ونماذج الذكاء الاصطناعي على الخوادم السحابية. فتوفر هذه الطريقة قدرات تخزين متزايدة للبيانات وقوة المعالجة، ما يسهل التدريب ونشر نماذج الذكاء الاصطناعي الأكثر تقدمًا.

في عام 2022، تم تقدير قيمة سوق الذكاء الاصطناعي للحافة عالميًا بنحو 14,787.5 مليون دولار أمريكي، ومن المتوقع أن ينمو إلى 66.47 مليون دولار أمريكي بحلول عام 2023، وفقًا لتقرير أجرته شركة Grand View Research, Inc. والطلب المتزايد على خدمات حوسبة الحافة القائمة على إنترنت الأشياء، إلى جانب المزايا الفطرية للذكاء الاصطناعي للحافة، يُسهمان في التوسع السريع لحوسبة الحافة. تشمل الفوائد الأساسية للذكاء الاصطناعي للحافة ما يلي:

من خلال المعالجة الكاملة على الجهاز، يمكن للمستخدمين تجربة فترات استجابة سريعة دون أي تأخير ناتج عن الحاجة إلى نقل المعلومات من خادم بعيد.

نظرًا لأن  الذكاء الاصطناعي للحافة  يعالج البيانات على المستوى المحلي، فإنه يقلل من  كمية البيانات المنقولة  عبر الإنترنت، ما يؤدي إلى الحفاظ على  عرض النطاق الترددي للإنترنت. وعند استخدام نطاق ترددي أقل، يمكن لاتصال البيانات التعامل مع حجم أكبر من نقل البيانات واستقبالها في وقت واحد.

يمكن للمستخدمين إجراء معالجة البيانات في الوقت الفعلي على الأجهزة دون الحاجة إلى اتصال النظام وتكامله، ما يمكِّنهم من توفير الوقت عن طريق دمج البيانات دون الحاجة إلى الاتصال بالمواقع المادية الأخرى. ومع ذلك، قد يواجه الذكاء الاصطناعي للحافة صعوبة في التعامل مع الحجم الهائل للبيانات وتنوعها الذي تتطلبه بعض تطبيقات الذكاء الاصطناعي. وللتغلب على هذه القيود، يجب أن يتكامل مع الحوسبة السحابية لاستخدام مواردها وقدراتها.

تزداد الخصوصية لأنه لا يتم نقل البيانات إلى شبكة أخرى، حيث تصبح عرضة للهجمات الإلكترونية. يقلل الذكاء الاصطناعي للحافة من مخاطر سوء معالجة البيانات من خلال معالجة المعلومات محليًا على الجهاز. وفي الصناعات الخاضعة للوائح سيادة البيانات، يمكن أن يساعد الذكاء الاصطناعي للحافة في الحفاظ على الامتثال من خلال معالجة البيانات وتخزينها محليًا داخل الولايات القضائية المحددة.

ومع ذلك، فإن أي قاعدة بيانات مركزية لديها القدرة على أن تصبح هدفًا جذابًا للمهاجمين المحتملين، ما يعني أن الذكاء الاصطناعي للحافة لا يزال معرضًا للمخاطر الأمنية.

يوسِّع الذكاء الاصطناعي للحافة الأنظمة من خلال استخدام المنصات السحابية وقدرات الحافة المدمجة في تقنيات الشركات المصنِّعة للمعدات الأصلية (OEM)، ويشمل ذلك كلًا من البرمجيات والأجهزة. بدأت الشركات المصنِّعة للمعدات الأصلية هذه بدمج قدرات الحافة الأصلية في معداتها، ما يجعل من السهل توسيع نطاق النظام. كما يُتيح هذا التوسع للشبكات المحلية الحفاظ على الوظائف حتى في الحالات التي تواجه فيها العُقد الأولية أو النهائية فترة تعطل.

يمكن أن تكون النفقات المرتبطة بخدمات الذكاء الاصطناعي المستضافة على السحابة مرتفعة. يوفر الذكاء الاصطناعي للحافة خيار استخدام الموارد السحابية المكلِّفة كمستودع لتراكم بيانات ما بعد المعالجة، والمخصص للتحليل اللاحق بدلًا من العمليات الميدانية الفورية. وهذا يقلل من أعباء العمل على أجهزة الكمبيوتر والشبكات السحابية.

ينخفض استخدام وحدة المعالجة المركزية ووحدة معالجة الرسوميات والذاكرة بشكل كبير عند توزيع أعباء العمل على أجهزة الحافة، ما يجعل الذكاء الاصطناعي للحافة الخيار الأكثر فاعلية من حيث التكلفة بين الاثنين.

عندما تتعامل الحوسبة السحابية مع جميع الحسابات الخاصة بخدمة ما، يتحمل الموقع المركزي عبء عمل كبيرًا. تتحمل الشبكات حركة عالية لنقل البيانات إلى المصدر المركزي. وعندما تقوم الآلات بتنفيذ المهام، تصبح الشبكات نشطة مرة أخرى وتنقل البيانات مرة أخرى إلى المستخدم. تلغي أجهزة الحافة عملية نقل البيانات المستمرة ذهابًا وإيابًا. ومن ثَمَّ، تعاني كل من الشبكات والآلات من ضغوط أقل عندما يتم إعفاؤها من عبء التعامل مع كل جانب.

علاوةً على ذلك، تُتيح الخصائص الذاتية للذكاء الاصطناعي للحافة الاستغناء عن الإشراف المستمر من قِبل علماء البيانات.على الرغم من أن التفسير البشري يؤدي دورًا محوريًا في تحديد القيمة النهائية للبيانات والنتائج التي تنتجها، تتولى منصات الذكاء الاصطناعي للحافة جزءًا من هذه المسؤولية. ويؤدي هذا التحول في النهاية إلى توفير التكاليف للشركات.

يستخدم الذكاء الاصطناعي للحافة الشبكات العصبية والتعلم العميق لتدريب النماذج على التعرُّف بدقة على الكائنات داخل البيانات المقدَّمة، وتصنيفها ووصفها. وعادةً ما تستخدم عملية التدريب هذه مركز بيانات موحَّدًا أو سحابة لمعالجة الحجم الكبير من البيانات اللازمة لتدريب النموذج.

تتحسن نماذج الذكاء الاصطناعي للحافة تدريجيًا بمرور الوقت بعد النشر. عندما يواجه الذكاء الاصطناعي مشكلة، غالبًا ما يتم نقل البيانات الإشكالية إلى السحابة لإجراء المزيد من التدريب لنموذج الذكاء الاصطناعي الأوَّلي، الذي يحل في النهاية محل محرك الاستنتاج على الحافة. وتُسهم حلقة التعليقات هذه بشكل كبير في تحسين أداء النموذج.

في الوقت الحاضر، تشمل الأمثلة الشائعة على الذكاء الاصطناعي للحافة الهواتف الذكية، والإكسسوارات القابلة للارتداء لمراقبة الصحة مثل الساعات الذكية، وتحديثات حركة المرور في الوقت الفعلي على المركبات الذاتية القيادة، والأجهزة المتصلة، والأجهزة الذكية.يطبِّق العديد من الصناعات أيضًا حلول الذكاء الاصطناعي للحافة بشكل متزايد بهدف خفض التكاليف وأتمتة العمليات وتحسين اتخاذ القرار وتحسين العمليات.

يشهد مقدمو الرعاية الصحية تحولاً كبيرًا من خلال التطبيق العملي للذكاء الاصطناعي للحافة وتقديم أحدث الأجهزة. عندما تقترن هذه التقنية بمزيد من التطورات للحافة، فإنها تستعد لبناء أنظمة رعاية صحية أكثر ذكاءً، إلى جانب الحفاظ على خصوصية المرضى وتقليل زمن الاستجابة.

باستخدام نماذج الذكاء الاصطناعي المدمجة محليًا، تعمل أجهزة مراقبة الصحة القابلة للارتداء على تقييم مؤشرات مثل معدل ضربات القلب وضغط الدم ومستويات الجلوكوز والتنفس. وتستطيع الأجهزة القابلة للارتداء المدعومة بالذكاء الاصطناعي للحافة أيضًا اكتشاف سقوط المريض فجأة وتنبيه القائمين على رعايته، وهي ميزة موجودة بالفعل في الساعات الذكية الشائعة في السوق.

من خلال تجهيز مركبات الطوارئ بقدرات المعالجة السريعة للبيانات، يمكن للمسعفين استخلاص رؤى من أجهزة المراقبة الصحية والتشاور مع الأطباء لتحديد استراتيجيات فعَّالة لتحقيق استقرار المريض. وفي الوقت نفسه، يمكن لموظفي غرفة الطوارئ الاستعداد لتلبية متطلبات الرعاية الفريدة للمرضى. وسيساعد دمج الذكاء الاصطناعي للحافة في مثل هذه الظروف على تسهيل التبادل في الوقت الفعلي للمعلومات الصحية الحساسة.

بدأت الشركات المصنِّعة حول العالم بدمج تقنية الذكاء الاصطناعي للحافة لإحداث تحوُّل في عمليات التصنيع لديها، ما أدى إلى زيادة الكفاءة والإنتاجية.

يمكن الاستفادة من بيانات جهاز الاستشعار لتحديد الحالات الشاذة بشكل استباقي والتنبؤ بأعطال الآلة، وتُعرَف هذه العملية أيضًا باسم الصيانة التنبئية. تعمل أجهزة الاستشعار في المعدات على تحديد العيوب وإخطار الإدارة على الفور بالصيانة الضرورية، ما يُتيح حل المشكلات في الوقت المناسب ويمنع تعطُّل العمليات.

يمكن أيضًا تطبيق الذكاء الاصطناعي للحافة على مجالات أخرى من الاحتياجات في هذه الصناعة، مثل مراقبة الجودة وسلامة العمال وتحسين العائد وتحليلات سلسلة التوريد وتحسين الأرضيات.

لا يخفى على أحد أن الشركات شهدت زيادة كبيرة في الاهتمام مع صعود شعبية التجارة الإلكترونية والتسوق عبر الإنترنت. اضطرت متاجر البيع بالتجزئة التقليدية إلى الابتكار من أجل تقديم تجربة تسوق سلسة وإشراك العملاء. ومع هذا التحول، ظهرت تقنيات جديدة مثل متاجر "اختر وامضِ" (Pick and Go)، وعربات التسوق الذكية المزوَّدة بأجهزة استشعار وأنظمة الدفع الذكية. تستخدم هذه الحلول تقنية الذكاء الاصطناعي للحافة لتعزيز تجربة العملاء التقليدية داخل المتجر وتسريعها.

المشهد المعاصر مليء بالأجهزة "الذكية" مثل أجراس الأبواب وأجهزة تنظيم الحرارة والثلاجات وأنظمة الترفيه والمصابيح القابلة للتحكم. تحتوي هذه المنازل الذكية على أنظمة أجهزة تستخدم الذكاء الاصطناعي للحافة لتحسين جودة حياة السكان.

سواء احتاج المقيم للتعرُّف على شخص عند بابه أو للتحكم في درجة حرارة منزله عبر جهازه، يمكن لتقنية الحافة معالجة البيانات بسرعة في الموقع. تُلغي هذه الاستراتيجية الحاجة إلى نقل المعلومات إلى خادم مركزي عن بُعد، وتساعد في الحفاظ على خصوصية المقيم وتقلل من مخاطر الوصول غير المصرح به إلى البيانات الشخصية.

تُعَد السرعة ذات أهمية قصوى لتحليلات الفيديو الأمنية. يفتقر العديد من أنظمة رؤية الكمبيوتر إلى السرعة المناسبة المطلوبة للتحليل في الوقت الفعلي. وبدلًا من معالجة الصور أو مقاطع الفيديو الملتقطة بواسطة كاميرات المراقبة محليًا، تعمل هذه الأنظمة على إرسالها إلى خادم سحابي مزوَّد بقدرات معالجة عالية الأداء. ودون معالجة البيانات محليًا، تواجه هذه الأنظمة السحابية عقبات بسبب مشكلات زمن الانتقال، والتي تتمثل في التأخير في تحميل البيانات ومعالجتها.

تعمل تطبيقات رؤية الكمبيوتر وقدرات اكتشاف الكائنات في الذكاء الاصطناعي للحافة في أجهزة الأمن الذكية على تحديد الأنشطة المشبوهة وإخطار المستخدمين وإطلاق الإنذارات. وتوفِّر هذه القدرات للمقيمين شعورًا أكبر بالأمان وراحة البال.