يشير الذكاء الاصطناعي للحافة إلى نشر خوارزميات الذكاء الاصطناعي ونماذج الذكاء الاصطناعي مباشرة على أجهزة الحافة المحلية مثل أجهزة الاستشعار أو أجهزة إنترنت الأشياء (IoT)، ما يتيح معالجة البيانات وتحليلها في الوقت الفعلي دون الاعتماد المستمر على البنية الأساسية للسحابة.
ببساطة، يشير الذكاء الاصطناعي للحافة، أو "الذكاء الاصطناعي على الحافة"، إلى الجمع بين حوسبة الحافة والذكاء الاصطناعي لتنفيذ مهام التعلم الآلي مباشرة على أجهزة الحافة المترابطة. تسمح حوسبة الحافة بتخزين البيانات بالقرب من موقع الجهاز، وتمكن خوارزميات الذكاء الاصطناعي معالجة البيانات مباشرة على حافة الشبكة مع أو بدون اتصال بالإنترنت. ويسهل هذا معالجة البيانات في غضون أجزاء من الثانية، ما يوفر تعليقات في الوقت الفعلي.
تعد السيارات ذاتية القيادة والأجهزة القابلة للارتداء والكاميرات الأمنية والأجهزة المنزلية الذكية من بين التقنيات التي تستفيد من قدرات الذكاء الاصطناعي المتطورة لتزويد المستخدمين على الفور بمعلومات في الوقت الفعلي عندما تكون ضرورية للغاية.
تزداد شعبية الذكاء الاصطناعي للحافة مع اكتشاف الصناعات لطرق جديدة لتسخير قوتها لتحسين سير العمل وأتمتة العمليات التجارية وفتح فرص جديدة للابتكار، كل ذلك مع معالجة مخاوف مثل زمن الاستجابة والأمان وخفض التكلفة.
تعرف على المزيد حول حلول حوسبة الحافة من IBM.
بفضل الذكاء الاصطناعي للحافة، فإن اتخاذ القرارات المحلية يلغي الحاجة إلى نقل البيانات باستمرار إلى موقع مركزي وانتظارها لتسهيل أتمتة عملياتنا التجارية. ومع ذلك، لا تزال هناك حاجة لنقل البيانات إلى السحابة لغرض إعادة تدريب مسارات الذكاء الاصطناعي هذه ونشرها. يمثل نشر هذا النمط عبر العديد من المواقع ومجموعة متنوعة من التطبيقات تحديات محددة مثل ثقل البيانات وعدم التجانس والحجم وقيود الموارد. يمكن للذكاء الاصطناعي الموزع أن يتعامل مع هذه التحديات التي يواجهها الذكاء الاصطناعي للحافة من خلال دمج جمع البيانات الذكية، وأتمتة دورات حياة البيانات والذكاء الاصطناعي، وتكييف المتحدث ومراقبته، وتحسين مسارات البيانات والذكاء الاصطناعي.
يُعد الذكاء الاصطناعي الموزع (DAI) مسؤولاً عن توزيع أداء المهام أو الأهداف أو القرارات وتنسيقها والتنبؤ بها داخل بيئة متعددة الوكلاء. ويعمل الذكاء الاصطناعي الموزع على توسيع نطاق التطبيقات إلى عدد كبير من المتحدثين وتمكن خوارزميات الذكاء الاصطناعي من المعالجة بشكل مستقل عبر أنظمة ومجالات وأجهزة متعددة على الحافة.
في الوقت الحاضر، يتم استخدام الحوسبة السحابية وواجهات برمجة التطبيقات لتدريب ونشر نماذج التعلم الآلي. وبالتالي، يقوم الذكاء الاصطناعي للحافة بإجراء مهام التعلم الآلي مثل التحليلات التنبؤية والتعرف على الكلام واكتشاف الحالات الشاذة على مقربة من المستخدم، مما يميزه عن الخدمات السحابية الشائعة بطرق مختلفة. بدلا من تطوير التطبيقات وتشغيلها بالكامل على السحابة، تقوم أنظمة الذكاء الاصطناعي للحافة بمعالجة البيانات وتحليلها بالقرب من النقطة التي تم إنشاؤها فيها. تتمكن خوارزميات التعلم الآلي من العمل على الحافة ويمكن معالجة المعلومات مباشرةً على متن أجهزة إنترنت الأشياء (IoT)، بدلًا من مركز بيانات خاص أو في منشأة حوسبة سحابية.
يقدم الذكاء الاصطناعي للحافة نفسه كخيار أفضل عندما يتطلب الأمر التنبؤ في الوقت الفعلي ومعالجة البيانات. ضع في حسبانك أحدث التطورات في تقنية السيارات ذاتية القيادة. ولضمان التنقل الآمن لهذه السيارات وتجنبها للأخطار المحتملة، يجب أن تكتشف مجموعة من العوامل وتستجيب لها بسرعة، مثل إشارات المرور والسائقين غير المنتظمين وتغييرات الحارات والمشاة والحواجز والعديد من المتغيرات الأخرى. تقلل قدرة الذكاء الاصطناعي للحافة على معالجة هذه المعلومات محليًا داخل السيارة من المخاطر المحتملة لمشاكل الاتصال التي قد تنشأ عن إرسال البيانات إلى خادم بعيد من خلال الذكاء الاصطناعي القائم على السحابة. وفي سيناريوهات من هذا النوع، حيث يمكن أن تحدد الاستجابات السريعة للبيانات نتائج الحياة أو الموت، تُعد قدرة السيارة على الاستجابة السريعة أمرًا ضروريًا للغاية.
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.
تعرَّف على كيفية الاستفادة من قواعد البيانات الملائمة للتطبيقات والتحليلات والذكاء الاصطناعي التوليدي.
سجِّل للحصول على إرشادات حول نماذج الأساس
يمكن أن توفر الذكاء الاصطناعي للسحابة قدرات حسابية وسعة تخزين أكبر مقارنة بالذكاء الاصطناعي الحافة، ما يسهل تدريب نماذج الذكاء الاصطناعي الأكثر تعقيدًا وتقدمًا ونشرها. يتميز الذكاء الاصطناعي للحافة بحدود لسعة المعالجة بسبب محدودية حجم الجهاز.
يؤثر زمن الانتقال بشكل مباشر في الإنتاجية والتعاون وأداء التطبيق وتجربة المستخدم. كلما زاد زمن الانتقال (وأوقات الاستجابة الأبطأ) زادت معاناة هذه المناطق. يوفر الذكاء الاصطناعي المتطور زمن انتقال أقل من خلال معالجة البيانات مباشرةً على الجهاز، في حين أن الذكاء الاصطناعي السحابي يتضمن إرسال البيانات إلى خوادم بعيدة، ما يؤدي إلى زيادة وقت الانتقال.
يشير عرض النطاق الترددي إلى نقل البيانات العامة لحركة البيانات الواردة والصادرة من الشبكة حول العالم. يستدعي الذكاء الاصطناعي للحافة عرض نطاق ترددي أقل بسبب معالجة البيانات المحلية على الجهاز، في حين أن الذكاء الاصطناعي السحابي يتضمن نقل البيانات إلى خوادم بعيدة، ما يتطلب عرض نطاق ترددي أعلى للشبكة.
توفر بنية الحافة خصوصية محسّنة من خلال معالجة البيانات الحساسة مباشرةً على الجهاز، في حين أن الذكاء الاصطناعي السحابي يستلزم نقل البيانات إلى خوادم خارجية، ما قد يؤدي إلى تعريض المعلومات الحساسة لخوادم خارجية.
بلغت قيمة سوق الذكاء الاصطناعي للحافة العالمية 14,787.5 مليون دولار أمريكي في عام 2022، ومن المتوقع أن تصل إلى 66.47 مليون دولار أمريكي بحلول عام 2023، وفقًا لتقرير صادر عن Grand View Research، (الرابط موجود خارج ibm.com) ويرجع هذا التوسع السريع في حوسبة الحافة إلى ارتفاع الطلب على خدمات حوسبة الحافة القائمة على إنترنت الأشياء، إلى جانب المزايا الأخرى الكامنة في الذكاء الاصطناعي للحافة. تشمل المزايا 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 من دون الحاجة إلى اتصال النظام وتكامله، ما يمكنهم من توفير الوقت عن طريق دمج البيانات من دون الحاجة إلى الاتصال بالمواقع المادية الأخرى. ومع ذلك، قد يواجه الذكاء الاصطناعي للحافة قيودًا في إدارة الحجم الكبير والتنوع الكبير للبيانات التي تتطلبها بعض تطبيقات الذكاء الاصطناعي، وقد يحتاج إلى التكامل مع الحوسبة السحابية لتسخير مواردها وقدراتها.
تزداد الخصوصية بسبب عدم نقل البيانات إلى شبكة أخرى، حيث قد تكون 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 المعينة. من ناحية أخرى، من المحتمل أن تصبح أي قاعدة بيانات مركزية هدفًا مغريًا للمهاجمين المحتملين، ما يعني أن الذكاء الاصطناعي للحافة ليس محصنًا تمامًا ضد المخاطر الأمنية.
يوسع الذكاء الاصطناعي للحافة الأنظمة باستخدام المنصات القائمة على السحابة وقدرات الحافة المتأصلة في تقنيات الشركات المصنعة للمعدات الأصلية (OEM)، والتي تشمل كلاً من البرامج والأجهزة. وقد بدأت الشركات المصنعة للمعدات الأصلية هذه في دمج قدرات الحافة الأصلية في معداتها، ومن ثم تبسيط عملية توسيع نطاق النظام. كما يتيح 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 المكلفة كمستودع لتراكم بيانات ما بعد المعالجة، والمخصص للتحليل اللاحق بدلاً من العمليات الميدانية الفورية. وهذا يقلل من أحمال التشغيل على أجهزة الحاسوب والشبكات السحابية. يشهد استخدام وحدة المعالجة المركزية ووحدة معالجة الرسومات والذاكرة انخفاضًا كبيًرا حيث يتم توزيع أعباء العمل الخاصة بهم بين الأجهزة الطرفية، ما يميز الذكاء الاصطناعي للحافة كخيار أكثر فعالية 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.
علاوة على ذلك، فإن السمات الذاتية للذكاء الاصطناعي للحاقة تلغي الحاجة إلى الإشراف المستمر من جانب علماء البيانات. وعلى الرغم من أن التفسير البشري سيلعب دائمًا دورًا محوريًا في تحديد القيمة النهائية للبيانات والنتائج التي تنتج عنها، إلا أن منصات الذكاء الاصطناعي للحافة ستتحمل بعضًا من هذه المسؤولية، ما يؤدي في النهاية إلى توفير التكاليف على الشركات.
يستخدم الذكاء الاصطناعي للحافة الشبكات العصبية والتعلم العميق لتدريب النماذج على التعرف بدقة على الكائنات وتصنيفها ووصفها داخل البيانات المحددة. وعادة ما تستخدم عملية التدريب هذه مركز بيانات مركزيًا أو سحابة لمعالجة الحجم الكبير من البيانات اللازمة لتدريب النموذج.
تتحسن نماذج الذكاء الاصطناعي للحافة تدريجيًا بمرور الوقت بعد النشر. إذا واجه الذكاء الاصطناعي مشكلة، فغالبًا ما يتم نقل البيانات التي تحتوي على مشاكل إلى السحابة لإجراء تدريب إضافي لنموذج الذكاء الاصطناعي الأولي، والذي يحل في النهاية محل محرك الاستدلال في الحافة. وتسهم حلقة التعليقات هذه بشكل كبير في تحسين أداء النموذج.
في الوقت الحاضر، تشمل الأمثلة الشائعة للذكاء الاصطناعي للحافة الهواتف الذكية وملحقات المراقبة الصحية القابلة للارتداء (مثل الساعات الذكية) وتحديثات حركة المرور في الوقت الفعلي على المركبات ذاتية القيادة والأجهزة المتصلة والأجهزة الذكية. كما تقوم العديد من الصناعات أيضًا بتنفيذ تطبيقات الذكاء الاصطناعي للحافة بشكل متزايد من أجل خفض التكاليف وأتمتة العمليات وتحسين عملية 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.
تقوم أجهزة المراقبة الصحية القابلة للارتداء بتقييم مقاييس مثل معدل ضربات القلب وضغط الدم ومستويات الجلوكوز والتنفس باستخدام نماذج الذكاء الاصطناعي المدمجة محليًا. ويمكن لأجهزة الذكاء الاصطناعي للحافة القابلة للارتداء أيضًا اكتشاف سقوط المريض فجأة وتنبيه مقدمي الرعاية عند سقوطه المفاجئ، حيث يتم تضمين هذه الميزة بالفعل في الساعات الذكية الشائعة في السوق.
من خلال تجهيز مركبات الطوارئ بقدرات معالجة البيانات السريعة، يمكن للمسعفين استخلاص رؤى من أجهزة المراقبة الصحية والتشاور مع الأطباء لتحديد استراتيجيات فعالة لتحقيق استقرار المريض. وفي الوقت نفسه، يمكن لموظفي غرفة الطوارئ الاستعداد لتلبية متطلبات الرعاية الفريدة للمرضى. وسيساعد دمج الذكاء الاصطناعي المتطور في مثل هذه الظروف في تسهيل التبادل في الوقت الفعلي للمعلومات الصحية الهامة.
بادر المصنعون في جميع أنحاء العالم بدمج تقنية الذكاء الاصطناعي للحافة لإحداث ثورة في عمليات التصنيع الخاصة بهم، ومن ثَمَّ تعزيز الكفاءة والإنتاجية في هذه العملية.
يمكن الاستفادة من بيانات المستشعر لتحديد الحالات غير الطبيعية بشكل استباقي والتنبؤ بأعطال الماكينة، المعروفة أيضًا باسم الصيانة التنبئية. تقوم مستشعرات المعدات بتحديد مواقع العيوب وإخطار الإدارة على الفور بالإصلاحات الحاسمة، ما يتيح حل المشكلة في الوقت المناسب ويمنع تعطل التشغيل.
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 يُخفى على أحد أن الشركات قد شهدت اتجاهًا هائلاً مع زيادة 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 "البيك أند جو"، وعربات التسوق الذكية المزودة بأجهزة استشعار وعمليات تسجيل المغادرة الذكية. تستخدم هذه الحلول تقنية الذكاء الاصطناعي للحافة من أجل الارتقاء بتجربة العملاء التقليدية داخل المتجر وتسريعها.
تتخلل الأجهزة "الذكية" الحياة المعاصرة مثل أجراس الباب والثرموستات والثلاجات وأنظمة الترفيه والمصابيح التي يتم التحكم فيها. وتحتوي هذه المنازل الذكية على أنظمة بنائية للأجهزة التي تستخدم الذكاء الاصطناعي المتطور لتحسين جودة حياة السكان. وسواء كان المقيم بحاجة إلى تحديد شخص ما عند بابه أو التحكم في درجة حرارة منزله من خلال أجهزته، فيمكن للتقنية المتطورة معالجة البيانات بسرعة في الموقع دون الحاجة إلى نقل المعلومات إلى خادم مركزي بعيد، حيث يُساعد هذا في الحفاظ على خصوصية المقيم ويقلل من مخاطر الوصول غير المصرح به إلى البيانات الشخصية.
تُعد السرعة ذات أهمية قصوى لتحليلات الفيديو الأمنية. تفتقر العديد من أنظمة رؤية الكمبيوتر إلى السرعة المناسبة المطلوبة للتحليل في الوقت الفعلي، وبدلاً من معالجة الصور أو مقاطع الفيديو الملتقطة محليًا من الكاميرات الأمنية، تنقلها هذه الأنظمة إلى جهاز قائم على السحابة مزود بقدرات معالجة عالية الأداء. ومن دون معالجة البيانات محليًا، تواجه هذه الأنظمة السحابية عوائق بسبب مشاكل زمن الانتقال، والتي تتسم بالتأخير في تحميل البيانات ومعالجتها.
تحدد تطبيقات رؤية الكمبيوتر للذكاء الاصطناعي للحافة وقدرات اكتشاف الكائنات عبر أجهزة الأمن الذكية الأنشطة المشبوهة وإخطار المستخدمين وإطلاق الإنذارات. فتوفر هذه القدرات للمقيمين إحساسًا أقوى بالأمان وراحة البال.
يُمكنك زيادة قوة الذكاء الاصطناعي باستخدام منصتنا للذكاء الاصطناعي والبيانات من الجيل التالي.
توفر IBM عرض إدارة مستقل يركز على اتساع النطاق والتباين ومعدل التغيير في البيئات المتطورة، وحلولاً لمساعدة الشركات في تحديث شبكاتها وتوفير الخدمات المتطورة.
تستفيد حلول IBM Power Systems وحلول IBM Storage من نماذج الذكاء الاصطناعي للعمل على الحافة. يمكنك فتح آفاق المعارف المرتبطة بالبيانات المرئية المباشرة التي تم إنشاؤها على الحافة.
استفد من حوسبة الحافة لتخفيف ازدحام الشبكة الناجم عن التقنيات الناشئة.
استمع إلى نيرميت ديساي من IBM Research وهو يشرح الذكاء الاصطناعي المنتشر والقدرات التي يوفرها.
ادرس ترحيل تطبيق مؤسستك إلى مكان أقرب إلى مصادر بياناتك الواقعية.
اكتشف كيف تعمل حوسبة الحافة من IBM على تمكين التقارب بين تقنيات 5G وتقنيات الحافة.
تطوير حلول لإدارة أجهزة الحافة والتحليلات على الجهاز في مصدر البيانات.
اقرأ عن المزايا والتحديات والبنى الخاصة بتطبيقات حوسبة الحافة الخاصة بالصناعة.