حالات استخدام الذكاء الاصطناعي التي تغير مستقبلك

كيف يغير الذكاء الاصطناعي العالم الذي نعيش فيه؟ إذا لم تكن قد لاحظت ذلك بالفعل، فأنت على وشك الانبهار. بدءاً من نقل الصور الرمزية (avatars) بين المساحات الافتراضية، ووصولاً إلى تخفيف تكدس بنيات البيانات، وحتى ابتكار مدربي لياقة بدنية مجسمين (hologram) في منازلنا، لقد دفعنا الذكاء الاصطناعي بالفعل نحو عصر جديد ومثير للحياة.

قد لا نعيش في خيال علمي يشبه Star Trek بعد، لكننا نقترب من ذلك. سنناقش أدناه حالات استخدام جديدة للذكاء الاصطناعي، تشمل تقنية اكتشاف الأجسام في مجال اللياقة البدنية، واكتشاف الأجسام في الحوسبة الطرفية، كما سنفحص كيف تساهم الحوسبة الطرفية مع اكتشاف الأجسام في تحسين نقل البيانات بين الأجهزة الرقمية.

دعونا نغوص في بعض حالات استخدام الذكاء الاصطناعي التي نتوقع أن تفتح آفاقاً جديدة في عام 2022.

Link to this sectionالذكاء الاصطناعي للرؤية الحاسوبية في اللياقة البدنية#

يعد اكتشاف الأجسام في عام 2022 احتمالاً مثيراً وقد بدأ بالفعل في إحداث ضجة في صناعة اللياقة البدنية. تعد كل من Mirror وTonal أمثلة على شركات ناجحة تروج للذكاء الاصطناعي في اللياقة البدنية، حيث تقدم كل منهما جهازاً منزلياً تفاعلياً يمكنه بث أكثر من 10,000 تمرين وعرضها على مرآتك، وذلك بهدف تحسين صحتك وممارسة تمارينك الرياضية.

يجد الكثير منا أن اللياقة البدنية عبء أكثر من كونها هواية، حتى أن البعض يتردد في دخول صالة الألعاب الرياضية. ولكن من راحة منزلك، تتيح لك Mirror تتبع تقدمك، ووضعيتك، ومقاييس أخرى من خلال اكتشاف الوقفة (stance detection).

ينتقد هذا التطبيق المتقدم للغاية وضعية وحركة الأشخاص في الفيديو باستخدام تقدير وضعية الإنسان (Human Pose Estimation) - وهي عملية تتنبأ بوضعيات أجزاء ومفاصل جسم الإنسان في الصور أو مقاطع الفيديو.

إنه يختلف عن اكتشاف الأجسام بتمييز الأشخاص عن صندوق الأجسام (human box) وتطوير فهم للغة جسد الإنسان من خلال خوارزميات تعلم الآلة. ولكن من خلال دمج تقدير وضعية الإنسان مع التعلم العميق، ستكون Mirror قد وضعت نماذج مفاهيمية لكيفية تنفيذ كل تمرين من خلال تحليل ملايين التمارين المختلفة.

أثناء التمرين، يستخدم التطبيق خوارزمية لمقارنة موضع مفاصلك. سيتم اكتشاف أي انحرافات وتسليط الضوء عليها، مما يقلل من خطر الإصابة ويعزز طريقة أكثر أماناً ومثالية للتمرين بدون مدرب شخصي.

لقد قفز الذكاء الاصطناعي للرؤية الحاسوبية في مجال اللياقة البدنية قفزة نوعية في الآونة الأخيرة من خلال تطبيقات مبتكرة مثل Mirror، مما يجعلك تتساءل... كيف ستبدو صناعة اللياقة البدنية في عام 2023؟

Link to this sectionالذكاء الاصطناعي للرؤية الحاسوبية في الميتافيرس#

منذ أن أعاد مارك زوكربيرج تسمية فيسبوك إلى Meta، اختصاراً لـ Metaverse، أصبح المصطلح متداولاً على كل لسان. ولكن ما هو بالضبط؟ باختصار، الميتافيرس هو مصطلح شامل يشير إلى العوالم الرقمية التي تهدف إلى توسيع العالم الحقيقي.

تخيل حضور فعاليات افتراضية، وحفلات موسيقية، واجتماعات، وستحصل على الفكرة الصحيحة. لكن الميتافيرس يشمل أيضاً تفاعلات 'افتراضية' أبسط مثل تسجيل الدخول إلى وسائل التواصل الاجتماعي والتمرير عبر خلاصتك الإخبارية.

على الرغم من عدم وجود هدف نهائي محدد، إلا أن العلماء يبذلون جهوداً جبارة لمحاولة جعل الميتافيرس غامراً قدر الإمكان باستخدام الذكاء الاصطناعي للرؤية الحاسوبية - وهو مجال من مجالات الذكاء الاصطناعي الذي يدرب أجهزة الكمبيوتر على استيعاب المعلومات القيمة من المدخلات البصرية وتقديم توصيات بناءً على البيانات المجمعة. أحد العناصر الحاسمة للذكاء الاصطناعي للرؤية الحاسوبية في الميتافيرس هو التوافقية (interoperability). هذا المصطلح الفاخر والمخيف قليلاً هو ببساطة عملية نقل الصور الرمزية والعناصر الرقمية بسلاسة من عالم افتراضي إلى آخر.

لقد مكنت خوارزميات تعلم الآلة (ML) في التوافقية بالفعل قطاع الرعاية الصحية. على سبيل المثال، عند إجراء فحص بالأشعة المقطعية (CT scan)، تتم معالجة كميات كبيرة من البيانات وجمعها وتخزينها في قاعدة بيانات طبية.

سيتخذ الأطباء نهجاً مختلفاً عن طريق إدخال معلومات الرعاية الصحية الخاصة بك يدوياً في قاعدة بيانات. تُستخدم التوافقية بعد ذلك لدمج تحليلي البيانات هذين لتقديم تشخيص سريع للمرض.

Link to this sectionاكتشاف الأجسام في الحوسبة الطرفية#

يغرق العالم في البيانات. على الرغم من وصف البيانات بأنها 'النفط الجديد'، إلا أن الواقع هو أن كثرتها تسبب مشكلة. ليست كل البيانات متساوية. إن جمع البيانات وتنظيمها وتصفيتها يستهلك الكثير من الوقت.

لقد خلصتنا الحوسبة الطرفية مع اكتشاف الأجسام من هذا العبء الثقيل المتمثل في استخراج البيانات بعيداً عن مركز البيانات الرئيسي وإلى أطراف بنيتها التحتية. ولكن ما هي الحوسبة الطرفية وكيف تعمل؟

تخيل مداراً من الأجهزة التقنية التي تنقل البيانات من وإلى قاعدة البيانات الرئيسية. هذه كمية كبيرة من المعلومات التي يتعين معالجتها. ستتعرض قدرات معالجة السرعة في قاعدة البيانات للإعاقة، مما يتسبب في تأخير واضطرابات تؤدي إلى تدهور الأداء.

ولكن مع الحوسبة الطرفية، سيتم توزيع الكثير من هذه البيانات على الأطراف. تضع خوارزميات تعلم الآلة كل جهاز طرفي مسؤولاً عن تدريب نموذج تحليلي بالبيانات المخزنة محلياً.

سيقوم كل جهاز بمهامه الثقيلة من خلال تصفية أكثر أجزاء البيانات قيمة، والتي سيتم إرسالها بعد ذلك إلى قاعدة البيانات الرئيسية لإجراء تحليل شامل. فكر في عالم يتولى مشروعاً مليئاً بالبحث. بدلاً من تحليل جميع بيانات كل تجربة على حدة، يقوم بتفويض هذه المسؤولية إلى باحثين آخرين يقدمون تقاريرهم بملخص للنتائج.

يغير الذكاء الاصطناعي للرؤية الحاسوبية العالم ونحن نتحدث، وحالات استخدام الذكاء الاصطناعي التي غطيناها هنا ليست سوى غيض من فيض. ولكن الأمر الأكثر إثارة هو أنه يمكنك أيضاً الاستفادة من عجائب الذكاء الاصطناعي للرؤية الحاسوبية من خلال منصة نشر تعلم الآلة الخاصة بنا، Ultralytics Platform.

Link to this sectionهل تريد الاستمتاع بالذكاء الاصطناعي للرؤية الحاسوبية ولكن لا ترغب في كتابة أي كود برمجي؟#

كل ما تحتاجه هو فكرة. مع Ultralytics Platform، من السهل إنشاء نماذج باستخدام YOLOv5 وإحياء أفكارك. نحن نجعل الأمور بسيطة ونتولى جميع عمليات MLOps المعقدة بأنفسنا، لذا لا تحتاج إلى معرفة أي كود برمجي للاستمتاع بالذكاء الاصطناعي. من السهل البدء، والأسهل من ذلك بناء أول نموذج لتعلم الآلة خاص بك.

Link to this sectionحل مشكلتك باستخدام الذكاء الاصطناعي للرؤية الحاسوبية#

من السهل البدء مع منصة نشر تعلم الآلة الخاصة بنا. لا يتعين عليك الحصول على أي خبرة سابقة في الذكاء الاصطناعي على الإطلاق.