حالات استخدام الذكاء الاصطناعي التي ترسم ملامح مستقبلك

كيف يعيد الذكاء الاصطناعي تشكيل العالم الذي نعيش فيه؟ إذا لم تلاحظ ذلك بعد، فقد يفاجئك الأمر. فمن نقل الصور الرمزية بين المساحات الافتراضية إلى تخفيف ازدحام بُنى البيانات، وصولًا إلى إنشاء مدربي لياقة بدنية بتقنية الهولوغرام في منازلنا، يغيّر الذكاء الاصطناعي بالفعل طريقة عيشنا.

قد لا نعيش بعد في عالم خيال علمي من Star Trek، لكننا نقترب من ذلك. نناقش أدناه حالات استخدام مبتكرة للذكاء الاصطناعي، تشمل تقنية اكتشاف الأجسام في اللياقة البدنية، واكتشاف الأجسام في الحوسبة الطرفية، ونتناول كيف تحسّن الحوسبة الطرفية، بالاقتران مع اكتشاف الأجسام، نقل البيانات بين الأجهزة الرقمية.

فيما يلي بعض حالات استخدام الذكاء الاصطناعي التي نتوقع أن تفتح آفاقًا جديدة في عام 2022.

الذكاء الاصطناعي البصري في اللياقة البدنية#

يمثل اكتشاف الأجسام في عام 2022 فرصة واعدة، وقد بدأ بالفعل يحدث أثرًا واضحًا في قطاع اللياقة البدنية. ويُعد كل من Mirror وTonal مثالين على شركات ناجحة تروّج للذكاء الاصطناعي في مجال اللياقة البدنية؛ إذ تقدم كلتاهما جهازًا منزليًا تفاعليًا يبث أكثر من 10,000 تمرين ويعرضها على مرآتك، بهدف تحسين صحتك ولياقتك.

يرى كثير منا أن اللياقة البدنية عبء أكثر منها هواية، بل يتردد بعضنا في دخول صالة رياضية. لكن Mirror تتيح لك، وأنت في راحة منزلك، تتبع تقدمك ووضعية جسمك ومقاييس أخرى من خلال اكتشاف الوقفة.

ينتقد هذا التطبيق وضعية الأشخاص وحركاتهم في مقاطع الفيديو باستخدام تقدير وضعية الإنسان، وهي عملية تتنبأ بوضعيات أجزاء جسم الإنسان ومفاصله في الصور أو مقاطع الفيديو.

يختلف هذا عن اكتشاف الأجسام، إذ يميّز الأشخاص عن صندوق إحاطة الإنسان، ويطوّر فهمًا للغة جسد الإنسان باستخدام خوارزميات التعلم الآلي. لكن من خلال دمج تقدير وضعية الإنسان مع التعلم العميق، سيكون Mirror قد صاغ نماذج مفاهيمية لكيفية أداء كل تمرين، بعد تحليل ملايين التمارين المختلفة.

أثناء التمرين، يستخدم التطبيق خوارزمية لمقارنة مواضع مفاصلك. ويُكتشف أي انحراف ويُبرَز، مما يقلل خطر الإصابة ويعزز طريقة تمرين أكثر أمانًا وفعالية دون الحاجة إلى مدرب شخصي. وتستند الفكرة نفسها إلى مراقبة التمارين باستخدام نماذج Ultralytics YOLO لتقدير الوضعية.

حقق الذكاء الاصطناعي البصري في مجال اللياقة البدنية قفزة نوعية في الآونة الأخيرة بفضل تطبيقات مبتكرة مثل Mirror، وهذا يدفعنا للتساؤل... كيف سيبدو قطاع اللياقة البدنية في عام 2023؟

الذكاء الاصطناعي للرؤية الحاسوبية في الميتافيرس#

منذ أن أعاد مارك زوكربيرغ تسمية Facebook إلى Meta، اختصارًا لـ Metaverse، والمصطلح حاضر على ألسنة الجميع. لكن ما المقصود به تحديدًا؟ باختصار، الميتافيرس مصطلح شامل يشير إلى العوالم الرقمية المصممة لتوسيع نطاق العالم الحقيقي.

تخيلوا حضور فعاليات وحفلات موسيقية ولقاءات افتراضية، وستتضح لكم الفكرة. لكن الميتافيرس يشمل أيضًا تفاعلات «افتراضية» أبسط، مثل تسجيل الدخول إلى وسائل التواصل الاجتماعي وتصفح موجز الأخبار.

مع أنه لا توجد غاية نهائية محددة، يعمل الباحثون جاهدين لجعل الميتافيرس غامرًا قدر الإمكان باستخدام الذكاء الاصطناعي للرؤية الحاسوبية، وهو مجال من الذكاء الاصطناعي يدرّب الحواسيب على استخلاص معلومات قيّمة من المدخلات المرئية وتقديم توصيات استنادًا إلى البيانات التي جُمعت. ويُعد التشغيل البيني عنصرًا أساسيًا للذكاء الاصطناعي للرؤية الحاسوبية في الميتافيرس. ويشير هذا المصطلح إلى عملية نقل الصور الرمزية والعناصر الرقمية من عالم افتراضي إلى آخر.

استفادت الرعاية الصحية بالفعل من خوارزميات التعلم الآلي (ML) في التشغيل البيني. فعلى سبيل المثال، عند إجراء تصوير مقطعي محوسب لك، تُعالج كميات كبيرة من البيانات وتُجمع وتُخزن في قاعدة بيانات طبية.

يتبع الأطباء نهجًا مختلفًا، إذ يدخلون معلومات الرعاية الصحية الخاصة بك يدويًا في قاعدة بيانات. ثم يُستخدم التشغيل البيني لدمج تحليلي البيانات هذين من أجل تشخيص المرض بسرعة.

اكتشاف الأجسام في الحوسبة الطرفية#

يغرق العالم في البيانات. ورغم وصف البيانات بأنها «النفط الجديد»، فإن كثرتها تسبب مشكلة في الواقع. فالبيانات ليست كلها متساوية. كما أن جمع البيانات وتنظيمها وفرز ما جُمع منها يستنزف الوقت.

خففت الحوسبة الطرفية مع اكتشاف الأجسام العبء الثقيل المتمثل في نقل البيانات من مركز البيانات الرئيسي إلى أطراف بنيته. لكن ما الحوسبة الطرفية، وكيف تعمل؟

تخيلوا مدارًا من الأجهزة التقنية التي تنقل البيانات من قاعدة البيانات الرئيسية وإليها. إنها كمية هائلة من المعلومات التي يتعين عليها معالجتها. وستتعرض سرعة معالجة قاعدة البيانات للانخفاض، مما يؤدي إلى التأخير والانقطاعات التي تقلل الأداء.

لكن مع الحوسبة الطرفية، ستُوزّع نسبة كبيرة من هذه البيانات على الأطراف. وتُسند خوارزميات التعلم الآلي إلى كل جهاز طرفي مسؤولية تدريب نموذج تحليلي باستخدام البيانات المخزنة محليًا، وهو نهج يُعرف باسم التعلم الاتحادي.

يتولى كل جهاز المهمة الثقيلة بفرز البيانات الأكثر قيمة، ثم يرسلها إلى قاعدة البيانات الرئيسية لإجراء تحليل شامل. تخيلوا عالمًا يعمل على مشروع مكتظ بالأبحاث. فبدلًا من تحليل جميع بيانات كل تجربة بنفسه، يفوض هذه المهمة إلى باحثين آخرين يقدمون إليه ملخصًا.

يغيّر الذكاء الاصطناعي للرؤية العالم، وحالات استخدام الذكاء الاصطناعي التي تناولناها هنا ليست سوى غيض من فيض. ويمكنك أيضًا الاستفادة بنفسك من الذكاء الاصطناعي للرؤية باستخدام Ultralytics Platform.

هل ترغبون في الاستمتاع بالرؤية الحاسوبية المعززة بالذكاء الاصطناعي، ولكن من دون برمجة؟#

كل ما تحتاج إليه هو فكرة. باستخدام Ultralytics Platform، يسهل إنشاء النماذج باستخدام Ultralytics YOLO وتحويل أفكارك إلى واقع. نبسّط الأمور ونتولى بأنفسنا جميع عمليات MLOps المعقدة، لذا لا تحتاج إلى معرفة البرمجة للاستمتاع بالذكاء الاصطناعي. يسهل البدء، ويسهل أكثر بناء أول نموذج للتعلم الآلي.

حلّوا مشكلاتكم باستخدام الذكاء الاصطناعي البصري#

من السهل البدء باستخدام منصة نشر التعلم الآلي لدينا. ولا تحتاجون إلى أي خبرة سابقة في الذكاء الاصطناعي.