حالات استخدام الذكاء الاصطناعي التي تغيّر مستقبلك

كيف يعيد الذكاء الاصطناعي تشكيل العالم الذي نعيش فيه؟ إذا لم تلاحظ ذلك بالفعل، فأنت على وشك أن تُصدم. فمن نقل الصور الرمزية بين المساحات الافتراضية، إلى تخفيف ازدحام بنيات البيانات، إلى إنشاء مدرّبي لياقة بدنية بتقنية التصوير التجسيمي في منازلنا، دفع الذكاء الاصطناعي بنا بالفعل إلى الأمام نحو عصر جديد ومثير من الحياة.

قد لا نعيش بعد في خيال الخيال العلمي الخاص بـ Star Trek، لكننا نقترب من ذلك. سنناقش أدناه حالات استخدام جديدة للذكاء الاصطناعي تشمل تقنية اكتشاف الأجسام في مجال اللياقة البدنية، واكتشاف الأجسام في الحوسبة الطرفية، ونستعرض كيف تُحسّن الحوسبة الطرفية مع اكتشاف الأجسام نقل البيانات بين الأجهزة الرقمية.

لنتعمق في بعض حالات استخدام الذكاء الاصطناعي التي نتوقع أن تمهّد لآفاق جديدة في عام 2022.

الذكاء الاصطناعي للرؤية في مجال اللياقة البدنية#

يُعد اكتشاف الأجسام في عام 2022 احتمالًا مثيرًا، وقد أحدث ضجة بالفعل في قطاع اللياقة البدنية. ويُعد كل من Mirror وTonal مثالين على شركتين ناجحتين تروّجان للذكاء الاصطناعي في مجال اللياقة البدنية، إذ تقدمان جهازًا منزليًا تفاعليًا يمكنه بث أكثر من 10,000 تمرين وعرضها على مرآتك، بهدف تحسين صحتك ولياقتك البدنية.

يرى كثير منا أن اللياقة البدنية عمل شاق أكثر منها هواية، بل إننا نتردد حتى في دخول صالة الألعاب الرياضية. لكن من راحة منزلك، تتيح لك Mirror تتبّع تقدمك ووضعيتك ومقاييس أخرى من خلال اكتشاف الوقفة.

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

ويختلف ذلك عن اكتشاف الأجسام من خلال تمييز الأشخاص داخل صندوق بشري، وتطوير فهم للغة جسد الإنسان عبر خوارزميات تعلّم الآلة. ومن خلال دمج تقدير وضعية الإنسان مع التعلّم العميق، تكون Mirror قد طوّرت نماذج مفاهيمية لكيفية أداء كل تمرين، بعد تحليل ملايين التمارين المختلفة.

أثناء التمرين، يستخدم التطبيق خوارزمية لمقارنة مواضع مفاصلك. وسيُكتشف أي انحراف ويُسلّط الضوء عليه، مما يقلل خطر الإصابة ويعزز طريقة أكثر أمانًا وتحسينًا لممارسة التمارين دون مدرّب شخصي.

لقد حقق الذكاء الاصطناعي للرؤية في مجال اللياقة البدنية قفزة نوعية في الآونة الأخيرة من خلال تطبيقات مبتكرة مثل Mirror، الأمر الذي يدفعك إلى التساؤل… 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، أصبح هذا المصطلح حديث الجميع. لكن ما المقصود به تحديدًا؟ باختصار، الميتافيرس مصطلح شامل يشير إلى العوالم الرقمية التي يُفترض أن توسّع العالم الحقيقي.

تخيّل حضور فعاليات وحفلات موسيقية ولقاءات افتراضية، وستتضح لك الفكرة. لكن الميتافيرس يشمل أيضًا تفاعلات «افتراضية» أبسط، مثل تسجيل الدخول إلى وسائل التواصل الاجتماعي والتمرير عبر موجز الأخبار.

على الرغم من عدم وجود هدف نهائي محدد، يبذل العلماء جهودًا هائلة لجعل الميتافيرس غامرًا قدر الإمكان باستخدام الذكاء الاصطناعي للرؤية الحاسوبية، وهو مجال من الذكاء الاصطناعي يدرّب أجهزة الكمبيوتر على فهم المعلومات القيّمة الواردة من المدخلات المرئية وتقديم توصيات استنادًا إلى البيانات التي جُمعت. ويُعد التشغيل البيني عنصرًا أساسيًا من الذكاء الاصطناعي للرؤية الحاسوبية في الميتافيرس. ويشير هذا المصطلح المميز، والمخيف قليلًا، أساسًا إلى عملية نقل الصور الرمزية والعناصر الرقمية بسلاسة من عالم افتراضي إلى آخر.

لقد مكّنت خوارزميات تعلّم الآلة (ML) الخاصة بالتشغيل البيني قطاع الرعاية الصحية بالفعل. فعلى سبيل المثال، عند إجراء فحص بالأشعة المقطعية، ستتم معالجة كميات كبيرة من البيانات وجمعها وتخزينها في قاعدة بيانات طبية.

سيتبع الأطباء نهجًا مختلفًا من خلال إدخال معلومات الرعاية الصحية الخاصة بك يدويًا في قاعدة بيانات. ثم يُستخدم التشغيل البيني لدمج تحليلي البيانات هذين بهدف تقديم تشخيص سريع للمرض.

اكتشاف الأجسام في الحوسبة الطرفية#

يغرق العالم في البيانات. وعلى الرغم من وصف البيانات بأنها «النفط الجديد»، فإن الحقيقة هي أن كثرتها تسبب مشكلة. فليست كل البيانات متساوية. ويستنزف جمع ما تم الحصول عليه وتنظيمه وفرزه الوقت.

لقد خففت الحوسبة الطرفية مع اكتشاف الأجسام عنا عبء استخراج البيانات من مركز البيانات الرئيسي ونقلها إلى أطراف بنيته. لكن ما الحوسبة الطرفية، وكيف تعمل؟

تخيّل مدارًا من الأجهزة التقنية التي تنقل البيانات من قاعدة البيانات الرئيسية وإليها. إن هذه كمية كبيرة من المعلومات التي يتعين عليها معالجتها. وستتعرض قدرات قاعدة البيانات على المعالجة السريعة للإعاقة، مما يسبب تأخيرات واضطرابات تؤدي إلى تدهور الأداء.

لكن مع الحوسبة الطرفية، ستُوزّع نسبة كبيرة من هذه البيانات على الأطراف. وتضع خوارزميات تعلّم الآلة كل جهاز طرفي مسؤولًا عن تدريب نموذج تحليلي باستخدام البيانات المخزنة محليًا.

سيبذل كل جهاز جهده لتصفية الأجزاء الأكثر قيمة من البيانات، والتي ستُرسل بعد ذلك إلى قاعدة البيانات الرئيسية لإجراء تحليل شامل. تخيّل عالمًا يتولى مشروعًا حافلًا بالأبحاث. فبدلًا من تحليل جميع بيانات كل تجربة، يفوّض هذه المسؤولية إلى باحثين آخرين ليعودوا إليه بملخص.

يغيّر الذكاء الاصطناعي للرؤية العالم أمام أعيننا، وحالات استخدام الذكاء الاصطناعي التي تناولناها هنا ليست سوى قمة جبل الجليد. لكن الأمر الأكثر إثارة هو أنه يمكنك أيضًا الاستفادة من إمكانات الذكاء الاصطناعي للرؤية المذهلة باستخدام منصة نشر ML الخاصة بنا، Ultralytics Platform.

هل ترغب في الاستمتاع بالذكاء الاصطناعي للرؤية الحاسوبية، لكنك لا تريد كتابة التعليمات البرمجية؟#

كل ما تحتاج إليه هو فكرة. فمن خلال Ultralytics Platform، من السهل إنشاء نماذج باستخدام YOLOv5 وتحويل أفكارك إلى واقع. نحن نبسّط الأمور ونتولى جميع عمليات MLOps المعقدة بأنفسنا، لذلك لا تحتاج إلى معرفة أي تعليمات برمجية للاستمتاع بالذكاء الاصطناعي. ومن السهل البدء، والأسهل من ذلك إنشاء أول نموذج ML لك.

حل مشكلتك باستخدام الذكاء الاصطناعي للرؤية#

من السهل البدء باستخدام منصة نشر ML الخاصة بنا. ولا تحتاج إلى أي خبرة سابقة في الذكاء الاصطناعي على الإطلاق.