يقود الرؤية الحاسوبية الطريقة التي تتخذ بها وكلاء الذكاء الاصطناعي الرؤيوي قراراتهم

تواجه كل صناعة، من التصنيع إلى البيع بالتجزئة، تحديات خاصة في عملياتها، وكان العثور على طرق مبتكرة لحل هذه المشكلات دائمًا مفتاحًا لإدارة أعمال ناجحة. في الآونة الأخيرة، أصبح وكلاء الذكاء الاصطناعي حلاً شائعًا عبر العديد من المجالات. لا تكتفي هذه الأنظمة بتحليل البيانات فحسب، بل يمكنها أيضًا اتخاذ إجراءات.

على سبيل المثال، يمكن لـ وكلاء الذكاء الاصطناعي في التصنيع اكتشاف العيوب في الوقت الفعلي وبدء إجراءات مراقبة الجودة تلقائيًا للحفاظ على سير الإنتاج بسلاسة. وبالمثل، في الخدمات اللوجستية والبيع بالتجزئة، يمكنهم مراقبة مواقع متعددة باستخدام المراقبة الذكية وتنبيه الفرق فورًا بوجود أي نشاط غير معتاد.

مع نمو هذا الاتجاه، يقوم وكلاء الذكاء الاصطناعي بتحويل الصناعات بنشاط في جميع أنحاء العالم. وصل سوق وكلاء الذكاء الاصطناعي العالمي إلى 5.1 مليار دولار في عام 2024، ومن المتوقع أن ينمو ليصل إلى 47.1 مليار دولار بحلول عام 2030.

الشكل 1. نظرة على حجم سوق وكلاء الذكاء الاصطناعي العالمي.

إحدى التقنيات الرئيسية التي تقود هذه التطورات هي الرؤية الحاسوبية. من خلال تمكين الآلات من معالجة وتفسير البيانات المرئية، يجعل الذكاء الاصطناعي البصري من الممكن لوكلاء الذكاء الاصطناعي أداء مهام الرؤية الحاسوبية مثل اكتشاف الأشياء في الوقت الفعلي، وتجزئة المثيلات، وتتبع الأشياء بدقة مذهلة. إنها تسد الفجوة بين ما تراه الآلات وكيف تتخذ قراراتها، مما يجعلها جزءًا مهمًا من العديد من الحلول المدعومة بالذكاء الاصطناعي.

في هذه المقالة، سوف نستكشف وكلاء الذكاء الاصطناعي وعلاقتهم بالرؤية الحاسوبية. سنناقش أيضًا الأنواع المختلفة لوكلاء الذكاء الاصطناعي وكيفية استخدامهم في التطبيقات القائمة على الرؤية. لنبدأ!

Link to this sectionما هي وكلاء الذكاء الاصطناعي؟#

قبل الغوص في وكلاء الذكاء الاصطناعي القائمين على الرؤية، دعنا نأخذ لحظة لفهم وكلاء الذكاء الاصطناعي بشكل عام لنرى مدى تعدد استخدامات هذه الأنظمة.

وكيل الذكاء الاصطناعي هو نظام ذكي يمكنه فهم المهام أو الأسئلة والاستجابة لها دون الحاجة إلى مساعدة بشرية. يستخدم العديد من وكلاء الذكاء الاصطناعي التعلم الآلي ومعالجة اللغات الطبيعية (NLP) للتعامل مع مجموعة واسعة من المهام، بدءًا من الإجابة على الأسئلة الأساسية وحتى إدارة العمليات المعقدة.

يتمتع بعض وكلاء الذكاء الاصطناعي بالقدرة على التعلم والتحسن بمرور الوقت، على عكس أنظمة الذكاء الاصطناعي التقليدية التي تعتمد على المدخلات البشرية في كل تحديث. ولهذا السبب أصبح وكلاء الذكاء الاصطناعي جزءًا أساسيًا من الذكاء الاصطناعي بسرعة. يمكنهم أتمتة المهام واتخاذ القرارات والتفاعل مع بيئتهم دون الحاجة إلى إشراف مستمر. إنها مفيدة بشكل خاص لإدارة المهام المتكررة والمستهلكة للوقت.

على سبيل المثال، يمكنك العثور على وكلاء الذكاء الاصطناعي في قطاعات مثل خدمة العملاء والضيافة. يُستخدم وكلاء الذكاء الاصطناعي لمعالجة عمليات استرداد الأموال وتقديم توصيات مخصصة للمنتجات في خدمة العملاء. وفي الوقت نفسه، في صناعة الضيافة، يمكنهم مساعدة موظفي الفندق في إدارة طلبات الضيوف، وتبسيط خدمة الغرف، واقتراح مناطق الجذب القريبة للضيوف. توضح هذه الأمثلة كيف يجعل وكلاء الذكاء الاصطناعي العمليات اليومية أسرع وأكثر كفاءة.

Link to this sectionفهم كيفية عمل وكلاء الذكاء الاصطناعي البصري#

بعد ذلك، دعنا نلقي نظرة سريعة على كيفية عمل وكلاء الذكاء الاصطناعي. على الرغم من أن كل وكيل ذكاء اصطناعي فريد ومصمم لمهام محددة، إلا أنهم جميعًا يتشاركون في الخطوات الثلاث الرئيسية نفسها: الإدراك، واتخاذ القرار، والعمل.

أولاً، في خطوة الإدراك، يجمع وكلاء الذكاء الاصطناعي المعلومات من مصادر مختلفة لفهم ما يحدث. التالي هو اتخاذ القرار. بناءً على المعلومات التي يجمعونها، يستخدمون خوارزمياتهم لتحليل الموقف وتحديد أفضل مسار للعمل. أخيرًا، هناك الإجراء. بمجرد اتخاذ القرار، يقومون بتنفيذه - سواء كان ذلك بالإجابة على سؤال، أو إكمال مهمة، أو الإبلاغ عن مشكلة ليتعامل معها شخص بشري.

قد يبدو الأمر مباشرًا، ولكن اعتمادًا على نوع وكيل الذكاء الاصطناعي، غالبًا ما يحدث الكثير خلف الكواليس لجعل هذه الخطوات تعمل. من تحليل البيانات المعقدة إلى استخدام نماذج تعلم آلي متقدمة، تم تصميم كل وكيل ذكاء اصطناعي للتعامل مع مهام محددة بطريقته الخاصة.

على سبيل المثال، بينما يركز العديد من وكلاء الذكاء الاصطناعي على معالجة اللغة من خلال NLP، يدمج آخرون - يُعرفون باسم وكلاء الذكاء الاصطناعي البصري - الرؤية الحاسوبية للتعامل مع البيانات المرئية. باستخدام نماذج رؤية حاسوبية متقدمة مثل Ultralytics YOLO11، يمكن لوكلاء الذكاء الاصطناعي البصري إجراء تحليل أكثر دقة للصور.

الشكل 2. مثال على عد التفاح في صورة باستخدام YOLO11.

Link to this sectionوكلاء الذكاء الاصطناعي البصري في السيارات ذاتية القيادة#

دعونا نستخدم السيارات ذاتية القيادة كمثال لنرى كيف يعمل وكلاء الذكاء الاصطناعي البصري من خلال الخطوات الثلاث الرئيسية الموضحة أعلاه:

• الإدراك: يجمع وكلاء الذكاء الاصطناعي البصري في السيارات ذاتية القيادة البيانات المرئية من الكاميرات والمستشعرات المثبتة على المركبة. تتضمن هذه البيانات صورًا ومقاطع فيديو للبيئة المحيطة، مثل المركبات الأخرى والمشاة وإشارات المرور وعلامات الطريق.
• اتخاذ القرار: يقوم وكيل الذكاء الاصطناعي بمعالجة هذه البيانات المرئية باستخدام نماذج مثل YOLO11. إنه يحدد كائنات مثل السيارات والمشاة، ويكتشف العوائق أو تغييرات المسار المفاجئة، ويتعرف على الأنماط مثل تدفق حركة المرور وحالات الإشارة. يساعد هذا السيارة على فهم ظروف الطريق في الوقت الفعلي.
• العمل: بناءً على تحليله، يتخذ وكيل الذكاء الاصطناعي إجراءً، مثل التوجيه لتجنب عقبة، أو تعديل السرعة، أو التوقف عند إشارة حمراء. يتم اتخاذ هذه القرارات بسرعة لضمان قيادة آمنة وفعالة.

تعد سيارات Waymo ذاتية القيادة مثالًا رائعًا على هذه التكنولوجيا. يستخدمون وكلاء الذكاء الاصطناعي البصري لفهم محيطهم، واتخاذ قرارات في الوقت الفعلي، والتنقل في الطرق بأمان وكفاءة دون تدخل بشري.

الشكل 3. تاكسي ذاتي القيادة يعتمد على وكيل الذكاء الاصطناعي من Waymo.

Link to this sectionأنواع وكلاء الذكاء الاصطناعي البصري#

الآن بعد أن رأينا كيف يعمل وكلاء الذكاء الاصطناعي وكيف يستخدمون الرؤية الحاسوبية، دعنا نلقي نظرة على الأنواع المختلفة لوكلاء الذكاء الاصطناعي. تم تصميم كل نوع لمهام محددة، بدءًا من الإجراءات البسيطة وحتى اتخاذ القرار والتعلم الأكثر تعقيدًا.

Link to this sectionالوكلاء الانعكاسيون البسيطون#

الوكلاء الانعكاسيون البسيطون هم النوع الأكثر أساسية من وكلاء الذكاء الاصطناعي. إنهم يستجيبون لمدخلات محددة بإجراءات محددة مسبقًا، بناءً على الموقف الحالي فقط دون النظر إلى أي تاريخ أو نتائج مستقبلية. يستخدم هؤلاء الوكلاء عادةً قواعد "إذا-فإن" البسيطة لتوجيه سلوكهم.

فيما يتعلق بتحليل الصور، قد تتم برمجة وكيل انعكاسي بسيط لاكتشاف لون معين (مثل الأحمر) وإطلاق إجراء فوري (مثل تمييز أو عد الكائنات الحمراء). بينما يمكن أن ينجح هذا في المهام المباشرة، إلا أنه يقصر في البيئات الأكثر تعقيدًا، حيث لا يتعلم الوكيل أو يتكيف من التجارب السابقة.

Link to this sectionالوكلاء الانعكاسيون القائمون على النموذج#

الوكلاء الانعكاسيون القائمون على النموذج هم أكثر تقدمًا من الوكلاء الانعكاسيين البسيطين لأنهم يستخدمون نموذجًا داخليًا لبيئتهم لفهم الموقف بشكل أفضل. يتيح لهم هذا النموذج التعامل مع المعلومات المفقودة أو غير الكاملة واتخاذ قرارات أكثر استنارة.

خذ أنظمة كاميرات المراقبة بالذكاء الاصطناعي كمثال. يمكن لوكلاء الذكاء الاصطناعي البصري المدمجين فيها استخدام الرؤية الحاسوبية لتحليل ما يحدث في الوقت الفعلي. يمكنهم مقارنة الحركات والإجراءات بنموذج للسلوك الطبيعي، مما يساعدهم على رصد النشاط غير المعتاد، مثل سرقة المتاجر، والإبلاغ عن التهديدات الأمنية المحتملة بدقة أكبر.

الشكل 4. مثال على استخدام الرؤية الحاسوبية لاكتشاف السرقة.

Link to this sectionالوكلاء القائمون على المنفعة#

فكر في طائرة بدون طيار قائمة على المنفعة تُستخدم لمراقبة المحاصيل. فهي تعدل مسار طيرانها لتغطية مساحة أكبر مع تجنب العوائق وتختار أفضل طريق للمهمة. وهذا يعني أن الطائرة بدون طيار تقيم إجراءات محتملة متعددة، مثل المنطقة التي يجب إعطاؤها الأولوية أو كيفية التنقل بكفاءة، وتختار الإجراء الذي يزيد من فعاليتها.

وبالمثل، تم تصميم الوكلاء القائمين على المنفعة لاختيار أفضل إجراء من بين عدة خيارات لتحقيق أعظم فائدة أو نتيجة. يمكن لوكلاء الذكاء الاصطناعي البصري المصممين لهذا الغرض معالجة وتحليل مدخلات مرئية مختلفة، مثل الصور أو بيانات المستشعرات، واختيار النتيجة الأكثر فائدة بناءً على معايير محددة مسبقًا.

الشكل 5. يمكن استخدام الطائرات بدون طيار القائمة على المنفعة لمراقبة المحاصيل.

Link to this sectionالوكلاء القائمون على الهدف#

الوكلاء القائمون على الهدف مشابهون للوكلاء القائمين على المنفعة لأن كلاهما يهدف إلى تحقيق أهداف محددة. ومع ذلك، يركز الوكلاء القائمون على الهدف بشكل خالص على الإجراءات التي تقربهم من هدفهم المحدد. إنهم يقيمون كل إجراء بناءً على كيفية مساعدته في تحقيق هدفهم، دون الموازنة بين عوامل أخرى مثل القيمة الإجمالية أو المقايضات.

على سبيل المثال، تعمل السيارة ذاتية القيادة كوكيل قائم على الهدف عندما يكون هدفها الوصول إلى وجهة. فهي تعالج البيانات من كاميرات الذكاء الاصطناعي والمستشعرات لاتخاذ قرارات مثل تجنب العوائق، وطاعة إشارات المرور، واختيار المنعطفات الصحيحة للبقاء على المسار. يتم توجيه هذه القرارات بالكامل من خلال مدى توافقها مع هدف الوصول إلى الوجهة بأمان وكفاءة. على عكس الوكلاء القائمين على المنفعة، يركز الوكلاء القائمون على الهدف فقط على تحقيق الهدف دون النظر إلى معايير إضافية مثل الكفاءة أو التحسين.

الشكل 6. سيارة ذاتية القيادة تستخدم الرؤية الحاسوبية لتحديد الكائنات في محيطها.

Link to this sectionالوكلاء المتعلمون#

إذا كنت على دراية بالرؤية الحاسوبية، فربما سمعت عن الضبط الدقيق - وهي عملية تتحسن فيها النماذج من خلال التعلم من بيانات جديدة. يعمل الوكلاء المتعلمون بطريقة مماثلة، حيث يتكيفون ويتحسنون بمرور الوقت مع اكتسابهم للخبرة. في تطبيقات مثل مراقبة الجودة القائمة على الرؤية، يصبح هؤلاء الوكلاء أفضل في اكتشاف العيوب مع كل عملية فحص. إن هذه القدرة على تحسين أدائهم مهمة بشكل خاص في مجالات مثل الطيران، حيث تعد السلامة والدقة أمرًا حيويًا.

Link to this sectionالوكلاء الهرميون#

يعمل الوكلاء الهرميون على تبسيط المهام المعقدة عن طريق تقسيمها إلى خطوات أصغر وأكثر قابلية للإدارة. يشرف وكيل عالي المستوى على العملية الشاملة، ويتخذ قرارات استراتيجية، بينما يتعامل الوكلاء منخفضو المستوى مع مهام محددة. إنه أكثر كفاءة عندما يتعلق الأمر بالعمليات التي تتضمن خطوات متعددة وتنفيذًا مفصلاً.

على سبيل المثال، في مستودع آلي، قد يخطط روبوت عالي المستوى لعملية الفرز، ويقرر أي العناصر يجب أن تذهب إلى أي مناطق. في الوقت نفسه، يركز الروبوتات منخفضة المستوى على تحديد العناصر باستخدام الرؤية الحاسوبية، وتحليل السمات مثل الحجم أو الشكل أو الملصقات، وتنظيمها في الصناديق الصحيحة. يساعد التقسيم الواضح للمسؤوليات على تشغيل النظام بسلاسة.

الشكل 7. مثال على وكيل ذكاء اصطناعي روبوتي يفرز الطرود.

Link to this sectionكيف تبدأ في بناء وكيل ذكاء اصطناعي بصري#

جوهر وكيل الذكاء الاصطناعي ذي القدرات البصرية هو نموذج الرؤية الحاسوبية. أحد أحدث نماذج الرؤية الحاسوبية وأكثرها موثوقية المتاحة اليوم هو Ultralytics YOLO11. يشتهر YOLO11 بكفاءته ودقته في الوقت الفعلي، مما يجعله مثاليًا لـ مهام الرؤية الحاسوبية.

إليك العمليات المختلفة المشمولة في بناء وكيل الذكاء الاصطناعي الخاص بك باستخدام قدرات YOLO11:

• إعداد مجموعة بيانات: اجمع ومعالجة الصور المصنفة ذات الصلة بالمهمة التي سيؤديها وكيل الذكاء الاصطناعي الخاص بك.

• تدريب مخصص للنموذج: قم بتدريب YOLO11 بشكل خاص على مجموعة بياناتك لتحسين دقته وأدائه لتطبيقك الفريد.

• التكامل مع إطار عمل اتخاذ القرار: قم بتوصيل النموذج المدرب بنظام يمكّن وكيل الذكاء الاصطناعي من اتخاذ قرارات بناءً على المدخلات المرئية.

• الاختبار والتحسين: انشر وكيل الذكاء الاصطناعي، واختبر أداءه، واجمع التعليقات، وقم بتعديل النموذج لتحسين الدقة والموثوقية.

Link to this sectionأبرز النقاط#

يعمل وكلاء الذكاء الاصطناعي المدمجون مع الرؤية الحاسوبية - وكلاء الذكاء الاصطناعي البصري - على تغيير الصناعات من خلال أتمتة المهام، وتسريع العمليات، وتحسين اتخاذ القرار. من المدن الذكية التي تتحكم في حركة المرور إلى الأنظمة الأمنية التي تستخدم التعرف على الوجه، يقدم هؤلاء الوكلاء حلولًا جديدة للمشكلات الشائعة.

يمكنهم أيضًا الاستمرار في التعلم والتحسن بمرور الوقت، مما يجعلهم مفيدين في البيئات المتغيرة. باستخدام أدوات مثل YOLO11، أصبح إنشاء واستخدام وكلاء الذكاء الاصطناعي هؤلاء أسهل، مما يؤدي إلى حلول أكثر ذكاءً وكفاءة.

انضم إلى مجتمعنا وتحقق من مستودع GitHub الخاص بنا للتعرف على الذكاء الاصطناعي. استكشف تطبيقات متنوعة لـ الرؤية الحاسوبية في الرعاية الصحية و الذكاء الاصطناعي في الزراعة على صفحات الحلول الخاصة بنا. ألقِ نظرة على خيارات الترخيص المتاحة للبدء!