20 يناير 2025
تعرف على كيف تستخدم وكلاء الذكاء الاصطناعي الرؤية الحاسوبية لإعادة اختراع الصناعات. استكشف تطبيقاتها في مجالات مثل الأمن والسيارات ذاتية القيادة والمزيد.
تواجه كل صناعة، من التصنيع إلى البيع بالتجزئة، تحديات العمليات الخاصة بها، وكان إيجاد طرق مبتكرة لحل هذه المشكلات دائمًا مفتاحًا لإدارة الأعمال التجارية الناجحة. في الآونة الأخيرة، أصبحت وكلاء الذكاء الاصطناعي حلاً شائعًا في العديد من المجالات. تتجاوز هذه الأنظمة تحليل البيانات. يمكنهم أيضًا اتخاذ إجراءات.
على سبيل المثال، يمكن لوكلاء 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 على الفور إلى أي نشاط غير عادي.
مع نمو هذا الاتجاه، تعمل وكلاء الذكاء الاصطناعي بنشاط على تحويل الصناعات في جميع أنحاء العالم. وصل سوق وكلاء الذكاء الاصطناعي العالمي إلى 5.1 مليار دولار في عام 2024 ومن المتوقع أن ينمو إلى 47.1 مليار دولار بحلول عام 2030.
تتمثل إحدى التقنيات الرئيسية التي تدفع هذه التطورات في الرؤية الحاسوبية. من خلال تمكين الآلات من معالجة البيانات المرئية وتفسيرها، فإن الرؤية المدعومة بالذكاء الاصطناعي (Vision AI) تجعل من الممكن لوكلاء الذكاء الاصطناعي أداء مهام الرؤية الحاسوبية مثل اكتشاف الكائنات في الوقت الفعلي، وتقسيم الحالات، وتتبع الكائنات بدقة مذهلة. إنه يسد الفجوة بين ما تراه الآلات وكيف تتخذ القرارات، مما يجعله جزءًا مهمًا من العديد من الحلول التي تعمل بالذكاء الاصطناعي.
في هذه المقالة، سوف نستكشف وكلاء الذكاء الاصطناعي وعلاقتهم بالرؤية الحاسوبية. وسنناقش أيضًا الأنواع المختلفة لوكلاء الذكاء الاصطناعي وكيفية استخدامهم في التطبيقات القائمة على الرؤية. هيا بنا نبدأ!
قبل الخوض في وكلاء الذكاء الاصطناعي القائمين على الرؤية، لنتوقف لحظة لفهم وكلاء الذكاء الاصطناعي بشكل عام لنرى مدى تنوع هذه الأنظمة.
الوكيل المدعوم بالذكاء الاصطناعي هو نظام ذكي يمكنه فهم المهام أو الأسئلة والاستجابة لها دون الحاجة إلى مساعدة من إنسان. تستخدم العديد من الوكلاء المدعومين بالذكاء الاصطناعي التعلم الآلي ومعالجة اللغة الطبيعية (NLP) للتعامل مع مجموعة واسعة من المهام، بدءًا من الإجابة على الأسئلة الأساسية وحتى إدارة العمليات المعقدة.
تتمتع بعض وكلاء الذكاء الاصطناعي بقدرة التعلم والتحسين بمرور الوقت، على عكس أنظمة الذكاء الاصطناعي التقليدية التي تعتمد على إدخال بشري لكل تحديث. لهذا السبب أصبحت 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. يتم استخدام وكلاء الذكاء الاصطناعي لمعالجة المبالغ المستردة 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 أن وكلاء الذكاء الاصطناعي يجعلون العمليات اليومية أسرع وأكثر كفاءة.
بعد ذلك، دعنا نلقي نظرة سريعة على كيفية عمل وكلاء الذكاء الاصطناعي. في حين أن كل وكيل ذكاء اصطناعي فريد ومصمم لمهام محددة، إلا أنهم جميعًا يشتركون في نفس الخطوات الرئيسية الثلاث: الإدراك واتخاذ القرار والعمل.
أولاً، في خطوة الإدراك، تجمع وكلاء الذكاء الاصطناعي معلومات من مصادر مختلفة لفهم ما يحدث. التالي هو اتخاذ القرار. بناءً على المعلومات التي يجمعونها، فإنهم يستخدمون خوارزمياتهم لتحليل الموقف وتحديد أفضل مسار للعمل. أخيرًا، هناك العمل. بمجرد اتخاذهم قرارًا، فإنهم ينفذونه - سواء كان ذلك الإجابة على سؤال، أو إكمال مهمة، أو الإبلاغ عن مشكلة ليقوم شخص بمعالجتها.
قد يبدو الأمر بسيطاً، ولكن اعتماداً على نوع وكيل الذكاء الاصطناعي، غالباً ما يحدث الكثير وراء الكواليس لجعل هذه الخطوات تعمل. من تحليل البيانات المعقدة إلى استخدام نماذج التعلم الآلي المتقدمة، تم تصميم كل وكيل ذكاء اصطناعي للتعامل مع مهام محددة بطريقته الخاصة.
على سبيل المثال، في حين أن العديد من وكلاء الذكاء الاصطناعي يركزون على معالجة اللغة من خلال البرمجة اللغوية العصبية، فإن البعض الآخر - المعروفين باسم وكلاء رؤية الذكاء الاصطناعي - يدمجون رؤية الكمبيوتر للتعامل مع البيانات المرئية. باستخدام نماذج رؤية الكمبيوتر المتقدمة مثل Ultralytics YOLO11، يمكن لوكلاء رؤية الذكاء الاصطناعي إجراء تحليل أكثر دقة للصور.
دعونا نستخدم السيارات ذاتية القيادة كمثال لنرى كيف تعمل وكلاء الرؤية المدعومة بالذكاء الاصطناعي من خلال الخطوات الرئيسية الثلاث الموضحة أعلاه:
تُعد سيارات Waymo ذاتية القيادة مثالاً رائعًا على هذه التقنية. فهي تستخدم وكلاء رؤية اصطناعية (vision AI agents) لفهم محيطها، واتخاذ قرارات في الوقت الفعلي، والتنقل في الطرق بأمان وكفاءة دون تدخل بشري.
الآن بعد أن رأينا كيف تعمل وكلاء الذكاء الاصطناعي وكيف تستخدم رؤية الكمبيوتر، دعنا نلقي نظرة على الأنواع المختلفة من وكلاء الذكاء الاصطناعي. تم تصميم كل نوع لمهام محددة، من الإجراءات البسيطة إلى اتخاذ القرارات والتعلم الأكثر تعقيدًا.
وكلاء رد الفعل البسيط هم أبسط أنواع وكلاء الذكاء الاصطناعي. إنهم يستجيبون لمدخلات محددة بإجراءات محددة مسبقًا، بناءً على الوضع الحالي فقط دون النظر إلى أي تاريخ أو نتائج مستقبلية. تستخدم هذه الوكلاء عادةً قواعد "إذا-إذن" بسيطة لتوجيه سلوكهم.
فيما يتعلق بتحليل الصور، يمكن برمجة عامل رد فعل بسيط لاكتشاف لون معين (مثل الأحمر) وتشغيل إجراء فوري (مثل تمييز أو عد الكائنات الحمراء). في حين أن هذا قد ينجح في المهام المباشرة، إلا أنه يقصر في البيئات الأكثر تعقيدًا، حيث أن العامل لا يتعلم أو يتكيف من الخبرات السابقة.
الوكلاء الانعكاسيون القائمون على النموذج 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، على سبيل المثال. يمكن لوكلاء رؤية الذكاء الاصطناعي المدمجين فيها استخدام الرؤية الحاسوبية لتحليل ما يحدث في الوقت الفعلي. يمكنهم مقارنة الحركات والإجراءات بنموذج للسلوك الطبيعي، مما يساعدهم على اكتشاف النشاط غير العادي، مثل السرقة من المتاجر، والإبلاغ عن التهديدات الأمنية المحتملة بدقة أكبر.
فكر في طائرة بدون طيار قائمة على الأداة تُستخدم لمراقبة المحاصيل. إنها تعدل مسار طيرانها لتغطية مساحة أكبر مع تجنب العقبات وتختار أفضل طريق للوظيفة. هذا 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 رؤية الذكاء الاصطناعي المصممين لهذا الغرض معالجة وتحليل المدخلات المرئية المختلفة، مثل الصور أو بيانات الاستشعار، وتحديد النتيجة الأكثر فائدة بناءً على معايير محددة مسبقًا.
تشبه الوكلاء القائمون على الهدف الوكلاء القائمين على المنفعة لأن كلاهما يهدف إلى تحقيق أهداف محددة. ومع ذلك، تركز 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 العوامل الأخرى مثل القيمة الإجمالية أو المفاضلات.
على سبيل المثال، تعمل السيارة ذاتية القيادة كعامل قائم على الهدف عندما يكون هدفها هو الوصول إلى وجهة. تقوم بمعالجة البيانات من كاميرات الذكاء الاصطناعي وأجهزة الاستشعار لاتخاذ قرارات مثل تجنب العقبات، وإطاعة إشارات المرور، واختيار المنعطفات الصحيحة للبقاء على المسار الصحيح. تسترشد هذه القرارات بالكامل بمدى توافقها مع هدف الوصول إلى الوجهة بأمان وكفاءة. على عكس العوامل القائمة على المنفعة، تركز العوامل القائمة على الهدف فقط على تحقيق الهدف دون النظر في معايير إضافية مثل الكفاءة أو التحسين.
إذا كنت على دراية برؤية الكمبيوتر، فربما تكون قد سمعت عن الضبط الدقيق (fine-tuning) - وهي عملية تتحسن فيها النماذج من خلال التعلم من بيانات جديدة. تعمل العوامل التعليمية بطريقة مماثلة، حيث تتكيف وتتحسن بمرور الوقت مع اكتساب الخبرة. في تطبيقات مثل مراقبة الجودة القائمة على الرؤية (vision-based quality control)، تتحسن هذه العوامل في اكتشاف العيوب مع كل فحص. هذه القدرة على تحسين أدائها حيوية بشكل خاص في مجالات مثل الطيران، حيث السلامة والدقة أمران حيويان.
يبسط الوكلاء الهرميون المهام المعقدة عن طريق تقسيمها إلى خطوات أصغر وأكثر قابلية للإدارة. يشرف وكيل عالي المستوى على العملية برمتها، ويتخذ قرارات استراتيجية، بينما يتعامل الوكلاء ذوو المستوى الأدنى مع مهام محددة. إنه أكثر كفاءة عندما يتعلق الأمر بالعمليات التي تتضمن خطوات متعددة وتنفيذًا تفصيليًا.
على سبيل المثال، في مستودع آلي، قد يخطط روبوت ذو مستوى أعلى لعملية الفرز، ويقرر العناصر التي يجب أن تذهب إلى أي المناطق. وفي الوقت نفسه، تركز الروبوتات ذات المستوى الأدنى على تحديد العناصر باستخدام رؤية الكمبيوتر، وتحليل ميزات مثل الحجم أو الشكل أو الملصقات، وتنظيمها في الصناديق الصحيحة. يساعد التقسيم الواضح للمسؤوليات على تشغيل النظام بسلاسة.
جوهر وكيل الذكاء الاصطناعي الذي يتمتع بقدرات الرؤية هو نموذج رؤية الكمبيوتر. أحد أحدث وأكثر نماذج رؤية الكمبيوتر موثوقية المتوفرة اليوم هو Ultralytics YOLO11. يشتهر YOLO11 بكفاءته ودقته في الوقت الفعلي، مما يجعله مثاليًا لـ مهام رؤية الكمبيوتر.
إليك العمليات المختلفة المتضمنة في بناء وكيل الذكاء الاصطناعي الخاص بك بقدرات YOLO11:
تُحدث وكلاء الذكاء الاصطناعي المدمجة مع الرؤية الحاسوبية - وكلاء الرؤية الحاسوبية (vision AI agents) - تغييرًا في الصناعات من خلال أتمتة المهام، وتسريع العمليات، وتحسين اتخاذ القرارات. من المدن الذكية التي تتحكم في حركة المرور إلى أنظمة الأمان التي تستخدم التعرف على الوجوه، تقدم هذه الوكلاء حلولًا جديدة للمشاكل الشائعة.
كما يمكنها الاستمرار في التعلم والتحسن بمرور الوقت، مما يجعلها مفيدة في البيئات المتغيرة. وباستخدام أدوات مثل YOLO11، أصبح إنشاء واستخدام هذه العناصر الذكية أسهل، مما يؤدي إلى حلول أكثر ذكاءً وكفاءة.
انضم إلى مجتمعنا وتفقد مستودع GitHub الخاص بنا للتعرف على الذكاء الاصطناعي. استكشف تطبيقات متنوعة لـ الرؤية الحاسوبية في الرعاية الصحية و الذكاء الاصطناعي في الزراعة في صفحات الحلول الخاصة بنا. ألقِ نظرة على خيارات الترخيص المتاحة لتبدأ!
