تشغيل نماذج Ultralytics YOLO على حاسوب Intel للذكاء الاصطناعي باستخدام OpenVINO
أعد زيارة حديث Dmitriy Pastushenkov وAdrian Boguszewski في YOLO Vision 2024 حول تحسين نماذج YOLO باستخدام Intel OpenVINO وتشغيل عمليات الاستدلال في الوقت الفعلي على حاسوب Intel للذكاء الاصطناعي.
جمع YOLO Vision 2024 (YV24)، وهو فعالية Ultralytics الهجينة السنوية، عشاق الذكاء الاصطناعي والمطورين والخبراء من جميع أنحاء العالم لاستكشاف أحدث الابتكارات في الرؤية الحاسوبية. وقد وفّرت YV24 فرصة ومنصة رائعتين لمناقشة أحدث الإنجازات. وشهدت الفعالية مشاركة جهات رئيسية في قطاع الذكاء الاصطناعي قدّمت أحدث ابتكاراتها. وكانت Intel من بينها، إذ شاركت في الفعالية وقدّمت كلمة رئيسية حول حاسوبها الجديد الرائد المدعوم بالذكاء الاصطناعي، وتكامل Intel OpenVINO مع نماذج Ultralytics YOLO مثل Ultralytics YOLO11.
قدّم الحديث Adrian Boguszewski، وهو مبشّر برمجيات شارك في تأليف مجموعة بيانات LandCover.ai ويثقّف المطورين حول مجموعة أدوات OpenVINO من Intel، وDmitriy Pastushenkov، وهو مبشّر بحواسيب الذكاء الاصطناعي من Intel يتمتع بخبرة تزيد على 20 عامًا في الأتمتة الصناعية والذكاء الاصطناعي. وخلال الفعالية، أعرب Adrian عن حماسه قائلًا: "إنها فعالية رائعة اليوم، ليس فقط لأن Ultralytics قدّمت إصدارًا جديدًا من YOLO، بل لأننا نستطيع أيضًا عرض هذا النموذج وهو يعمل على أجهزتنا الجديدة، إلى جانب إصدار جديد من OpenVINO."
في هذه المقالة، سنستعرض أبرز النقاط من حديث Intel في YV24، ونتعمق في تفاصيل حاسوبها المدعوم بالذكاء الاصطناعي، وسلسلة Intel Core Ultra 200V، وكيفية تكاملها مع نماذج Ultralytics YOLO باستخدام مجموعة أدوات OpenVINO. لنبدأ!
تقنيات الذكاء الاصطناعي المتطورة في عام 2024#
استهلّ Dmitriy الكلمة الرئيسية بالتعمق في الفروقات الأساسية بين الذكاء الاصطناعي التقليدي والذكاء الاصطناعي التوليدي. وتمحور التركيز حول كيفية تطور هذه التقنيات وحالات استخدامها في عام 2024. وقد كانت تقنيات الذكاء الاصطناعي التقليدية مثل الرؤية الحاسوبية ومعالجة اللغة الطبيعية أساسية في مهام مثل تقدير الوضعية واكتشاف الأجسام والتعرّف على الصوت. أما الذكاء الاصطناعي التوليدي، فيمثل موجة أحدث من تقنيات الذكاء الاصطناعي، ويشمل تطبيقات مثل روبوتات الدردشة وتوليد الصور من النصوص وكتابة التعليمات البرمجية وحتى توليد الفيديو من النصوص.
الشكل 1. Adrian وDmitriy من Intel على المسرح في YV24، يناقشان حالات استخدام الذكاء الاصطناعي.
أشار Dmitriy إلى اختلاف الحجم بين النوعين. وأوضح أنه في حين تتكون نماذج الذكاء الاصطناعي التقليدية من ملايين المعلمات، تعمل نماذج الذكاء الاصطناعي التوليدي على نطاق أكبر بكثير. وغالبًا ما تتضمن نماذج الذكاء الاصطناعي التوليدي مليارات المعلمات أو حتى تريليونات منها، ما يجعلها أكثر تطلبًا للموارد الحوسبية.
حاسوب Intel المدعوم بالذكاء الاصطناعي: آفاق جديدة لعتاد الذكاء الاصطناعي#
قدّم Dmitriy حاسوب Intel المدعوم بالذكاء الاصطناعي بوصفه حلًا عتاديًا جديدًا صُمم لمواجهة التحديات المتزايدة لتشغيل نماذج الذكاء الاصطناعي التقليدية والتوليدية بكفاءة. ويتميز حاسوب Intel المدعوم بالذكاء الاصطناعي بالقوة وكفاءة استهلاك الطاقة. كما يستطيع تشغيل مجموعة واسعة من نماذج الذكاء الاصطناعي محليًا، من دون الحاجة إلى المعالجة المستندة إلى السحابة.
تساعد المعالجة المحلية في الحفاظ على خصوصية البيانات الحساسة. وعندما تتمكن نماذج الذكاء الاصطناعي من العمل بصورة مستقلة عن اتصالات الإنترنت، تُعالج المخاوف الأخلاقية المتعلقة بالخصوصية والأمان في القطاعات المختلفة.
المعالج Intel Core Ultra 200V Series هو القوة الدافعة وراء حاسوب Intel المدعوم بالذكاء الاصطناعي. ويضم هذا المعالج ثلاثة مكونات رئيسية: وحدة المعالجة المركزية (CPU)، ووحدة معالجة الرسومات (GPU)، ووحدة المعالجة العصبية (NPU). ويؤدي كل منها دورًا محددًا في التعامل مع أنواع مختلفة من أعباء عمل الذكاء الاصطناعي. وتناسب وحدة المعالجة المركزية المهام الأصغر ذات زمن الاستجابة المنخفض التي تتطلب استجابات سريعة، بينما تُحسَّن وحدة معالجة الرسومات للعمليات عالية الإنتاجية، مثل تشغيل نماذج الذكاء الاصطناعي. أما وحدة المعالجة العصبية، المصممة لتحقيق كفاءة استهلاك الطاقة، فتناسب المهام طويلة التشغيل مثل اكتشاف الأجسام في الوقت الفعلي باستخدام نماذج مثل YOLO11.
وأُشير إلى أن وحدة المعالجة المركزية يمكنها توفير ما يصل إلى 5 TOPS (تريليونات العمليات في الثانية)، ووحدة معالجة الرسومات ما يصل إلى 67 TOPS، بينما توفر وحدة المعالجة العصبية طريقة موفرة للطاقة لتشغيل مهام الذكاء الاصطناعي باستمرار من دون استنزاف موارد النظام.
تطورات Intel في الذكاء الاصطناعي: سلسلة Intel Core Ultra 200V#
يدمج معالج Intel Core Ultra 200V Series محركات الذكاء الاصطناعي الثلاثة جميعها، وهي NPU وCPU وGPU، في شريحة صغيرة واحدة. وقد صُمم بما يلائم الأجهزة المدمجة مثل الحواسيب المحمولة تمامًا، من دون التضحية بالأداء.
يتضمن المعالج أيضًا ذاكرة RAM مدمجة، ما يقلل الحاجة إلى بطاقات رسومات منفصلة. ويساعد ذلك في خفض استهلاك الطاقة والحفاظ على صغر حجم الجهاز. كما شدد Dmitriy على مرونة المعالج. إذ يمكن للمستخدمين تحديد ما إذا كانوا يريدون تشغيل نماذج الذكاء الاصطناعي على CPU أو GPU أو NPU، بحسب المهمة. فعلى سبيل المثال، يمكن تشغيل اكتشاف الأجسام باستخدام نماذج YOLO11 على أي من هذه المحركات، بينما يمكن للمهام الأكثر تعقيدًا، مثل توليد الصور من النصوص، استخدام GPU وNPU معًا في الوقت نفسه لتحقيق أداء أفضل.
وخلال العرض التقديمي، أخرج Dmitriy الشريحة من جيبه، مانحًا الجميع تصورًا واضحًا عن مدى صغر حجمها الحقيقي، رغم قدرتها على التعامل مع مهام الذكاء الاصطناعي المتقدمة هذه. وكانت طريقة ممتعة ولافتة لإظهار كيفية إتاحة Intel قدرات ذكاء اصطناعي قوية على أجهزة أكثر قابلية للنقل وعملية.
الشكل 2. يمكن وضع معالج Intel Core Ultra 200V في الجيب.
تحسين نماذج الذكاء الاصطناعي باستخدام Intel OpenVINO#
بعد استعراض أحدث التطورات العتادية من Intel، انتقل Dmitriy إلى حزمة البرامج من Intel التي تدعم الذكاء الاصطناعي. وقدّم OpenVINO، وهو إطار عمل مفتوح المصدر من Intel صُمم من أجل تحسين نماذج الذكاء الاصطناعي ونشرها بكفاءة عبر أجهزة مختلفة. ولا يقتصر OpenVINO على المهام المرئية، بل يوسّع دعمه ليشمل نماذج الذكاء الاصطناعي المستخدمة في معالجة اللغة الطبيعية ومعالجة الصوت والمحوّلات وغير ذلك.
يتوافق OpenVINO مع منصات شائعة مثل PyTorch وTensorFlow، وONNX، ويمكن للمطورين دمجه بسهولة في سير عملهم. ومن الميزات الرئيسية التي لفت إليها الانتباه التكميم. إذ يعمل التكميم على ضغط أوزان النموذج لتقليل حجمها، بحيث يمكن تشغيل النماذج الكبيرة بسلاسة على الأجهزة المحلية من دون الحاجة إلى السحابة. ويعمل OpenVINO عبر أطر عمل متعددة، على CPU أو GPU أو NPU أو FPGA أو حتى أجهزة ARM، ويدعم Windows وLinux وmacOS. كما أوضح Dmitriy للجمهور مدى سهولة البدء باستخدام OpenVINO.
الشكل 3. يشرح Dmitriy كيفية البدء باستخدام OpenVINO.
دمج Ultralytics مع Intel OpenVINO#
في الجزء الثاني من الحديث، انتقل الميكروفون إلى Adrian، الذي شرح التكامل السلس بين نماذج Ultralytics YOLO ومجموعة أدوات OpenVINO من Intel، ما يبسط عملية نشر نماذج YOLO. وقدّم شرحًا خطوة بخطوة لكيفية تصدير نموذج YOLO باستخدام حزمة Ultralytics Python إلى تنسيق OpenVINO بسرعة وسهولة. ويجعل هذا التكامل من الأسهل بكثير على المطورين تحسين نماذجهم لعتاد Intel وتحقيق أقصى استفادة من المنصتين.
الشكل 4. يشرح Adrian كيف تسهّل Ultralytics تصدير نموذجك إلى تنسيق OpenVINO.
أوضح Adrian أنه بمجرد تدريب نموذج Ultralytics YOLO، يمكن للمستخدمين تصديره باستخدام بضعة أعلام بسيطة لسطر الأوامر. فعلى سبيل المثال، يمكن للمستخدمين تحديد ما إذا كانوا يريدون تصدير النموذج بنسخة ذات فاصلة عائمة لتحقيق أقصى دقة، أو بنسخة مكمّمة لتحقيق سرعة وكفاءة أفضل. كما أوضح أن المطورين يستطيعون إدارة هذه العملية مباشرةً عبر التعليمات البرمجية، باستخدام خيارات مثل تكميم INT8 لتعزيز الأداء من دون التضحية بقدر كبير من الدقة.
عروض توضيحية للذكاء الاصطناعي في الوقت الفعلي على حاسوب Intel المدعوم بالذكاء الاصطناعي#
لتطبيق كل هذه النظرية عمليًا، قدّم فريق Intel عرضًا توضيحيًا لاكتشاف الأجسام في الوقت الفعلي من خلال تشغيل YOLO11 على حاسوب Intel المدعوم بالذكاء الاصطناعي. واستعرض Adrian كيفية تعامل النظام مع النموذج عبر معالجات مختلفة، محققًا 36 إطارًا في الثانية (FPS) على CPU باستخدام نموذج ذي فاصلة عائمة، وأكثر من 100 FPS على GPU المدمجة، و70 FPS باستخدام النسخة المكمّمة بـ INT8. وتمكنوا من إظهار مدى كفاءة حاسوب Intel المدعوم بالذكاء الاصطناعي في إدارة مهام الذكاء الاصطناعي المعقدة.
وأشار أيضًا إلى أن النظام يستطيع تشغيل النماذج بالتوازي، باستخدام CPU وGPU وNPU معًا في المهام التي تكون فيها جميع البيانات أو إطارات الفيديو متاحة مسبقًا. ويفيد ذلك عند معالجة أعباء ثقيلة مثل مقاطع الفيديو. إذ يمكن للنظام توزيع عبء العمل على معالجات مختلفة، ما يجعله أسرع وأكثر كفاءة.
وفي الختام، ذكر Adrian أن المستخدمين يمكنهم تجربة العروض التوضيحية في المنزل، بما في ذلك حلول مثل عدّ الأشخاص والإدارة الذكية لقوائم الانتظار. ثم عرض عرضًا توضيحيًا إضافيًا يتيح للمستخدمين إدخال مطالبات لتوليد صور شبيهة بالأحلام في الوقت الفعلي على GPU. وقد أظهر ذلك تعدد استخدامات حاسوب Intel المدعوم بالذكاء الاصطناعي، سواء في مهام الذكاء الاصطناعي التقليدية أو المشاريع الإبداعية التوليدية.
اكتشاف الأجسام في الوقت الفعلي باستخدام Intel OpenVINO#
أقامت Intel في الفعالية جناحًا عرضت فيه عرضًا توضيحيًا لـاكتشاف الأجسام في الوقت الفعلي باستخدام Ultralytics YOLO11، وهو يعمل على حاسوب Intel المدعوم بالذكاء الاصطناعي. وتمكن الحاضرون من مشاهدة النموذج أثناء العمل، بعد تحسينه باستخدام OpenVINO ونشره على معالج Intel Core Ultra 200V.
الشكل 5. أتيحت للحاضرين فرصة مشاهدة عرض توضيحي في الوقت الفعلي في جناح Intel OpenVINO.
قال Dmitriy في جناح Intel: "هذه أول مرة لي في YOLO Vision، ويسعدني أن أكون في مدريد. نقدّم نموذج YOLO11 من Ultralytics، وهو يعمل على معالج Intel Core Ultra 200V. ويقدم أداءً ممتازًا، ونحن نستخدم OpenVINO لتحسين النموذج ونشره. لقد كان التعاون مع Ultralytics وتشغيل النموذج على أحدث عتاد من Intel سهلًا جدًا، مع الاستفادة من CPU وGPU وNPU." كما ضم الجناح بعض الهدايا التذكارية الممتعة، مثل القمصان وأجهزة الكمبيوتر المحمولة التي أمكن للحاضرين أخذها إلى منازلهم.
أهم النقاط المستخلصة#
استعرض الحديث التقني الذي قدمته Intel في YV24، والذي تضمن معالجات Intel Core Ultra 200V Series، كيفية تحسين مجموعة أدوات OpenVINO لنماذج الذكاء الاصطناعي مثل Ultralytics YOLO11. ويتيح هذا التكامل للمستخدمين تشغيل نماذج YOLO مباشرةً على أجهزتهم، مع توفير أداء ممتاز لمهام الرؤية الحاسوبية مثل اكتشاف الأجسام. وتتمثل الفائدة الرئيسية في عدم حاجة المستخدمين إلى الاعتماد على الخدمات السحابية.
يمكن للمطورين وعشاق الذكاء الاصطناعي تشغيل نماذج YOLO وضبطها بسهولة، مع الاستفادة الكاملة من عتاد مثل وحدات CPU وGPU وNPU للتطبيقات في الوقت الفعلي. وتفتح مجموعة أدوات Intel OpenVINO، بالاقتران مع نماذج Ultralytics YOLO، إمكانات جديدة لإتاحة قدرات الذكاء الاصطناعي المتقدمة مباشرةً على الأجهزة الشخصية، ما يجعلها خيارًا مثاليًا للمطورين المتحمسين لدفع عجلة ابتكارات الذكاء الاصطناعي في مختلف القطاعات.
لنتعاون ونبتكر! تفضل بزيارة مستودعنا على GitHub لاستكشاف إسهاماتنا والتفاعل مع مجتمعنا. وتعرّف على كيفية استخدامنا الذكاء الاصطناعي لإحداث أثر في قطاعات مثل التصنيع والرعاية الصحية.
