تشغيل نماذج Ultralytics YOLO على حواسيب Intel المزودة بالذكاء الاصطناعي باستخدام OpenVINO

جمع حدث Ultralytics السنوي الهجين، YOLO Vision 2024 (YV24)، عشاق الذكاء الاصطناعي والمطورين والخبراء من جميع أنحاء العالم لاستكشاف أحدث الابتكارات في مجال computer vision. لقد كان YV24 فرصة ومنصة رائعة لمناقشة الاكتشافات الجديدة. وقد ضم الحدث لاعبين رئيسيين في صناعة الذكاء الاصطناعي قدموا أحدث ابتكاراتهم. وكان من بينهم شركة إنتل (Intel)، التي شاركت في الحدث بتقديم عرض رئيسي حول حاسوبهم الشخصي الرائد للذكاء الاصطناعي وتكامل Intel OpenVINO’s مع Ultralytics YOLO models مثل Ultralytics YOLO11.

قاد الحديث Adrian Boguszewski، وهو مبشر برمجيات شارك في تأليف dataset LandCover.ai ويقوم تثقيف المطورين حول مجموعة الأدوات OpenVINO من إنتل، وDmitriy Pastushenkov، وهو مبشر حواسيب ذكاء اصطناعي لديه أكثر من 20 عاماً من الخبرة في industrial automation والذكاء الاصطناعي. خلال الحدث، شارك أدريان حماسته قائلاً: "هذا حدث رائع اليوم، ليس فقط لأن Ultralytics قدمت a new YOLO version، بل أيضاً لأننا قادرون على تقديم هذا النموذج الجديد وهو يعمل على عتادنا الجديد، بالإضافة إلى إصدار جديد من OpenVINO."

في هذه المقالة، سنلقي نظرة على أبرز نقاط Intel’s talk at YV24، نتعمق في تفاصيل حاسوبهم الشخصي المخصص للذكاء الاصطناعي، Intel Core Ultra 200V Series، وكيفية تكامله مع نماذج Ultralytics YOLO باستخدام مجموعة أدوات OpenVINO. لنبدأ!

تقنيات الذكاء الاصطناعي المتطورة في عام 2024#

بدأ ديميتري الكلمة الرئيسية بالتعمق في الاختلافات الأساسية بين الذكاء الاصطناعي التقليدي وgenerative AI. دار التركيز حول كيفية تطور هذه التقنيات وحالات استخدامها في عام 2024. لقد كانت تقنيات الذكاء الاصطناعي التقليدية مثل computer vision وnatural language processing أساسية لـ tasks مثل pose estimation، وobject detection، وvoice recognition. ومع ذلك، يمثل الذكاء الاصطناعي التوليدي موجة أحدث من تكنولوجيا الذكاء الاصطناعي التي تتضمن تطبيقات مثل chatbots، وtext-to-image generation، وcode writing، بل وحتى text-to-video.

الشكل 1. Adrian و Dmitriy من Intel، على المسرح في YV24، يناقشان حالات استخدام الذكاء الاصطناعي.

أشار ديميتري إلى الفرق في النطاق بين الاثنين. وأوضح أنه بينما تتكون traditional AI models من ملايين المعلمات، تعمل نماذج الذكاء الاصطناعي التوليدي على نطاق أوسع بكثير. غالباً ما تتضمن Generative AI models مليارات أو حتى تريليونات من المعلمات، مما يجعلها أكثر computationally demanding بكثير.

Intel AI PC: حدود جديدة لأجهزة الذكاء الاصطناعي#

قدم Dmitriy حاسوب Intel AI PC كحل عتادي جديد مصمم لمعالجة التحديات المتزايدة لتشغيل نماذج الذكاء الاصطناعي التقليدية والتوليدية بكفاءة. يُعد Intel AI PC جهازًا قويًا وموفرًا للطاقة، وهو قادر على تشغيل مجموعة واسعة من نماذج الذكاء الاصطناعي محليًا، دون الحاجة إلى المعالجة السحابية.

تساعد المعالجة المحلية في الحفاظ على سرية data private. عندما تتمكن نماذج الذكاء الاصطناعي من العمل بشكل مستقل عن اتصالات الإنترنت، يتم الرد على المخاوف ethical concerns للصناعات المتعلقة بالخصوصية والأمان.

القوة الدافعة وراء حاسوب إنتل الشخصي للذكاء الاصطناعي هي معالج Intel Core Ultra 200V Series. يدمج هذا المعالج ثلاثة مكونات رئيسية: وحدة المعالجة المركزية (CPU)، ووحدة معالجة الرسوميات (GPU)، ووحدة المعالجة العصبية (NPU). يلعب كل منها دوراً محدداً في التعامل مع أنواع مختلفة من أحمال عمل الذكاء الاصطناعي. وحدة المعالجة المركزية مثالية للمهام الأصغر ذات زمن الانتقال المنخفض والتي تتطلب استجابات سريعة، بينما تم تحسين وحدة معالجة الرسوميات للعمليات عالية الإنتاجية مثل تشغيل نماذج الذكاء الاصطناعي. وحدة المعالجة العصبية، المصممة لكفاءة الطاقة، مناسبة تماماً للمهام طويلة الأمد مثل real-time object detection مع نماذج مثل YOLO11.

تم التأكيد على أن وحدة المعالجة المركزية (CPU) يمكنها تقديم ما يصل إلى 5 TOPS (تريليونات العمليات في الثانية)، ووحدة معالجة الرسومات (GPU) تصل إلى 67 TOPS، وتوفر وحدة المعالجة العصبية (NPU) طريقة موفرة للطاقة لتشغيل مهام الذكاء الاصطناعي باستمرار دون استنزاف موارد النظام.

تطورات Intel في الذكاء الاصطناعي: سلسلة Intel Core Ultra 200V#

يدمج معالج Intel Core Ultra 200V Series جميع محركات الذكاء الاصطناعي الثلاثة - NPU وCPU وGPU - في شريحة صغيرة واحدة. تصميمه مناسب تمامًا للأجهزة المدمجة مثل أجهزة الكمبيوتر المحمولة، دون التضحية بالأداء.

يتضمن المعالج أيضاً ذاكرة وصول عشوائي (RAM) مدمجة، مما يقلل الحاجة إلى بطاقات رسوميات منفصلة. يساعد هذا في تقليل استهلاك الطاقة ويحافظ على حجم الجهاز مضغوطاً. كما أکد ديميتري على مرونة المعالج. يمكن للمستخدمين تحديد ما إذا كانوا يريدون تشغيل نماذج الذكاء الاصطناعي على وحدة المعالجة المركزية، أو وحدة معالجة الرسوميات، أو وحدة المعالجة العصبية، اعتماداً على المهمة. على سبيل المثال، يمكن لـ object detection with YOLO11 models العمل على أي من هذه المحركات، بينما يمكن للمهام الأكثر تعقيداً، مثل توليد النصوص إلى صور، استخدام كل من وحدة معالجة الرسوميات ووحدة المعالجة العصبية في نفس الوقت للحصول على أداء أفضل.

خلال العرض التقديمي، أخرج Dmitriy الشريحة من جيبه، مما أعطى الجميع شعورًا واضحًا بمدى صغر حجمها - على الرغم من قدرتها على التعامل مع مهام الذكاء الاصطناعي المتقدمة هذه. كانت طريقة ممتعة ولا تُنسى لإظهار كيف تجلب Intel قدرات ذكاء اصطناعي قوية إلى أجهزة أكثر قابلية للحمل والعملية.

الشكل 2. معالج Intel Core Ultra 200V يمكن وضعه في الجيب.

تحسين نماذج الذكاء الاصطناعي باستخدام Intel OpenVINO#

بعد استعراض أحدث hardware advancements لإنتل، انتقل ديميتري بعد ذلك إلى حزمة برمجيات إنتل التي تدعم الذكاء الاصطناعي. وقدم OpenVINO، إطار العمل open-source الخاص بإنتل والمصمم لـ optimize and deploy AI models بكفاءة عبر الأجهزة المختلفة. يتجاوز OpenVINO المهام المرئية، ممتداً لدعمه لنماذج الذكاء الاصطناعي المستخدمة في معالجة اللغات الطبيعية، وaudio processing، وtransformers، وما إلى ذلك.

يتوافق OpenVINO مع المنصات الشهيرة مثل PyTorch، وTensorFlow,، وONNX، ويمكن للمطورين دمجه بسهولة في سير عملهم. إحدى الميزات الرئيسية التي لفت الانتباه إليها هي الكمية. تعمل Quantization على ضغط أوزان النموذج لتقليل حجمها بحيث يمكن تشغيل النماذج الكبيرة بسلاسة على الأجهزة المحلية دون الحاجة إلى السحابة. يعمل OpenVINO عبر أطر عمل متعددة، ويعمل على وحدة المعالجة المركزية، أو وحدة معالجة الرسوميات، أو وحدة المعالجة العصبية، أو FPGA، أو حتى أجهزة ARM، ويدعم أنظمة Windows وLinux وmacOS. كما أرشد ديميتري الجمهور خلال مدى سهولة البدء في استخدام OpenVINO.

الشكل 3. Dmitriy يشرح كيفية البدء في استخدام OpenVINO.

دمج Ultralytics مع Intel OpenVINO#

في الجزء الثاني من المحادثة، تم تسليم الميكروفون إلى أدريان، الذي شرح التكامل السلس بين نماذج Ultralytics YOLO ومجموعة أدوات OpenVINO من إنتل، مما يبسط عملية YOLO model deployment. وقد قدم شرحاً خطوة بخطوة لكيفية كون exporting a YOLO model باستخدام Ultralytics Python package إلى تنسيق OpenVINO سريعاً ومباشراً. يجعل هذا التكامل من السهل على المطورين تحسين نماذجهم لعتاد إنتل والاستفادة القصوى من كلا المنصتين.

الشكل 4. Adrian يشرح كيف تجعل Ultralytics من السهل تصدير نموذجك إلى تنسيق OpenVINO.

أوضح أدريان أنه بمجرد تدريب نموذج Ultralytics YOLO، يمكن للمستخدمين تصديره باستخدام بعض علامات سطر الأوامر البسيطة. على سبيل المثال، يمكن للمستخدمين تحديد ما إذا كانوا يريدون تصدير النموذج كإصدار بفاصلة عائمة لتحقيق أقصى قدر من الدقة أو كإصدار مُكمَّم لتحسين السرعة والكفاءة. كما سلط الضوء على كيف يمكن للمطورين إدارة هذه العملية مباشرة من خلال الكود، باستخدام خيارات مثل التكميم INT8 لتعزيز الأداء دون التضحية بالكثير من الدقة.

عروض توضيحية للذكاء الاصطناعي في الوقت الفعلي على Intel AI PC#

وضعاً لكل هذه النظريات موضع التنفيذ، قدم فريق إنتل عرضاً توضيحياً في الوقت الفعلي للكشف عن الكائنات عن طريق تشغيل YOLO11 على حاسوب إنتل الشخصي للذكاء الاصطناعي. استعرض أدريان كيف يتعامل النظام مع النموذج عبر معالجات مختلفة، محققاً 36 إطاراً في الثانية (FPS) على وحدة المعالجة المركزية مع نموذج الفاصلة العائمة، وأكثر من 100 إطار في الثانية على وحدة معالجة الرسوميات المدمجة، و70 إطاراً في الثانية مع النسخة المكممة INT8. لقد تمكنوا من إظهار مدى كفاءة حاسوب إنتل الشخصي للذكاء الاصطناعي في إدارة مهام الذكاء الاصطناعي المعقدة.

وأشار أيضًا إلى أن النظام يمكنه تشغيل النماذج بالتوازي، باستخدام وحدة المعالجة المركزية (CPU)، ووحدة معالجة الرسومات (GPU)، ووحدة المعالجة العصبية (NPU) معًا للمهام التي تكون فيها جميع البيانات أو إطارات الفيديو متاحة مسبقًا. هذا مفيد عند معالجة أحمال ثقيلة مثل مقاطع الفيديو. يمكن للنظام تقسيم عبء العمل عبر معالجات مختلفة، مما يجعله أسرع وأكثر كفاءة.

ختاماً، ذكر أدريان أنه يمكن للمستخدمين try out demos في المنزل، بما في ذلك solutions مثل people counting وintelligent queue management. ثم عرض bonus demo حيث يمكن للمستخدمين إدخال مطالبات لتوليد صور شبيهة بالأحلام في الوقت الفعلي على وحدة معالجة الرسوميات. وقد أظهر ذلك تعدد استخدامات حاسوب إنتل الشخصي للذكاء الاصطناعي لكل من مهام الذكاء الاصطناعي التقليدية ومشاريع الذكاء الاصطناعي التوليدي الإبداعية.

اكتشاف الأشياء في الوقت الفعلي باستخدام Intel OpenVINO#

في الحدث، كان لدى إنتل منصة عرضوا فيها عرضاً توضيحياً لكشف الكائنات في الوقت الفعلي باستخدام Ultralytics YOLO11، يعمل على حواسيب إنتل المزودة بالذكاء الاصطناعي (AI PC). وقد تمكن الحاضرون من رؤية النموذج قيد العمل، والمُحسَّن باستخدام OpenVINO، والمُنشَر على معالج Intel Core Ultra 200V.

الشكل 5. حظي الحضور بفرصة مشاهدة عرض توضيحي في الوقت الفعلي في منصة Intel OpenVINO.

في منصة Intel، شارك Dmitriy قائلاً: "هذه هي المرة الأولى لي في YOLO Vision، وأنا سعيد لوجودي في مدريد. نحن نقدم نموذج YOLO11 من Ultralytics، يعمل على معالج Intel Core Ultra 200V. إنه يظهر أداءً ممتازًا، ونحن نستخدم OpenVINO لتحسين ونشر النموذج. كان من السهل جدًا التعاون مع Ultralytics وتشغيل النموذج على أحدث عتاد Intel، باستخدام وحدة المعالجة المركزية (CPU)، ووحدة معالجة الرسومات (GPU)، ووحدة المعالجة العصبية (NPU)." كما احتوت المنصة على بعض الهدايا الممتعة، مثل القمصان ودفاتر الملاحظات ليأخذها الحضور إلى المنزل.

أبرز النقاط#

استعرضت كلمة Intel التقنية في YV24، والتي تضمنت معالجات Intel Core Ultra 200V Series، كيف تعمل مجموعة أدوات OpenVINO على تحسين نماذج الذكاء الاصطناعي مثل Ultralytics YOLO11. يمكّن هذا التكامل المستخدمين من تشغيل نماذج YOLO مباشرة على أجهزتهم، مما يوفر أداءً رائعًا لمهام الرؤية الحاسوبية مثل اكتشاف الأشياء. الميزة الرئيسية هي أن المستخدمين لا يحتاجون إلى الاعتماد على الخدمات السحابية.

يمكن للمطورين وعشاق الذكاء الاصطناعي تشغيل نماذج YOLO وضبطها بدقة دون عناء، مع الاستفادة الكاملة من العتاد مثل وحدات المعالجة المركزية (CPU)، ووحدات معالجة الرسومات (GPU)، ووحدات المعالجة العصبية (NPU) للتطبيقات في الوقت الفعلي. تفتح مجموعة أدوات Intel OpenVINO، جنبًا إلى جنب مع نماذج Ultralytics YOLO، إمكانيات جديدة لجلب قدرات ذكاء اصطناعي متقدمة مباشرة إلى الأجهزة الشخصية، مما يجعلها خيارًا مثاليًا للمطورين المتشوقين لقيادة ابتكارات الذكاء الاصطناعي عبر مختلف الصناعات.

دعونا نتعاون ونبتكر! تفضل بزيارة GitHub repository لاستكشاف مساهماتنا والتفاعل مع our community. شاهد كيف نستخدم الذكاء الاصطناعي لإحداث تأثير في قطاعات مثل manufacturing وhealthcare.