فهم التطبيقات الواقعية للذكاء الاصطناعي الطرفي

تجعل تقنية الذكاء الاصطناعي الطرفي، التي تعالج البيانات وتحللها مباشرةً على أجهزة مثل الحواسيب الشخصية وأجهزة إنترنت الأشياء أو خوادم الحافة المتخصصة، تخزين البيانات ومعالجتها أسرع وأكثر سهولةً من خلال تنفيذ العمليات محليًا. وتساعد هذه التقنية على تجنّب المشكلات الشائعة في الأنظمة السحابية، مثل زمن الاستجابة وقيود النطاق الترددي، مما يؤدي إلى أداء أسرع وأكثر موثوقية. فعلى سبيل المثال، تُعدّ المعالجة المحلية في المركبات ذاتية القيادة ضرورية لاتخاذ القرارات في الوقت الفعلي، مثل اكتشاف العوائق أو الاستجابة الفورية لـإشارات المرور. ومن خلال معالجة البيانات مباشرةً على المركبة، يتيح الذكاء الاصطناعي الطرفي استجابات في أجزاء من الثانية، كانت ستصبح بطيئة للغاية عند الاعتماد على خادم سحابي بعيد.

تزداد شعبية الذكاء الاصطناعي الطرفي، ومن المتوقع أن تصل السوق العالمية إلى 143.06 مليار دولار بحلول عام 2034. وتستخدم صناعات مختلفة الذكاء الاصطناعي الطرفي لتحسين سير العمل، وأتمتة المهام، وتحفيز الابتكار، مع معالجة تحديات مثل زمن الاستجابة، والأمان، والتكلفة.

سنستعرض في هذه المقالة كيف يُحدث الذكاء الاصطناعي الطرفي فرقًا في مجالات مثل الرعاية الصحية والتصنيع، إلى جانب بعض الأمور التي ينبغي مراعاتها عند تطبيقه. لنبدأ!

الشكل 1. السوق العالمية للذكاء الاصطناعي الطرفي.

كيفية عمل الذكاء الاصطناعي الطرفي#

يجمع الذكاء الاصطناعي الطرفي بين الحوسبة الطرفية والذكاء الاصطناعي (AI). والحوسبة الطرفية إطار تقني يعالج البيانات بالقرب من مكان توليدها، مما يتيح التحليلات في الوقت الفعلي، وموثوقيةً أفضل، وتوفيرًا في التكلفة. أما مكوّن الذكاء الاصطناعي فيجلب خوارزميات التعلم الآلي مباشرةً إلى الطرف، مما يتيح للأجهزة اتخاذ قرارات ذكية محليًا. ويقلل هذا النهج الحاجة إلى سحابة مركزية أو مركز بيانات قد يتسبب في تأخيرات بالمعالجة. ولا يزال بالإمكان استخدام السحابة لتخزين البيانات الأكثر تعقيدًا، والتحليل واسع النطاق، وتحديث نماذج الذكاء الاصطناعي، بما يكمّل المعالجة المحلية الأسرع التي يوفرها الذكاء الاصطناعي الطرفي.

الشكل 2. نظرة عامة على الذكاء الاصطناعي الطرفي.

إليك نظرة على كيفية عمل أنظمة الذكاء الاصطناعي الطرفي:

• جمع البيانات: تجمع المستشعرات الموجودة على الجهاز معلومات أولية من البيئة، مثل قراءات درجة الحرارة أو حالة المعدات في البيئات الصناعية.
• تنظيف البيانات: تُعالج البيانات المجمّعة بسرعة على الجهاز لتصفية الضوضاء والتركيز على التفاصيل ذات الصلة.
• إجراء التنبؤات: يحلل نموذج ذكاء اصطناعي مضمّن مباشرةً داخل الجهاز الطرفي البيانات المنظّفة.
• اتخاذ القرارات: بناءً على التحليل، يتخذ نظام الذكاء الاصطناعي القرارات ويبدأ أي إجراءات أو استجابات ضرورية.

الذكاء الاصطناعي الطرفي مقابل الذكاء الاصطناعي السحابي#

الذكاء الاصطناعي الطرفي والذكاء الاصطناعي السحابي نهجان مختلفان لتطبيق الذكاء الاصطناعي، ولكل منهما مزايا ومقايضات فريدة. وكما ناقشنا سابقًا بشأن الذكاء الاصطناعي الطرفي، تُعالج البيانات مباشرةً على الأجهزة المحلية، مما يضمن زمن استجابة منخفضًا، وخصوصيةً محسّنة، واعتمادًا محدودًا على الاتصال بالإنترنت.

على خلاف الذكاء الاصطناعي الطرفي، يستخدم الذكاء الاصطناعي السحابي خوادم بعيدة لمعالجة البيانات، مما يوفر قابلية توسّع ومرونة أكبر. غير أن ذلك يأتي غالبًا على حساب زمن استجابة أعلى واستخدام أكبر للنطاق الترددي بسبب الحاجة إلى نقل البيانات عبر الإنترنت. وقد يثير الذكاء الاصطناعي السحابي أيضًا مخاوف تتعلق بالخصوصية، لأن البيانات الحساسة يجب نقلها وتخزينها على خوادم خارجية.

الشكل 3. الذكاء الاصطناعي الطرفي مقابل الذكاء الاصطناعي السحابي.

يكمن اختلاف رئيسي آخر في التكلفة والضغط على الشبكة المرتبطين بالذكاء الاصطناعي السحابي. فقد تكون المعالجة على خوادم بعيدة قوية مكلفة، خاصةً عند التعامل مع كميات كبيرة من البيانات مثل الفيديو أو الصوت، كما يؤدي بث هذه البيانات عبر الشبكة إلى زيادة الضغط عليها.

يعالج الذكاء الاصطناعي الطرفي هذه التحديات من خلال معالجة البيانات مباشرةً على الجهاز، مما يخفض التكاليف المرتبطة بالسحابة، ويخفف الحمل على الشبكة، ويحافظ على أمان المعلومات الحساسة في الموقع. وبدلًا من إرسال البيانات الأولية، تُنقل عادةً النتائج النهائية فقط (أو الاستدلالات)، مما يوفر حلًا أكثر كفاءة وتركيزًا على الخصوصية.

الذكاء الاصطناعي الطرفي للتعرّف على الصور#

غالبًا ما تتضمن تطبيقات الرؤية الحاسوبية تحليل كميات هائلة من البيانات غير المهيكلة (أي البيانات التي تفتقر إلى تنسيق محدد مسبقًا)، ولا سيما الصور ومقاطع الفيديو. وقد يكون إرسال كل هذه البيانات إلى خادم سحابي بعيد لمعالجتها غير فعّال في الحالات التي تتطلب مراقبةً في الوقت الفعلي. ويتمثل أحد الحلول الرائعة لهذه المشكلة في تشغيل نماذج الرؤية الحاسوبية على الأجهزة الطرفية.

غالبًا ما يتم تدريب نماذج الرؤية الحاسوبية مثل Ultralytics YOLO11 في السحابة ولكن يمكن نشرها على الحافة لدعم التطبيقات في الوقت الفعلي مباشرة في الموقع. تم تصميم YOLO11 خصيصًا للمهام التي تتطلب استجابات فورية، مما يجعله مفيدًا بشكل خاص لتبيقات مثل أنظمة الأمان، وأنظمة مراقبة الجودة، وأجهزة المنازل الذكية. تعمل هذه التطبيقات بشكل أكثر كفاءة عندما تعالج البيانات محليًا، تمامًا حيث يتم جمع المعلومات المرئية (من الكاميرات، المستشعرات، إلخ).

الشكل 4. نشر نماذج الرؤية الحاسوبية على الطرف.

تطبيقات الذكاء الاصطناعي الطرفي#

بعد أن استكشفنا ماهية الذكاء الاصطناعي الطرفي، دعونا نلقِ نظرةً أقرب على بعض تطبيقاته الواقعية.

الذكاء الاصطناعي الطرفي في تطبيقات الرعاية الصحية#

يُعدّ التشخيص السريع ورعاية المرضى الممتازة من الأولويات الرئيسية لكل منشأة للرعاية الصحية، ويؤدي الذكاء الاصطناعي الطرفي دورًا محوريًا في تحقيق هذه الأهداف. ويشهد مقدمو الرعاية الصحية تغييرات جذرية من خلال استخدام الذكاء الاصطناعي الطرفي والأجهزة الذكية. وتُنشئ هذه التقنيات معًا أنظمة رعاية صحية أسرع وأكثر أمانًا واستجابةً.

فعلى سبيل المثال، تستطيع الأجهزة القابلة للارتداء المدعومة بالذكاء الاصطناعي الطرفي مراقبة العلامات الحيوية باستمرار، مثل معدل ضربات القلب وضغط الدم و[مستويات الغلوكوز](https://ultralytics-translation-0.invalid والتنفس. بل يمكنها أيضًا اكتشاف حالات السقوط المفاجئ وإخطار مقدمي الرعاية فورًا. وفي سيارات الإسعاف، يستطيع الذكاء الاصطناعي الطرفي تحليل البيانات الواردة من أجهزة مراقبة المرضى في الموقع. ويمكن مشاركة الرؤى المستخلصة من التحليل مع الأطباء، مما يساعدهم على إعداد العلاجات قبل وصول المريض إلى المستشفى.

يمكن للذكاء الاصطناعي الطرفي أيضًا المساعدة في نشر نماذج الرؤية الحاسوبية، مثل YOLO11، لتطبيقات مثل اكتشاف الأجسام لأفراد الطاقم الطبي. ويركز هذا التطبيق تحديدًا على تحديد مواقع اختصاصيي الرعاية الصحية وحركاتهم داخل الغرفة في الوقت الفعلي، مما يساعد على مراقبة الالتزام ببروتوكولات السلامة وتعزيز الوعي بالموقف.

يمكن أن يساعد اكتشاف الأجسام على التحقق من تموضع أفراد الطاقم بصورة صحيحة أثناء الإجراءات والتزامهم بإرشادات النظافة والسلامة، مثل الحفاظ على وضعيات آمنة حول المعدات. ويتيح الذكاء الاصطناعي الطرفي تقديم رؤى قيّمة دون الحاجة إلى اتصال سحابي مستمر داخل غرفة العمليات، مما يضمن الخصوصية ويوفر ملاحظات فورية لفرق الرعاية الصحية.

الشكل 5. مثال على استخدام Ultralytics YOLO11 لمراقبة طاقم المستشفى.

الذكاء الاصطناعي الطرفي للأتمتة الصناعية#

يستخدم المصنّعون حول العالم تقنية الذكاء الاصطناعي الطرفي لجعل عملياتهم أسرع وأكثر كفاءة وإنتاجية. ومن خلال استخدام البيانات في الوقت الفعلي الواردة من المستشعرات وأجهزة إنترنت الأشياء، يتيح الذكاء الاصطناعي الطرفي الصيانة التنبؤية، مما يسمح للمصانع باكتشاف العلامات المبكرة لتعطل المعدات والتنبؤ بالأعطال قبل حدوث مشكلات كبيرة. ويساعد هذا النهج الاستباقي على تقليل وقت التوقف، وإطالة عمر المعدات، والحفاظ على سلاسة العمليات.

يحسن الذكاء الاصطناعي الطرفي أيضًا مراقبة الجودة باستخدام الذكاء الاصطناعي البصري لاكتشاف عيوب المنتجات قبل تغليفها للشحن. ومن خلال تحليل الصور ومقاطع الفيديو مباشرةً في الموقع، يستطيع الذكاء الاصطناعي الطرفي تحديد العيوب بسرعة، مما يضمن وصول المنتجات عالية الجودة فقط إلى العملاء. وتتيح الملاحظات الفورية للمصنّعين معالجة المشكلات على الفور، وتقليل الهدر، وتحسين معايير المنتجات، وتعزيز رضا العملاء.

الذكاء الاصطناعي الطرفي لأجهزة إنترنت الأشياء المنزلية#

بدءًا من أجراس الأبواب الذكية التي ترن تلقائيًا عند اقتراب شخص ما، وصولًا إلى الأضواء التي تنطفئ عندما تكون الغرفة خالية، تمتلئ المنازل الذكية بأجهزة تستخدم الذكاء الاصطناعي الطرفي لتحسين جودة حياة السكان. وسواء أراد أحد السكان معرفة من يقف عند الباب أو ضبط درجة حرارة المنزل عبر هاتفه الذكي، تتيح تقنية الطرف ذلك من خلال معالجة البيانات في الموقع مباشرةً بدلًا من الاعتماد على خادم بعيد. ويساعد استخدام الذكاء الاصطناعي الطرفي على حماية خصوصية السكان وتقليل مخاطر الوصول غير المصرح به إلى البيانات الشخصية.

فيما يتعلق بأتمتة المنازل، تُعدّ المعالجة المحلية بواسطة الذكاء الاصطناعي الطرفي ضرورية للتطبيقات التي تحتاج إلى ملاحظات فورية. وتشمل هذه التطبيقات أنظمة الأمان، وأنظمة الإضاءة، وأنظمة التحكم البيئية. ومن خلال معالجة البيانات على الطرف، يمكن للمنازل الذكية العمل بشكل مستقل دون الحاجة إلى اتصال بالإنترنت. كما يمكن لـالذكاء الاصطناعي الطرفي المدمج مع الرؤية الحاسوبية تحسين إمكانية الوصول داخل المنازل. وباستخدام تقنيات مثل تقدير وضعية الإنسان، يمكن إنشاء أنظمة لاكتشاف إيماءات اليد للتحكم في أنظمة أخرى داخل المنزل، مثل الأضواء أو أجهزة التلفاز.

الشكل 6. نظام للتحكم في المنزل الذكي مزوّد بالذكاء الاصطناعي الطرفي.

التحديات والقيود#

على الرغم من الفوائد التي توفرها أنظمة الذكاء الاصطناعي الطرفي، فإنها لا تزال قيد التطور وتواجه تحديات وقيودًا معينة. فيما يلي بعض القيود التي ينبغي أخذها في الاعتبار قبل اتخاذ قرار دمج حلول الذكاء الاصطناعي الطرفي في عملك أو منزلك.

• مخاطر الأمان: رغم أن الذكاء الاصطناعي الطرفي يحسن الأمان من خلال إبقاء البيانات محلية، فإنه يواجه أيضًا بعض المخاطر على المستوى المحلي، ويرجع ذلك أساسًا إلى الأخطاء البشرية وكلمات المرور غير الآمنة.

• قدرة حوسبة محدودة: تمتلك أنظمة الذكاء الاصطناعي الطرفي عادةً قدرة حوسبة أقل من الذكاء الاصطناعي المستند إلى السحابة، مما يقصر استخدامها على مهام محددة. وبينما تستطيع السحابة التعامل مع النماذج الكبيرة، يناسب الذكاء الاصطناعي الطرفي بصورة أفضل المهام الأبسط والأصغر.

• مشكلات توافق الآلات: يواجه الذكاء الاصطناعي الطرفي تحديات مرتبطة بأنواع الآلات المختلفة، ولا سيما في بيئات الأعمال، وقد تؤدي مشكلات التوافق إلى أعطال وإخفاقات عند استخدام آلات غير متوافقة معًا.

تسخير قوة الطرف#

يُمكّن الذكاء الاصطناعي الطرفي الصناعات من العمل بسرعة أكبر واتخاذ قرارات أكثر ذكاءً من خلال معالجة البيانات مباشرةً في مكان إنشائها. ويسرّع هذا النهج العمليات، ويعزز أمان البيانات، ويقلل تكاليف الإنترنت.

عبر قطاعات مثل الرعاية الصحية والتصنيع والمنازل الذكية، يعزز الذكاء الاصطناعي الطرفي الكفاءة ويتيح اتخاذ القرارات بسرعة دون الاعتماد على وصول مستمر إلى السحابة. وعلى الرغم من وجود بعض القيود، مثل مخاطر الأمان المحتملة والقدرة المحدودة على أداء المهام المعقدة، فإن قدرة الذكاء الاصطناعي الطرفي على إدارة المهام في الوقت الفعلي تجعله أداةً قيّمة للمستقبل.

لمعرفة المزيد، تفضل بزيارة مستودع GitHub الخاص بنا، وتفاعل مع مجتمعنا. واستكشف تطبيقات الذكاء الاصطناعي في السيارات ذاتية القيادة والزراعة على صفحات حلولنا. 🚀