فهم التطبيقات الواقعية لـ Edge AI

تساهم تكنولوجيا Edge AI، التي تعالج البيانات وتحللها مباشرة على أجهزة مثل الحواسيب الشخصية، وأجهزة إنترنت الأشياء، أو خوادم الحافة المتخصصة، في جعل تخزين البيانات ومعالجتها أسرع وأكثر سهولة من خلال معالجة العمليات محلياً. وهي تساعد في تجنب المشكلات الشائعة في أنظمة السحابة، مثل زمن الانتقال وقيود النطاق الترددي، مما يؤدي إلى أداء أسرع وأكثر موثوقية. على سبيل المثال، في المركبات ذاتية القيادة، تعد المعالجة المحلية أمراً بالغ الأهمية لاتخاذ القرارات في الوقت الفعلي، مثل اكتشاف العوائق أو الاستجابة لـ إشارات المرور بشكل فوري. ومن خلال معالجة البيانات مباشرة على المركبة، تتيح تقنية Edge AI استجابات سريعة للغاية والتي قد تكون بطيئة للغاية لو اعتمدت على خادم سحابي بعيد.

تزداد شعبية Edge AI باستمرار، حيث من المتوقع أن يصل السوق العالمي إلى 143.06 مليار دولار بحلول عام 2034. تستخدم مختلف الصناعات تقنية Edge AI لتحسين سير العمل، وأتمتة المهام، وتحفيز الابتكار مع معالجة تحديات مثل زمن الانتقال، والأمان، والتكلفة.

في هذه المقالة، سنلقي نظرة على كيف تحدث تقنية Edge AI فرقاً في مجالات مثل الرعاية الصحية والتصنيع، إلى جانب بعض الأمور التي يجب وضعها في الاعتبار عند تطبيقها عملياً. لنبدأ الآن!

الشكل 1. سوق Edge AI العالمي.

كيف تعمل Edge AI#

تجمع تقنية Edge AI بين الحوسبة الطرفية والذكاء الاصطناعي (AI). الحوسبة الطرفية هي إطار عمل تقني يعالج البيانات بالقرب من مكان توليدها، مما يتيح إجراء تحليلات في الوقت الفعلي، وتحسين الموثوقية، وتوفير التكاليف. يجلب مكون الذكاء الاصطناعي خوارزميات التعلم الآلي مباشرة إلى الطرف، مما يتيح للأجهزة اتخاذ قرارات ذكية محلياً. يقلل هذا النهج من الحاجة إلى سحابة مركزية أو مركز بيانات، والتي قد تتسبب في تأخيرات في المعالجة. لا تزال السحابة قادرة على الاستخدام لتخزين البيانات الأكثر تعقيداً، والتحليل على نطاق واسع، وتحديثات نماذج الذكاء الاصطناعي، مكملة للمعالجة الأسرع والمحلية التي توفرها Edge AI.

الشكل 2. نظرة عامة على Edge AI.

إليك نظرة على كيفية عمل أنظمة Edge AI:

• جمع البيانات: تجمع المستشعرات الموجودة على الجهاز معلومات خام من البيئة المحيطة، مثل قراءات درجات الحرارة أو حالة المعدات في البيئات الصناعية.
• تنظيف البيانات: تُعالج البيانات المجمعة بسرعة على الجهاز لتصفية التشويش والتركيز على التفاصيل ذات الصلة.
• إجراء التنبؤات: يتم تحليل البيانات المنظفة بواسطة نموذج ذكاء اصطناعي مدمج مباشرة داخل الجهاز الطرفي.
• اتخاذ القرار: بناءً على التحليل، يتخذ نظام الذكاء الاصطناعي القرارات ويبدأ في اتخاذ أي إجراءات أو استجابات ضرورية.

Edge AI مقابل Cloud AI#

تعد Edge AI وCloud AI نهجين متميزين لتطبيق الذكاء الاصطناعي، ولكل منهما مزايا ومقايضات فريدة. كما ناقشنا بالفعل مع Edge AI، تتم معالجة البيانات مباشرة على الأجهزة المحلية، مما يضمن زمن انتقال منخفض، وخصوصية معززة، واعتماداً ضئيلاً على الاتصال بالإنترنت.

على عكس Edge AI، تستخدم تقنية Cloud AI خوادم بعيدة لمعالجة البيانات، مما يوفر قدرة أكبر على التوسع والمرونة. ومع ذلك، يأتي هذا غالباً على حساب زيادة زمن الانتقال واستخدام النطاق الترددي بسبب الحاجة إلى نقل البيانات عبر الإنترنت. يمكن أن تثير Cloud AI أيضاً مخاوف تتعلق بالخصوصية نظراً لضرورة نقل البيانات الحساسة وتخزينها على خوادم خارجية.

الشكل 3. مقارنة بين Edge AI و Cloud AI.

يتمثل اختلاف رئيسي آخر في التكلفة والضغط على الشبكة المرتبطين بـ Cloud AI. قد تكون المعالجة على خوادم بعيدة قوية مكلفة، لا سيما عند التعامل مع أحجام بيانات عالية مثل الفيديو أو الصوت، كما أن بث هذه البيانات عبر الشبكة يضيف عبئاً إضافياً.

تتعامل Edge AI مع هذه التحديات عن طريق معالجة البيانات مباشرة على الجهاز، مما يقلل من التكاليف المرتبطة بالسحابة، ويخفف الحمل على الشبكة، ويحافظ على أمان المعلومات الحساسة في الموقع. بدلاً من إرسال البيانات الخام، يتم عادةً نقل النتائج النهائية فقط (أو الاستدلالات)، مما يقدم حلاً أكثر كفاءة وأكثر تركيزاً على الخصوصية.

Edge AI للتعرف على الصور#

غالباً ما تتضمن تطبيقات رؤية الكمبيوتر تحليل كميات هائلة من البيانات غير الهيكلية (البيانات التي تفتقر إلى تنسيق محدد مسبقاً)، وتحديداً الصور والفيديوهات. قد يكون إرسال كل هذه البيانات إلى خادم سحابي بعيد للمعالجة غير فعال في المواقف التي تتطلب مراقبة في الوقت الفعلي. الحل الرائع لهذه المشكلة هو تشغيل نماذج رؤية الكمبيوتر على الأجهزة الطرفية.

غالباً ما يتم تدريب نماذج رؤية الكمبيوتر مثل Ultralytics YOLO11 في السحابة ولكن يمكن نشرها على الحافة لدعم التطبيقات في الوقت الفعلي مباشرة في الموقع. صُمم YOLO11 خصيصاً للمهام التي تتطلب استجابات فورية، مما يجعله مفيداً بشكل خاص لتطبيقات مثل أنظمة الأمان، وأنظمة مراقبة الجودة، وأجهزة المنازل الذكية. تعمل هذه التطبيقات بشكل أكثر كفاءة عندما تعالج البيانات محلياً، تماماً في المكان الذي تُجمع فيه المعلومات المرئية (من الكاميرات، والمستشعرات، وما إلى ذلك).

الشكل 4. نشر نماذج رؤية الكمبيوتر على الحافة.

تطبيقات Edge AI#

الآن بعد أن استكشفنا ماهية Edge AI، دعنا نلقي نظرة فاحصة على بعض التطبيقات الواقعية.

Edge AI في تطبيقات الرعاية الصحية#

يُعد التشخيص السريع ورعاية المرضى المتازة من أهم الأولويات لكل منشأة رعاية صحية، وتلعب تقنية Edge AI دوراً رئيسياً في تحقيق هذه الأهداف. يشهد مقدمو الرعاية الصحية تغيرات تحويلية من خلال استخدام Edge AI والأجهزة الذكية. ومعاً، تخلق هذه التقنيات أنظمة رعاية صحية أسرع وأكثر أماناً وأكثر استجابة.

على سبيل المثال، يمكن للأجهزة القابلة للارتداء المدعومة بـ Edge AI مراقبة العلامات الحيوية باستمرار مثل معدل ضربات القلب، وضغط الدم، ومستويات الجلوكوز، والتنفس. يمكنها حتى اكتشاف السقوط المفاجئ وإخطار مقدمي الرعاية على الفور. في سيارات الإسعاف، يمكن لـ Edge AI تحليل البيانات الواردة من شاشات المرضى في الموقع. ويمكن مشاركة الرؤى المستمدة من التحليل مع الأطباء، مما يساعدهم في إعداد العلاجات قبل وصول المريض إلى المستشفى.

يمكن أن تساعد Edge AI أيضاً في نشر نماذج رؤية الكمبيوتر، مثل YOLO11، لتطبيقات مثل اكتشاف الكائنات للطاقم الطبي. يركز هذا التطبيق بشكل خاص على تحديد مواقع وتحركات المتخصصين في الرعاية الصحية داخل الغرفة في الوقت الفعلي، مما يساعد في مراقبة الالتزام ببروتوكولات الأمان وتعزيز الوعي الظرفي.

يمكن أن يساعد اكتشاف الكائنات في التحقق مما إذا كان الموظفون في وضعية صحيحة أثناء الإجراءات ويلتزمون بإرشادات النظافة والأمان، مثل الحفاظ على وضعية آمنة حول المعدات. تتيح تقنية Edge AI توفير رؤى قيمة دون الحاجة إلى اتصال مستمر بالسحابة في غرفة العمليات، مما يضمن الخصوصية ويقدم ملاحظات فورية لفرق الرعاية الصحية.

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

Edge AI للأتمتة الصناعية#

يستخدم المصنعون حول العالم تكنولوجيا Edge AI لجعل عملياتهم أسرع وأكثر كفاءة وأكثر إنتاجية. من خلال استخدام البيانات في الوقت الفعلي من المستشعرات وأجهزة إنترنت الأشياء، تتيح Edge AI الصيانة التنبؤية، مما يسمح للمصانع باكتشاف العلامات المبكرة لعطل المعدات والتنبؤ بالأعطال قبل حدوث مشكلات كبرى. يساعد هذا النهج الاستباقي في تقليل وقت التوقف عن العمل، وإطالة عمر المعدات، والحفاظ على سلاسة العمليات.

كما تحسن تقنية Edge AI مراقبة الجودة باستخدام الذكاء الاصطناعي للرؤية لاكتشاف عيوب المنتجات قبل تعبئتها للشحن. من خلال تحليل الصور والفيديوهات مباشرة في الموقع، تستطيع Edge AI تحديد العيوب بسرعة، مما يضمن وصول المنتجات عالية الجودة فقط إلى العملاء. تتيح الملاحظات الفورية للمصنعين معالجة المشكلات على الفور، مما يقلل من الهدر، ويحسن معايير المنتجات، ويعزز رضا العملاء.

Edge AI لأجهزة إنترنت الأشياء في المنزل#

بدءاً من أجراس الأبواب الذكية التي ترن تلقائياً عند اقتراب شخص ما وحتى الأضواء التي تنطفئ عندما تصبح الغرفة فارغة، تملأ المنازل الذكية أجهزة تستخدم Edge AI لتحسين جودة حياة السكان. وسواء أراد المقيم معرفة من على الباب أو ضبط درجة حرارة المنزل من خلال هاتفه الذكي، فإن تكنولوجيا الحافة تجعل ذلك ممكناً عن طريق معالجة البيانات مباشرة في الموقع بدلاً من الاعتماد على خادم بعيد. يساعد استخدام Edge AI في حماية خصوصية المقيم ويقلل من مخاطر الوصول غيرAuthorized للبيانات الشخصية.

فيما يتعلق بأتمتة المنازل، تُعد المعالجة المحلية بواسطة Edge AI أمراً بالغ الأهمية للتطبيقات التي تتطلب ملاحظات فورية. تشمل هذه التطبيقات أنظمة الأمان، وأنظمة الإضاءة، والتحكم في البيئة. من خلال معالجة البيانات على الحافة، يمكن للمنازل الذكية العمل بشكل مستقل دون الحاجة إلى اتصال بالإنترنت. أيضاً، يمكن أن تؤدي تقنية Edge AI المدمجة مع رؤية الكمبيوتر إلى تحسين إمكانية الوصول داخل المنازل. باستخدام تقنيات مثل تقدير الوضع البشري، يمكن إنشاء أنظمة اكتشاف إيماءات اليد للتحكم في الأنظمة الأخرى داخل المنزل، مثل الأضواء أو أجهزة التلفزيون.

الشكل 6. نظام تحكم ذكي للمنزل مدعوم بـ Edge AI.

التحديات والقيود#

على الرغم من الفوائد التي توفرها، لا تزال أنظمة Edge AI في تطور وتواجه تحديات وقيوداً معينة. إليك بعض القيود التي يجب مراعاتها قبل اتخاذ قرار بدمج حلول Edge AI في عملك أو منزلك.

• المخاطر الأمنية: على الرغم من أن تقنية Edge AI تحسن الأمان من خلال الحفاظ على البيانات محلية، إلا أنها تواجه أيضاً بعض المخاطر على المستوى المحلي، ويرجع ذلك في المقام الأول إلى الخطأ البشري وكلمات المرور غير الآمنة.

• محدودية قدرة الحوسبة: عادةً ما تمتلك أنظمة Edge AI قدرة حوسبة أقل من الذكاء الاصطناعي المستند إلى السحابة، مما يقتصر على مهام محددة. وفي حين يمكن للسحابة التعامل مع النماذج الكبيرة، فإن Edge AI تعد الأنسب للمهام الأبسط والأصغر.

• مشكلات توافق الآلات: خاصة في بيئات الأعمال، تواجه Edge AI تحديات مع أنواع الآلات المختلفة، ويمكن أن تؤدي مشكلات التوافق إلى أخطاء وفشل عند استخدام آلات غير متوافقة معاً.

تسخير قوة الحافة#

تمكّن Edge AI الصناعات من العمل بشكل أسرع واتخاذ قرارات أكثر ذكاءً من خلال معالجة البيانات مباشرة حيث يتم إنشاؤها. هذا النهج يسرع العمليات، ويعزز أمن البيانات، ويقلل تكاليف الإنترنت.

عبر قطاعات مثل الرعاية الصحية، والتصنيع، والمنازل الذكية، تعزز Edge AI الكفاءة وتسمح باتخاذ قرارات سريعة دون الاعتماد على وصول مستمر للسحابة. على الرغم من وجود بعض القيود، مثل المخاطر الأمنية المحتملة والقدرة المحدودة على تنفيذ المهام المعقدة، فإن قدرة Edge AI على إدارة المهام في الوقت الفعلي تجعلها أداة قيمة للمستقبل.

لمعرفة المزيد، تفضل بزيارة مستودع GitHub، وتفاعل مع مجتمعنا. استكشف تطبيقات الذكاء الاصطناعي في السيارات ذاتية القيادة والزراعة على صفحات الحلول الخاصة بنا. 🚀