فهم التطبيقات الواقعية للذكاء الاصطناعي الطرفي

تتيح تقنية الذكاء الاصطناعي الطرفي، التي تعالج البيانات وتحللها مباشرةً على أجهزة مثل الحواسيب الشخصية وأجهزة إنترنت الأشياء أو الخوادم الطرفية المتخصصة، تخزين البيانات ومعالجتها بسرعة أكبر وبسهولة أكبر عبر تنفيذ العمليات محليًا. وتساعد هذه التقنية على تجنب المشكلات الشائعة في الأنظمة السحابية، مثل زمن الاستجابة وقيود النطاق الترددي، ما يؤدي إلى أداء أسرع وأكثر موثوقية. فعلى سبيل المثال، يُعدّ المعالجة المحلية في المركبات ذاتية القيادة ضرورية لاتخاذ قرارات آنية، مثل اكتشاف العوائق أو الاستجابة لإشارات المرور فورًا. ومن خلال معالجة البيانات مباشرةً داخل المركبة، يتيح الذكاء الاصطناعي الطرفي استجابات فورية لا يمكن تحقيقها بالسرعة نفسها عند الاعتماد على خادم سحابي بعيد.

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

في هذه المقالة، سنتناول أثر الذكاء الاصطناعي الطرفي في مجالات مثل الرعاية الصحية والتصنيع، إلى جانب بعض النقاط التي ينبغي مراعاتها عند تطبيقه.

الشكل 1. سوق الذكاء الاصطناعي الطرفي العالمية.

كيف يعمل الذكاء الاصطناعي الطرفي#

يجمع الذكاء الاصطناعي الطرفي بين الحوسبة الطرفية والذكاء الاصطناعي (AI). والحوسبة الطرفية إطار تقني يعالج البيانات بالقرب من مصدر توليدها، ما يتيح التحليلات الآنية ويحسن الموثوقية ويخفض التكاليف. ويجلب مكوّن الذكاء الاصطناعي خوارزميات التعلم الآلي مباشرةً إلى الطرف، ما يمكّن الأجهزة من اتخاذ قرارات ذكية محليًا. ويقلل هذا النهج الحاجة إلى سحابة مركزية أو مركز بيانات قد يتسبب في تأخيرات المعالجة. ومع ذلك، يمكن الاستمرار في استخدام السحابة لتخزين البيانات الأكثر تعقيدًا وإجراء تحليلات واسعة النطاق وتحديث نماذج الذكاء الاصطناعي، لتكمل بذلك 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.
• تنقية البيانات: تُعالَج البيانات التي جُمعت بسرعة على الجهاز للتخلص من الضوضاء والتركيز على التفاصيل ذات الصلة.
• إجراء التنبؤات: يحلل نموذج ذكاء اصطناعي مضمّن مباشرةً في الجهاز الطرفي البيانات المنظّفة.
• اتخاذ القرارات: يتخذ نظام الذكاء الاصطناعي قراراته ويبدأ أي إجراءات أو استجابات لازمة استنادًا إلى التحليل.

الذكاء الاصطناعي الطرفي مقابل الذكاء الاصطناعي السحابي#

يمثل الذكاء الاصطناعي الطرفي والذكاء الاصطناعي السحابي نهجين مختلفين لتطبيق الذكاء الاصطناعي، ولكل منهما مزايا ومفاضلات خاصة. وكما ناقشنا سابقًا بشأن الذكاء الاصطناعي الطرفي، تُعالج البيانات مباشرةً على الأجهزة المحلية، ما يضمن زمن استجابة منخفضًا، وخصوصية معززة، واعتمادًا محدودًا على الاتصال بالإنترنت.

على خلاف الذكاء الاصطناعي الطرفي، يستخدم الذكاء الاصطناعي السحابي خوادم بعيدة لمعالجة البيانات، ما يوفر قابلية توسع ومرونة أكبر. لكن ذلك غالبًا ما يأتي على حساب ارتفاع زمن الاستجابة وزيادة استخدام النطاق الترددي بسبب الحاجة إلى نقل البيانات عبر الإنترنت. وقد يثير الذكاء الاصطناعي السحابي أيضًا مخاوف تتعلق بالخصوصية، إذ يجب نقل البيانات الحساسة وتخزينها على خوادم خارجية.

الشكل 3. الذكاء الاصطناعي الطرفي مقابل الذكاء الاصطناعي السحابي.

ويتمثل اختلاف أساسي آخر في التكلفة والضغط على الشبكة المرتبطين بالذكاء الاصطناعي السحابي. فقد تكون المعالجة على خوادم بعيدة قوية مكلفة، ولا سيما عند التعامل مع كميات كبيرة من البيانات مثل الفيديو أو الصوت، كما أن بث هذه البيانات عبر الشبكة يزيد الضغط عليها.

يعالج الذكاء الاصطناعي الطرفي هذه التحديات من خلال معالجة البيانات مباشرةً على الجهاز، ما يقلل التكاليف المرتبطة بالسحابة، ويخفف الحمل على الشبكة، ويحافظ على أمان المعلومات الحساسة في الموقع. وبدلًا من إرسال البيانات الأولية، لا يُنقل عادةً سوى الناتج النهائي (أو الاستدلالات)، ما يوفر حلًا أكثر كفاءة ويراعي الخصوصية.

الذكاء الاصطناعي الطرفي للتعرّف على الصور#

غالبًا ما تتضمن تطبيقات الرؤية الحاسوبية تحليل كميات هائلة من البيانات غير المنظمة (أي البيانات التي تفتقر إلى تنسيق محدد مسبقًا)، وبخاصة الصور ومقاطع الفيديو. وقد يكون إرسال هذه البيانات كلها إلى خادم سحابي بعيد لمعالجتها غير فعال في الحالات التي تتطلب مراقبة آنية. ومن الحلول الممتازة لهذه المشكلة تشغيل نماذج الرؤية الحاسوبية على الأجهزة الطرفية.

غالبًا ما تتلقى نماذج الرؤية الحاسوبية، مثل Ultralytics YOLO11، تدريبًا في السحابة، لكن يمكن نشرها على الأجهزة الطرفية لدعم التطبيقات الآنية مباشرةً في الموقع. صُمم YOLO11 خصيصًا للمهام التي تتطلب استجابات فورية، ما يجعله مفيدًا على نحو خاص لتطبيقات مثل أنظمة الأمن وأنظمة مراقبة الجودة وأجهزة المنزل الذكي. وتعمل هذه التطبيقات بكفاءة أكبر عندما تعالج البيانات محليًا، في المكان نفسه الذي تُجمع فيه المعلومات المرئية (من الكاميرات والمستشعرات وما إلى ذلك).

الشكل 4. نشر نماذج الرؤية الحاسوبية على الطرف.

تطبيقات الذكاء الاصطناعي الطرفي#

بعد أن استكشفنا مفهوم الذكاء الاصطناعي الطرفي، لنتناول بعض تطبيقاته العملية عن كثب.

الذكاء الاصطناعي الطرفي في تطبيقات الرعاية الصحية#

يُعدّ التشخيص السريع ورعاية المرضى الممتازة من أهم أولويات كل منشأة للرعاية الصحية، ويؤدي الذكاء الاصطناعي الطرفي دورًا أساسيًا في تحقيق هذين الهدفين. ويشهد مقدمو الرعاية الصحية تغيرات تحويلية بفضل استخدام الذكاء الاصطناعي الطرفي والأجهزة الذكية. وتُسهم هذه التقنيات مجتمعةً في إنشاء أنظمة رعاية صحية أسرع وأكثر أمانًا واستجابةً.

فعلى سبيل المثال، تستطيع الأجهزة القابلة للارتداء والمدعومة بالذكاء الاصطناعي الطرفي مراقبة المؤشرات الحيوية باستمرار، مثل معدل ضربات القلب وضغط الدم ومستويات الغلوكوز والتنفس. بل يمكنها أيضًا اكتشاف حالات السقوط المفاجئة 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 لمساعدتهم على إعداد العلاجات قبل وصول المريض إلى المستشفى.

يمكن أن يساعد الذكاء الاصطناعي الطرفي أيضًا في نشر نماذج الرؤية الحاسوبية، مثل YOLO11، لتطبيقات مثل اكتشاف أفراد الطاقم الطبي. ويركز هذا التطبيق تحديدًا على تعيين مواقع حراس الرعاية الصحية وحركاتهم داخل الغرفة في الزمن الحقيقي، ما يساعد على مراقبة الالتزام ببروتوكولات السلامة وتعزيز الوعي بالموقف.

يمكن أن يساعد اكتشاف الأجسام في التحقق من تموضع الموظفين الصحيح أثناء الإجراءات والتزامهم بإرشادات النظافة والسلامة، مثل الحفاظ على مسافة آمنة من المعدات. ويوفر الذكاء الاصطناعي الطرفي رؤى قيّمة دون الحاجة إلى اتصال سحابي مستمر في غرفة العمليات، ما يضمن الخصوصية ويتيح تقديم ملاحظات فورية إلى فرق الرعاية الصحية.

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

الذكاء الاصطناعي الطرفي للأتمتة الصناعية#

تستخدم الشركات المصنّعة حول العالم تقنية الذكاء الاصطناعي الطرفي لجعل عملياتها أسرع وأكثر كفاءة وإنتاجية. وباستخدام البيانات الآنية الواردة من المستشعرات وأجهزة إنترنت الأشياء، يتيح الذكاء الاصطناعي الطرفي الصيانة التنبؤية، ما يسمح للمصانع باكتشاف المؤشرات المبكرة لتعطل المعدات والتنبؤ بالأعطال قبل وقوع مشكلات كبيرة. ويساعد هذا النهج الاستباقي على تقليل وقت التوقف، وإطالة عمر المعدات، والحفاظ على سلاسة العمليات.

يعزز الذكاء الاصطناعي الطرفي مراقبة الجودة أيضًا باستخدام ذكاء اصطناعي للرؤية لاكتشاف عيوب المنتجات قبل تغليفها للشحن. ومن خلال تحليل الصور ومقاطع الفيديو مباشرةً في الموقع، يستطيع الذكاء الاصطناعي الطرفي تحديد العيوب بسرعة، ما يضمن وصول المنتجات عالية الجودة وحدها إلى العملاء. وتتيح الملاحظات الفورية للمصنعين معالجة المشكلات فورًا، والحد من الهدر، وتحسين معايير المنتجات، وتعزيز رضا العملاء.

الذكاء الاصطناعي الطرفي لأجهزة إنترنت الأشياء المنزلية#

من أجراس الأبواب الذكية التي ترن تلقائيًا عند اقتراب شخص ما إلى المصابيح التي تنطفئ عند خلو الغرفة، تمتلئ المنازل الذكية بأجهزة تستخدم الذكاء الاصطناعي الطرفي لتحسين جودة حياة السكان. وسواء أراد أحد السكان معرفة من يقف عند الباب أم ضبط درجة حرارة المنزل عبر هاتفه الذكي، تتيح التقنية الطرفية ذلك من خلال معالجة البيانات في الموقع بدلًا من الاعتماد على خادم بعيد. ويساعد استخدام الذكاء الاصطناعي الطرفي على حماية خصوصية السكان وتقليل خطر الوصول غير المصرح به إلى بياناتهم الشخصية.

في مجال أتمتة المنازل، تُعد المعالجة المحلية التي يوفرها الذكاء الاصطناعي الطرفي ضرورية للتطبيقات التي تتطلب استجابة فورية. وتشمل هذه التطبيقات أنظمة الأمن وأنظمة الإضاءة وأدوات التحكم البيئي. ومن خلال معالجة البيانات على الطرف، يمكن للمنازل الذكية العمل بصورة مستقلة دون الحاجة إلى اتصال بالإنترنت. كما يمكن للذكاء الاصطناعي الطرفي المدمج مع الرؤية الحاسوبية تحسين إمكانية الوصول داخل المنازل. وباستخدام تقنيات مثل تقدير وضعيات البشر، يمكن إنشاء أنظمة لاكتشاف إيماءات اليد للتحكم في أنظمة أخرى داخل المنزل، مثل الأضواء أو أجهزة التلفاز.

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

التحديات والقيود#

على الرغم من المزايا التي توفرها أنظمة الذكاء الاصطناعي الطرفي، فإنها لا تزال في طور التطور وتواجه تحديات وقيودًا معينة. إليك بعض القيود التي ينبغي أخذها في الحسبان قبل اتخاذ قرار دمج حلول الذكاء الاصطناعي الطرفي في عملك أو منزلك.

• مخاطر الأمن: مع أن الذكاء الاصطناعي الطرفي يعزز الأمن 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: تتمتع أنظمة الذكاء الاصطناعي الطرفي عادةً بقدرة حوسبة أقل من الأنظمة المعتمدة على السحابة، ما يقصر استخدامها على مهام محددة. فبينما تستطيع السحابة معالجة النماذج الكبيرة، يكون الذكاء الاصطناعي الطرفي أنسب للمهام الأبسط والأصغر.
• مشكلات توافق الآلات: يواجه الذكاء الاصطناعي الطرفي تحديات تتعلق باختلاف أنواع الآلات، ولا سيما في بيئات الأعمال، وقد تؤدي مشكلات التوافق إلى أعطال وإخفاقات عند استخدام آلات غير متوافقة معًا.

تسخير إمكانات الحوسبة الطرفية#

يُمكّن الذكاء الاصطناعي الطرفي القطاعات من العمل بسرعة أكبر واتخاذ قرارات أذكى عبر معالجة البيانات مباشرةً في مكان إنشائها. ويسرّع هذا النهج العمليات، ويعزز أمن البيانات، ويقلل تكاليف الإنترنت.

يعزز الذكاء الاصطناعي الطرفي الكفاءة ويتيح اتخاذ القرارات بسرعة في قطاعات مثل الرعاية الصحية والتصنيع والمنازل الذكية، دون الاعتماد على اتصال سحابي دائم. ورغم وجود بعض القيود، مثل المخاطر الأمنية المحتملة والقدرة المحدودة على معالجة المهام المعقدة، فإن قدرته على إدارة المهام في الزمن الحقيقي تجعله أداة قيّمة للمستقبل.

لمعرفة المزيد، تفضل بزيارة مستودع GitHub وتفاعل مع مجتمعنا. استكشف تطبيقات AI في السيارات ذاتية القيادة والزراعة ضمن صفحات الحلول لدينا.