فهم التطبيقات الواقعية لـ Edge AI

تعمل تقنية Edge AI، التي تعالج البيانات وتحللها مباشرة على أجهزة مثل أجهزة الكمبيوتر الشخصية أو أجهزة إنترنت الأشياء أو خوادم الحافة المتخصصة، على جعل تخزين البيانات ومعالجتها أسرع وأكثر سهولة من خلال معالجة العمليات محلياً. فهي تساعد في تجنب المشكلات الشائعة في أنظمة الحوسبة السحابية، مثل زمن الانتقال ومحدودية النطاق الترددي، مما يؤدي إلى أداء أسرع وأكثر موثوقية. على سبيل المثال، في المركبات ذاتية القيادة، تعد المعالجة المحلية ضرورية لاتخاذ القرارات في الوقت الفعلي، مثل اكتشاف العوائق أو الاستجابة لـ إشارات المرور فوراً. ومن خلال معالجة البيانات مباشرة على المركبة، تتيح Edge AI استجابات في أجزاء من الثانية كانت ستصبح بطيئة جداً لو اعتمدت على خادم سحابي بعيد.

تزداد شعبية Edge AI بشكل متزايد، حيث من المتوقع أن يصل السوق العالمي إلى 143.06 مليار دولار بحلول عام 2034. وتستخدم صناعات مختلفة Edge AI لتحسين سير العمل، وأتمتة المهام، وتحفيز الابتكار مع معالجة تحديات مثل زمن الانتقال، والأمن، والتكلفة.

في هذه المقالة، سنلقي نظرة على كيفية إحداث Edge AI فرقاً في مجالات مثل الرعاية الصحية والتصنيع، جنباً إلى جنب مع بعض النقاط التي يجب وضعها في الاعتبار عند وضعها موضع التنفيذ. لنبدأ!

الشكل 1. السوق العالمي لـ Edge AI.

Link to this sectionكيف تعمل Edge AI#

تجمع Edge AI بين حوسبة الحافة والذكاء الاصطناعي (AI). حوسبة الحافة هي إطار تقني يعالج البيانات بالقرب من المكان الذي يتم فيه إنشاؤها، مما يتيح التحليلات في الوقت الفعلي، وتحسين الموثوقية، وتوفير التكاليف. وتجلب مكونات الذكاء الاصطناعي خوارزميات تعلم الآلة مباشرة إلى الحافة، مما يجعل من الممكن للأجهزة اتخاذ قرارات ذكية محلياً. يقلل هذا النهج من الحاجة إلى سحابة مركزية أو مركز بيانات، مما قد يؤدي إلى تأخير في المعالجة. لا يزال من الممكن استخدام السحابة لتخزين البيانات الأكثر تعقيداً، والتحليل على نطاق أوسع، وتحديثات نماذج الذكاء الاصطناعي، مكملةً بذلك المعالجة 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 أولية من البيئة، مثل قراءات درجة الحرارة أو حالة المعدات في البيئات الصناعية.
• تنظيف البيانات: تتم معالجة البيانات التي تم جمعها بسرعة على الجهاز لتصفية الضوضاء والتركيز على التفاصيل ذات الصلة.
• إجراء التنبؤات: يتم تحليل البيانات المنظفة بواسطة نموذج ذكاء اصطناعي مدمج مباشرة داخل جهاز الحافة.
• اتخاذ القرار: بناءً على التحليل، يتخذ نظام الذكاء الاصطناعي القرارات ويبدأ في اتخاذ أي إجراءات أو استجابات ضرورية.

Link to this sectionEdge 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 Cloud AI خوادم بعيدة لمعالجة البيانات، مما يوفر قابلية توسع ومرونة أكبر. ومع ذلك، غالباً ما يكون هذا على حساب زمن انتقال أعلى وزيادة في استخدام النطاق الترددي بسبب الحاجة إلى نقل البيانات عبر الإنترنت. يمكن أن تثير Cloud AI أيضاً مخاوف تتعلق بالخصوصية لأن البيانات الحساسة يجب نقلها وتخزينها على خوادم خارجية.

الشكل 3. Edge AI مقابل Cloud AI.

ثمة اختلاف رئيسي آخر يكمن في التكلفة وإجهاد الشبكة المرتبط بـ Cloud AI. يمكن أن تكون المعالجة على خوادم بعيدة قوية مكلفة، خاصة عند التعامل مع كميات كبيرة من البيانات مثل الفيديو أو الصوت، وبث هذه البيانات عبر الشبكة يضيف مزيداً من الإجهاد.

تتعامل Edge AI مع هذه التحديات عن طريق معالجة البيانات مباشرة على الجهاز، مما يقلل من التكاليف المتعلقة بالسحابة، ويخفف من حمل الشبكة، ويحافظ على المعلومات الحساسة آمنة في الموقع. بدلاً من إرسال بيانات أولية، يتم عادةً إرسال النتائج النهائية فقط (أو الاستنتاجات)، مما يوفر حلاً أكثر كفاءة وتركيزاً على الخصوصية.

Link to this sectionEdge AI للتعرف على الصور#

غالباً ما تتضمن تطبيقات الرؤية الحاسوبية تحليل كميات هائلة من البيانات غير المهيكلة (البيانات التي تفتقر إلى تنسيق محدد مسبقاً)، بشكل رئيسي الصور ومقاطع الفيديو. يمكن أن يكون إرسال كل هذه البيانات إلى خادم سحابي بعيد للمعالجة غير فعال في المواقف التي تتطلب مراقبة في الوقت الفعلي. الحل الأمثل لهذه المشكلة هو تشغيل نماذج الرؤية الحاسوبية على أجهزة الحافة.

نماذج الرؤية الحاسوبية مثل Ultralytics YOLO11 غالباً ما يتم تدريبها في السحابة ولكن يمكن نشرها في 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 الأمن، وأنظمة مراقبة الجودة، وأجهزة المنزل الذكي. تعمل هذه التطبيقات بكفاءة أكبر عندما تعالج البيانات محلياً، في المكان الذي يتم فيه جمع المعلومات المرئية (من الكاميرات، والمستشعرات، وما إلى ذلك).

الشكل 4. نشر نماذج الرؤية الحاسوبية على الحافة.

Link to this sectionتطبيقات Edge AI#

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

Link to this sectionEdge AI في تطبيقات الرعاية الصحية#

التشخيص السريع Diagnosis ورعاية المرضى الممتازة هما من أهم أولويات كل مرفق رعاية صحية، وتلعب Edge AI دوراً رئيسياً في تحقيق هذه الأهداف. يشهد مقدمو الرعاية الصحية تغييرات تحويلية من خلال استخدام Edge AI والأجهزة الذكية. معاً، تخلق هذه التقنيات أنظمة رعاية صحية أسرع وأكثر أماناً واستجابة.

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 من أجهزة مراقبة المرضى في الموقع. ويمكن مشاركة الأفكار المستخلصة من التحليل مع الأطباء، مما يساعدهم على إعداد العلاجات قبل وصول المريض إلى المستشفى.

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

يمكن أن يساعد اكتشاف الكائنات في التحقق مما إذا كان الموظفون متمركزين بشكل صحيح أثناء الإجراءات ويلتزمون بإرشادات النظافة والسلامة، مثل الحفاظ على تموضع آمن حول المعدات. تتيح Edge AI توفير رؤى قيمة دون الحاجة إلى اتصال دائم بالسحابة في غرفة العمليات، مما يضمن الخصوصية ويقدم ملاحظات فورية لفرق الرعاية الصحية.

الشكل 5. مثال على استخدام YOLO11 لمراقبة موظفي المستشفى.

Link to this sectionEdge AI للأتمتة الصناعية#

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

تحسن Edge AI أيضاً مراقبة الجودة باستخدام رؤية الذكاء الاصطناعي لاكتشاف عيوب المنتج قبل تعبئتها للشحن. من خلال تحليل الصور ومقاطع الفيديو مباشرة في الموقع، يمكن لـ Edge AI تحديد العيوب بسرعة، مما يضمن وصول المنتجات عالية الجودة فقط إلى العملاء. تتيح التعليقات الفورية للمصنعين معالجة المشكلات على الفور، مما يقلل من الهدر، ويحسن معايير المنتج، ويعزز رضا العملاء.

Link to this sectionEdge AI لأجهزة إنترنت الأشياء في المنزل#

بدءاً من أجراس الأبواب الذكية التي ترن تلقائياً عند اقتراب شخص ما إلى الأنوار التي تنطفئ عندما تكون الغرفة فارغة، تمتلئ المنازل الذكية بأجهزة تستخدم Edge AI لتحسين جودة حياة السكان. سواء كان المقيم يرغب في رؤية من عند الباب أو ضبط درجة حرارة المنزل من خلال هاتفه الذكي، فإن تقنية الحافة تجعل ذلك ممكناً من خلال معالجة البيانات مباشرة في الموقع بدلاً من الاعتماد على خادم بعيد. يساعد استخدام Edge AI في حماية خصوصية المقيم ويقلل من مخاطر الوصول غير المصرح به إلى البيانات الشخصية.

فيما يتعلق بأتمتة المنزل، تعد المعالجة المحلية بواسطة Edge AI أمراً بالغ الأهمية للتطبيقات التي تحتاج إلى ملاحظات فورية. تشمل هذه التطبيقات أنظمة الأمن، وأنظمة الإضاءة، وعناصر التحكم البيئية. من خلال معالجة البيانات عند الحافة، يمكن للمنازل الذكية العمل بشكل مستقل دون الحاجة إلى اتصال بالإنترنت. أيضاً، يمكن لـ Edge AI المدمجة مع الرؤية الحاسوبية تحسين إمكانية الوصول داخل المنازل. باستخدام تقنيات مثل تقدير وضعية الإنسان، يمكن إنشاء أنظمة اكتشاف إيماءات اليد للتحكم في أنظمة أخرى داخل المنزل، مثل الأضواء أو أجهزة التلفاز.

الشكل 6. نظام تحكم منزلي ذكي يدعم Edge AI.

Link to this sectionالتحديات 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.

• مخاطر أمنية: في حين تعمل Edge AI على تحسين الأمان من خلال إبقاء البيانات محلية، فإنها تواجه أيضاً بعض المخاطر على المستوى المحلي، ويرجع ذلك أساساً إلى الخطأ البشري وكلمات المرور غير الآمنة.

• قوة حوسبة محدودة: عادة ما تمتلك أنظمة Edge AI قوة حوسبة أقل من الذكاء الاصطناعي القائم على السحابة، مما يحدها بمهام محددة. بينما يمكن للسحابة التعامل مع نماذج كبيرة، تعد Edge AI الأنسب للمهام الأبسط والأصغر.

• مشكلات توافق الآلات: خاصة في بيئات الأعمال، تواجه Edge AI تحديات مع أنواع مختلفة من الآلات، ويمكن أن تؤدي مشكلات التوافق إلى حدوث أعطال وإخفاقات عند استخدام آلات غير متوافقة معاً.

Link to this sectionتسخير 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، قم بزيارة مستودع GitHub الخاص بنا، وتفاعل مع مجتمعنا. استكشف تطبيقات الذكاء الاصطناعي في السيارات ذاتية القيادة والزراعة على صفحات الحلول الخاصة بنا. 🚀