الحوسبة السحابية

الحوسبة السحابية هي تقديم خدمات الحوسبة عند الطلب - بما في ذلك الخوادم والتخزين وقواعد البيانات والشبكات والبرمجيات والتحليلات والمعلومات - عبر الإنترنت ("السحابة"). بدلاً من امتلاك البنية التحتية للحوسبة الخاصة بها وصيانتها، يمكن للمؤسسات الوصول إلى هذه الخدمات من مزود خدمات سحابية مثل Amazon Web Services (AWS) أو Google Cloud أو Microsoft Azure. يسمح هذا النموذج بالابتكار الأسرع والموارد المرنة ووفورات الحجم، مما يجعله أساسًا أساسيًا للذكاء الاصطناعي الحديث (AI) والتعلم الآلي (ML). وتتمثل الفكرة الأساسية، كما حددها المعهد الوطني للمعايير والتكنولوجيا (NIST)، في توفير وصول شبكي ملائم ومريح في كل مكان وحسب الطلب إلى مجموعة مشتركة من موارد الحوسبة القابلة للتكوين.

كيف تعمل الحوسبة السحابية

يحتفظ مزودو الخدمات السحابية بشبكة عالمية من مراكز البيانات مع كميات هائلة من الأجهزة. وهم يقدمون الخدمات من خلال نماذج مختلفة، وأكثرها شيوعًا:

• البنية التحتية كخدمة (IaaS): توفر موارد الحوسبة الأساسية مثل الأجهزة الافتراضية والتخزين والشبكات. وهذا يمنح المستخدمين أقصى قدر من التحكم وهو مثالي لبيئات التعلم العميق المخصصة.
• المنصة كخدمة (PaaS): تقدم منصة تسمح للعملاء بتطوير التطبيقات وتشغيلها وإدارتها دون تعقيد بناء البنية التحتية وصيانتها. ويشمل ذلك قواعد البيانات المُدارة وخدمات Kubernetes.
• البرمجيات كخدمة (SaaS): تقديم تطبيقات البرمجيات عبر الإنترنت على أساس الاشتراك. وتعد منصة Ultralytics HUB مثالاً على منصة SaaS التي توفر أدوات لتدريب وإدارة نماذج الرؤية الحاسوبية.

يتيح هذا الهيكل مزايا رئيسية مثل توفير التكاليف وقابلية التوسع العالمي والأداء العالي وتعزيز أمن البيانات، والتي تتم إدارتها بالشراكة مع مؤسسات مثل تحالف أمن السحابة (CSA).

الأهمية في الذكاء الاصطناعي والتعلم الآلي

السحابة هي المحرك الأساسي لتطوير الذكاء الاصطناعي اليوم. يتطلب تدريب النماذج المتقدمة، مثل Ultralytics YOLO، قوة حاسوبية وبيانات هائلة، والتي غالباً ما تكون غير عملية لاستضافتها محلياً.

تشمل الاستخدامات الرئيسية ما يلي:

• تدريب نماذج قوية: توفر السحابة إمكانية الوصول إلى أجهزة عالية الأداء مثل وحدات معالجة الرسومات ووحدات المعالجة الرسومية (GPU ) ووحدات المعالجة الحرارية (TPU) اللازمة للتدريب الموزع على مجموعات البيانات الكبيرة. تستفيد من ذلك منصات مثل Ultralytics HUB Cloud Training لتسريع تطوير النماذج.
• إدارة مجموعات البيانات الكبيرة: يتم تدريب نماذج الذكاء الاصطناعي على كميات هائلة من بيانات التدريب. وتوفر حلول التخزين السحابي مستودعات قابلة للتطوير ويمكن الوصول إليها لمجموعات البيانات هذه، من ImageNet إلى مجموعات مخصصة لمهام محددة مثل اكتشاف الأجسام.
• نشر نموذج قابل للتطوير: بمجرد تدريب النموذج، يمكن نشره على السحابة للاستدلال في الوقت الفعلي. تسمح طبيعة السحابة المرنة للتطبيقات بالتوسع تلقائيًا للتعامل مع الطلب المتقلب، وهو مبدأ أساسي في عمليات التشغيل الآلي. يمكنك معرفة المزيد حول خيارات نشر النماذج المختلفة في وثائقنا.

التطبيقات الواقعية

1. الذكاء الاصطناعي في مجال السيارات: تجمع الشركات التي تعمل على تطوير السيارات ذاتية القيادة بيتابايت من بيانات القيادة. وهي تستخدم مجموعات GPU المستندة إلى السحابة لتدريب نماذج الإدراك والتحقق من صحة نماذج الإدراك التي يمكنها تحديد المشاة والمركبات وعلامات الطريق، وهي عملية مفصلة في صفحة حلول الذكاء الاصطناعي في السيارات.
2. الذكاء الاصطناعي في الرعاية الصحية: قد يستخدم أحد المستشفيات البحثية بيئة سحابية آمنة ومتوافقة مع قانون HIPAA لتدريب نموذج تشخيصي لتحليل الصور الطبية. من خلال تجميع بيانات مجهولة المصدر، يمكنهم بناء نموذج قوي باستخدام إطار عمل مثل PyTorch للكشف عن الحالات الشاذة في الأشعة السينية أو التصوير بالرنين المغناطيسي، مما يؤدي إلى تشخيص أسرع وأكثر دقة لتحسين الذكاء الاصطناعي في مجال الرعاية الصحية.

الحوسبة السحابية مقابل الحوسبة السحابية المفاهيم ذات الصلة

• الحوسبة بدون خادم: الحوسبة بدون خادم هي نموذج تنفيذ داخل الحوسبة السحابية، وليست بديلاً لها. وبينما قد تتضمن الحوسبة السحابية الأوسع نطاقًا إدارة الخوادم الافتراضية (IaaS)، فإن الحوسبة بدون خادم تستبعد كل إدارة الخوادم. ما عليك سوى توفير التعليمات البرمجية (كوظائف)، ويقوم موفر السحابة تلقائيًا بتوفير الموارد اللازمة لتشغيلها، مع توسيع نطاقها من الصفر إلى أحجام ضخمة حسب الحاجة.
• حوسبة الحافة: تتضمن حوسبة الحافة معالجة البيانات محليًا على الأجهزة الموجودة على "حافة" الشبكة، بالقرب من مصدر البيانات. هذا هو عكس النموذج المركزي للحوسبة السحابية. ومع ذلك، غالبًا ما يتم استخدامهما معًا في نهج هجين. على سبيل المثال، قد يقوم جهاز ذكاء اصطناعي على الحافة مثل NVIDIA Jetson بإجراء الكشف الأولي عن الكائنات ثم إرسال البيانات الوصفية ذات الصلة فقط إلى السحابة للتخزين طويل الأجل أو التجميع أو التحليل الأكثر كثافة. يجمع هذا النهج بين وقت الاستجابة المنخفض للحافة والقوة الهائلة للسحابة. يمكنك العثور على المزيد من الأفكار على مدونتنا حول نشر التطبيقات على الأجهزة المتطورة.