اكتشف كيف تدعم الحوسبة السحابية الذكاء الاصطناعي وتعلم الآلة بموارد قابلة للتطوير، وبنية تحتية مرنة، وتطبيقات واقعية للابتكار.
الحوسبة السحابية هي تقنية تحويلية تسمح للمستخدمين بالوصول إلى موارد الحوسبة واستخدامها عبر الإنترنت، بدلاً من الاعتماد على الخوادم المحلية أو الأجهزة الشخصية. يوفر هذا النموذج إمكانية الوصول عند الطلب إلى مجموعة مشتركة من موارد الحوسبة القابلة للتكوين، بما في ذلك الخوادم والتخزين وقواعد البيانات والشبكات والبرمجيات والتحليلات والذكاء. بالنسبة لأولئك الذين لديهم دراية بمفاهيم التعلم الآلي الأساسية، توفر الحوسبة السحابية بنية تحتية مرنة وقابلة للتطوير يمكن أن تعزز بشكل كبير تطوير نماذج الذكاء الاصطناعي والتعلم الآلي وتدريبها ونشرها.
الحوسبة السحابية مبنية على عدة مفاهيم أساسية تتيح مرونتها وقابليتها للتوسع. المحاكاة الافتراضية هي تقنية أساسية تسمح بتشغيل العديد من الأجهزة الافتراضية (VMs) على خادم فعلي واحد، مما يزيد من استخدام الموارد إلى أقصى حد. يمكن توفير هذه الأجهزة الافتراضية بسرعة وتوسيع نطاقها أو تخفيضها بناءً على الطلب، مما يوفر المرونة اللازمة لأعباء العمل الديناميكية. هناك مفهوم أساسي آخر هو الحوسبة الموزعة، حيث يتم تقسيم المهام ومعالجتها عبر أجهزة كمبيوتر متعددة مترابطة، مما يعزز سرعة المعالجة والكفاءة.
تُصنف الخدمات السحابية عادةً إلى ثلاثة أنواع رئيسية:
تلعب الحوسبة السحابية دوراً حاسماً في مجال الذكاء الاصطناعي والتعلم الآلي. يمكن إدارة الكميات الهائلة من البيانات والقدرة الحاسوبية المطلوبة لتدريب نماذج التعلم الآلي المعقدة بكفاءة باستخدام الموارد السحابية. على سبيل المثال، يمكن تخزين بيانات التدريب في خدمات التخزين السحابية، بينما يمكن استخدام وحدات معالجة الرسومات ووحدات المعالجة الحرارية القوية لتسريع تدريب النماذج. هذه الإمكانية مفيدة بشكل خاص لتطبيقات التعلُّم العميق (DL) ، والتي غالبًا ما تتضمن مجموعات بيانات كبيرة وشبكات عصبية كثيفة الحوسبة.
ضع في اعتبارك سيناريو تحتاج فيه الشركة إلى تدريب نموذج للتعرف على الصور باستخدام ملايين الصور. وباستخدام الحوسبة السحابية، يمكن للشركة تخزين مجموعة بيانات الصور في التخزين السحابي، مثل Amazon S3 أو Google Cloud Storage. ويمكنها بعد ذلك الاستفادة من الأجهزة الافتراضية المستندة إلى السحابة والمزودة بوحدات معالجة رسومات قوية لتدريب نماذج الشبكة العصبية التلافيفية (CNN). يسمح هذا الإعداد بالمعالجة المتوازية للبيانات، مما يقلل بشكل كبير من وقت التدريب مقارنةً باستخدام الأجهزة المحلية. بمجرد الانتهاء من تدريب النموذج، يمكن نشره على السحابة للاستدلال في الوقت الفعلي، مما يوفر خدمات التعرف على الصور القابلة للتطوير والتي يمكن الوصول إليها.
قد ترغب إحدى الشركات في تعزيز دعم العملاء من خلال تطبيق روبوت دردشة آلي مدعوم بالذكاء الاصطناعي. باستخدام خدمات معالجة اللغة الطبيعية (NLP) المستندة إلى السحابة، يمكن للشركة بناء وتدريب روبوت دردشة آلي يفهم استفسارات العملاء ويستجيب لها. تتضمن عملية التدريب تغذية النموذج بمجموعات بيانات كبيرة من تفاعلات العملاء، والتي يمكن إدارتها ومعالجتها بكفاءة باستخدام الموارد السحابية. تقدم المنصات السحابية مثل Google Cloud AI Platform و Amazon SageMaker أدوات وخدمات مصممة خصيصًا لبناء نماذج البرمجة اللغوية العصبية وتدريبها ونشرها. يمكن بعد ذلك نشر روبوت الدردشة الآلي المُدرَّب على السحابة، مما يضمن توافرًا عاليًا وقابلية للتوسع للتعامل مع أحجام مختلفة من تفاعلات العملاء.
في حين أن الحوسبة السحابية توفر موارد واسعة النطاق وقابلية للتوسع، إلا أنها تُقارن أحياناً بالحوسبة الطرفية التي تتضمن معالجة البيانات بالقرب من المصدر. تقلل الحوسبة الطرفية من زمن الاستجابة واستخدام النطاق الترددي من خلال إجراء العمليات الحسابية على الأجهزة الطرفية، مثل الهواتف الذكية أو أجهزة إنترنت الأشياء، بدلاً من إرسال البيانات إلى خادم سحابي مركزي. وهذا مفيد بشكل خاص للتطبيقات التي تتطلب الاستدلال في الوقت الحقيقي، مثل المركبات ذاتية القيادة أو تحليلات الفيديو في الوقت الحقيقي. ومع ذلك، فإن حوسبة الحافة لها قيود من حيث القدرة الحاسوبية والتخزين مقارنةً بالسحابة. على سبيل المثال، قد لا يزال تدريب النماذج المعقدة مثل Ultralytics YOLO يتطلب موارد قوية من السحابة، بينما يمكن إجراء الاستدلال على الحافة للحصول على أوقات استجابة أسرع.
يعد نشر النموذج خطوة حاسمة في دورة حياة التعلم الآلي، وتوفر الحوسبة السحابية العديد من المزايا في هذا المجال. توفر المنصات السحابية خيارات نشر متنوعة، بما في ذلك الحوسبة بدون خادم، والحوسبة في حاويات (مثل Docker وKubernetes) والخدمات المُدارة. تسمح هذه الخيارات بتوسيع النطاق وموازنة التحميل ومراقبة النماذج المنشورة بسهولة. Ultralytics يعمل HUB، على سبيل المثال، على تبسيط تدريب ونشر نماذج YOLO من خلال توفير واجهة سهلة الاستخدام والتكامل السلس مع الموارد السحابية. استكشف Ultralytics HUB لحلول تعلّم الآلة بدون تعليمات برمجية لإنشاء النماذج وتدريبها ونشرها. باستخدام Ultralytics HUB، يمكن للمستخدمين الاستفادة من البنية التحتية السحابية لإدارة مشاريع الذكاء الاصطناعي وتعلم الآلة بكفاءة، بدءًا من التطوير وحتى النشر.
من خلال الاستفادة من الحوسبة السحابية، يمكن للمؤسسات إطلاق الإمكانات الكاملة لمبادرات الذكاء الاصطناعي وتعلم الآلة، مما يؤدي إلى الابتكار وتحقيق مستويات جديدة من الكفاءة وقابلية التوسع.
%202.png)
