حوسبة الحافة

لماذا تُعد الحوسبة المتطورة مهمة للذكاء الاصطناعي/تعلم الآلة

تُعد الحوسبة المتطورة مؤثرة بشكل خاص في مجال الذكاء الاصطناعي والتعلم الآلي، خاصةً في مهام الرؤية الحاسوبية. تتطلب العديد من تطبيقات الذكاء الاصطناعي معالجة فورية لبيانات المستشعرات (مثل الصور أو تدفقات الفيديو) لاتخاذ القرارات في الوقت المناسب. يؤدي إرسال أحجام كبيرة من البيانات إلى السحابة إلى حدوث تأخيرات(زمن انتقال) غير مقبولة لسيناريوهات الاستدلال في الوقت الفعلي. تعالج حوسبة الحافة هذا الأمر من خلال تمكين نماذج التعلم الآلي، مثل Ultralytics YOLO ونماذج اكتشاف الكائنات، للتشغيل مباشرةً على مصدر البيانات أو بالقرب منه. هذا يقلل بشكل كبير من أوقات الاستجابة، ويحافظ على عرض النطاق الترددي للشبكة، ويمكنه تحسين خصوصية البيانات من خلال الحفاظ على المعلومات الحساسة في مكانها. كما أن تطوير الأجهزة القوية والفعالة مثل وحدات معالجة الرسومات والمسرعات المتخصصة مثل وحدات المعالجة الحرارية TPU المصممة للأجهزة المتطورة يسهل هذا الاتجاه. يمكنك معرفة المزيد حول نشر تطبيقات الرؤية الحاسوبية على أجهزة الذكاء الاصطناعي المتطورة.

تطبيقات الذكاء الاصطناعي/التعلم الآلي في العالم الحقيقي

تتيح حوسبة الحافة مجموعة واسعة من تطبيقات الذكاء الاصطناعي/التعلم الآلي المبتكرة:

1. المركبات ذاتية القيادة: تستخدم السيارات الحوسبة المتطورة لمعالجة البيانات من الكاميرات ودائرة الاستشعار بالليزر وأجهزة الاستشعار الأخرى في الوقت الفعلي. يسمح ذلك بالكشف الفوري عن الأجسام وتخطيط المسار وتجنب الاصطدام دون الاعتماد على اتصال سحابي بطيء أو غير متوفر. اكتشف المزيد حول الذكاء الاصطناعي في حلول السيارات.
2. إنترنت الأشياء الصناعي والتصنيع الذكي: تنشر المصانع أجهزة متطورة لمراقبة الآلات باستخدام الرؤية الحاسوبية لفحص الجودة أو الصيانة التنبؤية. يسمح تحليل بيانات المستشعرات محلياً بإصدار تنبيهات وتعديلات فورية، مما يحسن الكفاءة والسلامة. تعرّف على الذكاء الاصطناعي في التصنيع.
3. البيع بالتجزئة الذكي: تقوم الأجهزة المتطورة بتحليل موجزات الكاميرا داخل المتاجر لمراقبة الرفوف أو تحليل سلوك العملاء أو إدارة طوابير الانتظار، وتحسين العمليات دون نقل لقطات فيديو مكثفة. تعرّف على كيفية استخدام الذكاء الاصطناعي لإدارة مخزون التجزئة بشكل أكثر ذكاءً.
4. مراقبة الرعاية الصحية: يمكن للأجهزة القابلة للارتداء وأجهزة المراقبة بجانب السرير استخدام الحوسبة المتطورة لتحليل العلامات الحيوية محليًا، مما يوفر تنبيهات فورية للحالات الحرجة، مما يعزز رعاية المرضى كما تمت مناقشته في رؤية الذكاء الاصطناعي في الرعاية الصحية.

حوسبة الحافة مقابل المصطلحات ذات الصلة

• الحوسبة السحابية: يكمن الاختلاف الأساسي في موقع الحوسبة. حيث تعتمد الحوسبة السحابية على مراكز البيانات المركزية البعيدة التي توفر قابلية توسع وتخزين واسعة، وهي مثالية لتدريب نماذج التعلم الآلي الكبيرة أو معالجة الدفعات. بينما تركز حوسبة الحافة على المعالجة المحلية اللامركزية والمحلية لتلبية احتياجات وقت الاستجابة المنخفضة والوقت الحقيقي. في كثير من الأحيان، يتم استخدام نهج مختلط، حيث يتم تدريب النماذج في السحابة ونشرها على الحافة للاستدلال. اكتشف خيارات تدريب النماذج في السحابة باستخدام Ultralytics HUB.
• الذكاء الاصطناعي المتطور: على الرغم من ارتباطه الوثيق بالذكاء الاصطناعي المتطور إلا أنه يشير تحديدًا إلى تنفيذ خوارزميات الذكاء الاصطناعي ونماذج التعلم الآلي مباشرةً على الأجهزة المتطورة. توفر حوسبة الحافة البنية التحتية الأوسع (الأجهزة، والشبكات، وقدرات المعالجة) التي تمكّن الذكاء الاصطناعي الحافي. فكّر في الحوسبة المتطورة على أنها المسرح، والذكاء الاصطناعي المتطور على أنه الأداء الذي يحدث على هذا المسرح. اقرأ المزيد عن كيفية قيام الذكاء الاصطناعي الحديدي والحوسبة الحافة بتشغيل الذكاء في الوقت الحقيقي.
• حوسبة الضباب: غالبًا ما تُستخدم حوسبة الحافة بالتبادل مع حوسبة الحافة، وتشير حوسبة الضباب عادةً إلى طبقة من موارد الحوسبة تقع بين الحافة القصوى (الأجهزة) والسحابة المركزية، وتعمل كمحور معالجة وسيط. تعتبر حوسبة الحافة عمومًا مفهومًا أوسع نطاقًا يشمل الحوسبة في أي مكان خارج السحابة المركزية.

تقنيات التمكين

غالباً ما يتطلب نشر نماذج تعلّم الآلة بفعالية على الحافة تحسينات محددة في الأجهزة والبرمجيات.

• الأجهزة: تتراوح الأجهزة من المتحكمات الدقيقة منخفضة الطاقة والأنظمة على الرقائق (SoCs) مثل Raspberry Pi إلى الأنظمة المدمجة الأكثر قوة مثل لوحات NVIDIA Jetson، المزودة بمسرعات ذكاء اصطناعي متخصصة. راجع أدلة النشر على NVIDIA Jetson أو Raspberry Pi.
• البرمجيات/الأطر: تقنيات تحسين النماذج مثل التكميم والتشذيب، إلى جانب محركات الاستدلال المحسّنة مثل OpenVINO منIntel أو NVIDIA TensorRTضرورية لتشغيل النماذج المعقدة بكفاءة على الأجهزة المتطورة المحدودة الموارد. استكشف تكاملUltralytics مع OpenVINO و TensorRT. توجد خيارات مختلفة لنشر النماذج لتسهيل هذه العملية.

تُعد حوسبة الحافة أساسية لإطلاق إمكانات الذكاء الاصطناعي وتعلم الآلة في الوقت الفعلي في مختلف الصناعات، مما يتيح تطبيقات ذكية أسرع وأكثر كفاءة وخصوصية مباشرةً حيثما تشتد الحاجة إليها.