حوسبة الحافة

حوسبة الحافة مقابل المفاهيم ذات الصلة

من المهم التمييز بين الحوسبة المتطورة والمصطلحات الأخرى ذات الصلة الوثيقة:

• الذكاء الاصطناعي الح افي: هذا تطبيق محدد للحوسبة الطرفية. في حين تشير حوسبة الحافة إلى الممارسة العامة لنقل أي نوع من الحوسبة إلى حافة الشبكة، فإن حوسبة الحافة تتضمن على وجه التحديد تشغيل نماذج التعلم الآلي وأعباء عمل الذكاء الاصطناعي مباشرة على الأجهزة المتطورة. جميع أنواع الذكاء الاصطناعي الحرجي هو شكل من أشكال الحوسبة الطرفية، ولكن ليس كل الحوسبة الطرفية تتضمن الذكاء الاصطناعي.
• الحوسبة السحابية: تعتمد الحوسبة السحابية على مراكز بيانات مركزية كبيرة لإجراء عمليات حسابية قوية وتخزين كميات هائلة من البيانات. أما حوسبة الحافة فهي لا مركزية. والاثنان لا يستبعد أحدهما الآخر، فغالبًا ما يتم استخدامهما معًا في نموذج هجين. قد يقوم جهاز الحافة بإجراء المعالجة الأولية للبيانات والاستدلال في الوقت الحقيقي، بينما يرسل البيانات الأقل حساسية للوقت إلى السحابة لإجراء مزيد من التحليل أو التدريب على النماذج أو التخزين طويل الأجل.
• حوسبة الضباب: غالبًا ما تُستخدم بالتبادل مع حوسبة الحافة، وتمثل حوسبة الضباب بنية مختلفة قليلاً حيث توجد "عقدة ضباب" أو بوابة إنترنت الأشياء بين الأجهزة المتطورة والسحابة. وهي تعمل كطبقة وسيطة، حيث تتعامل مع البيانات من أجهزة الحافة المتعددة قبل أن تصل إلى السحابة، كما هو موضح من قبل OpenFog Consortium.

لماذا تعتبر حوسبة الحافة حاسمة بالنسبة للذكاء الاصطناعي

يوفّر نقل معالجة الذكاء الاصطناعي إلى الحافة العديد من المزايا الهامة التي تُعدّ ضرورية للتطبيقات الحديثة:

• زمن انتقال منخفض: بالنسبة لتطبيقات مثل المركبات ذاتية القيادة والروبوتات، يجب اتخاذ القرارات في أجزاء من الثانية. وغالباً ما يكون انتظار انتقال البيانات إلى خادم سحابي والعودة بطيئاً للغاية. تتيح حوسبة الحافة المعالجة الفورية على الجهاز.
• كفاءة عرض النطاق الترددي: يستهلك البث المستمر للفيديو عالي الدقة من آلاف الكاميرات الأمنية إلى السحابة نطاقاً ترددياً هائلاً للشبكة. من خلال تحليل الفيديو على الحافة، لا يلزم نقل سوى الأحداث المهمة أو البيانات الوصفية المهمة، مما يقلل بشكل كبير من استخدام النطاق الترددي والتكاليف.
• تعزيز الخصوصية والأمان: تعمل معالجة المعلومات الحساسة، مثل بيانات التعرف على الوجه أو تحليل الصور الطبية، على جهاز محلي على تحسين خصوصية البيانات من خلال تقليل تعرضها عبر الإنترنت.
• الموثوقية التشغيلية: يمكن أن تعمل أجهزة الحافة بشكل مستقل عن الاتصال المستمر بالإنترنت. هذا أمر حيوي لإنترنت الأشياء الصناعي في المواقع النائية، مثل الذكاء الاصطناعي في الزراعة أو في منصات النفط البحرية، حيث يمكن أن يكون الاتصال غير موثوق به.

التطبيقات الواقعية

تعمل حوسبة الحافة على تحويل الصناعات من خلال تمكين ذكاء اصطناعي أسرع وأكثر موثوقية.

1. التصنيع الذكي: في بيئة المصنع، يمكن للكاميرات المزودة بنماذج الرؤية الحاسوبية مثل Ultralytics YOLO11 إجراء مراقبة الجودة في الوقت الفعلي مباشرةً على خط التجميع. يعالج الجهاز المتطور تغذية الفيديو لاكتشاف العيوب على الفور، مما يسمح بالتدخل الفوري دون تأخير إرسال اللقطات إلى السحابة. وهذا عنصر أساسي في حلول التصنيع الذكية الحديثة.
2. الأنظمة ذاتية القيادة: السيارات ذاتية القيادة هي مثال رئيسي على الحوسبة المتطورة في العمل. فهي مزوّدة بأجهزة كمبيوتر قوية على متنها، مثل منصات NVIDIA Jetson، التي تعالج البيانات من العديد من أجهزة الاستشعار في الوقت الفعلي للتنقل وتجنب العقبات والتفاعل مع ظروف الطريق المتغيرة. قد يؤدي الاعتماد على السحابة في هذه الوظائف الحيوية إلى حدوث تأخيرات تهدد الحياة.

الأجهزة والبرامج الخاصة بـ The Edge

يتطلب تنفيذ الحوسبة الطرفية بفعالية مزيجاً من الأجهزة المتخصصة والبرامج المحسّنة.

• الأجهزة: تتراوح أجهزة الحافة من المتحكمات الدقيقة منخفضة الطاقة إلى الأنظمة الأكثر قوة. ويشمل ذلك أجهزة الكمبيوتر أحادية اللوحة مثل Raspberry Pi، والأجهزة المحمولة، ومسرعات الذكاء الاصطناعي المتخصصة مثل Google Edge TPUs ووحدات معالجة الرسومات الأخرى.
• البرمجيات: يجب أن تكون نماذج الذكاء الاصطناعي المنشورة على الحافة عالية الكفاءة. وغالبًا ما ينطوي ذلك على تقنيات مثل تكميم الن ماذج وتشذيب النماذج لتقليل حجمها ومتطلباتها الحسابية. تُستخدم محركات الاستدلال المحسّنة مثل TensorRT وOpenVINO وأوقات تشغيل لتنسيقات مثل ONNX لزيادة الأداء إلى أقصى حد. وعلاوة على ذلك، تُستخدم أدوات مثل Docker لتكوين الحاويات، مما يبسّط نشر النماذج وإدارتها عبر أسطول من الأجهزة الطرفية الموزعة.