تعمل معظم تقنيات الذكاء الاصطناعي في المؤسسات اليوم ضمن حدود مراكز البيانات السحابية، حيث تتعامل بكفاءة مع المهام الرقمية مثل التحليل والتخصيص. ومع ذلك، تواجه هذه النماذج تحديات كبيرة عند محاولة تطبيق الذكاء في العالم المادي، حيث تتطلب القرارات أن تكون فورية ومرتبطة مباشرة بالبيئة المحيطة. لذلك، أصبح الاعتماد على نماذج أصغر ومتخصصة أكثر على الأجهزة الطرفية (العقد)، التي تتفاعل مع تدفقات البيانات المتغيرة باستمرار، هو الاتجاه السائد.
الذكاء الاصطناعي المادي: التحديات والفرص
يُدمج الذكاء الاصطناعي المادي بشكل مباشر داخل المركبات، المستودعات، الطائرات، المساحات التجارية، والأنظمة الصناعية. ويتطلب هذا النوع من الذكاء بيئات حيث تقل الاتصالات، وتكون الاستجابة للوقت حاسمة، ولا يمكن تعطيل العمليات بسبب فشل في الشبكة. مع تزايد اعتماد المؤسسات على المستشعرات والأجهزة الطرفية، أصبح هذا النموذج ضرورة تشغيلية حتمية.
إدارة البيانات: أساس الذكاء الاصطناعي المادي
يعتمد تطبيق الذكاء الاصطناعي المادي بشكل كبير على الوصول إلى بيانات محلية موثوقة، بغض النظر عن جودة الاتصال الشبكي. إذ تعتمد القرارات على خرائط، مدخلات من المستشعرات، بيانات الطيف، والمعلومات السياقية، بالإضافة إلى حالة النماذج، ويجب أن تظل هذه البيانات متاحة حتى أثناء انقطاع الأجهزة أو المركبات عن الاتصال بالسحابة لساعات.
المتطلبات التقنية الأساسية
يوجد ثلاثة متطلبات تقنية رئيسية لضمان عمل الذكاء الاصطناعي المادي بكفاءة:
-
تقليل زمن الاستجابة (الكمون): يجب أن يكون زمن الاستجابة قريبًا من الصفر، حيث لا يمكن الانتظار لرد من السحابة في قرارات تتطلب استجابة في غضون ميلي ثانية، مثل السيارات الذاتية القيادة أو روبوتات المستودعات.
-
استمرارية البيانات: يجب أن تظل البيانات متاحة حتى في حالات ضعف الشبكة أو انقطاع الاتصال، لضمان استمرار العمليات دون توقف، وهو ما يُعرف بـ “العمل بدون اتصال بالإنترنت”.
-
كفاءة الحوسبة: نظراً لمحدودية قدرات الأجهزة الطرفية، يجب أن تكون النماذج صغيرة ومتخصصة، مع تحسينات خاصة بالأجهزة، وأن تكون قواعد البيانات خفيفة وسريعة.
أهمية قواعد البيانات في بنية الذكاء الاصطناعي
في هذا السياق، تُعتبر قواعد البيانات جزءًا أساسيًا من نظام الذكاء الاصطناعي، حيث تزود النماذج بالبيانات اللازمة لاتخاذ القرارات مباشرة من المصدر، مع ضمان الأداء والكفاءة.
التحديات التي تواجه تطبيق الذكاء الاصطناعي خارج البيئات الخاضعة للرقابة
تواجه أنظمة الذكاء الاصطناعي التي تعتمد على السحابة مشاكل عندما تعمل في بيئات غير مستقرة، مثل السيارات ذاتية القيادة التي تتنقل في مناطق تغطية ضعيفة، أو المطارات التي تتعرض لتداخلات في الإشارات، أو الطائرات والسفن التي تعمل لفترات طويلة مع اتصال محدود. في مثل هذه الظروف، يصبح الاعتماد على المعالجة المحلية والبيانات المحلية ضرورة لضمان استمرارية العمل وموثوقيته.
تطبيقات الذكاء الاصطناعي المادي في العالم الحقيقي
- السيارات الذاتية القيادة: تحتاج إلى معالجة البيانات من الحساسات بشكل فوري، حيث لا يمكن الاعتماد على السحابة لاتخاذ قرارات في الوقت الحقيقي.
- الطيران: تستخدم شركات الطيران الذكاء الاصطناعي لتحسين عمليات الصيانة والخدمات، لكن الطائرات تعمل غالبًا في مناطق ذات اتصال متقطع، لذا يجب أن تتخزن البيانات محليًا وتتزامن عند استعادة الاتصال.
- التجزئة واللوجستيات: تعتمد شركات مثل بيبسي على أجهزة طرفية في المستودعات لتحليل المخزون تلقائيًا، مع ضرورة إدارة البيانات محليًا ومزامنتها عند توفر الشبكة.
- خطوط الرحلات البحرية: تحتاج إلى دعم المعاملات الفورية والتخصيص، حتى أثناء فترات الاتصال غير المستقرة.
لماذا تواجه نماذج الذكاء الاصطناعي التجريبية صعوبة في التوسع؟
أظهرت دراسات حديثة أن حوالي 95% من برامج الذكاء الاصطناعي التجريبية لا تحقق عائدًا سريعًا على الاستثمار، وغالبًا ما تتوقف بدون تأثير ملموس على الأرباح والخسائر. السبب الرئيسي هو أن المؤسسات تتوقع عائدًا فوريًا، وتقلل من تعقيد التنفيذ والصيانة، مع افتراض أن البنية التحتية السحابية ستكون دائمًا متاحة، وهو ما لا يعكس الواقع.
الانتقال إلى الذكاء الاصطناعي المادي
يتطلب اعتماد نماذج الذكاء الاصطناعي المادي تصميم أنظمة تتوافق مع سلوك البيئة الفعلية، مع معالجة محلية لاتخاذ القرارات الحساسة للوقت، وتخزين دائم لضمان التشغيل أثناء الانقطاعات، وقواعد بيانات خفيفة ونماذج محسنة تتوافق مع قدرات الأجهزة، مع طرق تزامن فعالة لضمان التناسق عند استعادة الاتصال.
مستقبل الذكاء الاصطناعي في المؤسسات
تشهد قطاعات السيارات والطيران واللوجستيات والصناعة، بالفعل، اعتماد هذا النموذج، حيث تتطلب بيئاتها التشغيلية ذلك. يبقى السحابة عنصرًا هامًا، لكن الاعتماد المفرط على الحلول السحابية لكل عبء عمل لا يتناسب مع متطلبات العالم المادي.
مع تزايد الاعتماد على الأنظمة الموجهة ذاتيًا، ستحتاج المؤسسات إلى أن يكون الذكاء الاصطناعي فعالًا عند نقطة التنفيذ، وليس فقط عند نقطة التجميع. الشركات التي تدرك ذلك مبكرًا ستكون الأكثر قدرة على نشر أنظمة ذكاء اصطناعي موثوقة وآمنة، تلبي متطلبات البيئات التي تعمل فيها.