راجش سوبارامانيام هو مؤسس ومدير تنفيذي لـ أنظمة embedUR.
قد يبدو أخذ نماذج الذكاء الاصطناعي من السحابة وتشغيلها على الأجهزة في الهوامش بسيطاً، لكن الواقع هو عكس ذلك تماماً. عندما تقترب من المكان الذي تحدث فيه القرارات، تزداد المخاطر. يمكن لنموذج سحابي أن يتحمل أن يكون غير مثالي أحياناً، لكن النموذج داخل جهاز طبي أو روبوت صناعي أو قفل باب ذكي لديه مجال ضئيل للخطأ. يغير الانتقال من بيئة مركزية إلى آلاف أو ملايين الأجهزة في الميدان كل عقلية التطوير والتحقق.
لذا، عندما يتحدث الناس عن الذكاء عند الهوامش وكمية قوة الحوسبة التي تمتلكها هذه الأجهزة الآن، أقول دائماً نفس الشيء: كن حذراً. في اللحظة التي يغادر فيها الذكاء الاصطناعي البيئة المحمية للسحابة، تصبح الدقة هي الأمر الأكثر أهمية لتحقيقه.
البيانات الجيدة هي المفتاح
التحقق هو العقبة التي ستقرر من سينجح في الذكاء الاصطناعي عند الهوامش ومن سيتعلم دروساً مؤلمة. في الوقت نفسه، يميل الناس إلى المبالغة في تقدير مقدار الاختبار المطلوب لتحقيق دقة ذات معنى على الأجهزة عند الهوامش. لم تعد مجرد إثبات النموذج في مختبر؛ بل أنت تثبته في الحياة الواقعية.
اعتبر نظام كاميرا قفل الباب المدرب على أداء التعرف على الوجه. قد يبدو معدل دقة بنسبة 97% في الاختبار جيداً، لكن في العالم الحقيقي، مع ذراع مليئة بالبقالة الثقيلة، تصبح تلك الفجوة البالغة 3% مشكلة كبيرة—ناهيك عند وجود لص يحاول الدخول.
تبدأ الدقة ببيانات موثوقة. إذا كانت بيانات التدريب لا تعكس البيئة الحقيقية، فسيتصرف النموذج بشكل مختلف في اللحظة التي يتم فيها نشره. يتطلب الذكاء الاصطناعي عند الهوامش دورات تحقق أطول لأنه يجب عليك التأكد من أن النموذج يعمل ليس فقط على البيانات التاريخية ولكن أيضاً على الأجهزة الحقيقية، في ظروف حقيقية، مع ضوضاء وتغيرات لا تظهر أبداً في بيئات التدريب السحابية النظيفة.
بمجرد أن يكون النموذج في مرحلة الإنتاج، تظهر تحدٍ جديد: انحراف النموذج. يبدأ الخطر عندما تبدأ الجهاز في رؤية بيانات لم يتم تدريبه عليها من قبل. يصبح قديماً، مما يؤدي إلى توقعات خاطئة أو تنبيهات فائتة. الحل الوحيد هو حلقة تغذية مرتدة مستمرة. يجب أن تنتقل البيانات التي تم جمعها عند الهوامش إلى السحابة حتى يمكن إعادة تدريب النموذج مع الأنماط الجديدة. ثم تحتاج النموذج المحدث إلى أن يتم دفعه مرة أخرى إلى الجهاز حتى يصبح أكثر ذكاءً مع مرور الوقت.
نتحدث كثيراً عن تقليل الاعتماد على السحابة، وهذا يحدث بالتأكيد لأن الأجهزة عند الهوامش الآن لديها ما يكفي من قوة الحوسبة لأداء الاستدلال المحلي. لكن دورة حياة نموذج فعالة لا تزال تتطلب اتصالاً متبادلاً، وتلك الحلقة هي الطريقة الوحيدة للحفاظ على دقة الذكاء الاصطناعي عند الهوامش.
كيف تقرر أين يجب أن يعمل الذكاء الاصطناعي
يجب على المنظمات أن تعتمد بيئة برمجية تبقيها مرنة. يتطور العتاد بشكل أسرع مما يمكن لمعظم فرق المنتجات مواكبة ذلك. ستستمر المعالجات والمكونات الجديدة في الوصول، وإذا كان كل شيء مرتبطاً بنوع واحد من العتاد، فإن التحديثات تصبح بطيئة وصعبة.
أقترح دائماً البناء والنشر بطبقة برمجية متسقة تظل مستقلة عن المنصات. إذا قمت بتقييد نفسك في مجموعة من العتاد الخطأ، ستعاني من أجل التوسع، بينما إذا قمت بفصل البرمجيات الخاصة بك، يمكنك تبديل العتاد عندما تحتاج إلى ذلك دون كسر النظام بالكامل.
تدعم تلك الاستقلالية ثلاثة أولويات للذكاء الاصطناعي عند الهوامش. الأول هو الأمان. لا يمكن التلاعب بالبرمجيات المنشرة عند الهوامش أو تعريضها للخطر. هذه النماذج موجودة في الميدان، وليس داخل مركز بيانات محمي، مما يعني أن التهديدات أقرب وأكثر عدم قابلية للتنبؤ.
الثاني هو دعم واقع انحراف النموذج والتحديثات. إذا كانت المنصة صارمة، يصبح من السهل أن يتقدم النموذج في العمر أسرع مما يمكن للمطورين مواكبته.
الثالث هو البقاء فعالاً باستخدام موارد الحوسبة. ستتخذ قرارات أكثر ذكاءً حول المكان الذي يجب تشغيل الأحمال عليه إذا لم تكن برمجياتك وعتادك مترابطين بشدة. أحياناً تكون السحابة هي الأفضل؛ أحياناً يكون الجهاز هو الأفضل. الهدف هو الاختيار في كل مرة دون احتكاك.
افعلها بشكل صحيح أو لا تفعلها
هناك عالم هائل من الضجيج المحيط بالذكاء الاصطناعي. بعضه يلهم الابتكار، وبعضه يشجع على الاختصارات. أكبر تحذير لي للقادة هو مقاومة الرغبة في إضافة الذكاء الاصطناعي في كل مكان لمجرد أنك تريد التحقق من خانة. ليس كل شيء يحتاج إلى تكامل الذكاء الاصطناعي. قفل باب ذكي؟ بالتأكيد. غسالة؟ ربما لا—أو ليس بعد، على الأقل.
إذا وضعت نموذجاً معيباً في الميدان، فإنك تخاطر بفقدان العملاء والإيرادات وإلحاق الضرر بمصداقية علامتك التجارية. بمجرد فقدان الثقة، يصبح من الصعب جداً استعادتها. إذا قمت بنشر الذكاء عند الهوامش، خذ الوقت الكافي للتحقق من كل جزء. تأكد من أن البيانات حقيقية، وأن النموذج يتصرف كما هو متوقع وأن هناك خطة للحفاظ على تعلمه. في الذكاء الاصطناعي عند الهوامش، الصبر والانضباط في كل من التصميم والنشر سيحمي في النهاية عملك وعملائك.
مجلس تكنولوجيا فوربس هو مجتمع بدعوة فقط للمديرين التنفيذيين للتكنولوجيا من الطراز العالمي. هل أؤهل؟
