Edge AI: الذكاء الاصطناعي في الميدان، من الخلية إلى الورشة

جيرسي، صيف 2023. في محطة وضعت قرب المناحل، تبقى كاميرا في وضع الاستعداد إلى أن تدخل حشرة بحجم الزنبور مجال رؤيتها. يحلل حاسوب Raspberry Pi 4، وهو في حجم بطاقة ائتمان، الصورة في الموقع ويحسم الأمر: زنبور أوروبي، وهو نوع محلي، أم Vespa velutina، الزنبور الآسيوي الذي يفتك بخلايا النحل. وفي الحالة الثانية فقط، تنطلق رسالة SMS إلى هاتف. هذا الجهاز، الذي سمته جامعة إكستر VespAI، نقطة انطلاق جيدة لفهم ما تعنيه Edge AI، ولماذا يغادر جزء من الذكاء الاصطناعي مراكز البيانات ليستقر بجوار المستشعرات.

ما الذي تعنيه Edge AI

يشير المصطلح الإنجليزي edge AI، ويترجم بالذكاء الاصطناعي المدمج أو الطرفي، إلى نموذج تعلم آلي ينفذ حيث تنتج البيانات: في كاميرا، أو في صندوق مثبت عند قاعدة آلة، أو في جرار، أو في جهاز طبي. و«الحافة» المقصودة هي حافة الشبكة، في مقابل المركز الذي تمثله خوادم مزود السحابة.

يجب التمييز بين زمنين في حياة النموذج. التدريب، وهو ضبط معاملاته على آلاف أو ملايين الأمثلة، يتطلب حوسبة كثيرة ويتم في الغالب على خوادم. أما الاستدلال، أي تطبيق النموذج المدرب على صورة أو إشارة جديدة، فهو أخف بكثير. وهذه المرحلة الثانية هي التي تقربها Edge AI من الميدان.

يكمن التغيير فيما يتنقل على الشبكة. في بنية مركزية، يذهب تدفق الفيديو أو سلسلة القياسات إلى الخادم. ومع المعالجة المحلية، لا يسافر إلا الاستنتاج، في بضعة بايتات: زنبور آسيوي رصد عند الساعة 14:12، أو باب مصعد تنحرف بصمته الاهتزازية.

عرض النطاق وزمن الاستجابة: كلفة الرحلة

أبلغ الأرقام تأتي من المراقبة بالفيديو، حيث حجم البيانات ضخم. في مقارنة نشرت في 2 سبتمبر 2026، تقدر الشركة الأمريكية Lumana أن كاميرا يحلل بثها في السحابة تستهلك باستمرار من 1 إلى 2 ميجابت في الثانية في الإرسال، مقابل بضعة كيلوبتات في الثانية حين لا ترسل إلا التنبيهات والبيانات الوصفية. وبالنسبة إلى شركة تضم أكثر من مئة موقع، يقاس الفارق بحسب قولها بالجيجابت في الثانية من عرض النطاق المستمر. وتطرح Lumana خفضا في الاستهلاك قد يبلغ 70%. الرقم صادر عن بائع يسوق هذا النوع من الحلول، ورتبة القدر تتوقف بطبيعة الحال على عدد الكاميرات وتواتر الأحداث.

وتقدر الوثيقة نفسها التأخير الذي يضيفه التحليل عن بعد بما بين ثانية وخمس ثوان، مقابل بضعة أجزاء من الألف من الثانية للمعالجة المحلية. وبالنسبة إلى تقرير أسبوعي، لا يهم هذا الفرق. أما بالنسبة إلى تنبيه أمني في مستودع تتحرك فيه رافعات شوكية، فإنه يحدد ما إذا كان التنبيه يصل قبل الحادث أم بعده.

تبين الرياضة المحترفة معنى الزمن الحقيقي. فـ Hawk-Eye، التابعة لشركة Sony، تتتبع 29 نقطة من هيكل كل لاعب أثناء المباراة؛ وبحسب موقعها، استخدم نظام التسلل شبه الآلي لديها في أكثر من 900 مباراة. تتم الحسابات على خوادم مثبتة في الملعب لا في الكاميرات، لكن القيد هو نفسه: قرار يصل بعد استئناف اللعب لا فائدة منه.

يبقى سؤال الاستمرارية. النظام الذي يعتمد على اتصال يتوقف حين ينقطع. وتؤكد Lumana أن بنية محلية، مدعومة بتخزين في الموقع، تواصل العمل أثناء الانقطاع. وفي ورشة بناء أو ورشة قليلة الخدمة، كثيرا ما تفوق هذه الخاصية في الأهمية زمن الاستجابة.

ما تقوله CNIL عن المعالجة المحلية

بالنسبة إلى مؤسسة فرنسية، كثيرا ما تكون الحجة الحاسمة قانونية. في يوليو 2022، نشرت CNIL موقفها من الكاميرات المسماة «الذكية» أو «المعززة» في الأماكن العامة. لا تحسم الوثيقة لصالح بنية أو ضدها. لكنها تعدد ضمانات تقلل المخاطر على الأشخاص المصورين وتؤثر في تقدير تناسب أي جهاز.

من بينها خفض دقة الصور، والتمويه، ونهج «مقتصد» يحد من عدد الصور المعالجة، والمعالجة المحلية للبيانات، التي تصفها اللجنة بأنها تجرى «في أجهزة ملاصقة ماديا للكاميرات». وتذكر أيضا الآليات التي تحذف الصور المصدرية بشكل شبه فوري أو التي لا تنتج إلا معلومات مجهولة الهوية، مثل مجرد عد المارة.

لا تعفي هذه التدابير من GDPR، ولا من تقييم الأثر حين يكون مطلوبا. إنها تترجم مبدأ تصميم يعرفه المهندسون باسم privacy by design: البيانات التي لا تغادر الموقع أبدا لا يلزم حمايتها أثناء نقلها، ولا عند مقاول من الباطن. ويصف مقال تقني عن الأمن الصناعي نشرته PowerGen Advancement المنطق نفسه من جهة المصنع: تمويه وإخفاء هوية وتشفير وإرسال انتقائي قبل أن يخرج أي شيء من السور.

VespAI، تشريح كاشف مستقل

لنعد إلى الزنبور، فمشروع VespAI موثق بدقة نادرة. نشرت الورقة المرجعية، التي وقعها توماس أوشي-ويلر (Thomas O'Shea-Wheller) وبيتر كينيدي (Peter Kennedy) وزملاؤهما في جامعة إكستر، في Communications Biology في 3 أبريل 2024.

نقطة الانطلاق مشكلة فرز. استقر Vespa velutina في أوروبا ابتداء من 2004، عبر فرنسا، وافتراسه لخلايا نحل العسل يقلل نشاطها في جمع الرحيق وفرص بقائها. وفي المملكة المتحدة، تقوم المراقبة على بلاغات مربي النحل والجمهور. لكن معظم هذه البلاغات يخص في الواقع أنواعا محلية: ويقدر المؤلفون دقتها المتوسطة بـ 0.06%. وفي كل سنة، يجب التحقق يدويا من آلاف الصور.

يجيب الجهاز عن هذه المشكلة بعتاد عادي. محطة مزودة بطعم تجذب الحشرات تحت كاميرا بدقة 16 ميجابكسل. مرشح أول لكشف الحركة يتجنب تشغيل النموذج باستمرار. والنموذج نفسه YOLOv5s، وهو بنية لكشف الكائنات واسعة الانتشار، تضم نحو سبعة ملايين معامل. المعاملات هي القيم العددية التي يضبطها التدريب؛ وللمقارنة، تضم النماذج اللغوية الكبيرة عشرات أو مئات المليارات منها. ويعمل المجموع على Raspberry Pi 4، بتغذية من بطارية 12,000 مللي أمبير ساعة، وبلوح شمسي اختياري بقدرة 40 واط. وتتيح وحدة 4G إرسال تنبيه عبر SMS حيث لا يوجد Wi-Fi.

تقاس النتائج بمؤشرين كلاسيكيين. تدل الدقة (precision) على حصة التنبيهات الصحيحة؛ ويدل الاستدعاء (recall) على حصة الزنابير الموجودة فعلا التي رصدت. وتجمع درجة F1 بين الاثنين. في ظروف الاختبار، يتجاوز النموذج 0.99 في هذه الدرجة. وفي 55 تجربة أجريت في موقعين في جيرسي عام 2023، على أكثر من 5,500 صورة، ظلت الدقة المتوسطة أكبر من أو تساوي 0.99 والاستدعاء المتوسط فوق 0.93. أي أن النظام نادرا ما يخطئ حين ينبه، ويفوته بعض الأفراد.

لا يقرر النموذج وحده ما يلي. يصل التنبيه مع صورة، ويؤكده إنسان، ويمكن التقاط الحشرة حية ثم تتبعها إلى عشها. وتدمير العش هو، بحسب الفريق، الوسيلة الفعالة الوحيدة للقضاء على مستعمرة.

بنية هذا المشروع تنتقل بسهولة إلى ما هو أبعد من تربية النحل: مستشعر رخيص، ونموذج مدمج مدرب على مهمة واحدة، وتغذية مستقلة، ورسالة قصيرة لا ترسل إلا حين يوجد ما يستحق الإبلاغ.

في الحقول والورش، يتخذ القرار على الآلة

اعتمدت الزراعة الذكاء الاصطناعي المدمج لسبب بسيط: رشاشة متحركة لا تستطيع انتظار خادم. فنظام See & Spray من John Deere، الذي وصفته Vision Systems Design في أغسطس 2025، يصف 36 كاميرا صناعية تفصل بين كل منها مسافة متر على ذراع طوله 120 قدما، أي نحو 36 مترا. وتحلل وحدات معالجة مزودة بمعالجات رسومية أكثر من 2,000 قدم مربعة في الثانية، أي نحو 185 مترا مربعا، لتمييز الأعشاب الضارة عن النبات المزروع ولا تفتح الفوهة إلا فوق الأولى.

ويصف المقال نفسه LaserWeeder G2 من Carbon Robotics، الذي يدمر الأعشاب الضارة بالليزر. تحمل كل وحدة ثلاث كاميرات ومعالجين رسوميين من NVIDIA وليزرين بقدرة 240 واط؛ وتعالج الآلة 4.7 مليون صورة في الساعة، بشبكات عصبية دربت على أكثر من 40 مليون نبتة موسومة. وبهذا الإيقاع، لن يكون لإرسال الصور إلى مركز بيانات معنى: فالجرار يكون قد تجاوز النبتة قبل عودة الإجابة.

في المصنع، ينطبق المنطق على الإصغاء إلى الآلات. فالمحرك أو المضخة أو الباب الآلي تنتج باستمرار اهتزازات وحرارة وتغيرات في التيار. ويكفي مستشعر ملصق على الغلاف لقياسها، حتى على معدة عمرها عشرون سنة لم يخطط أي مصنع لربطها. ويتحدث المهندسون عن retrofit: تجهيز أسطول قائم بدل استبداله.

تدل دراسة حالة نشرتها TDK SensEI، وأعادت نشرها Edge AI and Vision Alliance في أبريل 2026، على هذا النهج. فقد جهز مصنع مصاعد عالمي، لم يعلن اسمه، أبواب الكبائن بمستشعرات اهتزاز تحلل إشاراتها محليا بحل edgeRX. وبحسب الوثيقة، انخفضت التدخلات غير المخططة من 1.8 يوم إلى يوم واحد في السنة، بوفر سنوي معلن قدره 192 مليون دولار، وتطلب النشر أسبوعا من التدريب في الموقع. هذه الأرقام صادرة عن المزود ولم تخضع لتدقيق مستقل منشور. أما الآلية فواضحة: نموذج يتعلم بصمة باب يعمل جيدا وينبه إلى الانحراف قبل العطل.

وعند نقل الفكرة إلى شركة أصغر، يبقى المنطق نفسه. يمكن تخيل مخبز يضع مستشعر حرارة وتيار على فرنه وعلى غرفة التخمير، مع نموذج يتعلم تشغيلهما العادي وينبه مساء الجمعة بدل صباح السبت. هذه إمكانية لا حالة موثقة، ولا تتطلب أي اتصال دائم.

زرعة سمعية تصنف الأصوات دون شبكة

يدفع القطاع الصحي القيد إلى أقصاه. يفصل مقال نشرته AI News في 27 نوفمبر 2025 بنية نظام Nucleus Nexa من الشركة الأسترالية Cochlear. في المعالج الخارجي، يصنف مصنف اسمه SCAN 2، قائم على شجرة قرار، البيئة الصوتية في خمس فئات: الكلام، والكلام وسط الضجيج، والضجيج، والموسيقى، والصمت. ويتكيف ضبط التنبيه تبعا لذلك.

ثلاثة قيود تفسر إجراء هذه الحسابات على الجهاز. يجب أن يظل زمن الاستجابة غير محسوس بين الصوت والإشارة المرسلة إلى العصب السمعي. ويجب أن تعمر الزرعة أكثر من أربعين سنة بأدنى استهلاك. والبيانات تتعلق بصحة شخص. وتذكر Cochlear أنها تطبق إخفاء هوية صارما قبل أن تغذي البيانات برنامج بيانات الحياة الواقعية لديها، الذي يشمل أكثر من 500,000 مريض. وتمر تحديثات البرنامج الثابت عبر رابط لاسلكي قصير المدى، وتحتفظ الزرعة بما يصل إلى أربعة ضبطات مخصصة في الذاكرة.

ويشير يان يانسن (Jan Janssen)، المدير التقني للشركة، إلى قدوم شبكات عصبية عميقة للبيئات الصاخبة. وإلى ذلك الحين، تكفي شجرة قرار بسيطة لمهمة محددة جيدا.

للمستندات أيضا ميدانها

يجري جزء كبير من النشاط الاقتصادي على النصوص: عقود وفواتير ورسائل ومحاضر. ويطرح سؤال المكان فيها بالعبارات نفسها، وقد تغيرت طبيعته مع ظهور نماذج لغوية صغيرة قادرة على العمل على حاسوب مكتبي.

في 16 أكتوبر 2024، قدمت Mistral AI نموذجي Ministral 3B وMinistral 8B، بثلاثة وثمانية مليارات معامل، صممهما صراحة للاستخدام المحلي. وتذكر الشركة الفرنسية الترجمة على الجهاز، والمساعدين العاملين دون إنترنت، والتحليل المحلي ضمن الحالات المستهدفة، وتؤكد أن الأصغر منهما يتجاوز في معظم اختباراته نموذجها الذي يضم 7 مليارات معامل والذي صدر قبل سنة. وتستطيع نماذج بهذا الحجم استخراج التواريخ والمبالغ من فاتورة، أو تلخيص محضر، أو الإجابة عن سؤال حول لائحة داخلية. لكنها تبقى أدنى بوضوح من أكبر النماذج في الاستدلال الطويل أو المستندات المعقدة جدا.

الاستخدامات التالية إسقاطات لا عمليات نشر مرصودة. يمكن لمكتب محاماة أن يقارن بنود مئة عقد إيجار تقريبا دون أن تخرج الوثائق من المكتب. ويمكن لمدقق حسابات أن يطابق الفواتير وكشوف البنوك والقيود على جهاز موضوع في مقره، مما يبسط النقاش حول السر المهني. ويمكن لبلدية أن تجهز الفحص الأولي لطلبات اعتيادية دون إرسال ملفات الحالة المدنية إلى مقاول أجنبي. وفي الدفاع، حيث يخضع تداول بعض المستندات نفسه للتنظيم، فإن المعالجة على جهاز معزول عن الشبكة هي غالبا الخيار الوحيد الممكن. وأخيرا، يستطيع خباز أن يراجع عروض أسعار مورديه أو يحدث بطاقات مسببات الحساسية.

في جميع هذه الحالات، لا يتعلق السؤال المهم بقدرة النموذج على قراءة مستند بقدر ما يتعلق بمسار هذا المستند أثناء التحليل. وجهاز مثبت في المقر يقدم إجابة قابلة للتحقق: الملف يدخل، والنتيجة تخرج، ولا شيء يعبر جدار الحماية.

محلي افتراضيا، وسحابة بقرار

للمحلي الخالص حدوده، ويعترف بها المزودون أنفسهم. تلاحظ Lumana أن إدارة أسطول من المعدات الموزعة على عشرات المواقع تصبح ثقيلة بسرعة: الإعداد والمراقبة والصيانة، وخصوصا تحديث النماذج، الذي قد يستغرق أسابيع أو أشهرا على مستوى أسطول. وتدافع عن بنية هجينة، يتم فيها الكشف في الموقع والإشراف في المركز. ويقترح مقال PowerGen Advancement التوزيع نفسه: يتولى الموقع الكشف والسرية والتفاعل السريع؛ وتتولى السحابة لوحات المتابعة متعددة المواقع وتحليل الاتجاهات وإدارة النماذج.

ويصف البحث مخططات أدق. تحصي مراجعة نشرها سينياو لي (Senyao Li) وزملاؤه على arXiv في يوليو 2025 طرق جعل نموذج محلي صغير ونموذج بعيد كبير يتعاونان: توجيه كل طلب إلى أحدهما بحسب صعوبته، أو إسناد المعالجة الأولية إلى المحلي والجزء الأكثر تطلبا إلى البعيد، أو ترك النموذج الصغير يقترح تتمة من الكلمات يتحقق منها الكبير.

وبالنسبة إلى الشركة، يترجم ذلك إلى قاعدة استخدام بسيطة. المعالجة المحلية هي النظام الافتراضي: البيانات تبقى في الموقع، والإجابة سريعة، والخدمة تستمر دون شبكة. والإرسال إلى نموذج بعيد يصبح خيارا صريحا، يتخذ مهمة بمهمة، حين يحقق نموذج أقوى مكسبا حقيقيا، وتعرف المؤسسة بالضبط ما الذي يخرج ولماذا.

تفترض هذه القاعدة انضباطا مسبقا. يجب أن تكون قد حددت فئات المعلومات التي لا تخرج أبدا، ومستوى الثقة الذي دونه يجب التحقق من الإجابة المحلية أو تصعيدها، والشخص الذي يصادق على الإرسال، وطريقة تسجيل كل إرسال في السجل. هذه القرارات من شأن المؤسسة أكثر منها من شأن التقنية، والأفضل اتخاذها قبل النشر لا بعد أول حادث.

كيف تختار أول حالة استخدام

تشترك المشاريع المذكورة في هذا المقال في سمة: نطاق ضيق. حشرة، وعشبة ضارة، وباب مصعد، وخمس فئات من الأصوات. لا يسعى VespAI إلى التعرف على كل حشرات أوروبا، ولا تنسخ زرعة Cochlear المحادثات. ودقة الحاجة تفسر جانبا كبيرا من جودة النتيجة.

وتتيح ثلاثة أسئلة بعد ذلك معرفة ما إذا كانت المعالجة المحلية ضرورية. هل يحق للبيانات المنتجة أن تغادر الشركة؟ ما زمن الاستجابة المقبول؟ ماذا يحدث إذا انقطع الاتصال؟ إجابة بالنفي عن الأول، أو زمن بحدود الثانية أو أقل للثاني، أو نشاط لا يمكن أن يتوقف في الثالث، يوجه نحو Edge AI.

النقطة الأخيرة تخص القرار النهائي. في VespAI، يؤكد إنسان التنبيه قبل أي إجراء. وفي الصيانة التنبؤية، ينبه المستشعر ويقرر الفني التدخل. وهذا التقاسم بين آلة تقترح ومهني يصادق يجعل الأداة مقبولة في ورشة أو مكتب أو مرفق عام، ويتيح قياس أخطائها بدل تحملها.

تصمم HOMN SYSTEMS صناديق ذكاء اصطناعي محلي للشركات الفرنسية على هذا المبدأ: تعمل النماذج في مقر العميل، على بياناته، ولا يحدث الإرسال إلى خدمة خارجية إلا حين تقرره الشركة ويمكنها تتبعه. وينطلق نهج HOMN من الملاحظة نفسها التي انطلق منها مهندسو إكستر: جزء متزايد من القرارات المفيدة يمكن اتخاذه في المكان الذي تظهر فيه البيانات.

ما هي Edge AI، أو الذكاء الاصطناعي المدمج؟

تشير Edge AI إلى تنفيذ نموذج ذكاء اصطناعي مباشرة حيث تنتج البيانات، في كاميرا أو صندوق أو آلة أو جهاز، بدل تنفيذه على خوادم مزود سحابة. يدرب النموذج عموما في مكان آخر، ثم لا يتم في الموقع إلا الاستدلال، أي تطبيقه على بيانات جديدة. وما يتنقل على الشبكة عندئذ استنتاج قصير لا البيانات الخام.

ما مزايا الذكاء الاصطناعي الميداني مقارنة بالسحابة؟

تخفض المعالجة المحلية زمن الاستجابة إلى بضعة أجزاء من الألف من الثانية، في حين قد يضيف التحليل عن بعد من ثانية إلى خمس ثوان بحسب مقارنة من Lumana نشرت عام 2026. وتحد بقوة من عرض النطاق، لأن التنبيهات والبيانات الوصفية وحدها هي التي ترسل، وتواصل العمل أثناء انقطاع الشبكة. كما تتيح إبقاء البيانات الحساسة في الموقع، وهي ضمانة تذكرها CNIL ضمن تدابير حماية الخصوصية.

هل الذكاء الاصطناعي المدمج متوافق مع GDPR؟

لا تعفي المعالجة المحلية من GDPR، لكنها تسهل احترام مبدأي التقليل من البيانات والحماية منذ التصميم. وفي موقفها الصادر في يوليو 2022 بشأن الكاميرات المعززة، تذكر CNIL المعالجة في أجهزة ملاصقة للكاميرات، والحذف شبه الفوري للصور المصدرية، وإنتاج معلومات مجهولة الهوية بوصفها ضمانات مفيدة. ويبقى تقييم الأثر لازما حين تنطوي المعالجة على خطر مرتفع على الأشخاص.

هل يجب الاختيار بين الذكاء الاصطناعي المحلي والسحابة؟

تجمع معظم البنى الحديثة بين الاثنين: الكشف ومعالجة البيانات الحساسة يتمان في الموقع، بينما يمر الإشراف ولوحات المتابعة متعددة المواقع وتحديث النماذج عبر خدمة مركزية. وبالنسبة إلى النماذج اللغوية، يصف البحث مخططات يعالج فيها نموذج محلي صغير غالبية الطلبات ولا يحيل بعضها إلى نموذج بعيد كبير إلا عند وجود مبرر. وفي جميع الحالات، ينبغي أن يكون كل إرسال إلى الخارج قرارا صريحا وقابلا للتتبع.