Table of Contents
مقدمة
ويعيد تقارب تكنولوجيا التعلم العميق والإنترنت في مجال التكنولوجيا تشكيل كيفية رصد وصيانة وإدارة نظم البنية التحتية في جميع أنحاء العالم، وذلك بدمج نظم التعليم الذكية والتعلم الذاتي في شبكات أجهزة الاستشعار والمحاضرات ذات الصلة، ويمكن للمنظمات أن تحول مسارات البيانات الأولية إلى أفكار عملية، بما يتيح اتخاذ القرارات في الوقت الحقيقي، والتنبؤ بالأمور، وتعزيز السلامة في المناطق الحضرية.
فهم التعلم العميق والحب
والتعلم العميق هو فرع متخصص من الاستخبارات الاصطناعية يعتمد على الشبكات العصبية المتعددة المستويات للتعلم من كميات كبيرة من البيانات دون برمجة واضحة، وهذه النماذج تتفوق على أنماط الاعتراف، وتصنيف المعلومات، وتتوقع التنبؤات من المدخلات المعقدة والعالية الأبعاد مثل الصور، وقراءات الاستشعار في إطارات زمنية، والإشارات السمعية، وفي سياق الهياكل الأساسية، يمكن أن تحدد نماذج الفشل في التعلم العميق عيوب نظام المقاييس.
ويشير معهد " إيوت " )شبكة الأشياء( إلى شبكة الأجهزة المادية التي تُنقل من أجهزة استشعار الاهتزاز الصغيرة إلى كاميرات عالية الاستبانة مجهزة بقدرات الاتصال والحساب لجمع وتبادل البيانات ذاتيا، وتنتج هذه الأجهزة تدفقاً متواصلاً للمعلومات عن حالة عناصر البنية التحتية والظروف البيئية وأنماط الاستخدام، وعندما يكون الجمع بين التعلم العميق و " إيوت " حلقة مغلقة:
التطبيقات الرئيسية في مجال رصد الهياكل الأساسية
ويجري بالفعل نشر عملية إدماج التعلم العميق مع معهد التعليم العالي في مجالات البنية التحتية المتنوعة، وتورد الفروع التالية تفاصيل أبرز التطبيقات.
رصد الصحة الهيكلية
وتخضع الجسور والأنفاق والسدود والمباني لإجهاد مستمر من حركة المرور والطقس والشيخوخة، وتسمح نماذج التعلم العميقة التي تطبق على البيانات المستمدة من المقاييس التسارعية، وقياسات الإجهاد، والمجسات فوق الصوتية بالكشف عن الشقوق أو التآكل أو الإجهاد المادي قبل ظهورها بفترة طويلة، على سبيل المثال، تتدخل الشبكات العصبية الافتراضية في أنماط التنبؤ المتكررة
إدارة حركة المرور والنقل الذكي
وتستفيد نظم النقل الحضري من التعلم العميق ومن دمج تكنولوجيا المعلومات والاتصالات من خلال مراقبة إشارات المرور التكييفية، ورسم خرائط الازدحام في الوقت الحقيقي، وكشف الحوادث.
استهلاك الطاقة على الوجه الأمثل
تُستخدم المباني الذكية وشبكات الطاقة في التعلم العميق على بيانات التوليد من أجل توازن إمدادات الطاقة والطلب عليها، وتحسين الكفاءة، وإدماج المصادر المتجددة، وتسجل القياسات الذكية أنماط الاستهلاك في الرعي من المستوى الثاني، بينما توفر درجة الحرارة والرطوبة وأجهزة الاستشعار الافتراضية سياقاً.
إدارة المياه والمياه المستعملة
فخطوط المياه الأساسية، ومصانع المعالجة، وتحديات الخزانات من التسرب والتلوث، والشيخوخة، وأجهزة الاستشعار التي تعمل بالأشعة السينية تقيس الضغط، والتدفق، والرطوبة، ومستويات المواد الكيميائية، وتحلل الخوارزميات العميقة هذه البيانات لكشف التسربات (التي غالباً ما تُقر بأنماط الضغط، وتُحدّد انبعاثات الأنابيب، وتُحدّد في الكميات الكيميائية أثناء التن.
البنية التحتية الصناعية والصناعية
وتمثل العوامل والمستودعات والنباتات الصناعية أرضا خصبة أخرى لرصد الأشعة المقطعية المعززة بالتعلم العميق، كما أن الصيانة الافتراضية للآلات الدوارة (المحركات والمضخات والموصلات) تتحقق عن طريق تغذية اليقظة ودرجة الحرارة والبيانات الصوتية في الشبكات العميقة، ويمكن للشبكات العصبية الثورية أن تصنف نماذج من المؤشرات السليمة لاكتشاف الأخطاء في الإنتاج، بينما تُقدّر نماذج النفايات.
فوائد إدماج التعلم العميق والتأثير
ويحقق التآزر مزايا قابلة للقياس على نهج الرصد التقليدية، فيما يلي الفوائد الرئيسية، وكل منها مصحوبة بآثار ملموسة.
تعزيز الاستحقاق والكشف المبكر
ويتجاوز نظام الخوارزميات التعليمية العميقة الأساليب الإحصائية التقليدية في تحديد الأنماط المعقدة وغير الخطية في بيانات أجهزة الاستشعار المزعجة، مما يؤدي إلى انخفاض عدد الإنذارات الكاذبة والكشف الأكثر موثوقية عن الشذوذ، فعلى سبيل المثال، يمكن للجسر الذي يُرصد بواسطة شبكة معلومات وطنية شاملة أن تصنف شدة الشق بأكثر من 95 في المائة من الدقة، مقارنة بنسبة 70 في المائة بالنظم القائمة على العتبة اليدوية.
البصر الحقيقي والاستجابة الآلية
ونظراً لأن استخدام أجهزة الاستطلاع العميق يمكن أن ينفذ على أجهزة الحافة (مثلاً، قرص فراسببيري مع وحدة معالجة عصبية)، تتخذ القرارات في مصب الألف ثانية، وعندما يكتشف جهاز الاستشعار الضوئي الاهتزاز الشاذ، يمكن أن يؤدي النموذج فوراً إلى إيقاف أو إنذار موظفي عمليات دون انتظار التجهيز السحابي، وهذه السرعة حاسمة بالنسبة للسلامة في البنية التحتية مثل محطات الطاقة النووية أو السكك الحديدية ذات السرعة العالية.
الصيانة الافتراضية وخفض التكاليف
ومن خلال التنبؤ بإخفاقات المعدات قبل أيام أو أسابيع، تنتقل المنظمات من الرد الفعل إلى الصيانة الاستباقية، مما يقلل من وقت التعطل غير المخطط بنسبة 30 إلى 50 في المائة ويخفض تكاليف الصيانة بنسبة 10 إلى 30 في المائة، وفقا لتقارير الصناعة، ويمكن أن يوفر هذا للمطار الكبير الملايين سنويا في عمليات إصلاح الطرقات وتجاوزات نظام الأمتعة.
القابلية للتسويق وكفاءة البيانات
وبمجرد تدريب نموذج للتعلم العميق، يمكن نشره عبر مئات أو آلاف النقاط النهائية المماثلة التي تُستخدم فيها كميات إضافية قليلة، كما أن التعلم في مجال النقل يقلل من الحاجة إلى بيانات ملصقة في كل موقع، ومع إضافة أجهزة استشعار جديدة، يمكن للنظام أن يعاد تدريجيا، مما يتيح التوسع دون هوادة دون إعادة بناء مجموعة التحليلات بأكملها.
تحسين تخصيص الموارد والاستدامة
وبتوقعات دقيقة، يمكن لمرافق الطاقة والمياه أن تُحدِّد توزيع الموارد إلى أقصى حد، وأن تحد من النفايات والأثر البيئي، ويمكن للشبكات الذكية أن تقلل من رسوم الطلب القصوى، كما يمكن للمباني الذكية أن تقطع آثار الكربون، والجمع بين التعلم العميق والتلوث البري هو عامل تمكين رئيسي لتحقيق أهداف صافية في البنية التحتية الحضرية.
التحديات والنظر في المسألة
وعلى الرغم من وعدها، فإن نشر التعلم العميق إلى جانب التعليم العالي على نطاق واسع يشكل عدة تحديات تقنية وتشغيلية وأخلاقية، ومواجهتها أمر أساسي لنجاح عملية التبني.
خصوصية البيانات والأمن
وتولد شبكات تكنولوجيا المعلومات بيانات حساسة عن تحركات الناس، واستخدام الطاقة، بل وحتى مواطن الضعف الهيكلية، وكثيرا ما تتطلب نماذج التعلم العميق إضفاء الطابع المركزي على هذه البيانات لأغراض التدريب، مما يخلق مخاطر على الخصوصية، وتفرض الأطر التنظيمية مثل الناتج المحلي الإجمالي وبرنامج العمل المشترك متطلبات صارمة بشأن جمع البيانات وتجهيزها، كما أن تقنيات مثل نماذج التعلم المتسللة التي يتم تدريبها محليا على أجهزة الحافة، كما أن تحديثات البارامترات لا بد أن تبرز للتخفيف من شواغل الخصوصية.
الخصومات الأمنية
كما أن أجهزة الاستشعار المهددة يمكن أن تغذي بيانات خاطئة لنموذج التعلم العميق، مما يؤدي إلى التنبؤات غير الصحيحة والقرارات التي قد تكون خطرة، كما يمكن للهجمات التي تستهدف التنوع أن تصمم مدخلات تخدع النموذج (مثلاً، الملصق الذي يجعل علامة التوقف تظهر كعلامة حدية سريعة).
الطلب على الحاسوب والطاقة
ويستلزم التدريب في مجال التعلم العميق عادة وجود وحدات قوية من وحدات التعليم العام ومجموعات بيانات كبيرة، قد لا تكون متاحة في عمليات نشر الهياكل الأساسية عن بعد أو التي تتطلب موارد، بل يمكن أن يكون هناك حاجة إلى ذلك: فالإدارة الكاملة لشبكة الإنترنت على قائمة منخفضة القدرة على المنافسة في مجال تكنولوجيا المعلومات أمر صعب، وتشمل الحلول ضغطا نموذجيا (العمل، وتحديد الكمية، وتفكك المعارف) ونشر وحدات تجهيز السلاسل النيوترالية المكرومة التي تُؤد.
نوعية البيانات ووضع العلامات
ولا تصلح نماذج التعلم العميق إلا بقدر ما تكون البيانات التي يتم تدريبها عليها، وكثيرا ما تنطوي عمليات رصد الهياكل الأساسية على مجموعات بيانات غير متوازنة (أحداث الفشل في الفشل) وظروف بيئية مختلفة، وتستلزم بيانات تحديد الهوية للتعلم الخاضع للإشراف خبرة في المجال، وهي مكلفة، كما أن أساليب الرصد غير المشرف عليها وغير المشرف عليها (مثلا، أجهزة التأشير على كشف الشذوذ) توفر بدائل، ولكنها قد لا تحقق نفس الدقة.
توحيد المعايير وإمكانية التشغيل المتبادل
ويشتت النظام الإيكولوجي للملوثات العضوية الثابتة، حيث تستخدم أجهزة مختلفة بروتوكولات الاتصالات (MQTT، وKAP، وHTTP)، والأشكال البياناتية، وأجهزة تسجيل البائعين، وكثيرا ما تحتاج نماذج التعلم العميق إلى خطوط أنابيب لتجهيز المعالجات المسبقة حسب الطلب لكل نوع من أنواع أجهزة الاستشعار.() وتروج اتحادات الصناعة مثل كونسورتيوم الصناعي وشركة " OpenFog " لمعايير التشغيل المتبادل، ولكن الاعتماد الواسع النطاق لا يزال جاريا.
الاتجاهات المستقبلية
ويتطور تقاطع التعلم العميق والآويت في مجال رصد الهياكل الأساسية بسرعة، وسيشكل العديد من الاتجاهات مساره في السنوات القادمة.
Edge AI and TinyML
والدفعة إلى التعلم العميق مباشرة على أجهزة الإيوت - ما يسمى بـ " تيني ميل " التي تكتسب زخماً، ويمكن للمراقبين البالغ الصغر الذين يستهلكون الطاقة الكهربائية من أعلى المستويات أن ينفذوا الآن شبكات عصبية مجبرة لمهام مثل تحديد كلمات رئيسية أو كشفها بطريقة غير عادية، مما يقلل من الاعتماد على الربط السحابي ويعزز الخصوصية ويستكشف المزيد من أجهزة الاستشعار التي يمكن أن تؤدي دوراً محلياً في الإخفاء، ولا ترسل سوى تنبيهات والإحصائية الموجزة إلى الخواديمات المركزية.
5G and Low-Power Wide-Area Networks
وتسمح شبكات الترددات العالية والتردد المنخفض 5 زاي ببث الفيديو في الوقت الحقيقي من كاميرات إيوت إلى نماذج للتعلم العميق القائمة على الغيوم، في حين أن تكنولوجيات الشبكة مثل لو راوا وشبكة إن بي إيوت توفر وصلة بعيدة المدى لآلاف أجهزة الاستشعار ذات المعدلات المنخفضة، وسيدعم الجمع عمليات نشر أجهزة الاستشعار ذات الكثافة، وبث المزيد من أجهزة التصوير المتعددة الوسائط المتطورة (مثل مجموعة البرمجيات).
التوائم الرقمية والمعاملات النزيهة
ويمكن أن يخلق تكامل نماذج الأنشطة الصناعية السخية (مثل الشبكات العالمية أو نماذج الانتشار) بيانات اصطناعية للتدريب عندما تكون بيانات الفشل الحقيقي شحيحة، أو تحفيز أثر الأحداث المتطرفة مثل الزلازل، أو أن يؤدي هذا التآزر إلى جعل مهندسي البنية التحتية يُجريون تحليلات للمخاطر.
البنية التحتية للصحة الذاتية
وقد تتضمن النظم المستقبلية، التي تمضي قدماً إلى ما بعد الصيانة المتوقعة، تصعيداً مستقلاً، ولا يمكن لنماذج التعلم العميقة أن تكتشف تسرب الأنابيب فحسب، بل أن تُلقي أيضاً على الزحف الآلي أن تغلقها، أو أن تُصدر إشارات المرور لإعادة توجيه المركبات أثناء حادث ما، حيث يستجيب مُلَكَوِّلَيْ التسخُّل الذاتي إلى إشارات التعلُّم العميق دون تدخل بشري - يمكن أن يقلل بشكل كبير من أوقات الاستجابة والتكاليف التشغيلية.
خاتمة
(أ) إن إدماج التعلم العميق مع أجهزة IoT ليس مجرد تحسين تدريجي في رصد الهياكل الأساسية؛ بل يمثل تحولاً في النموذج نحو الذكاء والوعي الذاتي والإدارة الاستباقية للنظم التي يقوم عليها المجتمع الحديث.() ومن الجسور التي تحذر المهندسين إلى شق الشعر قبل أن يصبحوا مخاطر على السلامة، إلى شبكات ذكية توازن الطاقة المتجددة في الوقت الحقيقي، فإن الفوائد المحققة من الدقة والكفاءة والوفورات في التكاليف هي بالفعل كبيرة.