ينقل الذكاء الاصطناعي المادي الذكاء الصناعي إلى الحافة.

أصبح الذكاء الاصطناعي الفيزيائي تخصصًا هندسيًا عمليًا، بدلًا من كونه مجرد تسمية للروبوتات التجريبية. ويصف هذا المصطلح الذكاء الاصطناعي الذي يدرك العالم الحقيقي، ويتخذ القرارات ضمن قيود زمنية، ويؤثر في عملية فيزيائية من خلال المحركات أو مشغلات الحركة أو الصمامات أو الروبوتات أو المعدات المتنقلة. في المصنع، يعني ذلك أن الاستدلال لم يعد ذا قيمة لمجرد دقته الإحصائية، بل يجب أن يصل في الوقت المناسب، ويحترم حالات الآلات، ويتعامل مع البيانات المشوشة، ويتعطل بطريقة لا تؤدي إلى حركة خطرة.

ويكتسب هذا التحول أهميته لأن الذكاء الاصطناعي الصناعي يقترب أكثر من الأصول. إذ يمكن للكاميرات ومستشعرات الاهتزاز وبصمات التيار وأجهزة التشفير وأجهزة قياس العمليات أن تغذي نماذج تعمل على معالجات مدمجة عند حافة الآلة. ويقلل التنفيذ المحلي الاعتماد على زمن استجابة السحابة، ويحافظ على البيانات ذات الحجم الكبير بالقرب من مصدرها. كما يغيّر مسؤولية التصميم؛ إذ يجب على مهندسي التحكم والمطورين المضمنين وبناة الآلات ومتخصصي السلامة الاتفاق على ما يجوز للنموذج مراقبته والتوصية به والتحكم فيه.

لماذا يختلف الذكاء الاصطناعي الفيزيائي عن تحليلات المصنع

تعمل تحليلات المصنع التقليدية غالبًا خارج حلقة التحكم. فقد يتنبأ نموذج بتعطل محمل، أو يرتب خسائر الطاقة، أو يوصي بموعد للصيانة، ثم يراجع شخص النتيجة قبل اتخاذ الإجراء. أما الذكاء الاصطناعي الفيزيائي فيمكنه إغلاق جزء من هذه الحلقة: إذ قد يضبط نظام رؤية مسار روبوت، أو تغيّر مركبة ذاتية القيادة سرعتها، أو يعدّل متحكم تكيفي قيمة الضبط. ولذلك تنتقل عواقب الخطأ من توصية سيئة على لوحة معلومات إلى حدث ميكانيكي أو حدث فعلي في العملية.

ويفيد هذا التمييز عند تحديد الموضع المناسب للذكاء الاصطناعي. ينبغي أن يستمر منطق وحدات التحكم المنطقي القابلة للبرمجة PLC، ووحدات التحكم الآلية القابلة للبرمجة PAC، وأنظمة التحكم الموزعة DCS، ووحدات تحكم السلامة، في تولي مسؤولية التعشيقات وشروط السماح وإيقافات الطوارئ والتتابع المحدود. ويمكن للذكاء الاصطناعي تحسين الإدراك والتصنيف والتحسين واكتشاف الحالات الشاذة، لكن ينبغي أن يمر ناتجه إلى بنية الأتمتة عبر واجهة محددة. ويحتاج المهندسون إلى حدود صريحة لنطاق الأوامر، ومعدل التحديث، وعتبات الثقة، وسلوك انتهاء المهلة، والحالة المستخدمة عند عدم توفر النموذج.

تحافظ البنية متعددة الطبقات على قابلية حوكمة الذكاء

يبدأ التنفيذ المتين بحد فاصل واضح بين الاستدلال والحماية. ففي الطبقة الأدنى، توفر المستشعرات والمشغلات إشارات مُتحققًا من صحتها. وتنّفذ طبقة التحكم الحتمية ملفات الحركة، وحلقات PID، وتسلسلات المعدات، وانتقالات حالات الآلة. وتنفذ طبقة الحوسبة الطرفية مهام مثل تصنيف الصور، وتقدير المسار، والتعرف الصوتي، أو التحسين متعدد المتغيرات. وفوق ذلك، تدير المؤرخات والمنصات المؤسسية السياق طويل الأمد، وإصدارات النماذج، والتعلم على مستوى الأسطول.

وتستحق الواجهة بين هذه الطبقات اهتمامًا أكبر من النموذج نفسه. إذ يجب هندسة جودة الطوابع الزمنية، ووحدات القياس الهندسية، ومؤشرات البيانات القديمة، وصلاحية الإشارات، وإدارة الأوضاع. فإذا فقدت الكاميرا التزامن أو أعيد تشغيل عقدة طرفية، فلا ينبغي لوحدة PLC أن تفسر آخر استدلال على أنه أمر جديد. ويمكن لنبضة حياة، ورقم تسلسلي متزايد رتيبًا، وبت صلاحية، وفحص للقيم ضمن نطاق محدد، أن تمنع عددًا مفاجئًا من أعطال التشغيل الأولي.

يمكن للقراء الذين يخططون لبنى الحوسبة الطرفية مقارنة هذه المبادئ بدليل PLC ProTech حول الذكاء الاصطناعي الطرفي لفحص الرؤية الآلية في الوقت الفعلي. وينطبق الفصل نفسه بين الإدراك والقرار والفعل الحتمي، سواء كان الناتج يستبعد قطعة معيبة أو يعدّل مسار روبوت.

يصبح التحكم في المحركات بنية تحتية حيوية

يصل الذكاء الاصطناعي الفيزيائي في نهاية المطاف إلى الآلة عبر الحركة. وحتى الإدراك المتقدم لا يمكنه التعويض عن القصور الذاتي أو الخلوص العكسي أو الكبح أو حدود عزم الدوران إذا لم تكن موصوفة جيدًا. وقد يطلب نظام تعلم مسارًا جديدًا، لكن يجب على المؤازر أو العاكس تنفيذه ضمن قيود التيار والسرعة والحرارة والحركة الآمنة. ولهذا تظل تهيئة محرك القيادة، وسلامة المشفر، ومسافة التوقف الميكانيكية، وحالات الحمل، عناصر أساسية في التصميم المدعوم بالذكاء الاصطناعي.

فعلى سبيل المثال، لنتخيل روبوتًا يتعامل مع طرود مختلطة. يقدّر نموذج رؤية الوضع ونقاط الإمساك، بينما يفرض متحكم الروبوت حدود الحركة ومناطق التصادم. فإذا انخفضت الثقة عن عتبة تم التحقق منها، يمكن للنظام أن يبطئ، أو يطلب رؤية ثانية، أو يوجّه الطرد إلى التعامل اليدوي. ولا ينبغي له ببساطة قبول التنبؤ الأكثر احتمالًا. فالهدف العملي من التصميم هو التدهور التدريجي، لا الادعاء بأن النموذج لا يخطئ أبدًا.

اختبار تشغيل أولي يكشف الافتراضات الضعيفة

أثناء اختبار قبول المصنع، ينبغي للفرق أن تعرض عمدًا ظروفًا صعبة: الوهج، والحجب الجزئي، والملصقات التالفة، والأجسام غير المتوقعة، وانقطاع الشبكة، وانجراف المستشعر، وإعادة تشغيل الحاسوب الطرفي. ويجب تسجيل دقة التصنيف، إلى جانب زمن الاستجابة من البداية إلى النهاية، والقرارات المرفوضة، وسلوك الرجوع، والتعافي. فقد يحقق نموذج أداءً جيدًا على صور منتقاة، لكنه يظل غير آمن إذا لم يستطع باقي النظام اكتشاف عدم صلاحية مدخلاته.

تتطلب الظروف المجهولة سلوكًا محدودًا

تنتج البيئات الصناعية توليفات غائبة عن بيانات التدريب. فتغير المنتجات، وتعديلات الصيانة، والتجهيزات المؤقتة، وتحولات الإضاءة، وتآكل الأدوات، كلها تغيّر توزيع التشغيل. وينبغي للمهندسين التعامل مع اكتشاف الحالات الخارجة عن التوزيع باعتباره وسيلة تحكم تشغيلية. وتشمل المقاييس المفيدة معايرة الثقة، واختلاف نتائج النماذج المجمعة، وفحوص جودة المدخلات، واختبارات المعقولية البسيطة القائمة على الفيزياء. ولا يكفي أي منها منفردًا، لكنها مجتمعة قد تمنع تحول الاستدلال غير المؤكد إلى فعل غير مضبوط.

يمكن للتوأم الرقمي توسيع نطاق الاختبار، ولا سيما للحالات التشغيلية النادرة، لكن يجب ألا تُخلط المحاكاة مع الإثبات. فمن الصعب إعادة إنتاج ديناميكيات التلامس والاحتكاك والكابلات المرنة وخصائص السوائل وسلوك البشر بصورة مثالية. وتظل اختبارات العتاد ضمن الحلقة والتجارب الميدانية الخاضعة للإشراف ضرورية. وتزيد عملية الإصدار الآمنة مستوى الصلاحيات تدريجيًا: المراقبة أولًا، ثم التوصيات الاستشارية، ثم الفعل التلقائي المحدود بشدة.

الأمن السيبراني ودورة حياة النموذج مشكلة واحدة

نموذج الحافة هو منطق قابل للتنفيذ في المصنع، حتى عندما يكون معبأً في صورة ملف شبكة عصبية. وهو يحتاج إلى ملكية، وتحكم في الإصدارات، وتوقيع، ونشر مضبوط، وإمكانية للرجوع إلى إصدار سابق، وسجلات للتغييرات. كما أن شيفرة المعالجة المسبقة وبيانات المعايرة المرتبطة به لا تقل أهمية عن أوزان النموذج. فقد يغيّر نموذج مستبدل أو ثابت تطبيع معدل السلوك دون المساس ببرنامج PLC.

اعزل العقد الطرفية عن شبكات الأعمال، وقيّد الاتصالات الصادرة، واستخدم الهوية القائمة على الشهادات حيثما كان ذلك مدعومًا، وسجّل كل عملية نشر لنموذج. وينبغي لفرق الصيانة أن تتمكن من تحديد النموذج، وتسلسل مصدر البيانات، والبرامج الثابتة، والتهيئة التي كانت فعالة أثناء وقوع أي حدث. وتقدم مناقشة PLC ProTech حول التحكم في إصدارات الأتمتة الصناعية نمطًا مفيدًا للحوكمة يمكن توسيعه ليشمل عناصر الذكاء الاصطناعي.

كيف يبدو مشروع موثوق للذكاء الاصطناعي الفيزيائي

تبدأ حجة العمل القوية بمهمة محددة، وخسارة قابلة للقياس، وآلية رجوع تعمل مسبقًا. وتشمل المرشحات الجيدة الفحص البصري مع المراجعة اليدوية، والالتقاط التكيفي مع مسار آمن لرفض القطع، واكتشاف الشذوذ الصوتي الذي يطلق الفحص، أو تحسين الطاقة ضمن نطاقات تشغيل محمية. أما المرشحات الضعيفة فهي الوعود المفتوحة بجعل خط كامل مستقلًا قبل فهم بيانات الأصول وملكية التحكم.

ينبغي للفرق تحديد ميزانيات زمن الاستجابة، ومسؤوليات السلامة، ومجموعات بيانات التحقق، وضوابط الأمن السيبراني، ومحفزات إعادة التدريب، ومهارات الصيانة، قبل اختيار عتاد الحوسبة. فدقة النموذج ليست سوى معيار قبول واحد. إذ تحدد التوافرية، وقابلية الاسترداد، والواجهات الحتمية، والإنذارات القابلة للتفسير، وثقة المشغلين ما إذا كان النظام سيظل مفيدًا بعد مغادرة فريق المشروع التجريبي.

سيتوسع الذكاء الاصطناعي الفيزيائي لأن الحوسبة المحلية والمستشعرات والمسرّعات المضمنة تتحسن بسرعة. غير أن قيمته المستدامة ستأتي من هندسة الأتمتة المنضبطة. فالبنية الفائزة ليست التي تمنح الذكاء الاصطناعي تحكمًا غير محدود، بل التي تتيح للذكاء تحسين الإدراك والتكيف، بينما تحافظ طبقات التحكم والسلامة المُثبتة على كون كل إجراء محدودًا وقابلًا للرصد والاسترداد.