ينتقل الذكاء الاصطناعي من مراكز البيانات إلى الأجهزة، ما يجعل كل شيء من الهواتف إلى الجرارات أسرع وأكثر خصوصية. تأتي هذه الأشياء الذكية المكتشفة حديثاً أيضاً مع عيوب.
نشهد الآن نقطة تحول للذكاء الاصطناعي، حيث يأتي الكثير منه من السحاب إلى هواتفنا الذكية وسياراتنا. في حين أنه من العدل أن نقول إن الذكاء الاصطناعي الذي يعيش على «الحافة» لا يزال أقل قوة بكثير من نظيره القائم على مركز البيانات، فمن المحتمل أن يكون أكثر أهمية في حياتنا اليومية.
تحديات جعل الذكاء الاصطناعي يعمل على الحافة -أي جعله موثوقاً بما يكفي لأداء وظيفته ثم تبرير التعقيد الإضافي وكلفة وضعه في أجهزتنا- تحديات هائلة. يمكن أن يكون الذكاء الاصطناعي الحالي غير مرن، ويمكن خداعه بسهولة، وغير موثوق به ومنحاز. في السحابة، يمكن تدريبه سريعاً ليصبح أفضل، فإن التحسينات في تقنية الرقائق في السنوات الأخيرة جعلت من الممكن تحقيق اختراقات حقيقية في كيفية تجربتنا للذكاء الاصطناعي، والطلب التجاري على هذا النوع من الوظائف مرتفع.
بشكل عام، يتكون الذكاء الاصطناعي للتعلم الآلي من 4 مراحل:
التقاط البيانات أو جمعها، ثم يقوم البشر بتسمية البيانات، ومن ثم تدريب الذكاء الاصطناعي باستخدام البيانات المصنفة، ثم يتم تحويل الكومة الناتجة من التعليمات البرمجية إلى خوارزمية ليتم تنفيذها في البرنامج.
الجزء الأخير من العملية هو مرحلة الاستدلال. ويؤكد إريك غودنيس، نائب رئيس الأبحاث في شركة جارتنر للاستشارات التكنولوجية، أن البرنامج الموجود على العديد من كاميرات المراقبة الذكية، على سبيل المثال، يقوم بالاستدلال حيث يمكن لهذه الأنظمة بالفعل تحديد عدد العملاء الموجودين في المطعم، أو ما إذا كانت البطاطس المقلية في المقلاة لفترة طويلة جدًا.
ويمكن أن يواجه الذكاء الاصطناعي الحديث، الذي يستخدم بشكل أساسي للتعرف على الأنماط صعوبة في التعامل مع المدخلات خارج البيانات التي تدرّب عليها. إن العمل في العالم الحقيقي يجعل الأمر أكثر ومثال ذلك سيارة تيسلا التي تعمل بالفرامل عندما ترى علامة توقف على لوحة الإعلانات.
لجعل أنظمة الذكاء الاصطناعي المتطورة أكثر كفاءة، قد يقوم أحد الأجهزة الطرفية بجمع بعض البيانات ويقترن بعد ذلك بجهاز آخر أكثر قوة، والذي يمكنه دمج البيانات من مجموعة متنوعة من أجهزة الاستشعار سواء كان متصلاً بالإنترنت أم لا.
لا تزال الغالبية العظمى من خوارزميات الذكاء الاصطناعي مدربة في السحابة. يمكن أيضًا إعادة تدريبهم باستخدام بيانات أكثر أو أحدث، ما يتيح لهم التحسين المستمر. وفي المستقبل ستبدأ أنظمة الذكاء الاصطناعي المتطورة في التعلم من تلقاء نفسها وتصبح قوية بما يكفي لتجاوز الاستدلال وجمع البيانات واستخدامها لتدريب الخوارزميات الخاصة بها.