مشروع من «غوغل» لإدارة حركة المرور باستخدام الذكاء الاصطناعي

«الضوء الأخضر» هدفه تخفيف الازدحام

يتوفر مشروع «الضوء الأخضر» في أكثر من 12 مدينة حول العالم بما في ذلك بنغالورو وبوسطن وريو دي جانيرو وسياتل (شاترستوك)
يتوفر مشروع «الضوء الأخضر» في أكثر من 12 مدينة حول العالم بما في ذلك بنغالورو وبوسطن وريو دي جانيرو وسياتل (شاترستوك)
TT

مشروع من «غوغل» لإدارة حركة المرور باستخدام الذكاء الاصطناعي

يتوفر مشروع «الضوء الأخضر» في أكثر من 12 مدينة حول العالم بما في ذلك بنغالورو وبوسطن وريو دي جانيرو وسياتل (شاترستوك)
يتوفر مشروع «الضوء الأخضر» في أكثر من 12 مدينة حول العالم بما في ذلك بنغالورو وبوسطن وريو دي جانيرو وسياتل (شاترستوك)

مسعى طموح باسم «مشروع الضوء الأخضر» هو إحدى مبادرات «غوغل» الساعية لتحسين تدفق حركة المرور عند التقاطعات الحضرية باستخدام الذكاء الاصطناعي. يهدف المسعى إلى تقليل الوقت الذي يمضيه الأفراد في الانتظار عند إشارات المرور، وبالتالي التخفيف من الازدحام المروري وخفض استهلاك الوقود. للمشروع، الذي يعد جزءاً من جهود الاستدامة التي تبذلها «غوغل للأبحاث» أهمية خاصة، في سياق تغير المناخ العالمي وتحديات التوسع الحضري.

لماذا مشروع الضوء الأخضر؟

يساهم النقل الحضري بشكل كبير في انبعاثات الغازات المسببة للانحباس الحراري العالمي، ويرجع ذلك إلى حد كبير إلى طبيعة حركة المرور المتقطعة عند التقاطعات. وتعدّ معالجة هذه المشكلة أمراً بالغ الأهمية للاستدامة البيئية وكفاءة التنقل الحضري. غالباً ما تكون الطرق التقليدية لإدارة تدفق حركة المرور، مثل تثبيت أجهزة باهظة الثمن أو إجراء تعداد يدوي للمركبات، غير كافية لتوفير البيانات الشاملة اللازمة للحلول الفعالة.

يتدخل مشروع «Green Light» من «غوغل» كحلّ مبتكر يستفيد من بيانات خرائط «غوغل» لتطوير نماذج مدفوعة بالذكاء الاصطناعي. تحلل هذه النماذج أنماط المرور، وتوفر رؤى قابلة للتنفيذ لمهندسي المرور في المدينة، ما يمكّنهم من اتخاذ قرارات مستنيرة حول توقيت إشارات المرور ومزامنتها. الهدف النهائي هو تبسيط تدفق المرور، وتقليل أوقات الخمول عند التقاطعات، وبالتالي تقليل استهلاك الوقود والانبعاثات.

قلّل المشروع من حركة المرور المتقطعة بنسبة تصل إلى 30 % وخفّض الانبعاثات عند التقاطعات بنسبة تصل إلى 10% (شاترستوك)

كيف يعمل المشروع؟

يوجد في جوهر مشروع «Green Light» نموذج ذكاء اصطناعي متقدم يعالج معلمات مختلفة لإشارات المرور، مثل طول الدورة، وأوقات الانتقال، والتقسيم الأخضر، ووظائف المستشعر. من خلال تفسير هذه المعلمات، ينشئ النظام نموذجاً مفصلاً لسلوكيات المرور، بما في ذلك متوسط ​​أوقات الانتظار وتكرار فترات التوقف والانطلاق. ثم يحدد هذا النموذج التحسينات المحتملة التي يمكن إجراؤها على إعدادات إشارات المرور.

يتم تجميع هذه التوصيات في لوحة معلومات شاملة، يراجعها بعد ذلك مهندسو المرور في المدينة. قد تتضمن التغييرات المقترحة تقليل مدة الإشارات الحمراء خلال فترات انخفاض حركة المرور أو مزامنة التقاطعات غير المتزامنة. ومن الجدير بالذكر أن هذه التعديلات يمكن تنفيذها غالباً باستخدام البنية التحتية الحالية في غضون دقائق، ما يجعل العملية فعّالة ومنخفضة التكلفة.

سيقلل المشروع وقت الانتظار عند الإشارات الحمراء باستخدام الذكاء الاصطناعي لتطوير حلول لمشاكل الازدحام المروري (شاترستوك)

التنفيذ والتأثير

تم بالفعل نشر مشروع «Green Light» في أكثر من 12 مدينة حول العالم، بما في ذلك المراكز الحضرية الكبرى، مثل بنغالورو وبوسطن وريو دي جانيرو وسياتل. ووفقاً لـ«غوغل»، كانت المبادرة فعّالة للغاية، حيث قللت من حركة المرور المتقطعة بنسبة تصل إلى 30 في المائة، وخفّضت الانبعاثات عند التقاطعات بنسبة تصل إلى 10 في المائة. ويترجم هذا إلى فوائد بيئية كبيرة، نظراً للعدد الكبير من رحلات السيارات التي تؤثر عليها هذه التخفيضات، بما يصل إلى 30 مليون رحلة شهرياً.

لا يُقاس نجاح المشروع من خلال تدفق حركة المرور المحسّن فقط، ولكن من خلال الوقت الذي يوفّره السائقون، والانخفاض المقابل في استهلاك الوقود أيضاً. تراقب «غوغل ريسارتش» (Google Research) هذه المقاييس باستمرار، وتشارك النتائج مع المدن المشاركة لإثبات الفوائد الملموسة للمشروع.

أدوات الذكاء الاصطناعي التوليدية

يعد مشروع «Green Light» جزءاً من اتجاه أوسع حيث يتم استخدام الذكاء الاصطناعي بشكل متزايد لحل التحديات الحضرية المعقدة. في تطور ذي صلة، تتعاون «غوغل» مع ولاية كاليفورنيا لتطوير حلول مدعومة بالذكاء الاصطناعي لإدارة حركة المرور والتوجيه الضريبي وسلامة الطرق. تتضمن هذه الشراكة كثيراً من شركات التكنولوجيا الكبرى، بما في ذلك «OpenAI» و«Amazon» و«Anthropic»، بهدف تعزيز الخدمات العامة.

وقد بدأت كاليفورنيا تجربة داخلية لمدة 6 أشهر، حيث يقوم موظفو الولاية باختبار وتقييم أدوات الذكاء الاصطناعي هذه. وتتلقى كل شركة مشارِكة رسوماً رمزية، قدرها دولار واحد، ما يرمز إلى الالتزام بالابتكار، بدلاً من الربح. الهدف النهائي للولاية هو تحديد وتنفيذ الأدوات الأكثر فاعلية لتحسين الخدمات العامة، على الرغم من مواجهة قيود الميزانية.

ويؤكد نجاح مشروع «الضوء الأخضر» على الإمكانات التحويلية للذكاء الاصطناعي في الإدارة الحضرية. من خلال الاستفادة من البيانات والخوارزميات المتطورة، لا تعمل «غوغل» على تحسين تدفق حركة المرور فحسب، بل تساهم أيضاً في تحقيق أهداف بيئية أوسع نطاقاً.


مقالات ذات صلة

«غوغل» تدعم «كروم» بميزة العرض المقسوم وتبويبات عمودية جديدة

تكنولوجيا التحديثات تعكس تحول «كروم» إلى مساحة عمل متكاملة داخل المتصفح (غيتي)

«غوغل» تدعم «كروم» بميزة العرض المقسوم وتبويبات عمودية جديدة

متصفح «كروم» يضيف العرض المقسوم والتبويبات العمودية وأدوات «PDF» لتعزيز الإنتاجية وتنظيم التصفح دون الحاجة إلى تطبيقات خارجية.

نسيم رمضان (لندن)
تكنولوجيا أداة «غوغل» للذكاء الاصطناعي تفتقر إلى الدقة

أداة «غوغل» للذكاء الاصطناعي تفتقر إلى الدقة

أكثر من نصف الإجابات الصحيحة كانت «غير مدعومة بأدلة»

كيد ميتز (نيويورك)
تكنولوجيا «غوغل» تحدّث أنظمة الذكاء الاصطناعي لتحسين التعامل مع استفسارات الصحة النفسية بشكل أكثر مسؤولية (شاترستوك)

تحديثات جديدة من «غوغل» لتعزيز تعامل الذكاء الاصطناعي مع الصحة النفسية

«غوغل» تحدّث استجابات الذكاء الاصطناعي للصحة النفسية لتوجيه المستخدمين نحو الدعم المناسب مع الحفاظ على السلامة وعدم استبدال المختصين.

نسيم رمضان (لندن)
تكنولوجيا أطلقت «غوغل» نموذج «Gemma 4» بترخيص مفتوح يتيح الاستخدام والتعديل والنشر دون قيود كبيرة (رويترز)

«Gemma 4» من «غوغل»: ذكاء اصطناعي مفتوح يعمل على الأجهزة الشخصية

«غوغل» تطلق «Gemma 4» كنموذج مفتوح يعمل محلياً... ما يعزز الخصوصية ويقلل الاعتماد على السحابة ويدعم قدرات متقدمة للمطورين.

نسيم رمضان (لندن)
تكنولوجيا يتحول العنوان القديم إلى عنوان ثانوي يستمر في استقبال الرسائل (شاترستوك)

أخيراً... يمكنك تغيير عنوان «جيميل» دون فقدان بياناتك

«غوغل» تتيح تغيير عنوان «جيميل» دون فقدان البيانات في خطوة تعيد تعريف الهوية الرقمية مع قيود تتعلق بالأمان والتحديث الخارجي.

نسيم رمضان (لندن)

«إكس» توسّع استخدام «غروك» بترجمة المنشورات وتعديل الصور

تدمج الشركة «غروك» داخل وظائف يومية في المنصة وليس فقط بوصفه روبوت محادثة منفصلاً (أ.ف.ب)
تدمج الشركة «غروك» داخل وظائف يومية في المنصة وليس فقط بوصفه روبوت محادثة منفصلاً (أ.ف.ب)
TT

«إكس» توسّع استخدام «غروك» بترجمة المنشورات وتعديل الصور

تدمج الشركة «غروك» داخل وظائف يومية في المنصة وليس فقط بوصفه روبوت محادثة منفصلاً (أ.ف.ب)
تدمج الشركة «غروك» داخل وظائف يومية في المنصة وليس فقط بوصفه روبوت محادثة منفصلاً (أ.ف.ب)

تسعى منصة «إكس» إلى تقليص أثر حاجز اللغة داخل منصتها، وفي الوقت نفسه توجيه رسالة أوسع بشأن الاتجاه الذي تسلكه منتجات التواصل الاجتماعي اليوم. فقد بدأت الشركة طرح ميزة الترجمة التلقائية للمنشورات، في خطوة تنقل الترجمة من خيار يفعّله المستخدم عند الحاجة إلى خاصية أكثر اندماجاً في تجربة القراءة نفسها.

وفي الوقت ذاته، تضيف «إكس» أدوات جديدة لتحرير الصور في تطبيقها على نظام «آي أو إس»، تشمل الكتابة والرسم وخيار التمويه لإخفاء التفاصيل الحساسة، إلى جانب أداة تحرير مدعومة من «غروك» تتيح للمستخدم تعديل الصور باستخدام أوامر مكتوبة بلغة طبيعية. وحسب ما أعلنته الشركة وما أوردته التقارير عن هذا الطرح، فإن التحديثين يعتمدان على نماذج «غروك» التابعة لشركة «إكس إيه آي».

يثير هذا التوسع أسئلة حول دقة الترجمة وسلامة المعنى واحتمالات إساءة استخدام أدوات تعديل الصور (أ.ف.ب)

الترجمة كطبقة ذكية

تكتسب هذه الخطوة أهمية لأنها تُظهر أن «إكس» لم تعد تتعامل مع الذكاء الاصطناعي بوصفه مساعداً منفصلاً يجلس إلى جانب المنصة، بل بدأت تدمجه مباشرة في أنشطة يومية اعتيادية، مثل قراءة منشور قادم من بلد آخر، أو تجهيز صورة قبل نشرها، أو الاختيار بين الإبقاء على المحتوى بلغته الأصلية أو قراءته مترجماً بشكل تلقائي. وعملياً، قد تجعل ميزة الترجمة الجديدة المحادثات على «إكس» أكثر سلاسة للمستخدمين الذين يصادفون باستمرار منشورات بلغات لا يتقنونها.

وقد أورد موقع «تك كرانش» أن رئيس المنتجات في «إكس»، نيكيتا بير، قال إن الميزة تُطرح على مستوى العالم، وإن المستخدمين يستطيعون إيقاف الترجمة التلقائية للغة معينة من خلال الإعدادات المرتبطة بالمنشور المترجم.

يمثل هذا تطوراً واضحاً مقارنة بآلية الترجمة السابقة لدى «إكس». فما زال مركز المساعدة في المنصة يصف ترجمة المنشورات على أنها عملية يفعّلها المستخدم يدوياً من خلال الضغط على خيار «ترجمة المنشور» الذي يظهر أسفل النص عندما تكون الترجمة متاحة. بمعنى آخر، كان النموذج السابق يتطلب مبادرة من المستخدم. أما النموذج الجديد فيقلل هذا الاحتكاك، ويدفع الترجمة لتصبح أقرب إلى طبقة افتراضية مدمجة في تدفق المحتوى نفسه. وقد يبدو ذلك مجرد تعديل بسيط في الواجهة، لكن مثل هذه القرارات في تصميم المنتج كثيراً ما تكون لها آثار كبيرة على ما يقرأه الناس، وعلى مدى انتشار المنشورات، وعلى الأصوات التي تكتسب حضوراً أوسع عبر الحدود.

تعكس هذه الخطوة توجهاً لجعل الذكاء الاصطناعي جزءاً أساسياً من تجربة الاستخدام داخل المنصة (شاترستوك)

«غروك» يتجاوز المحادثة

بالنسبة إلى «إكس»، فإن توقيت هذه الخطوة له دلالته أيضاً. فالمنصة أمضت جانباً كبيراً من العام الماضي وهي تحاول تعريف موقع «غروك» داخل المنتج بما يتجاوز كونه روبوت محادثة. وتوفر الترجمة التلقائية للشركة حالة استخدام أكثر وضوحاً تتمثل في أن الذكاء الاصطناعي ليس فقط أداة لتوليد الإجابات، بل أيضاً بنية أساسية تساعد على جعل الشبكة أكثر قابلية للفهم بالنسبة إلى جمهور عالمي.

وأشار «تك كرانش» إلى أن بير قال إن جودة الترجمة «تحسنت بشكل كبير خلال الشهرين الماضيين»، ما يوحي بأن «إكس» ترى أن الترجمة أصبحت مجالاً يمكن لـ«غروك» أن يعمل فيه على نطاق واسع داخل جوهر المنتج نفسه.

كما تشير أداة تحرير الصور الجديدة إلى الاتجاه ذاته. فالميزة تُطرح أولاً على نظام «آي أو إس»، مع خيارات تشمل الرسم وإضافة النصوص وتمويه أجزاء من الصورة. كما تتيح للمستخدم أن يطلب من «غروك» تحويل الصورة من خلال أوامر مكتوبة. ومن الأمثلة التي أوردها موقع «تك كرانش» تحويل صورة إلى ما يشبه «لوحة معلقة في متحف». وكانت «إكس» قد قالت إنها تخطط لإتاحة هذه التحديثات أيضاً على نظام «أندرويد».

ترجمة وتحرير ذكي

هذا الطرح يفتح الباب أمام أسئلة مألوفة. فأدوات الترجمة قد توسّع نطاق الوصول، لكنها قد تُفقد المحتوى شيئاً من الدقة أو تسيء فهم النبرة، خصوصاً في المنشورات السياسية أو الثقافية أو تلك المشبعة بالعامية والتعابير المحلية. أما تحرير الصور بالذكاء الاصطناعي، فيدخل بدوره إلى فئة من الأدوات أثارت انتقادات سابقاً. فقد أشار «تك كرانش» إلى أن «إكس» واجهت هذا العام موجة اعتراضات بسبب إساءة استخدام أدوات تعديل الصور، قبل أن تقصر لاحقاً ميزة مرتبطة بتوليد الصور على المستخدمين المشتركين في الخدمة المدفوعة، في حين لم يتضح بعد ما إذا كانت أداة التحرير الجديدة ستخضع للقيد نفسه.

ما تكشفه «إكس» هنا، إذاً، ليس مجرد ميزتين جديدتين لتسهيل الاستخدام، بل فلسفة متكاملة في تطوير المنتج أي جعل الذكاء الاصطناعي غير مرئي إلى الحد الذي يبدو معه جزءاً طبيعياً من المنصة، ولكن في الوقت نفسه قويّاً بما يكفي لإعادة تشكيل كيفية انتقال المحتوى وكيفية تجهيزه قبل النشر. فإذا نجحت الترجمة كما ينبغي، فقد تجعل «إكس» المحادثات أكثر عالمية بشكل افتراضي. أما إذا أخفقت، فقد تذكّر المستخدمين بأن إزالة الاحتكاك ليست دائماً مرادفة للحفاظ على المعنى.


روبوت سبّاح بعضلات مخبرية يتدرّب ذاتياً

طوَّر الباحثون نظاماً يجعل العضلات المخبرية «تتدرّب ذاتياً» عبر انقباض متبادل يزيد قوتها بمرور الوقت (NUS)
طوَّر الباحثون نظاماً يجعل العضلات المخبرية «تتدرّب ذاتياً» عبر انقباض متبادل يزيد قوتها بمرور الوقت (NUS)
TT

روبوت سبّاح بعضلات مخبرية يتدرّب ذاتياً

طوَّر الباحثون نظاماً يجعل العضلات المخبرية «تتدرّب ذاتياً» عبر انقباض متبادل يزيد قوتها بمرور الوقت (NUS)
طوَّر الباحثون نظاماً يجعل العضلات المخبرية «تتدرّب ذاتياً» عبر انقباض متبادل يزيد قوتها بمرور الوقت (NUS)

طوَّر فريق من الباحثين نوعاً جديداً من الروبوتات القادرة على السباحة، لا تعتمد على محركات أو بطاريات تقليدية، بل على عضلات حية مُنَمّاة في المختبر، في خطوة تُعدُّ تقدماً ملحوظاً في مجال الروبوتات الهجينة الحيوية.

الدراسة التي قادها علماء في جامعة سنغافورة الوطنية (NUS) تعالج أحد أبرز القيود التي واجهت هذا المجال لسنوات، والمتمثلة في ضعف القوة التي تولِّدها الأنسجة العضلية الاصطناعية. ومن خلال ابتكار نظام تستطيع فيه العضلات «تدريب نفسها»، تمكَّن الباحثون من تحسين الأداء بشكل كبير، ما أتاح للروبوت مرونة تَحقُّق سرعة قياسية ضمن فئته.

يعتمد الابتكار على تصميم جديد يجمع شريحتين من العضلات الهيكلية المُنَمّاة في المختبر ضمن نظام ميكانيكي مترابط. وبدلاً من الاعتماد على تحفيز كهربائي خارجي أو تدريب يدوي، جرى ترتيب العضلتين بحيث يؤدي انقباض إحداهما إلى شدِّ الأخرى. هذا التفاعل المستمر يخلق حلقة تغذية راجعة ذاتية حيث تنقبض عضلة وتقاوم الأخرى، ثم تنقبض بدورها؛ ما يؤدي إلى نوع من «التمرين الذاتي» الذي يقوِّي الأنسجة مع مرور الوقت.

الروبوت السابح «OstraBot» حقَّق سرعةَ قياسيةَ بلغت 467 مليمتراً في الدقيقة باستخدام هذه العضلات (NUS)

عضلات تتعلم ذاتياً

تعمل هذه الآلية بشكل مستمر خلال المراحل المبكِّرة من تطوُّر العضلات دون الحاجة إلى مصدر طاقة خارجي أو نظام تحكم إضافي. والنتيجة هي نسيج عضلي أكثر نضجاً وقوة، قادر على توليد قوة أعلى مقارنة بالمحاولات السابقة في هذا المجال.

تمَّ تطبيق هذه العضلات المحسَّنة على روبوت سباحة صغير يُعرف باسم «أوسترابوت (OstraBot)»، صُمِّم لمحاكاة أسلوب الحركة لدى بعض أنواع الأسماك. وبفضل نظام الحركة الجديد، تمكَّن الروبوت من الوصول إلى سرعة بلغت 467 مليمتراً في الدقيقة، وهي تُعدُّ الأعلى المُسجَّلة حتى الآن لروبوت هجين حيوي يعتمد على عضلات هيكلية.

تكمن أهمية هذا الإنجاز في أنَّ الروبوتات الهجينة الحيوية التي تجمع بين مكونات بيولوجية حية وهياكل هندسية لطالما عدّت واعدة، لكنها محدودة القدرات. فعلى الرغم من أنَّ العضلات البيولوجية توفِّر مزايا واضحة مثل المرونة والكفاءة والهدوء عند الأحجام الصغيرة، فإنَّ ضعف قدرتها على توليد القوة شكَّل عائقاً أمام استخدامها العملي.

وفي هذا السياق، أوضح الباحثون أن ضعف العضلات المُنَمّاة كان يمثل «عنق زجاجة» حقيقياً. فإذا لم يتمكَّن المُشغِّل الحيوي من توليد قوة كافية، فلن يستطيع الروبوت الحركة بفاعلية، أو أداء مهام مفيدة.

من خلال تجاوز هذا التحدي، يفتح النهج الجديد الباب أمام استخدامات أوسع لهذا النوع من الأنظمة. فالعضلات الأقوى والقادرة على «التدريب الذاتي» قد تُمكِّن من تطوير تطبيقات يصعب تحقيقها باستخدام الروبوتات التقليدية الصلبة.

يحسِّن هذا النهج أداء العضلات الحيوية من دون الحاجة إلى تحفيز خارجي أو أنظمة تحكم معقدة (NUS)

تطبيقات وآفاق مستقبلية

من بين التطبيقات المحتملة الأجهزة الطبية ذات التدخل المحدود، حيث يمكن لروبوتات لين يعمل بالعضلات أن يتحرَّك داخل الجسم البشري بأمان أكبر، مع تقليل خطر إلحاق الضرر بالأنسجة الحساسة. كما أنَّ مكونات هذه الروبوتات الحيوية قد تجعلها أكثر توافقاً مع البيئة البيولوجية.

وفي المجال البيئي، يمكن استخدام هذه الروبوتات الصغيرة والمُوفِّرة للطاقة في مراقبة النظم البيئية الحساسة، حيث تسهم بنيتها اللينة وإمكانية تصنيعها من مواد قابلة للتحلل في تقليل الأثر البيئي طويل الأمد. ومن الرؤى المستقبلية في هذا المجال تطوير روبوتات قابلة للتحلل بالكامل، تتحلل بأمان بعد إتمام مهامها.

يعكس هذا البحث توجهاً أوسع نحو دمج علم الأحياء بالهندسة، حيث تسعى الأنظمة الهجينة الحيوية إلى محاكاة خصائص الكائنات الحية مثل القدرة على التكيُّف، والكفاءة، وإمكانية الإصلاح الذاتي أو الاستفادة منها داخل الآلات. وقد استكشفت أبحاث سابقة استخدام خلايا عضلة القلب التي تنقبض ذاتياً، أو أنظمة يتم التحكم بها عبر خلايا عصبية مزروعة.

لكن دمج مكونات حية في الآلات يطرح تحديات جديدة، إذ إن الأنسجة البيولوجية بطبيعتها متغيرة وحساسة للبيئة، ما يجعل التحكم بها والتنبؤ بسلوكها أكثر صعوبة مقارنة بالأنظمة الميكانيكية التقليدية. كما تظل قضايا المتانة وقابلية التوسُّع وضمان الأداء المستقر محاور بحث مستمرة.

تُسهم هذه الدراسة في معالجة جزء من هذه التحديات، من خلال تحسين قوة وموثوقية العضلات المستخدمة بوصفها مشغلات حيوية، ومن دون إضافة تعقيد عبر أنظمة تدريب أو تحفيز خارجية، كما كانت الحال في المحاولات السابقة. ورغم أنَّ هذه التقنية لا تزال في مرحلة تجريبية، فإنَّ نتائجها تشير إلى أنَّ الروبوتات الهجينة الحيوية تقترب تدريجياً من الاستخدام العملي. فالقدرة على تنمية عضلات أقوى وقادرة على الاستمرار ذاتياً قد تقلل من العقبات الهندسية التي حدَّت من تقدم هذا المجال.

وفي المقابل، تثير هذه التطورات تساؤلات أوسع حول العلاقة المستقبلية بين الأنظمة الحية والآلات، خصوصاً مع ازدياد دمج المكونات البيولوجية داخل الروبوتات، وما قد يرافق ذلك من قضايا أخلاقية وتنظيمية.

في الوقت الراهن، يبقى هذا الإنجاز خطوةً تقنيةً مهمةً، لكنه يعكس أيضاً مساراً واضحاً نحو مستقبل تتحوَّل فيه الروبوتات من أنظمة ميكانيكية بحتة إلى أنظمة تستلهم، بل وتدمج خصائص الكائنات الحية.


نظام برمجي يعزّز كفاءة مراكز البيانات دون الحاجة لأجهزة جديدة

تعاني مراكز البيانات من هدر في الأداء بسبب تفاوت غير مرئي بين وحدات التخزين (شاترستوك)
تعاني مراكز البيانات من هدر في الأداء بسبب تفاوت غير مرئي بين وحدات التخزين (شاترستوك)
TT

نظام برمجي يعزّز كفاءة مراكز البيانات دون الحاجة لأجهزة جديدة

تعاني مراكز البيانات من هدر في الأداء بسبب تفاوت غير مرئي بين وحدات التخزين (شاترستوك)
تعاني مراكز البيانات من هدر في الأداء بسبب تفاوت غير مرئي بين وحدات التخزين (شاترستوك)

طوّر باحثون في جامعة «MIT» نظاماً برمجياً جديداً يهدف إلى تحسين كفاءة مراكز البيانات، عبر الاستفادة من قدرات غير مستغَلّة في أجهزة التخزين، في خطوة قد تقلل الحاجة إلى التوسع المستمر في البنية التحتية عالية التكلفة.

تعتمد مراكز البيانات الحديثة على تجميع أجهزة التخزين، خصوصاً «وحدات التخزين ذات الحالة الصلبة (SSD)»، ضمن شبكات مشتركة، بحيث يمكن لعدة تطبيقات استخدامها في الوقت نفسه. هذه المقاربة تُحسّن من كفاءة الاستخدام نظرياً، لأن التطبيقات لا تحتاج دائماً إلى كامل سعة الجهاز. لكن عملياً، تبقى نسبة كبيرة من هذه السعة غير مستغلة بسبب تفاوت الأداء بين الأجهزة المختلفة.

مشكلة غير مرئية

تكمن المشكلة الأساسية في أن أداء وحدات التخزين لا يكون متساوياً، حتى داخل النظام نفسه؛ فبعض الأجهزة تكون أبطأ من غيرها نتيجة اختلافات في العمر أو مستوى التآكل أو حتى الشركة المصنّعة. وفي بيئة تعتمد على العمل الجماعي، يمكن لجهاز واحد أبطأ أن يحد من الأداء الكلي للنظام. ويوضح جوهر شودري، الباحث الرئيسي في الدراسة، أن هذا التفاوت يجعل من الصعب تحقيق أقصى أداء ممكن، مشيرة إلى أنه «لا يمكن افتراض أن جميع وحدات التخزين ستتصرف بالطريقة نفسها طوال دورة تشغيلها». هذا التحدي لا يظهر بشكل مباشر، لكنه يؤدي إلى فقدان تدريجي في الكفاءة؛ حيث تعمل الأنظمة ضمن حدود أقل من إمكاناتها الفعلية.

النظام يحقق تحسينات كبيرة في الأداء وكفاءة استخدام السعة دون الحاجة إلى أجهزة جديدة (شاترستوك)

ثلاثة مصادر للتفاوت

حدد الباحثون ثلاثة أسباب رئيسية لهذا التفاوت في الأداء. أولها يتعلق بالاختلافات الفيزيائية بين وحدات التخزين، مثل العمر والاستخدام السابق، ما يجعل بعضها أسرع من غيرها. أما السبب الثاني فيرتبط بطريقة عمل هذه الأجهزة نفسها؛ حيث تتداخل عمليات القراءة والكتابة؛ فعند كتابة بيانات جديدة، يحتاج الجهاز إلى حذف بيانات قديمة، وهي عملية قد تؤثر على سرعة القراءة في الوقت نفسه. السبب الثالث هو ما يُعرف بعملية «جمع البيانات غير الضرورية» أو «Garbage Collection»، وهي عملية داخلية تهدف إلى تحرير مساحة تخزين، لكنها تحدث في أوقات غير متوقعة، وقد تؤدي إلى تباطؤ مفاجئ في الأداء.

لمواجهة هذه التحديات، طوّر الباحثون نظاماً أطلقوا عليه اسم «ساندوك (Sandook)»، وهو نظام برمجي لا يتطلب تعديلات في الأجهزة، بل يعمل على إدارة توزيع المهام بين وحدات التخزين بطريقة أكثر ذكاءً.

يعتمد النظام على بنية من مستويين. في المستوى الأول، يوجد متحكم مركزي يقوم بتوزيع المهام بناءً على صورة شاملة لجميع الأجهزة. أما في المستوى الثاني، فهناك متحكمات محلية لكل جهاز، قادرة على التفاعل بسرعة مع التغيرات المفاجئة. هذه البنية تتيح للنظام اتخاذ قرارات استراتيجية على مستوى عام، مع الحفاظ على القدرة على الاستجابة الفورية للمشكلات التي قد تظهر في جهاز معين.

توازن بين التخطيط والاستجابة

من خلال هذا التصميم، يستطيع النظام معالجة أنواع مختلفة من التفاوت في الأداء، سواء تلك التي تحدث بشكل تدريجي (مثل التآكل) أو المفاجئة (مثل عمليات تنظيف البيانات). فعلى سبيل المثال، إذا كان أحد الأجهزة يعاني من بطء مؤقت بسبب عملية داخلية، يمكن للنظام تقليل الضغط عليه مؤقتاً، وتحويل بعض المهام إلى أجهزة أخرى، ثم إعادة توزيع العمل تدريجياً بعد انتهاء المشكلة. كما يقوم النظام بتحليل الأداء التاريخي لكل جهاز، ما يسمح له بالتنبؤ بالحالات التي قد تؤثر على الأداء، والتعامل معها مسبقاً.

عند اختبار النظام على مجموعة من المهام الواقعية، مثل تدريب نماذج الذكاء الاصطناعي وضغط الصور وتشغيل قواعد البيانات، أظهر نتائج لافتة؛ فقد تمكن من تحسين الأداء بنسبة تتراوح بين 12 و94 في المائة مقارنة بالطرق التقليدية، كما زاد من كفاءة استخدام السعة التخزينية بنسبة 23 في المائة. وفي بعض الحالات، وصلت وحدات التخزين إلى نحو 95 في المائة من أقصى أداء نظري لها، وهو مستوى يصعب تحقيقه في الأنظمة التقليدية.

يعتمد الحل على مزيج من التحكم المركزي والاستجابة المحلية لتحسين توزيع الأحمال (شاترستوك)

بديل للتوسع المستمر

تعكس هذه النتائج توجهاً مختلفاً في إدارة مراكز البيانات؛ فبدلاً من إضافة المزيد من الأجهزة لتحسين الأداء، يقترح هذا النهج تحسين استخدام الموارد الحالية. ويشير شودري إلى أن الاعتماد المستمر على إضافة موارد جديدة «ليس مستداماً»، سواء من حيث التكلفة أو التأثير البيئي؛ خصوصاً أن مراكز البيانات تستهلك كميات كبيرة من الطاقة. وبالتالي، فإن تحسين الكفاءة قد يكون بديلاً أكثر استدامة من التوسع المستمر.

تزداد أهمية هذه التطورات مع تزايد الاعتماد على تطبيقات الذكاء الاصطناعي، التي تتطلب كميات هائلة من البيانات وسرعات عالية في المعالجة. في هذا السياق، يمكن لنظام مثل «Sandook» أن يلعب دوراً مهماً في تحسين أداء البنية التحتية دون الحاجة إلى استثمارات إضافية كبيرة. كما أن قدرته على التكيف مع التغيرات في الوقت الحقيقي تجعله مناسباً للبيئات التي تتسم بتقلبات مستمرة في حجم العمل.

نحو بنية أكثر ذكاءً

يمثل هذا العمل جزءاً من اتجاه أوسع نحو تطوير أنظمة برمجية قادرة على إدارة الموارد بكفاءة أعلى، من خلال فهم أعمق لسلوك الأجهزة والتطبيقات. فبدلاً من الاعتماد على افتراضات ثابتة، تعتمد هذه الأنظمة على تحليل مستمر للبيانات واتخاذ قرارات ديناميكية.

يعمل الباحثون حالياً على تطوير النظام ليتوافق مع تقنيات أحدث في وحدات التخزين، تمنح مزيداً من التحكم في كيفية توزيع البيانات. كما يسعون إلى الاستفادة من أنماط العمل المتوقعة في تطبيقات الذكاء الاصطناعي، لتحسين الكفاءة بشكل أكبر.

لا يقدّم هذا النظام مجرد تحسين تقني، بل يعيد طرح سؤال أساسي: هل الحل دائماً في إضافة المزيد من الموارد، أم في استخدام ما لدينا بشكل أفضل؟