HyperAIHyperAI

Command Palette

Search for a command to run...

التعلم العميق

إيبم وكونفلونت يدمجان النماذج الزمنية للذكاء الفوري

أعلنت شركة آي‌بي‌إم بالتعاون مع كونفلونت عن إطلاق نماذج الأساس للسلاسل الزمنية من سلسلة جرانييت بشكل تجريبي على منصة كونفلونت كلاود، مما يُمكّن المؤسسات من تشغيل ذكاء اصطناعي تنبئي في الوقت الفعلي مباشرة على مسار البيانات المتدفقة. يهدف هذا التكامل إلى تحويل عمليات التنبؤ بالكشف عن الشذوذ وتحسين العمليات الإنتاجية من نماذج معزولة وبطيئة إلى أنظمة موحدة تعمل على نفس البنية التحتية للبيانات دون الحاجة إلى فرق متخصصة في علوم البيانات أو هندسة الميزات. يعتمد الحل على دمج نماذج آي‌بي‌إم مباشرة داخل محرك أباتشي فلينك المتوفر على كونفلونت كلاود، حيث يعمل الاستدلال الآلي بشكل أصلي داخل بيئة البيانات دون نقلها إلى مخازن خارجية أو منصات ML منفصلة. يتيح هذا التصميم تشغيل أربع نماذج أساسية متكاملة عبر استدعاءات SQL موحدة، هي PatchTST-FM للتنبؤ التوزيعي، وFlowState للمراقبة الديناميكية، وTTM للمنظومات واسعة النطاق بكفاءة حسابية منخفضة، بالإضافة إلى TSPulse المتخصص في كشف الشذوذ والتصنيف. يسمح هذا الإطار بتغيير النموذج المستخدم بضبط معامل واحد دون إعادة هندسة خطوط البيانات، مما يضمن مرونة تشغيلية عالية. يركز الإطلاق على أربعة محاور تطبيقية رئيسية. في التخطيط والطلب، يمكّن النموذج المخططين من إدارة آلاف المنتجات دفعة واحدة باستخدام توزيعات احتمالية بدلاً من أرقام نقطية، مما يخفض تكاليف المخزون الاحتياطي ويقلل الهدر التشغيلي. وفي الأمن الرقمي، يوفر النظام مراقبة فورية للمعاملات أو مؤشرات البنية التحتية، حيث يكشف الانحرافات السلوكية قبل تحولها إلى احتيالات أو أعطال، مع تحسين مستمر للنموذج بناءً على التدفقات الداخلية. أما في التصنيع، فيحول التنبؤات إلى محاكاة تفاعلية تسمح للمهندسين بضبط المعايير التشغيلية لتحقيق أعلى كفاءة أو أقل استهلاك للطاقة، مع إعادة التحسين تلقائياً عند تغير المدخلات أو الأهداف الإنتاجية. وأخيراً، تدعم الميزات الدلالية البحث عن أنماط تاريخية متطابقة عبر تضمين النوافذ الزمنية، مما يمنح الوكلاء الآليين والسياقات السابقة اللازمة لاتخاذ قرارات مستنيرة. يُسهم هذا التكامل في تقليل الوقت اللازم لنشر خطوط التنبؤ من أشهر إلى دقائق، مع تحقيق مكاسب في الإنتاجية تتراوح بين خمسة إلى عشرة أضعاف، وتكاليف تشغيل منخفضة بسبب إلغاء الحاجة إلى بنى تحتية مخصصة لتسخير النماذج أو رسوم نقل البيانات. تضمن المنصة حوكمة مؤسسية شاملة، وتوثيقاً دقيقاً لكل استدلال، مع دعم كامل للسياسات الأمنية والوصول القائم على الأدوار. يتوفر الحل حالياً في المرحلة المبكرة على كونفلونت كلاود، على أن يتم توسيعه قريباً ليشمل بيئة كونفلونت كلاود المنصات المحلية والهجينة، مما يمهد الطريق لاعتماد أوسع للذكاء الاصطناعي التنبئي في بيئات التشغيل الحرجة.

الروابط ذات الصلة