NVIDIA DAQIRI: استدلال ذكاء اصطناعي في الوقت الفعلي أثناء جمع البيانات عالي السرعة

نشرت NVIDIA إطار DAQIRI لتشغيل استدلال الذكاء الاصطناعي في الوقت الفعلي فوق تدفقات البيانات عالية السرعة. والمثال الوارد في المقال معبّر: فقد حقق AlphaFold2 اختراقًا في تطوير الأدوية لأنه اعتمد على 170 000 بنية بروتينية جُمعت على مدى 50 عامًا في Protein Data Bank. ويخطو DAQIRI الخطوة التالية، إذ يتيح للذكاء الاصطناعي تحليل البيانات لحظة إنتاجها، لا بعد ذلك.

معالج بواسطة الذكاء الاصطناعي من NVIDIA Developer Blog؛ بتحرير Hamidun News
NVIDIA DAQIRI: استدلال ذكاء اصطناعي في الوقت الفعلي أثناء جمع البيانات عالي السرعة
المصدر: NVIDIA Developer Blog. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليNVIDIA Developer Blog ↗
رئيس التحرير
حقيقة رئيسية #1استقبال البيانات المتدفقة وتخزينها المؤقت دون فقدان
حقيقة رئيسية #2تشغيل نموذج ذكاء اصطناعي على GPU في الوقت الفعلي
حقيقة رئيسية #3تصفية الأحداث ووسمها أثناء التدفق، قبل الكتابة على القرص

قدمت NVIDIA إطار DAQIRI لتضمين استدلال الذكاء الاصطناعي مباشرة في مسار جمع البيانات عالي السرعة. والهدف أن يعمل الذكاء الاصطناعي في المكان الذي تُولد فيه البيانات، لا أن ينتظر حتى تُسجَّل وتُنقل إلى المعالجة.

لماذا نحتاج إلى ذكاء اصطناعي في الوقت الفعلي داخل التدفق

عندما أحدث AlphaFold2 ثورة في اكتشاف الأدوية عام 2020، اعتمد نجاحه بالكامل على نحو 170 000 بنية بروتينية جمعها العلماء منذ عام 1971 وتُحفظ في Protein Data Bank. وهذا مثال دالّ: فالبيانات الجيدة هي أساس أي نموذج ذكاء اصطناعي. لكن في المخطط التقليدي «جمع البيانات، ثم تخزينها، ثم التدريب عليها» عيبًا جوهريًا، إذ يمر وقت بين ظهور البيانات واللحظة التي يتفاعل فيها الذكاء الاصطناعي معها. وفي التجارب العلمية والرقابة الصناعية والتشخيص الطبي، قد يكلّف هذا الوقت النتيجة نفسها.

ما هو DAQIRI

DAQIRI (Data AcQuisition with Intelligent Real-time Inference) هو طبقة برمجية من NVIDIA تربط استدلال الذكاء الاصطناعي المسرَّع بوحدات GPU مباشرة بالتدفق عالي السرعة القادم من الأجهزة والمستشعرات. ويعالج الإطار عدة مهام في وقت واحد:

  • استقبال البيانات المتدفقة وتخزينها المؤقت دون فقدان
  • تشغيل نموذج ذكاء اصطناعي على GPU في الوقت الفعلي
  • تصفية الأحداث ووسمها أثناء التدفق، قبل الكتابة على القرص
  • التكامل مع الأدوات العلمية عبر واجهات قياسية
  • دعم مسارات العمل التي يتجاوز فيها حجم البيانات الخام قدرة التخزين على الاستيعاب

والنقطة الأخيرة بالغة الأهمية: ففي التجارب الفيزيائية والأبحاث الجينومية تولّد أجهزة الكشف تيرابايتات في الثانية. وتسجيل كل شيء مستحيل، فلا بد من اختيار ما يُحفظ. ويتخذ DAQIRI هذا القرار في الوقت الفعلي، مستخدمًا الذكاء الاصطناعي كمرشّح.

في أي المهام يفيد هذا الإطار

يستهدف الإطار في المقام الأول السيناريوهات العلمية والصناعية ذات مصادر البيانات عالية السرعة: مسرّعات الجسيمات وأجهزة الكشف الفيزيائية، والتسلسل الجينومي، ومراقبة الجودة الصناعية على خطوط الإنتاج، والتصوير الطبي في وضع البث المستمر.

«البيانات المقيسة هي أساس جميع نماذج الذكاء الاصطناعي ومسارات العمل التي تعالج البيانات لحظة إنتاجها، وتتفاعل مع المهم في الوقت الفعلي، وتحلل البيانات للوصول إلى استنتاجات معمقة» — من مدونة NVIDIA

Developer.

وفي كل حالة من هذه الحالات تتراجع قيمة الحدث مع مرور الوقت. ويقرّب DAQIRI الذكاء الاصطناعي قدر الإمكان من مصدر الإشارة.

ماذا يعني ذلك

تروّج NVIDIA بثبات لمفهوم «الذكاء الاصطناعي في كل مكان»، لا في مراكز البيانات فحسب، بل على أطراف البنية التحتية أيضًا، داخل أجهزة القياس نفسها. ويمثّل DAQIRI خطوة أخرى في هذا الاتجاه: فالاستدلال ينتقل إلى حيث تنشأ البيانات، لا إلى حيث يسهل تخزينها.

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول لماذا نحتاج إلى ذكاء اصطناعي في الوقت الفعلي داخل التدفق؟

عندما أحدث AlphaFold2 ثورة في اكتشاف الأدوية عام 2020، اعتمد نجاحه بالكامل على نحو 170 000 بنية بروتينية جمعها العلماء منذ عام 1971 وتُحفظ في Protein Data Bank. وهذا مثال دالّ: فالبيانات الجيدة هي أساس أي نموذج ذكاء اصطناعي. لكن في المخطط التقليدي «جمع البيانات، ثم تخزينها، ثم التدريب عليها» عيبًا جوهريًا، إذ يمر وقت بين ظهور البيانات واللحظة التي يتفاعل فيها الذكاء الاصطناعي معها. وفي التجارب العلمية والرقابة الصناعية والتشخيص الطبي، قد يكلّف هذا الوقت النتيجة نفسها.

ما أبرز التفاصيل حول ما هو DAQIRI؟

DAQIRI (Data AcQuisition with Intelligent Real-time Inference) هو طبقة برمجية من NVIDIA تربط استدلال الذكاء الاصطناعي المسرَّع بوحدات GPU مباشرة بالتدفق عالي السرعة القادم من الأجهزة والمستشعرات. ويعالج الإطار عدة مهام في وقت واحد: استقبال البيانات المتدفقة وتخزينها المؤقت دون فقدان تشغيل نموذج ذكاء اصطناعي على GPU في الوقت الفعلي تصفية الأحداث ووسمها أثناء التدفق، قبل الكتابة على القرص التكامل مع الأدوات العلمية عبر واجهات قياسية دعم مسارات العمل التي يتجاوز فيها حجم البيانات الخام قدرة التخزين على الاستيعاب والنقطة الأخيرة بالغة الأهمية: ففي التجارب الفيزيائية والأبحاث ال

ما أبرز التفاصيل حول في أي المهام يفيد هذا الإطار؟

يستهدف الإطار في المقام الأول السيناريوهات العلمية والصناعية ذات مصادر البيانات عالية السرعة: مسرّعات الجسيمات وأجهزة الكشف الفيزيائية، والتسلسل الجينومي، ومراقبة الجودة الصناعية على خطوط الإنتاج، والتصوير الطبي في وضع البث المستمر. «البيانات المقيسة هي أساس جميع نماذج الذكاء الاصطناعي ومسارات العمل التي تعالج البيانات لحظة إنتاجها، وتتفاعل مع المهم في الوقت الفعلي، وتحلل البيانات للوصول إلى استنتاجات معمقة» — من مدونة NVIDIA Developer. وفي كل حالة من هذه الحالات تتراجع قيمة الحدث مع مرور الوقت. ويقرّب DAQIRI الذكاء الاصطناعي قدر الإمكان من مصدر الإشارة.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…