الذكاء الاصطناعي في إعادة التدوير متأخر بمقدار 1.5 متر — والفيزياء لن تنتظر

شاهدتُ زجاجة PET مسحوقة تمرّ أمام طارد هوائي بسرعة أربعة أمتار في الثانية دون أن تُلمس، وأدركتُ أن هناك خللاً جوهرياً.

كنا نقف في منشأة لاستعادة المواد — أو MRF، كما تُختصر في لغة الصناعة — في مكانٍ صاخب وحار، نشاهد عرضاً توضيحياً لنظام فرز يعمل بالذكاء الاصطناعي متصل بالسحابة. كان العرض التقديمي أنيقاً، ولوحة المعلومات جميلة. استطاعت الشبكة العصبية تمييز سبعة عشر نوعاً من المواد بدقة مبهرة على منضدة الاختبار. لكن على الحزام الفعلي، مع نفايات حقيقية تتحرك بسرعة حقيقية، ظل النظام يخطئ. ليس لأن النموذج كان خاطئاً، بل لأن الإجابة وصلت متأخرة جداً.

تلك اللحظة بلورت شيئاً ظللتُ أدور حوله لأشهر. صناعة إعادة التدوير لا تعاني من مشكلة في دقة الذكاء الاصطناعي، بل تعاني من مشكلة فيزيائية. ولن يصلحها أي قدر من ضبط النموذج الدقيق أو تحسين واجهة برمجة التطبيقات، لأن القيد ليس في الخوارزمية — بل في البنية المعمارية.

عدتُ إلى مكتبنا وأجريتُ الحسابات التي تقع الآن في صميم بحثنا حول الذكاء الاصطناعي الطرفي القائم على FPGA لاستعادة الموادالرقم الذي غيّر كل شيء: 1.5 متر. هذه هي المسافة التي تقطعها قطعة من المواد القابلة لإعادة التدوير على حزام ناقل قياسي خلال الوقت الذي يستغرقه نظام ذكاء اصطناعي سحابي للتفكير.

ماذا يحدث في 500 مللي ثانية؟

نصف ثانية يبدو أمراً تافهاً. أنت ترمش خلال نحو 300 مللي ثانية. لكن على حزام ناقل يعمل بسرعة 3 أمتار في الثانية — وهي سرعة متواضعة لخطوط الفرز الحديثة — تعني 500 مللي ثانية أن الجسم قد تحرك متراً ونصف المتر. وعند 6 أمتار في الثانية، وهي سرعة تبلغها بانتظام المنشآت عالية الإنتاجية مثل تلك التي تستخدم تقنية SPEEDAIR من TOMRA، يتضاعف هذا الرقم إلى 3 أمتار.

تستغرق رحلة الاستدلال السحابي القياسية للذكاء الاصطناعي ذهاباً وإياباً — التقاط الكاميرا، الترميز، الإرسال، الانتظار في الطابور، التجميع الدُفعي على وحدة معالجة الرسوميات، الاستدلال، والعودة — نحو 500 مللي ثانية. وهذا ليس أسوأ سيناريو، بل هو مجموع واقعي لكل خطوة في السلسلة.

عند سرعات الأحزمة الصناعية، يخلق تأخير الاستدلال السحابي البالغ 500 مللي ثانية إزاحة عمياء تتراوح بين 1.5 و3.0 أمتار — وهو ما يتجاوز بكثير الدقة المطلوبة للطرد الهوائي.

آلية الطرد في هذه الأجهزة عبارة عن صف من صمامات هوائية صغيرة، تفصل بينها مسافة تتراوح بين 12.5 و31 مليمتراً، تُطلق نفثات دقيقة من الهواء المضغوط. يجب أن تصيب مركز كتلة زجاجة أو علبة أو شظية بلاستيكية معينة دون أن تُخل بالمادة المجاورة لها. تُقاس السماحية المكانية بالمليمترات، بينما تُقدّم السحابة إجابات تُقاس بالأمتار.

أتذكر أنني شرحتُ هذا لمستثمر ظل يسأل لماذا لا يمكننا "فقط استخدام واجهة برمجة تطبيقات أسرع". أخرجتُ منديلاً ورقياً ورسمتُ الحزام الناقل، والكاميرا، والسحابة، والطارد. كتبتُ المعادلة — الإزاحة تساوي السرعة مضروبة في الزمن — وشاهدتُ تعابير وجهه تتغير. إنها أبسط معادلة في الفيزياء، وهي تهدم بالكامل فرضية استخدام الذكاء الاصطناعي السحابي في الفرز.

لماذا لا يمكنكم "النظر إلى الأمام" فحسب؟

هذا هو أول اعتراض يطرحه الجميع، وهو اعتراض معقول. إذا كانت السحابة تستغرق 500 مللي ثانية للاستجابة، فلماذا لا نُركّب الكاميرا ببساطة على مسافة 1.5 متر أعلى مجرى الحزام ونترك النظام "ينظر إلى الأمام"، أليس كذلك؟

حاولنا التفكير في هذا بعمق. أمضى فريقي أسبوعين في نمذجته، والإجابة هي: إنه يعمل على السبورة البيضاء وينهار على أرض المصنع.

المشكلة أن الأحزمة الناقلة ليست أدوات دقيقة. فهي تهتز. وتُصدر المحركات أزيزاً بترددات تجعل البلاستيك الخفيف ينجرف جانبياً. وعند سرعات تفوق 4 أمتار في الثانية، تتصرف الأغشية الرقيقة والورق كأجنحة صغيرة — يُطلق عليها المشغّلون تأثير "البساط الطائر" — فترتفع عن سطح الحزام وترفرف بشكل يصعب التنبؤ به. وتتدحرج الزجاجات الزجاجية الثقيلة داخل صواني بلاستيكية، فتُخرج كليهما عن مساره.

على مسافة انتقال قدرها 1.5 متر، تتراكم هذه القوى العشوائية. فقد يكون وعاء خفيف كان متمركزاً تماماً تحت الكاميرا قد انزاح سنتيمترين إلى اليسار بحلول وصوله إلى الطارد. تستطيع خوارزميات التتبع الخطي التعويض عن سرعة الحزام الثابتة، لكنها لا تستطيع التنبؤ بتصادمات بين وعاء زجاجي وكوب زبادي لم تحدث بعد.

وهناك أيضاً القيد المادي الصارم. ففي المنشآت القائمة أصلاً — وهي غالبية صناعة إعادة التدوير — لا يمكنك ببساطة تمديد خط ناقل بمقدار مترين. ستحتاج إلى إعادة هندسة تخطيط المصنع، ونقل الهياكل الجسرية، وتغيير زوايا التغذية. النفقات الرأسمالية هائلة، وأنت تُنفقها لاستيعاب نظام ذكاء اصطناعي بطيء بدلاً من معالجة البطء نفسه.

ثم هناك الخيار الذي لا يرغب أحد في الحديث عنه: إبطاء الحزام. إن لم تستطع الفرز بدقة عند 4 أمتار في الثانية، فاخفض السرعة إلى متر واحد في الثانية. مشكلة محلولة — إلا أنك بذلك تكون قد خفضت طاقة المنشأة الإنتاجية بنسبة 75%. وفي صناعة تعمل بهوامش ربح ضئيلة لكل طن، ليس هذا حلاً وسطاً، بل حكم إعدام لجدوى النموذج التجاري.

العدو الذي لا تراه: التذبذب الزمني

زمن الاستجابة المتوسط سيئ بما يكفي. لكن القاتل الحقيقي هو التذبذب الزمني — أي التفاوت في زمن الاستجابة هذا من عملية استدلال إلى أخرى.

قد يبلغ متوسط زمن استجابة نظام سحابي 500 مللي ثانية، لكن الطلبات الفردية تتذبذب. يعود أحدها خلال 480 مللي ثانية، والتالي خلال 520 مللي ثانية، وأحياناً يستغرق أحدها 600 مللي ثانية لأن ذاكرة تخزين مؤقت لموجّه ما امتلأت في مكان ما بولاية أوهايو. هذا التفاوت البالغ ±50 مللي ثانية يخلق نافذة عدم يقين في الإطلاق مقدارها 100 مللي ثانية. وعند 3 أمتار في الثانية، تعني 100 مللي ثانية مسافة انتقال قدرها 300 مليمتر.

لضمان الإصابة ضمن تلك النافذة، سيحتاج النظام إلى إطلاق نفثة من الهواء المضغوط تُغطي منطقة عرضها 30 سنتيمتراً. وهذا يُهدر كميات هائلة من الهواء المضغوط ويطرد كل شيء في تلك المنطقة — المادة المستهدفة والمادة الجيدة المجاورة لها. وتنهار النقاوة.

خضتُ نقاشاً حاداً مع زميل حول هذا الأمر. أصرّ على أن الحوسبة الطرفية عبر شبكات الجيل الخامس ستحل مشكلة التذبذب الزمني. أريتُه الأرقام: حتى الحوسبة الطرفية عبر الجيل الخامس تُدخل زمن استجابة يتراوح بين 20 و50 مللي ثانية مع نمط تذبذب زمني خاص بها. وعند 6 أمتار في الثانية، لا تزال 20 مللي ثانية تعني إزاحة قدرها 120 مليمتراً. وهذا أفضل من السحابة، لكنه لا يزال أقل دقة بمرتبة كاملة من المطلوب لصمامات متباعدة بخطوة 12.5 مليمتر.

في الفرز عالي السرعة، يُعد زمن الاستجابة الطرفي — أي التأخير عند الشريحة المئوية 99 — أكثر أهمية من متوسط زمن الاستجابة. فإذا وصلت 1% من الحزم متأخرة، فإن 1% من المواد المفروزة ستكون خاطئة.

بالنسبة لمنشأة تُعالج 50 طناً في الساعة، يعني انخفاض النقاوة بنسبة 1% تسرّب 500 كيلوغرام من الملوثات في الساعة إلى ما يُفترض أن يكون بالات نظيفة. وهذا يكفي لخفض تصنيف البالة من الدرجة A إلى الدرجة B، أو التسبب في رفضها كلياً من قِبل المشتري. وتنهار الجدوى الاقتصادية بسرعة.

لماذا اخترنا الشرائح السيليكونية القابلة للبرمجة

بمجرد أن أدركتُ أن المشكلة كانت معمارية — لا خوارزمية — تقلصت مساحة الحلول بشكل كبير. كنا بحاجة إلى زمن استدلال أقل من 2 مللي ثانية، وكنا بحاجة إلى أن يكون هذا الرقم حتمياً. ليس "أقل من 2 مللي ثانية عادةً"، بل دائماً أقل من 2 مللي ثانية. في كل مرة دون استثناء.

هذا المطلب يستبعد وحدات معالجة الرسوميات، حتى الطرفية منها. يمكن لوحدة معالجة رسوميات محلية أن تبلغ 15 إلى 50 مللي ثانية، وهو أفضل بكثير من السحابة، لكنه متغير. تعمل وحدات معالجة الرسوميات على أنظمة تشغيل. وأنظمة التشغيل تُبدّل السياقات، وتتعامل مع المقاطعات، وتُسجّل أنظمة الملفات، وتقرر أحياناً أنه وقت مناسب لتشغيل تحديث في الخلفية. حتى لينكس في الوقت الحقيقي (PREEMPT_RT) هو في جوهره نظام مشاركة زمنية. ولا يمكنه ضمان ألا يُقاطَع استدلال الذكاء الاصطناعي بواسطة مشغّل شبكة أو خدمة SSH.

لذا توجهنا إلى FPGA — أي المصفوفات المنطقية القابلة للبرمجة الميدانية. وهنا يتعين علي أن أشرح شيئاً استغرق مني وقتاً لاستيعابه بالكامل، حتى مع خلفيتي التقنية.

الـFPGA ليست معالجاً. فهي لا تُنفذ تعليمات. ولا تكتب لها برمجيات بالمعنى التقليدي. بدلاً من ذلك، تُهيّئ نسيجها السيليكوني لكي يصبح الدائرة التي تُنفّذ خوارزميتك. فالشبكة العصبية ليست برنامجاً يعمل على العتاد — إنها هي العتاد نفسه.

يبدو هذا التمييز نظرياً إلى أن ترى ما يعنيه بالنسبة لزمن الاستجابة. تجلب وحدة المعالجة المركزية تعليمة، وتفك تشفيرها، وتجلب البيانات، وتُنفذ، وتُخزّن النتيجة، وتُكرر هذا مليارات المرات. أما الـFPGA فلا تملك جلباً للتعليمات، ولا عداداً برمجياً. تتدفق البيانات عبر خط أنابيب مادي من البوابات المنطقية مثل الماء عبر أنبوب. فبمجرد وصول أول بكسل من مستشعر الكاميرا، تبدأ المعالجة. ولا ينتظر النظام تخزين إطار كامل مؤقتاً.

النتيجة: استدلال حتمي في أقل من 2 مللي ثانية. عند 3 أمتار في الثانية، يعني ذلك إزاحة للجسم قدرها 6 مليمترات. وعند 6 أمتار في الثانية، 12 مليمتراً. وكلاهما ضمن نطاق الدقة المطلوب لفوهات الطرد الهوائي براحة.

يمكن لنظام رؤية قائم على FPGA أن تكون نتيجة استدلاله لأعلى الصورة جاهزة قبل أن تنتهي الكاميرا من إرسال أسفل الصورة.

كيف تُلائم شبكة عصبية داخل شريحة واحدة؟

كانت هناك ليلة — متأخرة، مع فنجان قهوة زائد، والمكتب خالٍ — كنتُ فيها أُحدّق في مواصفات ذاكرة الـFPGA التي اخترناها وأُجري الحسابات على عدد أوزان نموذجنا. لم تكن الأرقام متوافقة. كانت شبكتنا العصبية أكبر من ذاكرة الشريحة الداخلية. فالـFPGA تمتلك ميغابايتات من التخزين الداخلي السريع، لا غيغابايتات ذاكرة الفيديو التي تحصل عليها في وحدة معالجة الرسوميات.

هذا هو الانتقاد التاريخي الموجّه لاستخدام FPGA في الذكاء الاصطناعي: إنها سريعة لكنها صغيرة. ولفترة، ظننتُ أننا اصطدمنا بجدار مسدود.

كان الاختراق هو التكميم — وتحديداً التكميم الجريء المقترن بتقنية تدريب تُسمى التدريب الواعي بالتكميم، أو QAT.

إليك الفكرة الجوهرية. عادةً ما تُدرَّب الشبكات العصبية باستخدام أعداد فاصلة عائمة بدقة 32 بت (FP32) لأن الحسابات أثناء التدريب تحتاج إلى دقة عالية. لكن بمجرد تدريب النموذج، تحمل تلك الأوزان ذات الـ32 بت دقة تفوق بكثير ما تتطلبه المهمة فعلياً. فالتمييز بين زجاجة PET وعلبة حليب من HDPE هو تمييز بصري كلي — الشكل، الشفافية، ملمس الملصق. لا تحتاج إلى دقة رقمية بـ32 بت لالتقاط ذلك.

نضغط نماذجنا إلى INT8 (أعداد صحيحة بـ8 بت)، مما يُقلص البصمة الذاكرية بمقدار 4 أضعاف. ثم نمضي أبعد إلى INT4 (أعداد صحيحة بـ4 بت) للطبقات كثيفة الأوزان، مما يُقلصها بمقدار 8 أضعاف. تُظهر اختباراتنا القياسية الداخلية أن INT4 يُقدّم تحسناً في الأداء يصل إلى 77% مقارنة بـINT8 على عتاد FPGA المتوافق، مع الحفاظ على دقة تفوق 99% من دقة نموذج FP32 الأصلي.

المفتاح هو QAT. فبخلاف التكميم الخام بعد التدريب الذي يكتفي باقتطاع الأوزان ويأمل في الأفضل، يُحاكي QAT ضوضاء التكميم أثناء التدريب. تتعلم الشبكة أن تكون قوية في مواجهة الدقة المنخفضة. إنه الفرق بين أن تطلب من شخص الرسم بفرشاة سميكة بعد أن أتقن الرسم بفرشاة دقيقة، وبين أن تُعلّمه الرسم بجمال باستخدام فرشاة سميكة منذ البداية.

مع النماذج المُكمَّمة، تتلاءم الشبكة العصبية بأكملها داخل ذاكرة الوصول العشوائي الكتلية للشريحة (Block RAM). فلا حاجة للوصول إلى ذاكرة خارجية، ولا اختناق لذاكرة DRAM. تتحرك البيانات بمعدل تيرابايت في الثانية داخل الشريحة. نستخدم أطر عمل مثل FINN وhls4ml لتخصيص طبقات محددة من الشبكة لموارد محددة في الـFPGA، مع ضبط التوازي في كل طبقة ليُطابق إنتاجية مستشعر الكاميرا بحيث لا يتوقف خط الأنابيب أبداً.

ماذا يعني "انعدام نظام التشغيل" فعلياً؟

نُشغّل مسار الاستدلال الحرج لدينا على عتاد مجرد (bare metal). لا لينكس، ولا ويندوز، ولا أي نظام تشغيل على الإطلاق على الجزء من الشريحة الذي يُفكر ويتصرف.

يسألني الناس دائماً إن كان هذا متطرفاً. إنه كذلك بالفعل. وهو ضروري أيضاً.

شرائح الـFPGA التي نستخدمها — AMD Xilinx Zynq UltraScale+ — هي أنظمة غير متجانسة على قطعة سيليكون واحدة. تحتوي على كلٍّ من نسيج منطقي قابل للبرمجة ونوى معالج ARM ثابتة. نُقسّم حمل العمل عبر ثلاثة مجالات:

يتولى نسيج الـFPGA خط أنابيب الرؤية، واستدلال الشبكة العصبية، وإشارات التحكم في الصمامات. منطق عتادي خالص. تذبذب زمني صفري. أما وحدة المعالجة في الوقت الحقيقي — وهي ARM Cortex-R5 تُشغّل ++C على عتاد مجرد — فتُدير التهيئة، وآلات الحالة، وأقفال السلامة التفاعلية بزمن استجابة مقاطعة محدود بصرامة. وتتولى وحدة معالجة تطبيقات منفصلة تُشغّل لينكس الأمور غير الحرجة: تسجيل البيانات، وتقديم واجهة الويب، وإدارة التحديثات عن بُعد.

مساري التفكير والتصرف معزولان تماماً عن مسار الإبلاغ. فإذا تعطّل قسم لينكس — ولينكس يتعطل بالفعل — يستمر الـFPGA في فرز المواد بالسرعة الكاملة دون انقطاع. رأيتُ هذا يحدث أثناء الاختبار. أظلمت لوحة المعلومات، وتوقف تدفق السجلات، ولم يتوقف خط الفرز عن العمل ولو للحظة. عندها أدركتُ أن البنية المعمارية صحيحة.

للاطلاع على التفصيل التقني الكامل لهذه البنية المعمارية — خط أنابيب تدفق البيانات، ومخططات التكميم، ومحرك التزامن على العتاد المجرد — راجع ورقتنا البحثية المفصلة.

لماذا يهم هذا للاقتصاد الدائري؟

دعوني أُترجم المللي ثواني إلى أموال.

تُقيّد منشأة استعادة مواد نموذجية تُعالج بلاستيك PET، وتعتمد على ذكاء اصطناعي محدود بالسحابة، سرعة حزامها عند نحو 2 متر في الثانية لاستيعاب زمن الاستجابة وأخطاء التتبع. الإنتاجية: نحو 5 أطنان في الساعة لكل متر من عرض الحزام. أما مع الاستدلال الطرفي القائم على FPGA بزمن استجابة قدره 2 مللي ثانية، فيمكن أن تتضاعف سرعة الحزام ثلاث مرات لتصل إلى 6 أمتار في الثانية. الإنتاجية: 15 طناً في الساعة. الحزام نفسه. المبنى نفسه. البصمة نفسها.

هذه زيادة بنسبة 300% في الطاقة الإنتاجية. وبالنسبة لمنشأة تعمل بنظام وردية مزدوجة — 16 ساعة — يعني ذلك 160 طناً إضافياً تتم معالجتها يومياً. ومع تداول بلاستيك PET المُعاد تدويره بين 400 و800 دولار للطن، تُقاس الآثار على الإيرادات بالملايين سنوياً.

لكن الإنتاجية ليست سوى نصف القصة. فالدقة لها الأهمية ذاتها. الطرد الدقيق يعني تسرب ملوثات أقل إلى البالات النظيفة (نقاوة أعلى، وتسعير مميز) ومواد مستهدفة أقل تُفقد عن طريق الخطأ وتُرسل إلى مكب النفايات (عائد أعلى، وهدر أقل). حتى تحسن بنسبة 1-2% في معدل الاستعادة يُقلّص بشكل ملموس الإيرادات المفقودة ويُخفّض رسوم إلقاء النفايات في المكبات، والتي ترتفع عالمياً.

ثم هناك التكلفة التشغيلية. لا رسوم لمغادرة البيانات من السحابة. لا رسوم على واجهة برمجة التطبيقات لكل عملية استدلال. لا تكاليف نطاق ترددي لبث فيديو عالي الدقة إلى مركز بيانات. وتستهلك شرائح الـFPGA ما بين 10 و20 واطاً لحمل عمل الاستدلال، مقابل 100 إلى 200 واط لإعداد مماثل من وحدة معالجة الرسوميات — أي ميزة كفاءة تبلغ 10 أضعاف تتراكم عبر عشرات محطات الفرز العاملة على مدار الساعة طوال أيام الأسبوع.

الانتقال من السحابة إلى الحوسبة الطرفية القائمة على FPGA ليس تفضيلاً تقنياً. إنه الفرق بين منشأة إعادة تدوير تعمل على الورق وأخرى تعمل بالسرعة المطلوبة فعلياً.

الخندق الذي يهم

أتلقى نسخة من هذا السؤال بانتظام: "ألستم قلقين بشأن التسليع؟ ماذا يحدث عندما تُطلق NVIDIA وحدة معالجة رسوميات طرفية أسرع؟"

إليكم ما توصلتُ إلى الاعتقاد به. في عصرٍ يُصبح فيه استدعاء واجهة برمجة تطبيقات لتصنيف زجاجة في صورة JPEG ثابتة مجرد مشروع عطلة نهاية أسبوع، لا يكمن الخندق في النموذج، بل في الفيزياء. إنه القدرة على تحديد تلك الزجاجة وطردها وهي تتحرك بسرعة 6 أمتار في الثانية، وسط تدفق فوضوي من العلب المسحوقة والكرتون المبلل، بنقاوة 99%، على مدار 24 ساعة، دون اتصال بالإنترنت.

يتطلب ذلك تصميماً مشتركاً للعتاد والبرمجيات — اختيار سيليكون الـFPGA، وكتابة لغة وصف العتاد (HDL)، وتصميم مخططات تكميم مخصصة، ودمج مشغّلات المستشعرات، وربط استدلال الرؤية بنبضات المُرمّز لتحقيق دقة طرد دون المليمتر. وهذا ليس أمراً تحصل عليه بمجرد تغليف واجهة برمجة تطبيقات.

المشهد الحالي للذكاء الاصطناعي مليء بشركات تعمل عند طبقة التطبيقات، منفصلة عن الواقع المادي للعمليات الصناعية. نحن نعمل عند الطبقة المادية. نحن لا نُدرّب نموذجاً ونُسلّمه فحسب. نحن نُصمم الدائرة التي يُصبح عليها النموذج.

صناعة إعادة التدوير عند نقطة تحول. معايير النقاوة تزداد صرامة. وتدفقات نفايات ما بعد الاستهلاك تزداد تعقيداً. والعمالة نادرة. الجميع متفق على أن الذكاء الاصطناعي هو الحل. لكن النقاش ظل عالقاً حول أي نموذج يجب استخدامه، بينما السؤال الحقيقي هو أين وبأي سرعة يعمل ذلك النموذج.

التأخير البالغ 500 مللي ثانية ليس إزعاجاً تقنياً يمكن تحسينه والتخلص منه. إنه استحالة فيزيائية لعملية تجري بسرعة تتراوح بين 3 و6 أمتار في الثانية. المعادلة بسيطة — الإزاحة تساوي السرعة مضروبة في الزمن — ولا يهمها اتفاقية مستوى الخدمة الخاصة بمزود السحابة لديك.

يعتمد مستقبل الاقتصاد الدائري على ذكاء سريع وحتمي، متمركز في النقطة الدقيقة حيث تلتقي نفثة الهواء بالزجاجة. ليس في مركز بيانات. ولا في السحابة. بل على الشريحة، عند الطرف، في المللي ثانية التي تهم.