اكتشف كيف يتيح الاستدلال في الوقت الفعلي باستخدام Ultralytics YOLO التنبؤات الفورية لتطبيقات الذكاء الاصطناعي مثل القيادة الذاتية وأنظمة الأمان.
يشير الاستدلال في الوقت الحقيقي إلى العملية التي يقوم فيها نموذج التعلّم الآلي المدرّب (ML) بإجراء تنبؤات أو قرارات فور وصول بيانات جديدة. وعلى عكس الاستدلال على دفعات، الذي يعالج البيانات في مجموعات يتم جمعها على مدار الوقت، فإن الاستدلال في الوقت الحقيقي يعطي الأولوية لوقت الاستجابة المنخفض والاستجابات الفورية. تعد هذه الإمكانية ضرورية للتطبيقات التي تتطلب ردود فعل أو إجراءات فورية بناءً على تدفقات البيانات المباشرة، مما يمكّن الأنظمة من التفاعل ديناميكيًا مع الظروف المتغيرة، بما يتماشى مع مبادئ الحوسبة في الوقت الفعلي.
من الناحية العملية، يعني الاستدلال في الوقت الحقيقي نشر نموذج تعلّم الآلة، مثل Ultralytics YOLOللرؤية الحاسوبية (CV)، بحيث يمكنه تحليل مدخلات البيانات الفردية (مثل إطارات الفيديو أو قراءات المستشعرات) وإنتاج مخرجات بأقل قدر من التأخير. المقياس الرئيسي للأداء هو زمن الوصول إلى الاستدلال، وهو الوقت المستغرق من تلقي المدخلات إلى توليد التنبؤ. وغالباً ما ينطوي تحقيق زمن انتقال منخفض على عدة استراتيجيات، بما في ذلك تحسين النموذج نفسه والاستفادة من الأجهزة والبرامج المتخصصة.
يكمن الاختلاف الأساسي في كيفية معالجة البيانات ومتطلبات زمن الاستجابة المرتبطة بها:
يعمل الاستدلال في الوقت الحقيقي على تشغيل العديد من تطبيقات الذكاء الاصطناعي الحديثة حيث يكون اتخاذ القرارات الفورية أمرًا بالغ الأهمية:
غالبًا ما يتطلب جعل النماذج تعمل بسرعة كافية للتطبيقات في الوقت الحقيقي تحسينًا كبيرًا:
نماذج مثل Ultralytics YOLO11 مصممة مع وضع الكفاءة والدقة في الاعتبار، مما يجعلها مناسبة تمامًا لمهام الكشف عن الأجسام في الوقت الفعلي. توفر منصات مثل Ultralytics HUB أدوات للتدريب والتحسين (على سبيل المثال، التصدير إلى ONNX أو تنسيقات TensorRT )، ونشر النماذج، مما يسهل تنفيذ حلول الاستدلال في الوقت الحقيقي عبر خيارات النشر المختلفة.
