أثناء عرض توضيحي لتحليل الفيديو بالذكاء الاصطناعي، يظهر السؤال نفسه دائمًا، سواء طرحه مسؤول تقنية المعلومات أو مدير المتجر نفسه: أين تذهب الصور؟ يتخيل كثيرون أن الصور تُرسل باستمرار إلى خادم بعيد عبر اتصال المتجر. في الواقع، كل شيء يتحدد بقرار معماري يُتخذ قبل الضبط الأول بوقت طويل: تحليل الفيديو محليًا، على وحدة GPU داخل المتجر، انطلاقًا من التدفق الرئيسي للكاميرات الموجودة أصلًا.
لن نعود هنا إلى جودة الصورة نفسها. سنتتبع بدلًا من ذلك مسار البيانات، من عدسة الكاميرا حتى شاشة المسؤول: ما يبقى في المكان، وما يغادره، وما الذي يغيّره هذا الخيار فعليًا في سرعة التنبيهات وفي شبكة المتجر وفي التحكم بالبيانات.
تدفق الفيديو ثقيل، والمتجر الكبير يضم عشرات منها
تنتج كاميرا IP الواحدة عادةً تدفقين على الأقل. التدفق الرئيسي (mainstream) عالي الدقة. أما التدفق الثانوي (substream) فهو مخفف، ويُستخدم خصوصًا للعرض على شكل فسيفساء وللاطلاع عن بُعد. ولرصد إيماءة دقيقة، مثل منتج يُدسّ في جيب أو عبوة مفتوحة في الممر، يكون التدفق الرئيسي هو المهم: ففي التدفق الثانوي لا تشغل اليد سوى بضع بكسلات. وقد شرحنا هذه النقطة في مقالنا حول تحليل التدفق الرئيسي في المتجر.
تصبح المسألة حينها حسابية. فإرسال التدفق الرئيسي لعشرين أو ثلاثين كاميرا باستمرار إلى خادم بعيد يتطلب سرعة رفع عالية ودائمة، لا تضمنها اتصالات كثير من المتاجر. وهذا الخط تتقاسمه أصلًا مع أجهزة الدفع وصناديق الدفع والبريد الإلكتروني، وأحيانًا شبكة واي فاي العملاء. في يوم سبت من تخفيضات الصيف، حين تعمل أجهزة الدفع دون توقف، لا أحد يريد أن يراه يمتلئ عن آخره.
هذا القيد ليس جديدًا. ففي دراستها حول استخدام تقنيات الفيديو في التجارة، المنشورة عام 2020 والقائمة على مقابلات مع 22 موزعًا أوروبيًا وأمريكيًا، لاحظت مجموعة ECR Retail Loss أن عدة مشاركين كانوا قلقين من تأثير عرض النطاق الترددي وقدرة الحوسبة على استخدامهم لتحليل الفيديو.
لماذا تُجرى الحوسبة بأقرب مكان من الكاميرات
بدل نقل الصور، تُنقل الحوسبة: هذا هو مبدأ الحوسبة الطرفية (edge computing). يلخصه معرض EuroShop في ملف مخصص للحوسبة الطرفية في التجارة: لا تصعد إلى السحابة سوى البيانات المفيدة، فتخف الحمولة على الشبكة ويمكن أن تتم الاستجابة في الوقت الفعلي. وبالنسبة للفيديو، أحد الأشكال الممكنة هو وحدة GPU مخصصة، مثبتة في المتجر، تقرأ تدفق الكاميرات وتشغّل النموذج في المكان نفسه. وبالنسبة للمشغّل، يظهر الفرق في ثلاثة مواضع:
- زمن الاستجابة. لا فائدة من التنبيه إلا إذا كان الموقف لا يزال قائمًا في الممر عند وصوله. فمن دون ذهاب وإياب للتدفق الكامل إلى مركز بيانات، تقصر السلسلة بين الإيماءة والإشعار: ففي Oxania يصل تنبيه الفيديو في أقل من 10 ثوانٍ على الهاتف المحمول أو اللوحي أو الحاسوب.
- الدقة. بما أن التدفق لا يعبر الإنترنت، فلا داعي لخفض جودته ليمر عبر الاتصال. يعمل النموذج على الصورة عالية الدقة، تلك التي تتيح التمييز بين حقيبة شخصية وحقيبة مشتريات، أو ملاحظة أن منتجًا قد استُهلك قبل المرور عند الصندوق.
- الشبكة. خادم GPU مخصص للمتجر ومثبت في موقعه: قراءة تدفق الكاميرات وتحليله لا يستهلكان عرض النطاق الترددي لاتصال الإنترنت. أما تأكيد عمليات الرصد وإرسال مقاطع التنبيه والإشعارات فتمر عبر هذا الاتصال، الذي يجب أن يبقى متاحًا.
ما يبقى في المتجر وما يخرج منه
كل مسؤول تقنية معلومات يطرح هذا السؤال في النهاية، ولا يكفي شعار للإجابة عنه. في المعمارية التي اعتمدتها Oxania، تتبع صور الكاميرات ثلاثة مسارات متمايزة تمامًا:
- ما يبقى في المكان: تدفق الفيديو المستمر للكاميرات بدقة عالية. تقرؤه وحدة GPU الخاصة بالمتجر وتحلله، ولا يذهب هذا التدفق أبعد من ذلك. أما تسجيلات نظام الفيديو الحالي لديكم فتبقى، كما كانت، تحت مسؤولية المشغّل.
- ما يُرسل للتأكيد: عند رصد إيماءة ذات خطورة، يُرسل وصف رقمي موجز للرصد ليتم تأكيده. هذا ليس فيديو، ولا علاقة لحجمه بحجم الصور.
- ما يُرسل ويُحفظ: مقطع الفيديو المرتبط بالتنبيه، وهو وحده فقط. يُخزَّن على خوادم تقع في أقرب نقطة من بلد العميل، لسرعة الوصول ولاحترام القواعد المحلية.
يتم الفرز إذن عند المصدر. من بين ساعات من الفيديو، لا تغادر المتجر سوى المقاطع المرتبطة بالتنبيهات: تلك التي تستدعي أن ينظر إليها أحد أفراد الفريق. وهي المقاطع نفسها التي تجدونها في التنبيه، مع تقريب تدريجي تلقائي على نقطة الاهتمام. ومن يتلقى التنبيه يفهم المشهد بنظرة واحدة ويقرر ما يلي.
محلي لا يعني منقطعًا عن العالم
ينبغي مع ذلك توضيح ما يشمله الاستدلال المحلي. فالرصد يتم في المتجر، على وحدة GPU مخصصة، لكن الموقع يبقى مرتبطًا بالسحابة: فهو بحاجة إلى اتصال لتأكيد عمليات الرصد وإرسال مقاطع التنبيه وإيصال الإشعارات إلى أجهزة الفريق. الذي يتغير هو ما يتنقل: بضع رسائل ومقاطع قصيرة، بدل عشرات التدفقات المستمرة. ومورّد يزعم عكس ذلك بينما يرسل تنبيهات إلى هاتفكم يستحق سؤالًا إضافيًا.
نقطة أخرى كثيرًا ما تُنسى: خادم GPU آلة حقيقية تمامًا. يجب إيجاد مكان لها وتزويدها بالطاقة وتهويتها وربطها بالكاميرات بشكل سليم. هذا هو عمل مُدمج الأنظمة، ولا تعتمد النتيجة على جودة النموذج وحدها، كما شرحنا بخصوص دور مُدمجي الأنظمة في فعالية كاميرات الذكاء الاصطناعي. ومع شبكة من مُدمجي الأنظمة المعتمدين، يتم التركيب على الكاميرات الموجودة عمومًا في أقل من يوم واحد.
خمسة أسئلة تُطرح قبل التوقيع
سواء لنقطة بيع واحدة أو لشبكة كاملة، تتيح هذه النقاط الخمس الحكم سريعًا على متانة معمارية تحليل الفيديو:
- التدفق المحلَّل: الرئيسي عالي الدقة، أم الثانوي.
- المكان الذي يعمل فيه النموذج، وهل الجهاز مخصص فعلًا لمتجركم.
- ما الذي يغادر الموقع بالتحديد، وفي أي وقت.
- مكان حفظ مقاطع التنبيه: في أي بلد، ولكم من الوقت.
- ما الذي يحدث عندما ينقطع اتصال المتجر أو يتدهور.
انتظروا إجابات ملموسة. المعمارية المدروسة جيدًا تُوصف في بضع جمل، دون مصطلحات معقدة. والمورّد الذي لا ينجح في ذلك لا يملك غالبًا هو نفسه خريطة واضحة لتدفقاته. وإن كان عمر كاميراتكم بضع سنوات، فإن دليلنا لاختيار كاميرا جيدة للمتجر يساعد على التحقق من أنها توفر تدفقًا رئيسيًا قابلًا للاستغلال.
معمارية تخدم الثقة أيضًا
إبقاء التدفق في المكان ليس مسألة عرض نطاق ترددي فحسب. بل يعني أيضًا حصر ما يتنقل في الحد الأدنى الضروري، وترك البيانات تحت سيطرة التاجر. وتوصي مبادئ منظمة OCDE حول متانة الذكاء الاصطناعي وسلامته وأمنه بأن تظل أنظمة الذكاء الاصطناعي آمنة ومحمية وقادرة على العمل بشكل سليم طوال دورة حياتها، وبأن تتيح آليات تعطيلها أو إصلاحها أو إخراجها من الخدمة بأمان إذا كانت تهدد بإلحاق ضرر غير مبرر.
في المتجر، الترجمة بسيطة: التقنية ترصد، والفريق يقرر. يحلل الذكاء الاصطناعي الإيماءات لا الأشخاص، ولا يتتبع أحدًا من كاميرا إلى أخرى. وأمام المقطع، يكون الإنسان هو من يختار الذهاب إلى الممر أو عرض المساعدة أو عدم فعل شيء.
لا شيء مذهلًا في كل هذا: مجرد حوسبة تُجرى في المكان المناسب، وفيديو لا يتنقل إلا عندما يكون مفيدًا. ومع ذلك، هذا ما يمنح تنبيهات سريعة ودقيقة، وتحكمًا أفضل في الفاقد المجهول. وقبل مقارنة الميزات، اطلبوا الاطلاع على خريطة التدفقات: فهي تقول غالبًا أكثر مما يقوله كتيّب تجاري.
