مع التطور المستمر لقطاع التصنيع، من المصانع التي تعمل بالبخار في القرن الثامن عشر إلى عصر الأتمتة والتحول الرقمي، نشهد اليوم دخول الصناعة مرحلة التصنيع المعرفي. في هذا العصر، يتجاوز الذكاء الاصطناعي (AI) مجرد أتمتة العمليات ليقدم قدرات تنبؤ ذكية، وتسريع اتخاذ القرار، وحل المشكلات المتقدم. بينما تركز العديد من شركات توفير الذكاء الاصطناعي على المشهد الرقمي البحت، تتميز مجموعة Hitachi بخبرة تزيد عن 100 عام في تصميم وتشغيل البنية التحتية المادية الحيوية في العالم، مما يجمع بين التراث الصناعي والابتكار الرائد في مجال AI. يشارك قادة Hitachi، يوري يوزيفوفيتش، بريمكومار بالاسوبرامانيان، ورام راماتشاندر، خبراتهم حول أهمية الذكاء الاصطناعي الصناعي الآمن والموثوق به، خاصة في حماية العمليات المادية الحرجة.
لماذا تعتبر سلامة الذكاء الاصطناعي الصناعي أمرًا بالغ الأهمية؟
يؤكد خبراء Hitachi أن المخاطر في الذكاء الاصطناعي الصناعي تختلف جوهريًا عن تلك الموجودة في تكنولوجيا المعلومات العامة للمؤسسات. فبينما قد يؤدي "هلوسة" روبوت الدردشة العادي إلى رسالة بريد إلكتروني سيئة أو مسودة تسويقية غير دقيقة، فإن "هلوسة" نظام AI صناعي قد تتسبب في أضرار بملايين الدولارات للمعدات، أو توقف خط إنتاج، أو زيادة معدلات التلف، أو أضرار بيئية، أو الأسوأ من ذلك، تعريض السلامة البدنية للعمال في أرض المصنع للخطر.
يشير يوري يوزيفوفيتش، كبير مسؤولي التكنولوجيا للذكاء الاصطناعي في GlobalLogic التابعة لـ Hitachi Group، إلى أن الذكاء الاصطناعي الصناعي يجب أن يكون موثوقًا به للغاية، وحتميًا، وقابلاً للتدقيق بالكامل لأنه يعمل في العالم المادي، وليس مجرد نظام احتمالي.
ويضيف بريمكومار بالاسوبرامانيان، كبير مسؤولي التكنولوجيا ورئيس AI في Hitachi Digital Services، أن الذكاء الاصطناعي الصناعي يعمل في بيئات حرجة وحساسة للمهام، مثل شبكات الطاقة وأنظمة النقل والمصانع والمعدات الثقيلة. في هذه الإعدادات، لا يُعد الفشل مجرد إزعاج، بل هو خطر على السلامة والموثوقية والاقتصاد. ولذلك، يجب تصميم الذكاء الاصطناعي الصناعي ليكون حتميًا ومرنًا وآمنًا منذ البداية.
رام راماتشاندر، كبير مسؤولي النمو في Hitachi EMEA، يوضح أن النهج القائم على "الفشل السريع" (fail fast) غير مقبول في البيئات الصناعية الحرجة. فالأخطاء في المصانع أو شبكات الطاقة أو السكك الحديدية يمكن أن تؤدي إلى خسائر كارثية بمليارات الدولارات، وأضرار بيئية جسيمة، والأهم من ذلك، تأثيرات على حياة الإنسان.
بالإضافة إلى الأخطاء الداخلية، تتطلب السلامة أيضًا وضعًا قويًا للأمن السيبراني. فحتى أكثر أنظمة AI منطقية يجب أن تكون محصنة ضد الهجمات العدائية لضمان عدم التلاعب بالآلات المادية التي تتحكم فيها بشكل ضار.
كيف يمكن تحقيق الذكاء الاصطناعي الصناعي الآمن؟
يتطلب تحقيق الذكاء الاصطناعي الصناعي الآمن تحولًا جذريًا في بنية AI. بدلًا من اعتبار نماذج اللغة الكبيرة (LLMs) "مصدر الحقيقة" أو المحرك الأساسي للاستدلال، والتي غالبًا ما تؤدي إلى "الهلوسات"، تستخدم Hitachi هذه النماذج لما تبرع فيه: معالجة البيانات غير المهيكلة واستخراج المعرفة الصريحة والضمنية من مجموعة واسعة من الوثائق والتقارير والملاحظات. يتم تحويل هذه المعرفة إلى قاعدة بيانات حتمية ودقيقة.
يشرح يوري يوزيفوفيتش أن هذه المعرفة يتم معالجتها والتحقق منها بشكل مكثف في السحابة بمشاركة خبراء بشريين. بعد ذلك، يتم دفع الذكاء المُحقق والُمُجمّع بدقة إلى الحافة - مباشرة إلى أرض المصنع - للتنفيذ في الوقت الفعلي. في الحافة، تُستخدم المنطق الرسمي للذكاء الأساسي والتعلم الآلي التقليدي لمعالجة بيانات المستشعرات، مع استخدام المنطق الرسمي كـ "حزام أمان" حول القرارات الصادرة عن النماذج التوليدية ونماذج العالم، لضمان التحقق الصارم من السلامة قبل التنفيذ. تسمي Hitachi هذا الإطار الهجين لـ AI بـ "الذكاء الاصطناعي الموثوق" (Reliable AI).
ويركز بريمكومار بالاسوبرامانيان على الصرامة الهندسية والتأصيل المعماري. يجب تصميم AI ليتوافق مع الفيزياء ونظرية التحكم والقيود التشغيلية. هنا، يصبح الذكاء الاصطناعي الرمزي العصبي (Neurosymbolic AI) حاسمًا، حيث يجمع بين التعلم المعتمد على البيانات والاستدلال الرمزي والقواعد ومعرفة المجال لضمان أن النماذج متجذرة في المبادئ الأساسية. كما يتم تطبيق تقنيات التحقق الرسمية، ويجب أن يعمل AI ضمن هياكل تتضمن البشر في الحلقة، مع مراقبة مستمرة وقابلية التفسير والحوكمة على مدار دورة الحياة.
ويضيف رام راماتشاندر أن تحقيق سلامة AI يستلزم نهجًا هندسيًا صارمًا يتطلب اختبارًا دقيقًا للنماذج، وشفافية في المشتريات، وقابلية تدقيق كاملة، وقدرات نشر آمنة، بالإضافة إلى التركيز الشامل على السلامة الوظيفية والمرونة السيبرانية، وتصميم الأمن منذ البداية لحماية البنية التحتية الحيوية.
ما الذي يجعل البيانات الصناعية مناسبة للذكاء الاصطناعي؟
تزداد بيئات التصنيع تعقيدًا بشكل كبير بسبب الانتشار الهائل للمستشعرات. لقد تجاوز حجم هذه البيانات وسرعتها القدرات المعرفية البشرية، مما يجعل إدارة هذه الأنظمة بأمان مستحيلة بدون مساعدة AI. ومع ذلك، لا تكون بيانات المستشعرات الخام "مناسبة للغرض" إلا بعد تزويدها بالسياق.
يقول يوري يوزيفوفيتش إن قاعدة المعرفة الحتمية هي النسيج الضام الحاسم الذي يوحد بيانات التدفق عالية السرعة من أرض المصنع مع السياق التاريخي المحتجز في الأدلة وسجلات مراقبة الجودة وتواريخ الصيانة، بالإضافة إلى "المعرفة القبلية" غير المهيكلة. من خلال معالجة هذه البيانات المتنوعة معًا، يحول AI الضوضاء الخام إلى إجراء حاسم، مثل معرفة الوقت المحدد لوقف خط الإنتاج بأمان لمنع عطل وشيك ومتوقع.
ويؤكد بريمكومار بالاسوبرامانيان أن البيانات الصناعية مصممة بطبيعتها للغرض. فهي تولد بيانات عالية الدقة ومتزامنة زمنيًا وذات سياق من المستشعرات وأنظمة التحكم، مما يسمح بتدريب نماذج AI بنية واضحة ومبنية على فهم الفيزياء والعمليات. تساهم منصات البيانات الموحدة المتقدمة مثل Lumada Unified Data Layer (UDL) من Hitachi في جعل هذه البيانات مناسبة للغرض، حيث تربط الأنظمة التشغيلية المتباينة وتقوم بتطبيع بياناتها ووضعها في سياقها، مما يحول البيانات الخام إلى ذكاء متسق وقابل للتنفيذ.
كيف يغير الذكاء الاصطناعي الصناعات التحويلية اليوم؟
يرى يوري يوزيفوفيتش أن الذكاء الاصطناعي حاليًا يدور حول "العمل الجماعي بين الإنسان والآلة". يتحول AI من كونه أداة تحليل للمكاتب الخلفية إلى العمل كـ "مساعد" فعال في أرض المصنع. من خلال ربط السحابة بخطوط الإنتاج، يتم تمكين المشغلين الأماميين وموظفي الصيانة. فبدلاً من قضاء ساعات في البحث عن أدلة أو التنقل بين أنظمة IT متباينة، يمكن للمشغل التفاعل مباشرة مع وكيل AI في الحافة. يوفر هذا الوكيل خطوات تشخيصية في الوقت الفعلي ومُوثقة بناءً على الحالة الدقيقة للآلة، ويتخذ إجراءات مثل المساعدة في إنشاء طلبات الشراء وجدولة الصيانة المطلوبة.
يقدم بريمكومار بالاسوبرامانيان أمثلة ملموسة للتأثير الذي يحققه AI بالفعل:
- تحسين موثوقية الأصول من خلال الصيانة التنبؤية والوصفية.
- تحسين الإنتاجية واستخدام الطاقة والإنتاجية في الوقت الفعلي.
- تقليل وقت التوقف غير المخطط له وخسائر الجودة.
- تعزيز قدرات العمال الأماميين بدعم القرار، لا استبدالهم.
ويشير رام راماتشاندر إلى التطور المهم للذكاء الاصطناعي الوكيلي (Agentic AI) في قطاع التصنيع. ففي منشأة Hitachi Rail الرقمية في هاجرستاون، ميريلاند، يتم تطوير أداة دعم العمال المدعومة بـ GenAI التي تدمج LLMs متعددة الوسائط مع نظام خبير ورسوم بيانية للمعرفة لتوفير مساعدة ذكية في الوقت الفعلي لمشغلي التصنيع. يساعد هذا النظام في فهم علاقات السبب والنتيجة، وتحديد الأسباب الجذرية للمشكلات، ومنع ما قد يؤدي إلى إبطاء الإنتاج أو المساس بالجودة، مما يعزز إنتاجية العمال ويحسن جودة المنتج ويقلل من الأخطاء البشرية.
بالإضافة إلى هذه التحولات، يثير الذكاء الاصطناعي مسألة "الفيل في الغرفة" - الطاقة. يشهد العالم ارتفاعًا غير مسبوق في استهلاك الكهرباء بسبب AI ومراكز البيانات الضخمة التي تتطلبها، مما يزيد الضغط على الشبكات القائمة. هذا يعني بالنسبة للمصنعين العمل في بيئة حيث تخضع الطاقة الموثوقة لتدقيق متزايد، وتصبح تكلفة وأمن إمدادات الطاقة اعتبارات تجارية حاسمة.
ماذا يعني هذا لك؟
بالنسبة للمؤسسات والجهات المعنية بالبنية التحتية الحيوية، يعني هذا التحول أن تبني الذكاء الاصطناعي لم يعد خيارًا بل ضرورة استراتيجية للبقاء تنافسيًا وآمنًا. يجب على الشركات أن تتبنى نهجًا مدروسًا ودقيقًا في دمج AI، مع التركيز على الموثوقية والأمان وقابلية التدقيق. هذا يتطلب استثمارات في البنية التحتية للبيانات، وتطوير الكفاءات البشرية، وإعادة تصميم العمليات لتمكين التعاون الفعال بين الإنسان والآلة. كما يجب الانتباه بشكل خاص إلى استهلاك الطاقة وتأثيره على التكاليف التشغيلية والمرونة البيئية، مما يدفع نحو حلول إدارة طاقة أكثر ذكاءً.
مستقبل الذكاء الاصطناعي في الصناعة التحويلية (12 شهرًا قادمة)
يتوقع خبراء Hitachi تحولًا سريعًا في الأشهر الـ 12 المقبلة من ميزات AI المنفصلة إلى ما يسمى بـ "التحول الوكيلي" (Agentic Transformation). سيشهد القطاع انتقالًا نحو "الاندماج الوكيلي" (Agentic Fusion)، حيث يتم دمج الصيانة التنبؤية والتوائم الرقمية والمساعدين المشتركين (AI co-pilots) بشكل عضوي في سير عمل متكامل ومستمر بين الإنسان والآلة.
يتصور يوري يوزيفوفيتش أن وكيل المساعد للصيانة لن يكتفي بإطلاق ضوء تحذير، بل سيقوم بالاستعلام بشكل استباقي عن التوأم الرقمي للآلة وسجلات الصيانة السابقة لتشخيص السبب الجذري، والتحقق من أنظمة المؤسسة لمخزون قطع الغيار، وصياغة طلب الشراء تلقائيًا، ثم توجيه الفني الأمامي بأمان وبصريًا عبر عملية الإصلاح المادية باستخدام التفاعل الصوتي، مما يتيح للفني إبقاء يديه حرتين. باختصار، سيتطور AI من طبقة استشارية سلبية إلى طبقة تنفيذية نشطة، مما يقلل بشكل كبير الوقت بين اكتشاف مشكلة مادية وحلها.
ويتوقع بريمكومار بالاسوبرامانيان انتقال الذكاء الاصطناعي من المشاريع التجريبية إلى النشر على نطاق واسع، وزيادة تبني التحسينات ذات الحلقة المغلقة. سيكون هناك تركيز أكبر على الحوكمة وشهادة السلامة وإدارة دورة الحياة. سيتحول الحديث من "هل يمكن لـ AI أن يعمل؟" إلى "ما مدى سرعة توسيع نطاقه بمسؤولية؟" الأثر الأكثر أهمية سيأتي من تطبيقات Physical AI العملية في أجزاء محددة جيدًا من نظام التصنيع، وليس المصانع المستقلة على نطاق واسع. سيتكامل AI بشكل أوثق مع العملية المادية، ويكون جزءًا لا يتجزأ من الآلات والمستشعرات والروبوتات وأنظمة التحكم.
ويرى رام راماتشاندر أن طلب AI المتزايد على الطاقة سيدفع المصنعين نحو إدارة طاقة متطورة تعتمد على AI. كما سيعني ضغط AI على الشبكة دفعًا أقوى وأكثر إلحاحًا لتحديث وتوسيع الشبكة. أخيرًا، سيتكامل AI بشكل أكبر في مبادرات "النمو الرقمي" الاستراتيجية للتصنيع، مما يعني تجاوز إدارة الطاقة إلى تطبيق أوسع لـ AI لتعزيز الذكاء التشغيلي والصيانة التنبؤية، والتبني المتسارع لـ Agentic AI والأتمتة المتقدمة والروبوتات.
كيف يمكن دمج الذكاء الاصطناعي دون تعطيل العمليات؟
يكمن مفتاح عمليات النشر الأولية في كسب الثقة وتوفير قيمة فورية للموظفين في أرض المصنع. يجب أن تجعل مساعدة AI غير المعطلة - التي تقرأ بيانات المستشعرات بسلاسة وتظهر البيانات المتباينة - الوظائف في أرض المصنع أسهل بشكل أساسي. عندما يتولى AI الحمل المعرفي الفوري، يتحول دور الموظفين ذوي الخبرة من مكافحة الحرائق التفاعلية للحفاظ على سير الخط، إلى التحسين الاستباقي للعملية لتقليل الهدر وزيادة الإنتاجية.
يوضح يوري يوزيفوفيتش أن تشغيل النظام في هذا الوضع المساعد يمنح الوقت لإتقان قاعدة المعرفة، والتي يتم التقاطها عضويًا من خلال التعاون بين الإنسان والآلة. بمجرد ترسيخ قاعدة المعرفة، يمكن لـ AI الانتقال بأمان إلى عمل أكثر استقلالية واستباقية. يتطلب دمج AI دون تعطيل خبرة فنية وعميقة في المجال والتزامًا بالتغيير التدريجي، بما يتماشى تمامًا مع التقاليد اليابانية "كايزن" (Kaizen) أو التحسين المستمر.
ويشدد بريمكومار بالاسوبرامانيان على أن التكامل الناجح يبدأ باحترام العمليات. يجب نشر AI بشكل تدريجي، جنبًا إلى جنب مع سير العمل الحالي، بدءًا من دعم القرار والتقدم إلى الأتمتة. كما أن استخدام التوائم الرقمية والمحاكاة سيمكن من التحقق من السلوك قبل النشر في الإنتاج، ويجب تدريب المشغلين وإشراكهم مبكرًا، فالثقة لا تقل أهمية عن الدقة. عندما يتم تقديم AI كحليف للمشغل، وليس كصندوق أسود، تتسارع عملية التبني بشكل طبيعي.
خاتمة
إن التطور الذي يقوده الذكاء الاصطناعي في قطاع التصنيع ليس مجرد ترقية تقنية، بل هو تحول جوهري يعيد تشكيل كيفية عمل الصناعات الحرجة. من خلال التركيز على AI الموثوق به والآمن والحتمي، تثبت Hitachi أن الابتكار يمكن أن يسير جنبًا إلى جنب مع السلامة والموثوقية المطلقة. ومع استمرار تزايد الطلب على الطاقة بسبب الذكاء الاصطناعي، سيصبح الدمج الذكي للـ AI في العمليات، وإدارة الطاقة، وتحديث البنية التحتية، ركائز أساسية لضمان مستقبل صناعي أكثر كفاءة ومرونة واستدامة.
