تبسيط سير عمل JAL: ابتكار الذكاء الاصطناعي من فوجيتسو وهيدواترز
في تعاون رائد، اختتمت شركة فوجيتسو المحدودة وشركة هيدواترز المحدودة، وهي شركة رائدة في تقديم حلول الذكاء الاصطناعي، بنجاح تجارب ميدانية باستخدام الذكاء الاصطناعي التوليدي لإحداث ثورة في إنشاء تقارير التسليم لطاقم المقصورة في شركة الخطوط الجوية اليابانية المحدودة (JAL). وقد أظهرت هذه التجارب، التي امتدت من 27 يناير إلى 26 مارس 2025، بشكل قاطع إمكانات كبيرة لتوفير الوقت وتعزيز الكفاءة.
تحدي تقارير التسليم
عادةً ما يكرس أفراد طاقم المقصورة في JAL وقتًا وجهدًا كبيرين لتجميع تقارير تسليم شاملة. تعمل هذه التقارير كقناة حاسمة لنقل المعلومات بين أطقم المقصورة المتعاقبة والموظفين الأرضيين، مما يضمن سيرًا تشغيليًا سلسًا. وإدراكًا لفرصة تبسيط هذه العملية، شرعت فوجيتسو وهيدواترز في مسعى مشترك للاستفادة من قوة الذكاء الاصطناعي التوليدي.
حل جديد: الذكاء الاصطناعي التوليدي غير المتصل بالإنترنت
للتغلب على قيود الاعتماد على الاتصال السحابي المستمر، اختارت فوجيتسو وهيدواترز Phi-4 من Microsoft، وهو نموذج لغوي صغير (SLM) مُحسَّن بدقة للبيئات غير المتصلة بالإنترنت. مكّن هذا الاختيار الاستراتيجي من تطوير نظام قائم على الدردشة يمكن الوصول إليه على الأجهزة اللوحية، مما يسهل إنشاء التقارير بكفاءة أثناء الرحلات وبعدها.
لقد أسفرت التجارب عن دليل مقنع على أن هذا الحل المبتكر يمكّن طاقم المقصورة من إنشاء تقارير عالية الجودة مع تقليل الوقت المستغرق في إنشاء التقارير بشكل كبير. وهذا يترجم إلى تعزيز كفاءة طاقم المقصورة في JAL، مما يساهم في النهاية في تحسين تقديم الخدمات للمسافرين.
الأدوار والمسؤوليات
اعتمد نجاح هذه المبادرة التعاونية على الخبرة والمساهمات المتميزة لكل شريك:
فوجيتسو: لعبت الشركة دورًا محوريًا في تكييف Microsoft Phi-4 مع المتطلبات المحددة لمهام طاقم المقصورة. ومن خلال الاستفادة من خدمة Fujitsu Kozuchi AI الخاصة بها، قامت Fujitsu بضبط النموذج اللغوي بدقة باستخدام بيانات التقارير التاريخية لشركة JAL، مما يضمن الأداء الأمثل والملاءمة.
هيدواترز: قادت هيدواترز تطوير تطبيق ذكاء اصطناعي توليدي خاص بالأعمال مدعوم من Phi-4. من خلال استخدام تقنية التكميم، مكّنت هيدواترز من إنشاء تقارير سلس على الأجهزة اللوحية حتى في البيئات غير المتصلة بالإنترنت. علاوة على ذلك، قدم مستشارو الذكاء الاصطناعي التابعون لهم دعمًا لا يقدر بثمن طوال المشروع، بما في ذلك تحليل سير العمل لتنفيذ الذكاء الاصطناعي، وتنفيذ وتقييم التجربة، وإدارة تقدم التطوير المرن. قام مهندسو الذكاء الاصطناعي في الشركة أيضًا بإنشاء بيئة ضبط دقيقة لـ Fujitsu Kozuchi وقدموا مساعدة فنية للتحسين المصمم خصيصًا لبيئة الاستخدام الفريدة للعميل.
رؤى الصناعة
أكد Shinichi Miyata، رئيس وحدة أعمال الحلول متعددة الصناعات، مجموعة أعمال الحلول العالمية، Fujitsu Limited، على أهمية هذا الإنجاز، قائلاً: ‘يسعدنا أن نعلن عن هذا المثال على استخدام الذكاء الاصطناعي التوليدي في عمليات المقصورة في الخطوط الجوية اليابانية. تساهم هذه التجربة المشتركة لإثبات المفهوم في تطوير الذكاء الاصطناعي التوليدي في البيئات غير المتصلة بالإنترنت ولديها القدرة على تغيير العمليات عبر مختلف الصناعات والأدوار حيث يكون الوصول إلى الشبكة محدودًا. إن نجاح هذا التعاون الهادف هو نتيجة لقدرات الاقتراح الاستثنائية لـ Headwaters جنبًا إلى جنب مع الخبرة التكنولوجية لـ Fujitsu. بالمضي قدمًا، نظل ملتزمين بتعزيز شراكتنا لدعم توسع أعمال عملائنا ومعالجة التحديات المجتمعية.’
المسار المستقبلي
بناءً على النتائج الواعدة للتجارب الميدانية، تلتزم فوجيتسو وهيدواترز بمواصلة إجراء المزيد من الاختبارات لتمهيد الطريق لنشر الإنتاج لشركة JAL. هدفهم النهائي هو دمج الحل بسلاسة في منصة الذكاء الاصطناعي التوليدي الحالية لشركة JAL.
بالإضافة إلى ذلك، تتصور فوجيتسو دمج SLM المصممة خصيصًا لأنواع مختلفة من العمل داخل Fujitsu Kozuchi، مما يزيد من تعزيز تنوع وتطبيق خدمة الذكاء الاصطناعي.
معًا، ستواصل فوجيتسو وهيدواترز دعم التحول التشغيلي لشركة JAL من خلال التطبيق الاستراتيجي للذكاء الاصطناعي، ومعالجة التحديات الحاسمة، ورفع مستوى خدمة العملاء، ومعالجة المشكلات على مستوى الصناعة.
الخوض في التفاصيل: الكشف عن الفروق الدقيقة في تنفيذ الذكاء الاصطناعي
يقدم التعاون بين فوجيتسو وهيدواترز لتعزيز الكفاءة التشغيلية لشركة JAL من خلال الذكاء الاصطناعي دراسة حالة مقنعة حول كيفية تسخير التكنولوجيا المتطورة لمواجهة تحديات العالم الحقيقي. دعنا نحلل العناصر الأساسية التي دعمت نجاح هذا المشروع ونستكشف الآثار الأوسع لصناعة الطيران وخارجها.
1. الاختيار الاستراتيجي لنموذج لغوي صغير (SLM)
كان قرار استخدام Phi-4 من Microsoft، وهو نموذج لغوي صغير (SLM)، بدلاً من نموذج لغوي كبير (LLM)، بمثابة ضربة معلم استراتيجية. تتطلب LLM، على الرغم من قدراتها الرائعة، عادةً موارد حسابية كبيرة واتصالاً دائمًا بالخوادم السحابية. وهذا يمثل تحديًا كبيرًا في البيئات التي يكون فيها الوصول إلى الشبكة غير موثوق به أو غير موجود، كما هو الحال أثناء الرحلات الجوية.
من ناحية أخرى، تم تصميم SLM لتعمل بكفاءة على الأجهزة ذات القدرة الحسابية وسعة التخزين المحدودة. تم تحسين Phi-4، على وجه الخصوص، بدقة للبيئات غير المتصلة بالإنترنت، مما يجعله خيارًا مثاليًا لمشروع JAL. لا يضمن هذا النهج وصول طاقم المقصورة إلى نظام إنشاء التقارير المدعوم بالذكاء الاصطناعي بغض النظر عن توفر الشبكة فحسب، بل يقلل أيضًا من الاعتماد على البنية التحتية السحابية باهظة الثمن.
2. الضبط الدقيق لخصوصية المجال
في حين أن SLM توفر ميزة التشغيل في وضع عدم الاتصال، إلا أنها غالبًا ما تفتقر إلى اتساع المعرفة والفهم السياقي لنظيراتها الأكبر. ولمعالجة هذا القيد، استخدمت فوجيتسو خدمة Kozuchi AI الخاصة بها لضبط Phi-4 بدقة باستخدام بيانات التقارير التاريخية لشركة JAL.
يتضمن الضبط الدقيق تدريب نموذج لغوي مُدرب مسبقًا على مجموعة بيانات محددة لتحسين أدائه في مهمة معينة أو داخل مجال معين. في هذه الحالة، من خلال تعريض Phi-4 لثروة من تقارير JAL السابقة، مكّنت فوجيتسو النموذج من تعلم الفروق الدقيقة في إعداد تقارير طاقم المقصورة، بما في ذلك المصطلحات المحددة واتفاقيات التنسيق والمشكلات الشائعة التي تواجهها أثناء الرحلات الجوية.
أدى هذا الضبط الدقيق الخاص بالمجال إلى تحسين دقة وأهمية التقارير التي تم إنشاؤها بواسطة الذكاء الاصطناعي بشكل كبير، مما يضمن استيفائها للمتطلبات الصارمة لإجراءات التشغيل الخاصة بشركة JAL.
3. تقنية التكميم لتحسين الكفاءة
تجاوزت مساهمة هيدواترز في المشروع تطوير التطبيق القائم على الدردشة. استخدمت الشركة أيضًا تقنية التكميم لزيادة تحسين أداء Phi-4 على الأجهزة اللوحية.
التكميم هو أسلوب يقلل من حجم الذاكرة والمتطلبات الحسابية للشبكة العصبية عن طريق تمثيل معلماتها باستخدام عدد أقل من البتات. على سبيل المثال، بدلاً من استخدام أرقام الفاصلة العائمة ذات 32 بت، يمكن تمثيل معلمات النموذج باستخدام أعداد صحيحة ذات 8 بت.
يأتي هذا التخفيض في الدقة بتكلفة طفيفة من حيث الدقة، ولكن غالبًا ما يكون هذا التنازل يستحق العناء من حيث تحسين السرعة وتقليل استهلاك الذاكرة. من خلال تكميم Phi-4، ضمنت هيدواترز إمكانية تشغيل نموذج الذكاء الاصطناعي بسلاسة وكفاءة على الموارد المحدودة للأجهزة اللوحية، مما يوفر تجربة مستخدم سلسة لطاقم المقصورة.
4. التطوير المرن والخبرة التعاونية
يعزى نجاح مشروع JAL أيضًا إلى منهجية التطوير المرنة التي استخدمتها هيدواترز والروح التعاونية لشراكة فوجيتسو وهيدواترز.
يؤكد التطوير المرن على التطوير التكراري والتغذية الراجعة المتكررة والتعاون الوثيق بين أصحاب المصلحة. سمح هذا النهج لفريق المشروع بالتكيف بسرعة مع المتطلبات المتغيرة ومعالجة التحديات غير المتوقعة.
كانت الخبرة التكميلية لـ فوجيتسو وهيدواترز حاسمة أيضًا لنجاح المشروع. جلبت فوجيتسو فهمها العميق لتقنية الذكاء الاصطناعي وخدمة Kozuchi AI الخاصة بها، بينما ساهمت هيدواترز بخبرتها في تطوير تطبيقات الذكاء الاصطناعي وتحليل سير العمل وإدارة المشاريع المرنة. مكّن هذا التآزر بين المهارات والمعرفة الفريق من تطوير حل مبتكر وفعال حقًا.
الآثار الأوسع لصناعة الطيران
يقدم مشروع JAL لمحة عن مستقبل الذكاء الاصطناعي في صناعة الطيران. من خلال أتمتة المهام الروتينية، مثل إنشاء التقارير، يمكن للذكاء الاصطناعي تحرير طاقم المقصورة للتركيز على مسؤوليات أكثر أهمية، مثل سلامة الركاب وخدمة العملاء.
بالإضافة إلى ذلك، يمكن استخدام الذكاء الاصطناعي لتحسين الكفاءة التشغيلية في مجموعة متنوعة من المجالات الأخرى، بما في ذلك:
- الصيانة التنبؤية: يمكن للذكاء الاصطناعي تحليل بيانات المستشعر من الطائرات للتنبؤ بموعد الحاجة إلى الصيانة، مما يقلل من وقت التوقف عن العمل ويحسن السلامة.
- تحسين المسار: يمكن للذكاء الاصطناعي تحليل أنماط الطقس وظروف حركة المرور وعوامل أخرى لتحسين مسارات الطيران، وتوفير الوقود وتقليل وقت السفر.
- خدمة العملاء: يمكن لروبوتات الدردشة المدعومة بالذكاء الاصطناعي تقديم دعم فوري للمسافرين والإجابة على الأسئلة وحل المشكلات وتقديم توصيات مخصصة.
مع استمرار تطور تكنولوجيا الذكاء الاصطناعي، فإن إمكاناتها لتحويل صناعة الطيران هائلة. يعد مشروع JAL مثالًا قيمًا على كيفية استخدام الذكاء الاصطناعي لتحسين الكفاءة وتعزيز السلامة والارتقاء بتجربة الركاب.
ما وراء الطيران: تنوع الذكاء الاصطناعي غير المتصل بالإنترنت
يؤكد نجاح مشروع فوجيتسو-هيدواترز لـ JAL على التطبيق الأوسع لحلول الذكاء الاصطناعي غير المتصلة بالإنترنت عبر مختلف الصناعات والقطاعات. تتيح القدرة على نشر نماذج الذكاء الاصطناعي في البيئات ذات الاتصال المحدود أو المعدوم بالشبكة عالمًا من الاحتمالات للمؤسسات التي تسعى إلى الاستفادة من قوة الذكاء الاصطناعي في البيئات النائية أو الصعبة.
1. الرعاية الصحية في المناطق النائية
في المجتمعات الريفية أو المحرومة، غالبًا ما يواجه مقدمو الرعاية الصحية تحديات تتعلق بمحدودية الوصول إلى اتصال إنترنت موثوق به. يمكن لحلول الذكاء الاصطناعي غير المتصلة بالإنترنت تمكين هؤلاء المقدمين بأدوات التشخيص وتوصيات العلاج وقدرات مراقبة المرضى، حتى في حالة عدم وجود اتصال إنترنت مستقر.
على سبيل المثال، يمكن نشر خوارزميات التعرف على الصور المدعومة بالذكاء الاصطناعي على الأجهزة المحمولة لمساعدة العاملين في مجال الرعاية الصحية في تحديد الأمراض من الصور الطبية، مثل الأشعة السينية أو التصوير المقطعي المحوسب. وبالمثل، يمكن لأنظمة دعم القرار المدفوعة بالذكاء الاصطناعي تقديم إرشادات حول بروتوكولات العلاج بناءً على أعراض المريض وتاريخه الطبي، حتى في المناطق التي يكون فيها الوصول إلى خبرة المتخصصين محدودًا.
2. الزراعة في البلدان النامية
غالبًا ما يفتقر المزارعون في البلدان النامية إلى الوصول إلى أحدث المعلومات والتقنيات الزراعية. يمكن لحلول الذكاء الاصطناعي غير المتصلة بالإنترنت سد هذه الفجوة من خلال تزويدالمزارعين بتوصيات مخصصة بشأن اختيار المحاصيل وتقنيات الري واستراتيجيات مكافحة الآفات، حتى بدون الوصول إلى الإنترنت.
يمكن استخدام أدوات تحليل الصور المدعومة بالذكاء الاصطناعي لتقييم صحة المحاصيل وتحديد الأمراض النباتية واكتشاف الإصابة بالآفات، مما يمكن المزارعين من اتخاذ إجراءات في الوقت المناسب لحماية غلاتهم. علاوة على ذلك، يمكن لنماذج التنبؤ بالطقس المدفوعة بالذكاء الاصطناعي تزويد المزارعين بتنبؤات جوية دقيقة ومحلية، مما يساعدهم على اتخاذ قرارات مستنيرة بشأن الزراعة والحصاد والري.
3. الإغاثة في حالات الكوارث والاستجابة للطوارئ
في أعقاب الكوارث الطبيعية، مثل الزلازل أو الفيضانات أو الأعاصير، غالبًا ما تتعطل البنية التحتية للاتصالات، مما يجعل من الصعب على عمال الإنقاذ تنسيق جهودهم وتقديم المساعدة للمحتاجين. يمكن أن تلعب حلول الذكاء الاصطناعي غير المتصلة بالإنترنت دورًا حاسمًا في هذه الحالات من خلال تزويد عمال الإنقاذ بأدوات للوعي الظرفي وتقييم الأضرار وتخصيص الموارد.
يمكن استخدام خوارزميات التعرف على الصور المدعومة بالذكاء الاصطناعي لتحليل صور الأقمار الصناعية أو لقطات الطائرات بدون طيار لتقييم مدى الضرر وتحديد المناطق التي تشتد فيها الحاجة إلى المساعدة. وبالمثل، يمكن لمنصات الاتصال المدفوعة بالذكاء الاصطناعي تمكين عمال الإنقاذ من التواصل مع بعضهم البعض ومع المجتمعات المتضررة، حتى في حالة عدم وجود اتصال خلوي أو إنترنت.
4. التصنيع والأتمتة الصناعية
في مصانع التصنيع والمنشآت الصناعية، لا يتم ضمان اتصال إنترنت موثوق به دائمًا، لا سيما في المناطق النائية أو في البيئات التي بها تداخل كهرومغناطيسي. يمكن لحلول الذكاء الاصطناعي غير المتصلة بالإنترنت تمكين الشركات المصنعة من أتمتة العمليات المختلفة، مثل مراقبة الجودة والصيانة التنبؤية وإدارة المخزون، حتى بدون اتصال إنترنت مستقر.
يمكن استخدام أنظمة الرؤية المدعومة بالذكاء الاصطناعي لفحص المنتجات بحثًا عن العيوب، مما يضمن شحن العناصر عالية الجودة فقط إلى العملاء. وبالمثل، يمكن لنماذج الصيانة التنبؤية المدفوعة بالذكاء الاصطناعي تحليل بيانات المستشعر من المعدات للتنبؤ بموعد الحاجة إلى الصيانة، مما يقلل من وقت التوقف عن العمل ويحسن الإنتاجية.
يعد مشروع فوجيتسو-هيدواترز لـ JAL بمثابة عرض توضيحي مقنع لقوة وتنوع حلول الذكاء الاصطناعي غير المتصلة بالإنترنت. مع استمرار تقدم تكنولوجيا الذكاء الاصطناعي، يمكننا أن نتوقع رؤية المزيد من التطبيقات المبتكرة للذكاء الاصطناعي غير المتصل بالإنترنت عبر مجموعة واسعة من الصناعات والقطاعات، مما يمكّن المؤسسات من حل مشاكل العالم الحقيقي وتحسين حياة الناس، بغض النظر عن وصولهم إلى اتصال الإنترنت.