يحتوى دماغ الإنسان العادى على نحو 1000 مليار خلية عصبية، لكل خلية منها ما يقارب 10 آلاف مشبك عصبى يربطها بالخلايا الأخرى. ومن المفارقات المدهشة أن سرعة بعض أجهزة الكمبيوتر تفوق سرعة الخلايا العصبية الموجودة فى العقل البشرى بنحو 10 مليارات مرة. ومع ذلك فإن الشخص العادى، يمكنه التعرف على ملامح الوجوه المألوفة فى 1 / 10 فقط من الثانية (واحد على عشرة من الثانية) باستخدام خلايا عصبية لا تزيد سرعتها على 1 / 1000 من الثانية (واحد على ألف من الثانية). بدراسة الدماغ البشرى، وجد العلماء أنفسهم أمام كشف جبار، وملهم، فإذا تمكنوا من بناء شبكات اتصالات لاسلكية، تحاكى بعض الوظائف التى يقوم بها العقل البشرى فى معالجة البيانات، والتحليل، واتخاذ القرارات، فإنهم بلا شك، سيحققون قفزة هائلة فى عالم شبكات الاتصالات، وتغيير مستقبل البشرية بشكل جذرى. وبناء عليه، فكروا فى ضرورة أن يتم تصميم، وبناء شبكات اتصالات “عصبية”، تقوم بوظائف مشابهة لوظائف الدماغ البشرى، ووجدوا أن من المهم أن تكون تلك الشبكات ذكية، تتمتع بديناميكة عالية، وقدرات هائلة على تحليل المعطيات من البيانات، واتخاذ قرارات سريعة دون تدخل منهم، بل، ويمكنها التنبوء بالأحداث المستقبلية، وتكييف نفسها، واستباق الأحداث بناء على الخبرات التى سبق للشبكة تعلمها. وكان الحل هو دمج مفهوم الذكاء الاصطناعى بمفهوم الشبكات اللاسلكية، للخروج بشبكات لاسلكية عصبية ذكية. طريقة عمل المخ البشرى يمكن تعريف شبكات الاتصالات العصبية على أنها محاولة رياضية برمجية لمحاكاة طريقة عمل المخ البشرى من حيث قابليته للتعلم، والتذكر، وتمييز الأشياء، و اتخاذ القرارات. فالخلايا العصبية الموجودة فى الدماغ البشرى تتشابك فيما بينها بينها بطريقة معقدة جدا، ولكل خلية أطراف تسمى الزوائد العصبية، مما يشكل شبكة هائلة من الخلايا العصبية المرتبطة فيما بينها عن طريق هذه الزوائد. ويتيح هذا الترابط بين الخلايا العصبية القدرة على تخزين المعلومات، والصور، والصوت، وخلافه من الإشارات التى تصلها عبر الحواس الخمس، ومن ثم تتيح لها أيضا التعلم عن طريق التكرار والخطأ.
الطفل والأسد والزرافة يمكن لطفل صغير أن يميز ببساطة بين صورة الأسد والزرافة، وهذه العملية البسيطة للطفل، ربما تكون معقدة جدا جدا لجهاز الكمبيوتر، وحتى للسوبر كمبيوتر، ولهذا لجأ العلماء لمحاولة بناء نماذج رياضية تحاكى طريقة عمل الدماغ. نشأ عن هذا العلم الجديد ما يسمى بالذكاء الصناعى. وأحد أنواع هذا الذكاء الصناعى هو الشبكات العصبية. رأينا كيف أن الطفل الصغير خصص جزءا من خلايا دماغه لتكوين شبكة عصبية تعلم بها التمييز بين الصور التى عرضت عليه. وأن هذه الشبكة يمكن أن تتطور، وتتعلم، وتنمو أكثر فأكثر، وتصبح قادرة أكثر على اتخاذ القرارات الصحيحة.
ثورة كبيرة تمر الشبكات اللاسلكية بثورة كبيرة. وتتحول الشبكات التى كانت ترتكز على الهواتف التقليدية بالأمس تدريجيا إلى شبكة أضخم مرتبطة بإنترنت الأشياء، الذى يدمج مزيجا غير متجانس من الأجهزة اللاسلكية التى تتراوح بين الهواتف الذكية، والطائرات بدون طيار، والأجهزة القابلة للارتداء، وأجهزة الاستشعار، وأجهزة الواقع الافتراضى. ولن يؤدى هذا التحول غير المسبوق إلى تحقيق نمو هائل فى حركة الاتصالات اللاسلكية فى المستقبل المنظور فحسب، بل سيؤدى أيضا إلى ظهور حالات جديدة لاستخدام الشبكات اللاسلكية، وهى حالات لم نختبرها بعد، لأنها تختلف كثيرا عن خدمات الوسائط المتعددة التقليدية، أو الخدمات الصوتية التى نعرفها. على سبيل المثال، وبغض النظر عن الحاجة إلى معدلات نقل بيانات فائقة السرعة، التى كانت المحرك الرئيسى لتطور الشبكات اللاسلكية فى العقد الماضى، يجب أن تكون شبكات الجيل التالى اللاسلكية قادرة على تقديم اتصالات فائقة الموثوقية، وآنية، بحيث توفر الاتصال فى الوقت الحقيقى لبيئة غنية وحيوية من التقنيات المتنوعة. على سبيل المثال، ستكون الطائرات بدون طيار، والمركبات ذاتية القيادة فى القلب من إنترنت الأشياء. وهذا بدوره سيحتاج إلى نشر وصلات لاسلكية فائقة الموثوقية يمكن أن توفر التحكم فى الوقت الحقيقى لهذه الأنظمة المستقلة. وفى الوقت نفسه، فإن شبكات الغد اللاسلكية يجب أن تجمع كميات كبيرة من البيانات، بشكل دورى، وفى الوقت الحقيقي، عبر عدد هائل من أجهزة الاستشعار، والأجهزة التى يمكن ارتداؤها. وستؤدى هذه التبادلات الضخمة لحزم البيانات إلى حركة كبيرة على الوصلة الصاعدة اللاسلكية Up Link التى كانت تقليديا أقل ازدحاما بكثير من الوصلة الهابطة Down Link. لهذا سنجد فى نهاية المطاف أننا أمام بيئة مختلفة جذريا عما نعرفه فى الوقت الحالى، مما يتطلب تغييرات جوهرية فى الطريقة التى ستتم بها نمذجة الشبكات اللاسلكية مستقبلا، وتحليلها، وتصميمها، وتحسينها. تم إجراء الكثير من الدراسات التى تبحث عن أفضل السبل لبناء شبكات المستقبل اللاسلكية، التى ستكون ضمن سياق الشبكات اللاسلكية الناشئة من الجيل الخامس للاتصالات المحمولة. وتم بالفعل تحديد المكونات الرئيسية لشبكات الجيل الخامس، مثل نشر خلايا صغيرة كثيفة، واتصالات الموجات الملليمتر، والاتصالات من جهاز إلى جهاز، ودمجهم جميعا فى نظام لاسلكى متناغم، يمكن أن يلبى التحديات التى ستفرضها إنترنت الأشياء عن طريق إدماج وظائف ذكية فى كل من نواة الشبكة، والأجهزة الطرفية. ووضع العلماء باعتبارهم أهمية أن تكون هذه الوظائف الذكية قادرة على استغلال موارد النظام اللاسلكى، والبيانات المولدة، على نحو استباقى من أجل تحسين تشغيل الشبكة وضمان تقديم الخدمات فى الوقت الحقيقي، وتلبية متطلبات جودة خدمات الاتصالات اللاسلكية، وخدمات إنترنت الأشياء، وهو ما لا يمكن تحقيقه إلا من خلال دمج المفاهيم الأساسية للذكاء الاصطناعى فى البنية التحتية للشبكة اللاسلكية وفى أجهزة المستخدم النهائى. يعود البعض بفكرة الذكاء الاصطناعى إلى الرجل الأسطورى البرونزى اليونانى “تالوس”، وهو رجل ذكى ذكاءا صناعيا تم إنشاؤه لحماية جزيرة “كريت” من الغزاة، إلا أن إمكاناته الحقيقية لم تتحقق إلا مؤخرا بسبب التطورات الجوهرية فى تقنيات التعلم الآلى، بشكل عام، وشبكات الاتصالات العصبية على وجه الخصوص. بلا شك، تعتبر أدوات التعلم الآلى، السفينة الأساسية التى تحمل الذكاء الاصطناعى لتؤتى ثمارها من خلال عدد لا يحصى من التطبيقات كتطبيقات معالجة اللغة الطبيعية، والروبوتات، والنظم المستقلة. وعلى هذا النحو، فإن إنشاء الشبكات اللاسلكية المعززة يتوقف على تطوير المجموعة الصحيحة من أدوات التعلم الآلى، والشبكة العصبية التى يمكن أن توفر العدد الكبير من وظائف الذكاء الاصطناعى المطلوبة فى الشبكات اللاسلكية المستقبلية، وإطلاق العنان للإمكانات الحقيقية لإنترنت الأشياء. ويجب بطبيعة الحال أن تكون هذه الأدوات مصممة خصيصا للخصائص لتلبية المتطلبات الفريدة للبيئة اللاسلكية، التى تختلف بوضوح عن التطبيقات التقليدية للذكاء الاصطناعي، مثل الروبوتات.
الذكاء الاصطناعى من المتوقع أن يلعب الذكاء الاصطناعى أدوارا متعددة فى الجيل التالى من الشبكات اللاسلكية بهدف استغلال تحليلات البيانات الكبيرة لتعزيز الوعى الفورى حسب الموقف، وبما يتوافق مع تشغيل الشبكة بشكل عام. وفى هذا السياق، سيوفر الذكاء الاصطناعى للشبكة اللاسلكية القدرة على التحليل من خلال كمية هائلة من البيانات الواردة من مصادر متعددة تتراوح من قياسات القنوات اللاسلكية، وقراءات أجهزة الاستشعار، وصولا إلى الطائرات بدون طيار، من أجل إنشاء خريطة تشغيلية شاملة لهذا العدد الهائل من الأجهزة المرتبطة بالشبكة. هذه الخريطة يمكن، بدورها، استغلالها لتحسين وظائف مختلفة، مثل رصد الخطأ وتتبع المستخدم أثناء تنقله عبر الشبكة اللاسلكية. كما سيكون الذكاء الاصطناعى المحرك الرئيسى وراء حركة التنبؤات القوية للشبكات، ووظائف تحليل البيانات، وستتيح أدوات التعلم الآلى إدخال أدوات ذكية لإدارة الموارد، يمكن استخدامها لمعالجة مجموعة متنوعة من المشاكل بداية من اختيار الخلايا، واختيار تكنولوجيا النفاذ الراديوي، وصولا إلى تخصيص الترددات، وإدارة الطيف، والتحكم فى الطاقة، وطريقة تشكيل وتهيئة حزم البيانات الذكية.
القرار المناسب فى القوت المناسب وعلى النقيض من التقنيات التقليدية، فإن آليات إدارة الموارد المدعومة بالذكاء الاصطناعى ستكون قادرة على العمل بشكل كامل عبر الإنترنت من خلال التعلم، والتعامل فى الوقت الحقيقي، مع مستخدمى الشبكة. وبالتالى فإن هذه الآليات سوف تكون قادرة على القيام بعمليات تحسين ذاتى مستمر لأدائها مع مرور الوقت، وبالتالى، ستتيح آليات أكثر ذكاء وديناميكية تتيح للشبكة اللاسلكية اتخاذ القرار المناسب فى الوقت المناسب. ومثل هذا القرار الذكى هو أمر ضرورى للكثير من خدمات إنترنت الأشياء المتوقعة، وخدمات الجيل الخامس، وخاصة تلك التى تتطلب التعامل واتخاذ القرارات الفورية، مثل القيادة الذاتية، وتوجيه الطائرات بدون طيار، والتحكم فى المنشآت الصناعية. فى الواقع، إذا كانت الشبكات مصممة بشكل صحيح، وتمتلك خوارزميات صحيحة مؤهلة لتحسين الذكاء الاصطناعى القائم على التعلم والتنظيم الذاتى، وإصلاح الأخطاء الذاتى، واقتراح الحلول الأمثل ذاتيا لمجموعة واسعة من المشاكل. إن حلول التنظيم الذاتى التى تعتمد على الذكاء الاصطناعى تعتبر الحل الامثل الشبكات اللاسلكية.
التعلم الآلى ويمكن للذكاء الاصطناعى أن يلعب دورا رئيسيا فى الطبقة المادية للشبكة الاسلكية، فيما يتجاوز وظائفها على مستوى المنظومة. وكما هو مبين فى الأعمال الحديثة، يمكن استخدام الشبكات العصبية وأدوات التعلم الآلى لإعادة تحديد الطريقة التى يتم بها تصميم وظائف الطبقة المادية، مثل التشفير والتشكيل، على مستوى المرسل ومستوى المستقبل على السواء، ضمن نظام اتصالات عام. وقد أظهر هذا النهج القائم على الذكاء الاصطناعى الكثير من القدرة على تقليل معدلات الخطأ، وتوفير تعامل أفضل مع القنوان اللاسلكية.
الواقع الافتراضى إن النشر السريع للخدمات اللاسلكية التى تركز على المستخدم بشكل كبير، مثل تطبيقات الواقع الافتراضى، تتطلب تحفيز قدرات الشبكات اللاسلكية التى يمكنها التكيف مع سلوك المستخدم البشري. وفى هذا الصدد، ربما يكون التعلم الآلى هو الأداة الوحيدة القادرة على تقليد السلوك البشرى، الأمر الذى سيساعد الشبكة اللاسلكية على تكييف وظائفها مع مستخدميها البشريين. ومن الواضح أن تشغيل النظام القائم على أساس الذكاء الاصطناعى لم يصبح مجرد اختيار، بل ضرورة لشبكات المستقبل اللاسلكية. وسوف تمهد تصاميم الشبكات اللاسلكية التى يحركها الذكاء الاصطناعى الطريق نحو مجموعة غنية لا يمكن تصورها من وظائف الشبكة، والخدمات اللاسلكية التى تقدمها.
الاندماج وبالتالى فإن السؤال لم يعد إذا كانت أدوات التعلم الآلى ستندمج فى الشبكات اللاسلكية، بل متى سنشهد يحدث هذا الاندماج فى الواقع. فقد تأكدت أهمية الشبكة اللاسلكية المعززة بالذكاء الاصطناعى، وتم دعمها بعدد من نماذج الشبكات اللاسلكية الحديثة، مثل الشبكات الواعية بالمحتوى، وشبكات تحليلات البيانات الضخمة، والخدمات القائمة على المواقع، والحوسبة المتنقلة، ومعظمها يعتمد على التعلم الآلى أو الأدوات المستوحاة من الذكاء الاصطناعى. وبالتالي، من المهم أن تركز الشبكات على مواجهة التحديات الرئيسية لتطوير أطر التعلم الآلى، باستخدام الشبكات العصبية الاصطناعية، والتى هى واحدة من أهم ركائز التعلم الآلى، مع التركيز على كل من التقنيات التحليلية الجديدة من الشبكات العصبية، وسيناريوهات التطبيقات اللاسلكية الجديدة.
التجربة والتكرار يستند التعلم الآلى إلى فرضية أن الآلات يجب أن تكون مجهزة بالذكاء الاصطناعى الذى يمكنها من التعلم الذاتى من التجارب السابقة، والتكيف مع بيئتها من خلال التجربة والتكرار. وتحليل البيانات الذكية نظرا لتزايد حجم البيانات التى يتم إنشاؤها عبر البنية التحتية لشبكات الاتصالات. وانتشرت خوارزميات تعلم الآلة فى كل مكان، وتوسعت فى العديد من القطاعات مثل الخدمات المالية، الحكومة، الصحة والرعاية، والتكنولوجيا، والتسويق والمبيعات، حيث يتم استخدام خوارزميات التعلم الآلى لبناء النماذج التى تكشف الاتصالات، والتنبؤ الديناميكى، واتخاذ القرارات الذكية دون تدخل بشري. وعلى سبيل المثال، يتيح استخدام التعلم الآلى للنظام فهم العلاقات الاجتماعية بين الأفراد، ويمكنه التعرف على الكلام والوجه والكتابة. وبعبارة أخرى القدرة على اكتشاف العلاقات المحتملة بين بيانات المدخلات، وبيانات الناتج منها، ومن ثم تصنيفها.
الشبكات العصبية البشرية تستلهم الشبكات العصبية فكرتها من الهيكلية والجوانب الوظيفية التى تؤديها الشبكات العصبية البشرية، والتى يمكن أن تعالج البيانات المعقدة أو غير الدقيقة. وتتألف الشبكة المعينة من عدد كبير من عناصر المعالجة المترابطة للغاية التى تعمل بالتوازى من أجل حل مشكلة معينة. فهى تتعلم من البشر ومن الكمبيوترات الأخرى. لإنشاء طريقة تفكير منهجية، ومنظمة خاصة بها لتمثيل المعلومات التى تتلقاها خلال عملية التعلم. وعلاوة على ذلك، يمكنها أن تستخدم التنظيم الذاتى لمعرفة كيفية القيام بالمهام، وتحديد الأولويات بناء على الخبرات السابقة. ولهذا يمكنها استخدام الذكاء الاصطناعى للتحقق والتنبؤ بسلوكيات المستخدمين لحل مشاكل الشبكة اللاسلكية، وإدارة الطيف، والتوزيع الأمثل للطاقة، بحيث أن أقصى طموحها هو الوصول إلى مستوى تفاعل يتشابه مع مستوى التفاعل البشرى لتوقع سلوكيات المستخدمين المستقبلية.
محاكاة العقل البشرى تتكون بنية الشبكات العصبية القديمة من عدد من عناصر المعالجة البسيطة والمترابطة للغاية والمعروفة باسم الخلايا العصبية، والتى تستخدم لتقليد نفس النمط الذى يتعلم به الدماغ البشري. فشبكات الاتصالات العصبية ستتمتع بنموذج اصطناعى مشابه للجهاز العصبى البشري، الذى عناصره الأساسية هى الخلايا العصبية المستخدمة لمعالجة المعلومات، والحس، والإدراك، ثم نقل هذه الإشارات أو المعلومات عبر الجهاز العصبى إلى العقل. وتتكون الخلايا العصبية البشرية من النواة، والتشعبات المرتبطة بها، والمحاور العصبية. وترتبط الخلايا العصبية ببعضها البعض بواسطة التشعبات والمحاور العصبية. وتعرف نقاط الاتصال بين كل اثنين من الخلايا العصبية باسم المشابك. وتتغير الإشارة حسب المعلومات التى يتم نقلها إلى الخلايا العصبية. وإذا كان هذا التغيير يجعل قدرة الغشاء العصبى تتجاوز قيمة معينة، فإن الخلايا العصبية ترسل إشارة إلى جميع الخلايا العصبية المتصلة بها تخبرهم بذلك. وبهذه الطريقة تنتشر الإشارات عبر الجهاز العصبى البشرى. وتتكون الخلايا العصبية الاصطناعية فى الشبكات من العناصر التالية: (أ) عدد من الاتصالات الواردة، مماثلة لنقاط الاشتباك العصبى على التشعبات فى الدماغ البشرى. (ب) عدد من الاتصالات الصادرة، مماثلة لنقاط الاشتباك العصبى التى تحدث على المحور العصبى فى الدماغ البشرى، و (ج) قيم التفعيل والتعيين لكل الخلايا العصبية، وهذه بدورها تكون مماثلة لإمكانيات غشاء الخلايا العصبية البشرية. ولمحاكاة قوة نقاط الاشتباك العصبى للخلايا العصبية البشرية، سيكون لكل اتصال فى الشبكات اللاسلكية قوة اتصال محددة. وبهذا ستتوافر للشبكات اللاسلكية إشارات للإدخال والإخراج من الخلايا العصبية للشبكة، مع استخدام وظيفة لتنشيط الاتصالات بين الخلايا. وسوف يتم اعتماد وظيفة التنشيط فى الشبكة العصبية اللاسلكية تماثل المعدلات المحتملة فى كل خلية من الخلايا العصبية. ويتوقف اختيار نوع وظائف التنشيط المطلوبة على الأهداف المطلوبة مثل القدرة على التحليل التحليلى، والقدرة الحسابية، ونوع إشارة المخرجات المرغوبة. على سبيل المثال، قد تتطلب وظيفة تنشيط معينة ربط مجموعة متعددة من الخلايا العصبية بطرق مختلفة للقيام بوظائف تفعيل مختلفة. وبشكل عام، فإن المكونات الرئيسية للخلايا العصبية البشرية تشمل: 1- طبقة الإدخال التى تتكون من عدد من الخلايا العصبية المستخدمة لتمثيل إشارة الدخل التى سوف تنتقل فى الخلايا العصبية. 2- طبقة الإخراج التى تتكون من عدد من الخلايا العصبية المستخدمة لتمثيل إشارة الإخراج التى تتكون من عدد من الخلايا العصبية. 3- مصفوفة لوزن وتقييم المدخلات، وهى تمثل قوة الاتصالات بين الخلايا العصبية فى طبقة الإدخال والخلايا العصبية فى طبقة الإخراج. ويمكن استخدام قوة التوصيل فى جميع مصفوفات الوزن لحساب قيمة وظيفة التنشيط. على سبيل المثال، إذا كانت إشارة الدخل = A وإشارة الإخراج = B سيمكن تحليل العلاقة بين إشارة الدخل فى طبقة المدخلات، وإشارة الإخراج فى طبقة المخرجات، علما بأن الاتصال بين الخلايا العصبية هو أحادى الاتجاه. وكل الخلايا العصبية فى كل طبقة لديها اتصالات واردة فقط من الطبقة السابقة، والاتصالات الصادرة فقط إلى الطبقة التالية، ووتسمى هذه البنية ب “العمارة الشبكة العصبية”.
أنواع الشبكات العصبية يتم تحديد نموذج الشبكات العصبية الاصطناعية بناء على طريقة الاتصال، ووظيفة التنشيط، والطبقات. فعلى سبيل المثال، إذا كان لكل عصب، اتصالات واردة فقط من الطبقة السابقة، والاتصالات الصادرة فقط إلى الطبقة التالية، وكانت الاتصالات بين الخلايا العصبية تشكل حلقات، فإن الشبكة تسمى فى هذه الحالة بالشبكة العصبية المتكررة. إما إذا كان هناك أكثر من طبقة للتواصل بين الخلايا العصبية، فتسمى الشبكة فى هذه الحالة “الشبكة العصبية العميقة”.
معدلات التعلم وباختصار، يمكن للشبكات اللاسلكية الاستعانة بخوارزميات لكى تتدرب على إجراء الحسابات، ولكن الصعوبة تكمن فى اختيار معدل التعلم المناسب لتحديث القيم الواردة، واتخاذ القرار بناء عليها. إذ أن معدل التعلم يحدد حجم الخطوة المطلوبة، وبالتالى استخدام الخوارزمية المناسبة للوصول إلى القرار الصحيح. ومعدلات التعلم السريع أو الضخم يمكن أن تعقد الخوارزمية بشكل كبير فتبعدها عن الحل الأمثل، لأن معدلات التعلم الكبيرة قد لا تسمح للنموذج باستكشاف الحل الأمثل. من ناحية أخرى، فإن معدلات التعلم القليلة أو الصغيرة ستؤدى إلى اتخاذ قرارات أو حلول غير مناسبة بسبب عدم قدرة النموذج على التعميم لقلة حجم البيانات التى يمكنه الاعتماد عليها. لذلك، يجب على مصممى الشبكات أن يقرروا بعناية وحذر طريقة التدريب المناسبة للشبكة، لتجنب الإفراط فى المعلومات وتجنب ندرتها، اعتمادا على السيناريو والأداء المستهدف.
تطبيقات الشبكات العصبية فى الاتصالات اللاسلكية تستخدم الشبكات العصبية اللاسلكية التى تعتمد على البرمجيات، والأجهزة المادية مواد مقاومة للتعديل كهربائيا لمحاكاة وظيفة التنشيط التى تقوم بها المشابك العصبية فى الدماغ البشرى. وتقوم الأجهزة المادية بمحاكاة الخلايا العصبية، بينما تقوم البرمجيات بمحاكاة الشبكة العصبية. ويتم تخصيص عدة أجهزة وعدة برمجيات للاتصال، ولتعزيز قدرات تخزين البيانات. وكل نوع معين من هذه الأجهزة والبرمجيات مناسب للتعامل مع نوع معين من البيانات. على سبيل المثال، هناك أجهزة وبرمجيات تتناسب فقط للتعامل مع البيانات ذات الصلة بالوقت، وأخرى مناسبة للتعامل مع التدفق المستمر للبيانات. ولكل نوع مزاياه وعيوبه من حيث مهام التعلم، والمهام الأخرى المتعلقة بحجم البيانات، ووقت تدريب الشبكة على القيام بالمهام، ومساحة تخزين البيانات، وتكمن المهارة فى كيفية استغلالها فى مجموعة متنوعة من التطبيقات فى الشبكات اللاسلكية.
خدمات مالية وحكومية من أهم المزايا الرئيسية للشبكات العصبية هو قدرتها على استخراج الأنماط والتنبؤ بها، والقدرة على تصنيف المهام من بين مجموعات من البيانات الضخمة. وبما أن الشبكات العصبية يمكن أن تستنبط أنواعا عديدة من العلاقات بين مجموعة متنوعة من المدخلات والمخرجات المتغيرة بمرور الوقت، فإنها مؤهلة بقوة لمعالجة مشاكل مثل التعرف على المحتوى، والتعرف على الأنماط، والتصنيف، والكشف عن الأخطاء. وبسبب هذه المزايا، فإنه من الممكن تطبيقها على نطاق واسع للقيام بالخدمات المالية، والحكومية، والرعاية الصحية، والنقل، والتسويق، والمبيعات. وإذا أدركنا أن تطوير الأجهزة الذكية والتطبيقات المحمولة قد زاد بشكل كبير من مستوى تفاعل المستخدمين البشريين مع نظم الاتصالات اللاسلكية، وتطور قدرات الأجهزة، لأدركنا أننا أمام ثورة هائلة فى مجال قدرات الشبكات على تحليل السلوكيات البشرية وتصنيفها والتفاعل معها. وتتزايد الصورة وضوحا عندما نعرف أن تطوير المدن الذكية سيحفز استخدام شبكات الاتصالات العصبية لتحسين نوعية الخدمات المقدمة فى مختلف مناحى الحياة.
حالة المرور وتساعد قدرات الشبكات على تحليل البيانات، وتصنيفها وتوظيفها على إتاحة استخدامها للتنبؤ والاستدلال، والتعلم من مجموعات البيانات التى تم إنشاؤها بواسطة المستخدمين، والبيئة، وأجهزة الشبكة. فعلى سبيل المثال، يمكن أن تقوم الشبكات بالتنبؤ بأنماط حياة المستخدمين، ومن خلال ذلك، تقدم لهم المحتوى المناسب لهم شخصيا. وهذه التنبؤات تعتبر من صميم مفهوم الشبكات اللاسلكية الاستباقية، حيث يمكن للشبكة اللاسلكية التنبؤ بسلوك مستخدميها مسبقا، وتكييف عملياتها مع هذا السلوك. كما يمكن للشبكة معالجة بيانات حركة المرور على الطرق، وهى البيانات التى يتم جمعها من خلال أجهزة الاستشعار وأدوات الشبكة. وهنا يمكن للشبكة اللاسلكية الربط بين إشارات المرور على الطرق والإبلاغ عن حالة الحركة، وربما إعادة توجيه جزء من حركة المرور للاستجابة للحالة الراهنة للنظام.
الملاحة الجوية مع تزايد انتشار الطائرات بدون طيار، يمكن أن تلعب شبكات الاتصالات العصبية الذكية دورا مهما فى عملية تنظيم حركة تلك الطائرات بالتواصل مع المحطات القاعدية، وأجهزة المستخدم النهائي. وبالتالي، ستتمكن من اتخاذ قرارات ذاتية لضبط مواقع الطائرات، ومسارات الطيران المناسبة فوريا اعتمادا على المعلومات التى يتم جمعها، وبالاستناد إلى قدراتها على التنبوء بسلوكيات المستخدمين، وتوليد البيانات. وبالتالى، فهى تستكمل البنية التحتية للاتصالات الأرضية. ومن المتوقع أن يكون هذا الاتصال اللاسلكى مع الأجهزة المتحركة فى السماء من التطبيقات الرئيسية الحاسمة فى نجاح الشبكة العصبية فى القيام بمهام شديدة التغير.
تطبيقات أخرى وهناك عدد كبير آخر من التطبيقات التى يمكن لشبكة الاتصالات العصبية القيام بها فى المجالات الزراعية، والعسكرية، وعمليات التعدين، وخدمات التفتيش على المنشآت الصناعية. وتشمل هذه التطبيقات نقل صور الفيديو فى الوقت الحقيقي، وعمليات المراقبة، والنقل.
إدارة الطيف ستتيح شبكات الاتصالات العصبية التعامل مع الزيادة غير المسبوقة فى حركة البيانات المتنقلة، وتوفير خدمات الجيلين الخامس والسادس من الاتصالات المحمولة بطريقة تفوق الخيال، فضلا عن أنها ستعزز بشكل كبير من إزدهار إنترنت الأشياء. فهى ستعزز الطرق الفعالة لإدارة الطيف الترددى المتاح. وفى الواقع، فإن أحد أهم التطورات الرئيسية فى تصميم شبكات الجيل الخامس يعتمد على تكامل تكنولوجيات النفاذ المتعدد إلى الترددات المختلفة فى إطار نظام واحد، بحيث يمكن أن تتاح لكل جهاز متنقل إمكانيات لنقل البيانات عبر تكنولوجيا “التطور طويل المدى” LTE والواى فاى فى نفس الوقت. وبالتالى تحسين أداء الأجهزة والتخفيف عن الشبكة وقت اللزوم، مما يعنى انتقال سلس للمستخدمين، وزيادة قدرة النظام على تقديم خدمات ذات نوعية عالية. وتعتبر إدارة الطيف أيضا عنصرا مهما فى شبكات الجيل الخامس. حيث سيتزايد ارتباط الأجهزة بالشبكات، ويزداد الطلب على الطيف الترددى، وبالتالى سنواجه محدودية موارد الطيف. ويمكن تزويد الشبكات العصبية اللاسلكية بمحطات بث متعددة النمط. ومع القدرة على تعلم إدارة الموارد المناسبة على مختلف نطاقات الطيف، ستتوفر ذاتية تنظيم الطيف. ويمكن أن تستفيد الشبكات من معرفتها بأنماط تنقل المستخدمين للتنبؤ بتوافر قنوات للإرسال والاستقبال. كما ستتيح الشبكات متعددة القنوات لعدة محطات بث تخصيص الموارد بشكل صحيح عبر تلك الوصلات بطريقة مستقلة. والاستجابة للتغيرات، وبالتالى، التنبؤ بحالة توافر القناة فى المستقبل. وبفضل التصميم الصحيح للشبكة يمكن أن تقوم الشبكة استباقيا بإعادة تنظيم مواردها بشكل تفاعلى لا مركزى.
إنترنت الأشياء من المتوقع فى المستقبل المنظور، أن يضم إنترنت الأشياء تريليونات من الأجهزة مثل الأجهزة القابلة للارتداء، وأجهزة الاستشعار، والسيارات المتصلة، أو الأجهزة الإلكترونية المنزلية، وسيتم ربطها جميعا بشبكة الإنترنت، وتشكيل نظام بيئى جديد. ويتيح إنترنت الأشياء للأجهزة العمل بطريقة ذاتية التنظيم، كما يتيح نقل البيانات إلى أجهزة أخرى بأقل قدر من التدخل البشري. وعلاوة على ذلك، ستسهل إنترنت الأشياء للأجهزة التواصل ببعضها البعض عبر وصلات لاسلكية. وبالتالي، فإنها يمكن جمع وتبادل المعلومات فى الوقت الحقيقى لتقديم الخدمات الذكية. كما تسمح إنترنت الأشياء بتقديم خدمات وحلول مبتكرة للمدن الذكية، والشبكات الذكية، والمنازل الذكية. على سبيل المثال، يمكن استخدام تقنية إنترنت الأشياء لإدارة جميع أنظمة المدينة بذكاء، مثل معلومات نظم الإدارة المحلية، والمدارس، والمكتبات، والنقل، والمستشفيات، وإمدادات المياه، والغاز، وأنظمة الكهرباء من أجل تحسين كفاءة الخدمات. وفى الوقت نفسه، يمكن لتجار التجزئة، وسلاسل المطاعم، وصانعى السلع الاستهلاكية استخدام البيانات الواردة من الهواتف الذكية، والأجهزة المنزلية للقيام بعمليات التسويق لمنتجاتهم.
