يؤدي تعفن التعليمات البرمجية إلى ضعف أداء أنظمة المؤسسة. وفي عالمنا اليوم المثقل بالأجهزة، يمكن أن يكون الأمر مدمرًا. هناك مشكلة أخرى كامنة: خوارزميات الذكاء الاصطناعي غير الدقيقة.
إن الإمكانيات التي أتاحها لنا ظهور إنترنت الأشياء (IoT) شيء جميل. ومع ذلك، لا يتم إيلاء الاهتمام الكافي للبرامج التي تدخل في أمور إنترنت الأشياء. يمكن أن يكون هذا تحديًا شاقًا، لأنه، على عكس البنية التحتية المركزية لتكنولوجيا المعلومات، توجد برمجيات واحدة تلو الأخرى تقديريوجد الآن ما لا يقل عن 30 مليار جهاز إنترنت الأشياء في العالم، وفي كل ثانية، يتصل 127 جهاز إنترنت أشياء جديد بالإنترنت.
العديد من هذه الأجهزة ليست غبية. لقد أصبحوا أكثر تطورًا وذكاءً في حد ذاتها، ويستوعبون كميات كبيرة من التعليمات البرمجية المحلية. المهم هو أن هذا يعني وجود الكثير من البرامج التي تحتاج إلى رعاية. جارتنر التقديرات أنه في الوقت الحالي، يتم إنشاء ومعالجة 10 بالمائة من البيانات التي تنتجها المؤسسة على الحافة، وفي غضون خمس سنوات، سيصل هذا الرقم إلى 75 بالمائة.
بالنسبة لأجهزة الاستشعار الموجودة داخل الثلاجة أو الغسالة، فإن مشكلات البرامج تعني الإزعاج. داخل السيارات أو المركبات، فهذا يعني مشكلة. بالنسبة لبرنامج تشغيل الأجهزة الطبية، قد يعني ذلك الحياة أو الموت.
يعد "تعفن التعليمات البرمجية" أحد مصادر المشاكل المحتملة لهذه الأجهزة. لا يوجد شيء جديد بشأن تعفن الأكواد، إنها آفة ترافقنا منذ بعض الوقت. ويحدث ذلك عندما تتغير البيئة المحيطة بالبرنامج، أو عندما يتدهور البرنامج، أو عندما يتراكم الدين الفني أثناء تحميل البرنامج بالتحسينات أو التحديثات.
يمكن أن يعيق حتى أنظمة المؤسسات الأكثر تصميمًا. ومع ذلك، مع نشر التعليمات البرمجية المتطورة بشكل متزايد عند الحواف، يجب إيلاء المزيد من الاهتمام لأجهزة إنترنت الأشياء والأنظمة الموزعة بشكل كبير، خاصة تلك ذات الوظائف الحيوية. جيريمي فوغان، مؤسس الرئيس التنفيذي لشركة TauruSeer، مؤخرًا دق ناقوس الخطر على التعليمات البرمجية التي تعمل على تشغيل بيئات الحافة الطبية.
تم تحفيز فوغان إلى العمل عندما تعطلت وظيفة جهاز مراقبة الجلوكوز المستمر (CGM) على تطبيق الهاتف المحمول الذي تستخدمه ابنته، التي أصيبت بمرض السكري من النوع الأول طوال حياتها. وقال: "كانت الميزات تختفي، ولم تكن التنبيهات المهمة تعمل، وتوقفت الإشعارات". ونتيجة لذلك، اضطرت ابنته البالغة من العمر تسع سنوات، والتي اعتمدت على تنبيهات CGM، إلى الاعتماد على غرائزها الخاصة.
وكانت التطبيقات، التي قام فوغان بتنزيلها في عام 2016، "عديمة الفائدة تمامًا" بحلول نهاية عام 2018. "شعر آل فوغان بالوحدة، لكنهم اشتبهوا في أنهم ليسوا كذلك. لقد لجأوا إلى المراجعات على Google Play وApple App Store واكتشفوا مئات المرضى ومقدمي الرعاية الذين يشكون من مشكلات مماثلة."
إن تعفن الكود ليس هو المشكلة الوحيدة الكامنة في برامج الأجهزة الطبية. حديثا يذاكر من جامعة ستانفورد، وجد أن بيانات التدريب المستخدمة لخوارزميات الذكاء الاصطناعي في الأجهزة الطبية تعتمد فقط على عينة صغيرة من المرضى. يتم تدريب معظم الخوارزميات، 71%، على مجموعات بيانات من المرضى في ثلاث مناطق جغرافية فقط - كاليفورنيا وماساتشوستس ونيويورك - "وأن غالبية الولايات ليس لديها ممثلين المرضى على الإطلاق." في حين أن بحث ستانفورد لم يكشف عن نتائج سيئة من الذكاء الاصطناعي المدرب في المناطق الجغرافية، لكنه أثار تساؤلات حول صلاحية الخوارزميات للمرضى في مناطق أخرى. المناطق.
"نحن بحاجة إلى فهم تأثير هذه التحيزات وما إذا كان ينبغي القيام باستثمارات كبيرة لإزالتها يقول روس ألتمان، المدير المساعد لمعهد ستانفورد للأبحاث الاصطناعية التي تركز على الإنسان ذكاء. "ترتبط الجغرافيا بمليارات الأشياء المتعلقة بالصحة. "إنه يرتبط بنمط الحياة وما تأكله والنظام الغذائي الذي تتعرض له؛ يمكن أن يرتبط بالتعرض للطقس وحالات التعرض الأخرى اعتمادًا على ما إذا كنت تعيش في منطقة بها مستويات عالية من التكسير الهيدروليكي أو مستويات عالية من المواد الكيميائية السامة من وكالة حماية البيئة - كل ذلك يرتبط بالجغرافيا.
تحث دراسة ستانفورد على استخدام مجموعات بيانات أكبر وأكثر تنوعًا لتطوير خوارزميات الذكاء الاصطناعي التي تدخل في الأجهزة. ومع ذلك، يحذر الباحثون من أن الحصول على مجموعات كبيرة من البيانات يعد عملية مكلفة. "يجب على الجمهور أيضًا أن يكون متشككًا عندما يتم تطوير أنظمة الذكاء الاصطناعي الطبية من مجموعات بيانات التدريب الضيقة. ويحثون على أن يقوم المنظمون بفحص طرق التدريب لأنظمة التعلم الآلي الجديدة هذه.
وفيما يتعلق بصلاحية البرنامج نفسه، يشير فوغان إلى الديون الفنية المتراكمة داخل الأجهزة الطبية وبرامج التطبيقات التي يمكن أن تقلل بشدة من دقتها وفعاليتها. "بعد عامين، أصبحنا نثق بشكل أعمى في أنه قد تم إعادة بناء تطبيق [مراقبة الجلوكوز]"، كما يقول. "لسوء الحظ، كانت التحسينات الوحيدة هي الإصلاحات السريعة والترقيع. لم تتم معالجة الديون الفنية. لقد تحققنا من صحة الأخطاء على جميع الأجهزة وما زلنا نجد مراجعات تشارك قصصًا مماثلة المكونات الموجودة داخل هذه الأجهزة والتطبيقات، بما في ذلك اتباع إرشادات إدارة الغذاء والدواء الأمريكية التي تدعو إلى ذلك أ "لائحة مواد الأمن السيبراني (CBOM)" الذي يسرد "مكونات البرامج والأجهزة التجارية ومفتوحة المصدر والجاهزة التي تكون أو يمكن أن تصبح عرضة لنقاط الضعف."
المزيد والمزيد من تطوير الحوسبة والبرمجيات ينتقل إلى الحافة. ويتمثل التحدي في تطبيق مبادئ التطوير السريع وإدارة دورة حياة البرامج ومراقبة الجودة المستفادة على مر السنين في مركز البيانات إلى الحواف، وتطبيق الأتمتة على نطاق أوسع للحفاظ على مليارات الأجهزة حاضِر.