يناقش نيسان، بوضوح، كيف يعتمد الذكاء الاصطناعي في الطباعة على مطابقة أنماط البيانات، وهو ما يعزز بالفعل برامج موفري التنسيقات الكبيرة. ويتوقع أن يؤدي ذلك إلى زيادة تكامل الذكاء الاصطناعي في تخطيط سير العمل وإدارة قوائم انتظار المهام وتصحيح الألوان وترقية الصور والصيانة التنبؤية عبر أجهزة الاستشعار وأنظمة الرؤية، مما يؤدي في النهاية إلى تبسيط العمليات وتوفير مرونة أكبر.
استنادًا إلى عناوين الصحف من جميع أنحاء العالم، هناك اهتمام كبير الآن بالذكاء الاصطناعي، أو الذكاء الاصطناعي، حيث تتحدث الشركات متعددة الجنسيات والحكومات علنًا عن استخدام هذه التكنولوجيا لتحسين إنتاجها وتحقيق المزيد من الدخل. ولكن كيف سينتقل هذا إلى صناعة الطباعة ولا سيما العديد من مزودي خدمات الطباعة ذات التنسيقات الكبيرة التي تخدم سوق اللافتات والعرض؟
ومن المفارقات أنه لا يوجد الكثير من الذكاء في الذكاء الاصطناعي. عادةً ما ينطوي الذكاء على مستوى معين من التفكير المعرفي لحل المشاكل. لكن الذكاء الاصطناعي هو ببساطة جمع كميات كبيرة من البيانات، بما في ذلك الأمثلة السابقة للتفكير، ومطابقة ذلك مع الأنماط التي تظهر من تلك البيانات. في أي موقف معين، تقوم معظم أنظمة الذكاء الاصطناعي بأخذ أفضل تخمين بناءً على البيانات المتاحة (وأحيانًا يولد هذا الأمر أخطاءً). لقد استخدمنا في السابق خوارزميات للقيام بشيء مماثل، ولكن ما يميز الذكاء الاصطناعي حقًا هو مجموعات البيانات الضخمة من المعلومات الأولية التي تستوعبها هذه الأنظمة. وقد أصبح هذا في حد ذاته ممكنًا بفضل التقدم في قوة الحوسبة الخام.
يستند الكثير من الضجيج الحالي إلى الذكاء الاصطناعي التوليدي، والذي يمكنه إنشاء حلول بناءً على المطالبات التي يتم إدخالها في النظام. ومع ذلك، يجب أن تكون هذه الأنظمة مُدرّبة مسبقاً على البيانات الموجودة، بحيث تُعرف بشكل أكثر دقة باسم GPT أو GPT التوليدي المُدرّب مسبقاً. أشهرها على الأرجح هو ChatGPT.
على المستوى العام، يمكن استخدام هذه الأنظمة بطرق عملية، مثل إنشاء مسودات أولية للرسائل المصاحبة لعروض الأسعار أو حتى عروض مبيعات كاملة. نظرًا لأن الذكاء الاصطناعي ليس مثاليًا، فمن الأفضل استخدامه للمسودات الأولية بدلاً من النسخ النهائية، ولكن مع ذلك، فإن هذا يكفي للسماح للمستخدمين بإنجاز المزيد في وقت أقل.
تركز بعض إصدارات الذكاء الاصطناعي بشكل أكبر على إنشاء الصور وهي بالفعل جيدة بما يكفي للسماح للأشخاص الذين لديهم مستوى معين من المعرفة بإنتاج عمل قد يكون خارج نطاقهم. وهذا يقلل إلى حد كبير من التكاليف التي ينطوي عليها إنتاج الأعمال الفنية، حتى لمجرد إنشاء نماذج سريعة قبل الاستعانة بمصمم محترف. ويمكن أن يشمل ذلك أشياء مثل الرسومات الخاصة بمنصة عرض، أو أنماط للملابس المطبوعة رقمياً.
ومع ذلك، لا تظن أن الذكاء الاصطناعي سيقوم بكل العمل نيابةً عنك. تعتمد جودة النتائج على جودة المطالبات التي تغذي بها النظام، وهذا يتطلب بعض التدريب في حد ذاته. وهذا يعني أن الشخص الذي تم تدريبه على استخدام الذكاء الاصطناعي سيكون قادرًا على إنتاج عمل في مجالات أخرى لم يحصل فيها على نفس الدرجة من التدريب. وينعكس هذا النوع من تعدد المهارات في عبارة: “لن يأخذ الذكاء الاصطناعي وظيفتك ولكن من المحتمل أن يأخذها شخص يستخدم الذكاء الاصطناعي”.
الذكاء الاصطناعي والطباعة
هناك عدد من المجالات التي يمكن أن يكون للذكاء الاصطناعي فيها تأثير عميق على الطباعة، ويمكننا أن نرى بعضها بالفعل. تقنية الذكاء الاصطناعي ليست جديدة تمامًا كما توحي بعض عناوين الصحف. فهي مستخدمة منذ أكثر من عقد من الزمان حتى الآن، وهي مستخدمة بالفعل في بعض البرامج المتاحة لصناعة الطباعة. الجديد في الأمر هو أنه حيثما كانت تُستخدم في السابق في منتجات فردية معزولة، يمكننا الآن أن نتوقع أن نرى هذه الحلول أكثر تكاملاً، مع المزيد من الأتمتة المدعومة بالذكاء الاصطناعي في سير عمل الإنتاج.
التسمية التوضيحية: يستخدم Esko Phoenix الذكاء الاصطناعي للفرض والتداخل الآلي.
سيشمل ذلك تخطيط الطريقة الأكثر فعالية لإنتاج المهام، والتي يمكن استخدامها لإنشاء عرض أسعار وتخطيط مسار الإنتاج. كما يتم استخدام الذكاء الاصطناعي بشكل متزايد لإدارة قائمة انتظار المهام. ويتمثل جزء جوهري من ذلك في الطريقة التي يتم بها تجميع المهام المختلفة معًا أو تداخلها حول بعضها البعض على الورقة أو اللفة لتقليل كمية الوسائط المهدرة. وقد تطور هذا الأمر من الفرض، أي ترتيب الصفحات على ورقة الطباعة لتحسين التخطيط. هناك العديد من البرامج الموجودة، مثل Esko Phoenix، التي تستخدم بالفعل الذكاء الاصطناعي في الفرض، وقد انتقلت هذه التقنية الآن إلى إدارة مهام التنسيقات الكبيرة. هناك عدد من المعلمات المختلفة التي يجب أخذها في الاعتبار، بما في ذلك كيفية إنهاء هذه المهام المختلفة وأوقات التسليم المتفق عليها لكل من هذه المهام. وبالطبع ستتغير كل هذه العوامل باستمرار على مدار اليوم مع ورود المزيد من الطلبات. ولكن تعد القدرة على التعامل مع الطلبات المتأخرة عنصراً أساسياً في الطلبات السريعة عند الطلب اليوم، وهو ما يتوقعه العملاء الآن.
هناك مجال آخر يستفيد بالفعل من تقنية الذكاء الاصطناعي وهو إدارة الألوان. تتضمن العديد من ملفات العملاء أخطاءً في إدارة الألوان، ويمكن تصحيح بعضها مثل مساحة الألوان الخاطئة بسهولة. تستخدم الكثير من برامج إدارة الألوان الآن أيضًا الذكاء الاصطناعي للمساعدة في تعديل الألوان في هذه الملفات لإنتاج مظهر أكثر طبيعية، مما يقلل من رفض العملاء للمهام بسبب التصورات المتعلقة بالألوان المطبوعة. غالبًا ما يتم تصنيف هذا الأمر في البرنامج على أنه تحسين تلقائي ولا يتم الإشارة إليه على أنه يعتمد على الذكاء الاصطناعي.
التسمية التوضيحية: تحتوي أحدث طابعة لاتكس من HP، وهي السلسلة 830، على مقياس طيف ضوئي مدمج لإدارة الألوان تلقائيًا مدعومًا بالذكاء الاصطناعي.
وتغطي إدارة الألوان أيضًا مجالات أخرى بدءًا من معايرة الطابعات ومعايرتها وصولاً إلى إنشاء ملفات تعريف لجميع الوسائط المختلفة واختيار الإعدادات المناسبة لكل مهمة. بدأنا تدريجياً في رؤية المزيد من أجهزة قياس الطيف الضوئي المدمجة في طابعات التنسيقات الكبيرة لتمكين أتمتة كل إدارة الألوان هذه، مع الحد الأدنى من مدخلات المشغل. ومرة أخرى، يتم دفع هذا الأمر أيضًا بواسطة الذكاء الاصطناعي.
يتم استخدام الذكاء الاصطناعي أيضًا لتحسين جوانب أخرى من جودة الصورة. يمكن أن يشمل ذلك ترقية الصور، وذلك باستخدام الذكاء الاصطناعي بشكل أساسي لإضافة وحدات بكسل إضافية إلى الصورة بناءً على أفضل تخمين بعد تحليل وحدات البكسل الموجودة. وهذه فائدة واضحة لأي شخص يتطلع إلى إنشاء لوحات إعلانية كبيرة. كما أنه يساعد في التغلب على مشكلات العملاء الذين يرسلون ملفات منخفضة الدقة.
أحد المجالات التي تستفيد حقاً من زيادة استخدام الذكاء الاصطناعي هو مجال الصيانة التنبؤية. فقد أجبرت الجائحة، مع حالات الإغلاق المختلفة، معظم البائعين على إعادة التفكير في عروض خدماتهم حيث أصبح من الصعب إرسال مهندسين في زيارات ميدانية. لكن الذكاء الاصطناعي سمح لهؤلاء البائعين بتحليل البيانات التي لديهم بالفعل حول أسباب استدعاءات الصيانة لتوقع متى قد يتعطل كل مكون.
من أجل إضافة المزيد من الأتمتة، سيتعين على طابعات التنسيقات الكبيرة توليد المزيد من البيانات. لذلك من شبه المؤكد أننا سنشهد إضافة المزيد من المستشعرات إلى طابعات التنسيقات الكبيرة خلال السنوات القليلة القادمة لاكتشاف المشاكل المحتملة والتقاط الأجزاء التي تعاني من الفشل. لا بد أن تحصل الطابعات الكبيرة على المزيد من أنظمة الرؤية للتحقق من أن ما تمت طباعته يتطابق مع توقعات العميل.
ومن المجالات الأخرى التي يمكن للذكاء الاصطناعي أن يفيد فيها إدارة المخزون، بما في ذلك طلب المزيد من المواد الاستهلاكية وقطع الغيار حسب الحاجة. وتكمن الحيلة في عدم الإفراط في الطلب – الأمر الذي سيؤدي إلى تقييد رأس المال في المخزون – ولكن في الوقت نفسه عدم المخاطرة بنفاد شيء ما من شأنه أن يعيق الإنتاج.
يدعم الذكاء الاصطناعي أيضًا العديد من خدمات التحليلات التي قدمها بعض بائعي الطابعات، بالإضافة إلى بعض نظم المعلومات الإدارية. وهي جيدة في اكتشاف الأنماط، مثل انخفاض المبيعات في بعض المجالات، والتوصل إلى حلول تستند إلى أفكار جربها الآخرون بنجاح، ولكنها مصممة خصيصًا لحالة المستخدم الفردية بناءً على بياناته.
في الختام، إن الذكاء الاصطناعي ليس تقنية مستقبلية على الإطلاق، بل هو تقنية مدمجة بالفعل في الكثير من برامج الأتمتة المستخدمة بالفعل. ويمكننا أن نتوقع إضافة المزيد من الأجهزة – في شكل أجهزة استشعار وأجهزة قياس الطيف الضوئي وأنظمة الرؤية – إلى الطابعات لتسهيل هذه الأتمتة. يجب أن يسهل الذكاء الاصطناعي دمج الحلول بين البائعين المختلفين. وهذا بدوره من شأنه أن يمنح مستخدمي التنسيقات الكبيرة حرية أكبر في بناء تدفقات عمل الإنتاج التي تناسب متطلباتهم الفردية بشكل أفضل.