An Intelligent AI Driven Framework for Smart Campus WiFi Optimization

في الجامعة الحديثة، يثقل الهواء بإشارات غير مرئية. يحمل كل طالب جهازاً يتطلب اتصالاً، من الهواتف الذكية إلى أجهزة الكمبيوتر المحمولة، وكلها تتنافس على حصة من نفس الطيف اللاسلكي. عندما يتجمع مئات الأشخاص في قاعة محاضرات أو مكتبة، تصطدم هذه الإشارات، مما يخلق بيئة فوضوية حيث تكافح البيانات للعبور. هذا ليس مجرد إزعاج؛ بل هو انهيار جوهري في البنية التحتية الرقمية التي تدعم التعليم. لعقود من الزمن، أدار مهندسو الشبكات هذه الفوضى بقواعد ثابتة، واضعين حدوداً محددة ومنتظرين رنين الإنذارات فقط بعد أن يكون الاتصال قد تعطل بالفعل. إنه نهج تفاعلي، يشبه محاولة إصلاح ازدحام مروري بعد أن تتوقف السيارات بالفعل. والسؤال الذي يواجه الباحثين اليوم هو ما إذا كان بإمكان الشبكة أن تتعلم توقع هذه الاختناقات، وتستشعر الضغط قبل أن يتراكم، وتعدل نفسها في الوقت الفعلي للحفاظ على تدفق الحركة.

اقترح فريق من الباحثين في كلية "بي إم إس" للهندسة (B.M.S. College of Engineering) في بنغالورو طريقة جديدة للإجابة على ذلك السؤال من خلال نظام أطلقوا عليه اسم "وي فلوكس إيه آي" (WiFlux AI). فبدلاً من انتظار تعطل الشبكة، يعمل هذا النظام كمراقب ذكي ومستمر يراقب صحة كل نقطة وصول لاسلكية في الحرم الجامعي. هو لا يعتمد على عتبات بسيطة أو فحوصات يدوية، بل يجمع كمية هائلة من البيانات كل خمس ثوانٍ، متتبعاً أربعة عشر جانباً مختلفاً لسلوك الشبكة، مثل عدد الأجهزة المتصلة، وقوة الإشارة، وكمية البيانات المفقودة. ومن خلال تغذية هذا التدفق من المعلومات في نماذج ذكاء اصطناعي متقدمة، يمكن للنظام التمييز بين النشاط الطبيعي والعلامات المبكرة لحدث ازدحام وشيك. لقد صُمم ليكون سريعاً، حيث يتخذ القرارات في أقل من مائتي مللي ثانية، وهي سرعة تسمح له بالتحرك بينما لا تزال الشبكة مستقرة.

اختبر الباحثون فكرتهم في بيئة حرم جامعي محاكية تحتوي على مائة وعشرين نقطة وصول، وهو مقياس كبير بما يكفي لمحاكاة تعقيد الجامعة الحقيقية. وقارنوا نظامهم القائم على الذكاء الاصطناعي بالطرق التقليدية التي تعتمد على المراقبة الثابتة والتنبيهات البسيطة. وأظهرت النتائج ميزة واضحة للنهج الذكي؛ فعندما اكتشف النظام أن منطقة معينة بدأت تصبح مزدحمة، لم يكتفِ بإطلاق إنذار فحسب، بل اتخذ إجراءً. كان بإمكانه اقتراح تغيير القناة اللاسلكية إلى تردد أقل ازدحاماً، أو تعديل قوة الإشارة لتغطية مساحة أصغر أو أكبر، أو توجيه بعض الأجهزة بلطف إلى نقطة وصول مجاورة بها مساحة أكبر. لم تكن هذه الإجراءات عشوائية، بل كانت محسوبة لتقليل الاضطراب مع زيادة السرعة إلى أقصى حد.

كان تأثير هذه التعديلات التلقائية كبيراً. ففي اختباراتهم، زاد النظام السرعة الإجمالية للشبكة بنسبة 41.2%، وقلل من كمية البيانات المفقودة أثناء النقل بنسبة 52.4%، وخفض وتيرة أحداث الازدحام بنسبة 38.6%. ولعل الأهم من ذلك هو أن النظام تمكن من تحديد وقت ازدحام الشبكة بدقة بلغت 96.3%. وهذا المستوى من الدقة يعني أن النظام نادراً ما يطلق إنذارات كاذبة، متجنباً التغييرات غير الضرورية التي قد تربك الشبكة، بينما يمسك بكل مشكلة حقيقية قبل أن تؤثر على المستخدم.

يكمن جزء رئيسي من هذا النجاح في كيفية تفكير النظام؛ فهو يستخدم نوعين مختلفين من الذكاء الاصطناعي يعملان معاً. يعمل جزء منه كـ "مصنف"، يراقب الحالة الراهنة للشبكة ليقرر ما إذا كانت هناك مشكلة قائمة الآن. أما الجزء الآخر فيعمل كـ "متنبئ"، يراقب الأنماط من الساعة الماضية ليتوقع ما سيحدث في العشر دقائق القادمة. تتيح هذه القدرة التنبؤية للنظام الاستعداد للازدحام قبل وقوعه بالفعل. على سبيل المثال، إذا رأى النظام أن قاعة المحاضرات تمتلئ في وقت محدد كل يوم، يمكنه تعديل إعدادات الشبكة مسبقاً، مما يسهل عملية الانتقال قبل وصول الطلاب حتى. وفي عمليات المحاكاة التي أجروها، منحت هذه القدرة التنبؤية النظام أفضلية زمنية تقارب ثماني دقائق، وهي نافذة زمنية كافية لإعادة تهيئة الشبكة دون أن يلاحظ المستخدم أي انخفاض في الأداء.

ركز الباحثون أيضاً على جعل النظام مفهوماً للمهندسين البشريين. فالذكاء الاصطناعي قد يكون أحياناً بمثابة "صندوق أسود"، حيث يتم اتخاذ قرار دون شرح واضح. ولحل هذه المشكلة، دمج الفريق أداة تفكك بدقة سبب تقديم النظام لتوصية معينة. يمكنها أن تخبر المهندس أن اقتراح تغيير القناة جاء لأن التداخل من مبنى قريب كان مرتفعاً جداً، أو أن تعديل القدرة كان مطلوباً بسبب ازدحام الكثير من الأجهزة حول إشارة واحدة. هذه الشفافية تبني الثقة، مما يضمن أن الأشخاص المسؤولين عن الشبكة يمكنهم التحقق من المنطق وراء خيارات الآلة.

لقد بُني النظام ليكون قابلاً للنمو؛ فقد صممه الباحثون بحيث يمكنه التعامل مع ما يصل إلى ألف نقطة وصول دون أن يتباطأ، وهي ميزة حاسمة للحرمات الجامعية الكبيرة التي تتوسع باستمرار. وقد اختبروا هذه القابلية للتوسع عبر محاكاة شبكة تضم مئات الأجهزة، ووجدوا أن الوقت الذي يستغرقه معالجة البيانات واتخاذ القرار ظل سريعاً باستمرار. كما أن الإطار بأكمله مصمم للعمل مع معدات من شركات مصنعة مختلفة، مما يعني أنه لا يجبر الجامعة على شراء علامة تجارية محددة من الأجهزة لجعله يعمل. فهو يتحدث اللغة نفسها التي تستخدمها معدات الشبكة الموجودة، مما يجعله ترقية عملية بدلاً من استبدال كامل.

بينما تبدو النتائج واعدة، يوضح الباحثون حدود عملهم. فالنتائج تأتي من بيئة محاكاة محكومة استخدمت أنماط بيانات من العالم الحقيقي، لكن النظام لم يتم نشره بعد في شبكة جامعية عامة وحية. وقد قيست التحسينات في السرعة والموثوقية ضمن هذه المحاكاة، التي حاكت الظروف الحقيقية عن كثب ولكنها تظل بيئة اختبار. ويقترح الفريق أن الخطوة التالية ستكون دمج هذا الذكاء مع أنظمة إدارة المباني الأوسع، وربما استخدام البيانات المتعلقة بموعد دخول الأشخاص إلى غرفة ما للتنبؤ باحتياجات الشبكة بشكل استباقي أكثر. كما يرون إمكانية استخدام نفس التقنية للكشف عن التهديدات الأمنية، مثل الأجهزة غير المصرح لها التي تحاول الاتصال بالشبكة.

إن العمل الذي قدمه الفريق في كلية "بي إم إس" للهندسة يمثل تحولاً في كيفية إدارتنا للبنية التحتية غير المرئية لحياتنا اليومية. إنه ينتقل من النموذج القديم المتمثل في إصلاح الأشياء بعد تعطلها، إلى نموذج تفهم فيه الشبكة حالتها وتتكيف للحفاظ على سير عملها بسلاسة. ومن خلال الجمع بين البيانات في الوقت الفعلي والذكاء التنبئي، يقدم النظام وسيلة للتعامل مع الكثافة المتزايدة للأجهزة في مدارسنا ومدننا. وتشير النتائج إلى أنه مع الأدوات الصحيحة، يمكن للشبكات اللاسلكية التي تربطنا أن تصبح ليست فقط أسرع، بل أكثر ذكاءً، تتوقع احتياجاتنا قبل أن ندركها نحن.