שלום,
נראה שכבר הכרתם את אאוריקה. בטח כבר גיליתם כאן דברים מדהימים, אולי כבר שאלתם שאלות וקיבלתם תשובות טובות.
נשמח לראות משהו מכם בספר האורחים שלנו: איזו מילה טובה, חוות דעת, עצה חכמה לשיפור או כל מה שיש לכם לספר לנו על אאוריקה, כפי שאתם חווים אותה.
»
«
מהו ניסוי החתולים של גוגל?
כשרוצים ללגלג על יוטיוב והרשת, תמיד מדברים על סרטונים טפשיים של חתולים. אבל האמת היא שניתן לעשות באמצעותם לא מעט. בשנת 2012 הצליחה חברת גוגל להוכיח את היכולת של מערכת הלמידה העמוקה שלה באופן משמעותי. לאחר שהוכיחה שצפייה ב-10 מיליון תמונות מסרטוני יוטיוב, הביאה אותה ליכולת טובה פי שניים מניסיונות קודמים בזיהוי עצמים כמו חתולים בתמונות.
בכך הצליחה לראשונה תוכנה חכמה לחבר באופן לוגי בין תמונה למילה. היכולת לזהות באופן עצמאי את הקשר בין המידע הויזואלי למילה חתול הוא שלב מרשים בצעידה לכיוון של הבינה המלאכותית והלמידה העמוקה. במדעי המוח מזוהה שלב זה עם שלב דומה בלמידה של התינוק. בשלבי הלמידה הראשונים שלו הוא לומד לזהות עצמים עם מילים שלמד מהוריו.
הנה תיאור הניסוי של הלמידה העמוקה בגוגל לזהות חתולים בסרטונים:
https://youtu.be/TK4qLwTye_s
הומור סרקסטי על העובדה שהמוח של גוגל יהפוך בסוף לטיפש מעודף צפייה בסרטוני חתולים ברשת:
https://youtu.be/lWijWH8VnlA
והרצאת טד עם ראייה חכמה וההתקדמות המדהימה שלה (מתורגם):
https://youtu.be/40riCqvRoMs?long=yes
איך מלמדים מחשבים לזהות פנים?
האם מחשב יכול להמציא מתכונים?
כמה שהדבר נראה אולי סתמי, המצאת מתכונים היא אחד הדברים המרתקים והקשים שמבצע המוח האנושי. אם זלזלתם בשף ההוא מהטלוויזיה או בחבר-טבח היצירתי שלכם, אז כדאי שתבינו שהמצאת מתכון היא פעולה מורכבת מאד. רק כדי שנדע - בניגוד ליצירה אמנותית שניתן ליהנות ממנה או להעריך אותה, גם אם היא מאד לא נעימה לנו, המתכון הלא-טעים יישפט אצלנו לחומרה בכל מקרה...
"ווטסון" מחשב העל של חברת IBM הוא מחשב חכם מאד, שזכה לפרסום עולמי לאחר שניצח מתחרים אנושיים בשעשועון ידע בטלוויזיה. אבל האם הוא יכול גם להיות יצירתי? - אם פעם יצירתיות נחשבה לתכונה של בני-אנוש ול"מותר האדם", הרי שההנחה הרווחת כיום בקרב מדעני המחשב היא שיצירתיות תושג בסופו של דבר בתוכנות ובמחשבים המתקדמים שמפותחים ויפותחו בעתיד, מחשבי-על שמצוידים בבינה מלאכותית.
אנשי חברת IBM התמקדו לאחרונה בתחום שהם מכנים "הבישול הקוגניטיבי". מרב המאמצים שלהם התרכז ביכולת לגרום לווטסון להמציא מתכונים טעימים. במסגרת הלימוד שווטסון יודע לבצע, הוא סרק מגוון עצום של מתכונים ורכיבי מזון שונים, ממטבחים רבים מכל קצוות תבל. ידע זה הצטרף לידע מדעי רב בתחום הכימיה, תורת המזון, פיזיולוגיה של בלוטות הטעם והעדפות אנושיות של טעמים.
בשלב הבא החל ווטסון להמציא מנות מקוריות משלו. אחרי זה יצא ספר מתכונים עם 65 מתכונים שהמציא ושנוסו בהצלחה על ידי שפים.
בכל מקרה, כל הפיתוח של מה שכבר זכה לשם "בישול קוגניטיבי" הוא ניסיון מרתק ליישם את הלמידה החישובית בתחום שבו היא מודגמת היטב ולהוציא מהמחשב יצירתיות, תכונה שעד ימינו הייתה שמורה רק לבני-אדם. דרך תחום שמוכר לכל אחד מאיתנו, מטבח ואוכל טוב, מוכיחים בחברת יבמ שגם בשלל תחומים אחרים ווטסון יאפשר הישגים מדהימים לא פחות ואולי אף הרבה יותר.
הנה אוטובוס שמחלק מנות שהמציא ווטסון ומתעניין בתגובות הציבור הרחב:
http://youtu.be/yrfMcNE0y9s
ווטסון ממציא שלל מתכונים חדשים:
https://youtu.be/CciMiJJrCd8
אם זה כך אז אין פלא שכבר פותח שף רובוטי דוגמת זה:
https://youtu.be/SNy6fEuPWbc
וגם בארץ - הנה תחרות בין שפית לצ'אט GPT (עברית):
https://youtu.be/8oxHS5qemAE?long=yes
למה טובה פרסונליזציה ברשת?
פרסונליזציה (Personalization) באתרי אינטרנט, באפליקציות ואפילו במערכות הפעלה, היא התאמה אישית של התוכן המוצג למשתמש, לתחומי העניין האישיים שלו ולמה שהוא מעדיף, מחפש ומתעניין.
כל אחד הוא מיוחד ואף אחד הוא לא כמו כולם.
החשיבות של הפרסונליזציה היא שלכל אדם יש תחומי עניין שונים במקצת, כך שאם יותאמו התכנים במיוחד לכל משתמש, קורא, או צרכן, הוא ייהנה מהם הרבה יותר ויבצע פעולות שישתלמו גם לשירות המקוון. זה יקרה משום שהתוכן שיותאם למשתמש יהיה יותר רלוונטי ובעל משמעות רבה יותר עבורו.
כך יוצא שפרסונליזציה היא טכנולוגיה משבשת, אחד הכלים הכי חזקים בדרך לשיבוש חיובי של שווקים שזקוקים לשיבוש, באנגלית "דיסראפשן" (Distruption), כלומר לחדשנות. על ההמלצות של ספוטיפיי שמעתם? - זו פרסונליזציה שנעשית מצוין.
באתרים רבים ניתן כיום למצוא רמות שונות של פרסונליזציה. דוגמאות לכך לא חסרות. הכי מוכרות הן תוצאות החיפוש של מנוע החיפוש של גוגל, שמותאמות לתחומי העניין של המחפש ולהיסטוריית החיפושים שלו. גוגל לומדת כל אחד מאיתנו ומתאימה לנו תוצאות חיפוש אישיות.
אגב, באותה שיטה היא גם מתאימה לנו פרסומות - היא גם יודעת מה חיפשנו או במה עוסק דף האינטרנט שבו אנו מתעניינים כרגע וגם מכירה אותנו, על תחביבינו, תחומי העניין שלנו ומה אנחנו חולמים לקנות או להכיר.
דוגמאות מוכרות נוספות הן למשל הצעות לחברים אפשריים שפייסבוק מציגה לנו, או הצגת פוסטים מומלצים בפיד של המשתמשים. השירות החברתי הזה לא מציג את אותם פוסטים ותכנים לכלל המשתמשים, כמו בבלוג רגיל, אלא בוחר פוסטים מתאימים ומותאמים לכל אחד ואחד. המטרה של פייסבוק היא להשאיר את המשתמשים כמה שיותר זמן ברשת החברתית שלה. הפרס שלה על השימוש המוגדל שלנו ברשת החברתית הוא הרבה לחיצות וצפיות בפרסומות, כמו גם מידע שהיא צוברת עלינו ושווה לה הון.
עוד דוגמאות הן המלצות על ספרים ומוצרים שיעניינו את המשתמש בחנות המקוונת של אמזון. אלה ניתנות על פי הלימוד של תחומי העניין שלו, כפי שבאו לידי ביטוי בקניות קודמות ובעיון באתר. כשהם מוצגים כך אנו מתפתים לקנות יותר מאשר תכננו. התוצאה היא שורת רווח מוגדלת ועשרות מיליארדי דולרים יותר.
פרסונליזציה עובדת טוב לשביעות הרצון שלנו משירותים נוספים. כך גם ממליצים על סרטים בשירות של נטפליקס, שירות שאגב יש לו המון לאיפה להשתפר. כך ממליצים באפליקציית ספוטיפיי על שירים או מוסיקה שתואמת לטעם המשתמש ובאתר YouTube, על סרטונים שהמשתמש עשוי לאהוב.
בשביל המשתמשים הפרסונליזציה עושה הרבה יותר מסתם המלצות טובות. אם נרצה להבין מדוע העיתונות המודפסת הולכת ונסגרת, כדאי להביט באפליקציה של גוגל ניוז. כשהיא מתאימה לנו הקוראים את החדשות המוגשות לנו מאתרי חדשות שונים, כך שנקבל את החדשות שבהם אנו מתעניינים, היא מבצעת פרסונליזציה.
בעולם המהיר שבו אנו חיים, עם אינספור הסחות דעת וכל כך מעט זמן פנוי, ההתאמה שעושים שירותים כאלה היא הצלה לאדם העסוק. כך ורק כך יקבל מי שחובב פוליטיקה הרבה חדשות מהתחום הפוליטי ופחות רכילות, שאותה יקבלו מי שממש אוהבים רכילות ושונאים חדשות פוליטיות או חדשות מעולם הפלילים, שלא פעם אגב מצטלבות דרכיהן באופן מוזר...
הנה פרסונליזציית התוכן:
https://youtu.be/iZko_YquwjU
איש שיווק מסביר איך פרסונליזציה משמשת להגדלת המכירות (עברית):
https://youtu.be/3wYkgclinDM
גם בחינוך מחפשים את הפיצוח הפרסונלי להוראה (עברית):
https://youtu.be/08zPDkfRnJw
ברור שפרסונליזציה של התוכן היא כלי שיווקי מעולה:
https://youtu.be/U39SZCB_i9w
יש לה המון יתרונות והיבטים:
https://youtu.be/iFgnQ0Uwl1M
אנשים בימינו התרגלו ומעדיפים טיפול אישי באתרים מסחריים, גם אם ברור להם שיש לו גם מטרות מסחריות:
https://youtu.be/fJT4xP1oZNE
והנה סרטון מקיף על הפרסונליזציה שב-2024 הופכת לעניין גדול עוד יותר:
https://youtu.be/6QFlakh8z2M?long=yes
מהי למידה עמוקה?
הלמידה העמוקה (Deep Learning) היא תחום מחקר בעולם המחשבים וספציפית בתחום "למידת המכונה" שמניח שהמחשב יכול ללמוד וללמד את עצמו, ממש כמו המוח האנושי. מטרתו הברורה של התחום הזה היא ליצור חיקוי ממוחשב של פעולת המוח האנושי.
בין שנות ה-70 לאמצע שנות ה-2000, רווחה אכזבה מאד גדולה מהביצועים של תחום הבינה המלאכותית. התחום, שהבטיח מהפכה של ממש בעולם המחשוב ו"לא סיפק את הסחורה", אכזב במידה רבה והמחקר שלו נכנס לתקופה שכונתה אז "החורף של הבינה המלאכותית".
אבל בשלב מסוים, בשנות האלפיים ואחרי שנים רבות של האכזבה, הפציעה האינטליגנציה המלאכותית מחדש, כשהפעם היא החלה לממש סוף כל סוף את ההבטחה מימי התום שלה. מחשבים מהירים פי מיליון, כמויות מידע עצומות שהחל להציע האינטרנט ושנאגרו על כונני ענק זולים ונגישים - כל אלה הבשילו ביחד עם הבשלה של טכנולוגיה חזקה ומעשית מאי-פעם - "הלמידה העמוקה". הרעיון בה, בפשטות, הוא לפתח "מוח ממוחשב", על בסיס המוח האנושי, תחת הרעיון שהמוח הוא סדרת רכיבים , שלכל אחד מהם תפקיד עצמאי והם מחוברים ביניהם.
ה"הלמידה העמוקה" היא תת-תחום בתוך תחום "למידת המכונה", שגם הוא עצמו, כמו שאומרים מקצועני תחום "למידת המכונה" (ML), מהווה תת-תחום מרכזי בעולם האינטליגנציה המלאכותית.
המיוחד במערכות "למידה עמוקה" הוא היכולת שלהן ללמוד ולהשתפר כל הזמן ולעשות את הלמידה והשיפור המתמיד לגמרי בעצמן. מפתחי מערכות כאלה בונים בשבילה מעין "רשת סמנטית". זו מערכת שמחקה את המערכת הנוירונים שבמוח האנושי וכאמור פועלת ולומדת כמוהו - ככל שהיא פועלת וככל שמשתמשים בה - היא משתפרת ו"יודעת" יותר.
מדובר בתחום חדש יחסית בעולם של חקר המערכות הלומדות, או "למידת המכונה". הוא נקרא גם "הלמידה החישובית" (Machine Learning) והרעיון החדשני בו היה שב"למידה עמוקה" המכונה לומדת בעצמה, מבלי שיאמנו אותה כמו שעושים בלמידה מכונה רגילה.
לטווח רחוק מטרת התחום היא פיתוח של מחשב שיוכל להחליף את החשיבה האנושית. מערכת כזו תהיה מסוגלת לזהות תבניות ודפוסים בדיבור, תמונות, צלילים ועוד סוגי מידע, שהמערכות הממוחשבות התקשו, עד לא מזמן, לעבד ולטפל בהם.
חשיבה עמוקה היא רק בתחילתה, אבל חוקרים נעזרו בה כבר לזיהוי מולקולות שייקשרו למטרות בגוף טוב יותר ומסתייעים בממצאים לפיתוח תרופות חדשות. מחשב או תוכנה שמצוידים ב"חשיבה עמוקה" מבינים כבר היום שפה אנושית במנועי חיפוש, בחיפוש קולי ובעוזרים דיגיטליים כמו "סירי" של חברת אפל ו"קורטנה" של מיקרוסופט. בעתיד יסיקו מערכות כאלה גם מסקנות ויקבלו החלטות בכוחות עצמן.
העתיד מבטיח מפיתוחים אלה מערכות רפואיות שמטפלות בחולים, אנליסטים ומומחים ממוחשבים לניהול כספים ומסחר במניות ועד למערכות ראיה ממוחשבת, שיוכלו לזהות עצמים במרחב ולסווג אותם, ללא צורך בהתערבות אנושית.
באמצעות חיקוי היכולת האנושית ללמוד, מצליחות מערכות למידה עמוקה גם ליצור ציורים, מוסיקה, סרטונים וטקסטים,להמליץ ללקוחות על רכישות, לייצר קריינות מלאכותית, לזהות עצמים ופנים מדויקות בתמונות וסרטונים, לאבחן מחלות, להפיק רווחים ממניות, להלביש פנים של מפורסמים על סרטי וידאו ועוד שלל יישומים.
המלצה:
======
קראו באאוריקה בתגית "Google Brain", על אחד מפרויקטי הבינה המלאכותית הגדולים ביותר אי פעם.
הנה טכנולוגיית הלמידה העמוקה והעתיד שהיא מסמנת, כולל הסכנות האפשריות:
http://youtu.be/IoP9akd44wk
כך עובדים על פיתוח המוח העמוק:
http://youtu.be/zLp-edwiGUU
הדגמה ויזואלית של עץ ההחלטות הגדל ומתפתח של מערכת חכמה:
http://youtu.be/nSg4HKHdDs4
מהי ראייה ממוחשבת במערכות זיהוי תמונה?
ראייה ממוחשבת (Computer Vision) היא יכולת של מערכת מבוססת מחשב לעבד תמונות או וידאו. במערכות ראייה ממוחשבת עושים שימוש במגוון תחומים, מזיהוי פנים, זיהוי מבנים, מיפוי, מדידה, שיפוץ תמונות, לרוב לצרכים אסתטיים ועוד.
מערכות ראייה ממוחשבת מבוססות על יכולת זיהוי תמונה. במערכות כאלה יכולה המערכת לזהות מרכיבים בתמונה, על סמך מידע שהוזן לתוכה ולמידת מכונה, שבה היא השתכללה עם הזמן.
מכשירים סלולאריים ורובוטים נעזרים בראייה ממוחשבת כדי לראות ולהבין, ממש כמו בני אדם, את סביבתם. הם מצוידים ביכולת לנתח את המרכיבים החזותיים שנקלטו במערכת הראייה מבוססת החיישנים שלהם ולשפר את היכולות שלהם, בהתבססות על מה שלמדו בפעמים קודמות. זו כמובן "למידת מכונה".
מערכות ראייה ממוחשבת משמשות כיום גם לזיהוי פרצופים של חשודים בביצוע עבירות, מחבלים וחברים בארגוני טרור וכדומה.
זוהי טכנולוגיית הראייה הממוחשבת:
https://youtu.be/zLkz6ljKtyw
כך ניתן להשתמש בראייה ממוחשבת לשימושים שונים:
https://youtu.be/ObIjxA9vCR8?t=15s
מכשיר הקינקט הכיל שבב זיהוי תנועה עם ראייה ממוחשבת ועשה פלאים:
https://youtu.be/jGJh63sV66A
הנה "Alice" טכנולוגיית ניתוח הסביבה של חברת פרינגפיי (Fringefy):
https://youtu.be/UeH09CfBsqE
והרצאה שלמה על ראייה ממוחשבת (עברית):
https://youtu.be/hG5tRy3FEWI?t=1m14s?long=yes
מהו המחשוב הקוגניטיבי?
יתכן ששאלתם את עצמכם פעם איך זה שהמחשבים המשוכללים והמהירים כל כך יכולים לבצע כיום משימות שלא ייאמנו, אבל לא מסוגלים לבצע דברים שאפילו תינוקות עושים בקלות.
מזיהוי אנשים ועד להבנת השפה המדוברת, דרך למידה מטעויות או הבנת ההקשר בשיחה, להסיק מסקנות ועוד, יש לא מעט דברים שבני אדם מקבלים כמובנים מאליהם ואף כפשוטים, בעוד המחשבים מתקשה בהם מאד.
בדיוק לשם כך נוצר תחום חשוב במדעי המחשב. מחשוב קוגניטיבי (cognitive computing) הוא תחום בתוכנה המדמה את החשיבה האנושית.
מדובר בתוכנות שאמורות להיות מסוגלות לבנות ולנתח ידע, לבצע תהליך ארוך ומשמעותי של למידה עצמית, להבין את המידע לעומקו, לנתח טקסטים בצורה תבונית ולתקשר עם בני אדם בדרך שמבינה מצבי רוח, הקשרים חברתיים ואישיים ועוד, בקיצור כל דבר מהמרכיבים הקטנים של השפה האנושית ועד לסתם ללמוד מהניסיון.
במחשוב הקוגניטיבי מנסים לשלב בין יכולות שונות, שחלקן בפיתוח כבר שנים רבות. למידת מכונה, כריית מידע, זיהוי עצמים ייחודיים בתמונות, עיבוד שפה טבעית או איתור של דפוסים ותבניות במידע גולמי - כל אלה ואחרות אמורות לאפשר יצירה של מחשב שיכול לחקות את הדרך בה המוח האנושי עובד ולהפיק תוצאות ברמה גבוהה במיוחד, לקבל החלטות חכמות ועוד.
אם זה מזכיר לכם תחומים כמו אינטליגנציה מלאכותית או למידת מכונה, זה לא מקרה. מדובר בתחומי מחקר קרובים ומשיקים בהרבה מובנים.
מטרת החוקרים והמהנדסים העוסקים בתחום המחשוב הקוגניטיבי להביא לכך שבעתיד יוכלו מחשבים לבצע משימות פשוטות עבור בני-אדם, כמו חשיבת מומחה והבנת השפה האנושית.
כמובן שבצד פעולות "אנושיות" אלה ישלבו המחשבים גם את יכולותיהם המסורתיות כמו עיבוד נתונים בכמויות עצומות, מה שמוכר מתחום הביג דאטה, על מנת להפוך ליועצים נבונים לאנשי מקצוע בתחומים שונים, מרפואה ועד מדע והייטק.
יישומים נוספים שמצפים לפתח בעזרת מחשבים קוגניטיביים הם מערכות תקשורת בשפה טבעית, "נהגים ממוחשבים" ברכבים אוטונומיים (מכונית ללא נהג), עיבוד סמנטי, מנועי חיפוש שלומדים ועוד.
הנה המחשוב הקוגניטיבי המודרני בחצי דקה:
https://youtu.be/1tsFTBqXDdI
מצגת וידאו שמראה מה מאפשרות מערכות מחשוב קוגניטיביות:
https://youtu.be/1mPO-rXcmaw
מומחים מחברת יבמ מסבירים על העתיד של המחשוב הקוגניטיבי:
https://youtu.be/xRamODPdU1U
עולם זיהוי העצמים הממוחשב (מתורגם):
https://youtu.be/Cgxsv1riJhI?long=yes
והאם אנו מתקרבים למחשבים עם תודעה:
https://youtu.be/JTOMNkZJRao?long=yes
מהי ראיית מכונה?
ראיית מכונה (Machine vision) היא יישום של ראייה ממוחשבת לבקרת מכונות, רובוטים ותהליכים שונים. ראיית המכונה היא חלק מתחום הלמידה הממוחשבת, ענף בתחום הבינה המלאכותית שמאפשר למחשבים יכולת לזהות תבניות בנתונים חזותיים, ויזואליים. הם עושים זאת על סמך נתונים קודמים ותוך התבססות על חוקים שנוצרו מקבוצות נתונים שבהם נתקלו מחשבים בעבר.
הדוגמה הכי בולטת שבה אולי נתקלתם, של ראיית מכונה (Machine vision), היא הטכנולוגיה שמאפשרת לדפי פייסבוק לזהות פרצופים בתמונות בעצמם. כך גם פועלים מנועי חיפוש תמונות, שיודעים לאתר תמונות לפי התוכן שבתוכן, כמו תמונות עם בית, תמונות בצבעי אדום-ירוק וכדומה.
בהרבה מקרים ראיית מכונה משתמשת בדימוּת, כלומר היא לא משתמשת דווקא במידע שהתקבל ממקורות אופטיים לצורך הניתוח, אלא במידע אחר.
השימושים של ראיית המכונה הם מגוונים כבר היום ונעים מהנחייה ובקרה של רובוטים, דרך אמצעי ראייה לכבדי ראייה ועיוורים ועד ליישומים כבדים כמו פיקוח תעשייתי על תהליכי ייצור במפעלים, צפיית בעיות בריאות באמצעות חיישנים רפואיים אישיים, פיתוח של מנועי חיפוש ויזואליים מתקדמים, המשתמשים בראיית מכונה וכאמור גם זיהוי פנים בתמונות וסרטים.
העתיד מבטיח יישומים מרגשים בהרבה. דמיינו את הסמארטפונים של העתיד, שיצויידו בבינה מלאכותית ויוכלו לעשות פעולות חכמות במיוחד עם המידע הויזואלי שהצטבר בתמונה שצילמתם במצלמת הטלפון, דמיינו רחפנים שמזהים ונמנעים ממכשולים כדי להביא משלוחים ללקוחות מבלי להישדד בדרך, דמיינו מערכות רמזורים והכוונת תנועה שחוזות פקקי תנועה ומשחררות אותם לבד, רובוטים מאבטחים ש"רואים" בני אדם ומזהים מיידית מבוקשים, חשודים וכדומה. אלה רק דוגמאות קטנות. למעשה, המהפכה התעשייתית הרביעית מתקיימת כבר עתה על ראיית מכונות.
אז אם ראיית המכונה מאפשרת למחשבים לראות את העולם, היא תאפשר למחשבים למצוא בו דפוסים ותבניות שיוצרים הגיון ולפעול כדי להפוך אותו למקום טוב ובטוח יותר.
איך מחשבים יכולים לראות ולהבין תמונה (מתורגם):
https://youtu.be/2hXG8v8p0KM
השימושים בטכנולוגיה של ראיית המכונה:
https://youtu.be/luuLcY30fQQ
ראיית מכונה היא הכרחית למכוניות האוטונומיות של העתיד, למשל מכונית העתיד ללא נהג הזו:
https://youtu.be/0DS9PY6iaxE
השפעת הראיית המכונה על התעשייה החדשה - זו שכבר נקראת תעשייה 4.0:
https://youtu.be/9FyPV59Q7-Q
אפליקציה לזיהוי ומידע על מוצרים בראיית מכונה:
https://youtu.be/uNy6Nt4F13o
זרוע רובוטית עם ראיית מכונה:
https://youtu.be/H01QG_EAMyw
וסרטון תיעודי על ראיית מחשב (Computer Vision):
https://youtu.be/eQLcDmfmGB0?long=yes
מה גורלה של הפרטיות בעולמנו?
הנוחות שלנו בעולם המודרני של המאה ה-21 הולכת וגדלה. אך תמורתה אנו משלמים בצמצום ובעתיד אולי אף באובדן הפרטיות (Privacy) שלנו.
פרטיות היא, בפשטות, הסודות שלנו, הדברים שלא היינו רוצים לשתף בהם את העולם שמסביבנו, את הממשלה שרוצה שליטה בנו ובכל אזרחיה, את החברות המסחריות שמקיפות אותנו ורוצות למכור לנו בכל מחיר ועוד.
יש פרדוקס שנקרא "פרדוקס הפרטיות". כולנו אומרים שהפרטיות שלנו חשובה מאוד ומצד שני משתמשים באתרים, תוכנות ואפליקציות שברור לנו שמפרים את הפרטיות שלנו לחלוטין. כמות המידע שאפליקציות כמו פייסבוק או טינדר אוספת על המשתמשים שלה היא בלתי נתפסת. משתמשת מצרפת שדרשה מטינדר את כל המידע שנאסף עליה קיבלה 800 עמודים של פרטים עליה, שהיו חודרניים מאוד וחלקם אף מביכים בטירוף.
שיתוף המידע שלנו על ההעדפות שלנו, הבחירות שאנו בוחרים, משאלותינו, ההרגלים שלנו ומיקומנו - יש לו מחיר. אלה לא רק מצלמות אבטחה שמתעדות בכל מקום את צעדינו. גם לא תוכנות מעקב שיכולות לגנוב את המידע שלנו מהמחשב ואת הסיסמאות שלנו לחשבון הבנק ולכל שירות אחר שעליו אנו מנויים. זה המידע שאנחנו אפילו לא יודעים שיודעים עלינו.
חשבו על זה רגע... אנו חושפים היום באינטרנט כל כך הרבה מידע על עצמנו שרוב המומחים סבורים שהרשת החברתית שבה אנו פועלים, יודעת עלינו יותר משאנו יודעים על עצמנו. האיסוף האובססיבי של מידע עלינו מאפשר לענקיות האינטרנט והרשתות החברתיות לאסוף כמות עצומה של מידע שמאמן את המכונות הלומדות שלהם והופך את השירותים שלהם לחכמים, אבל מה שיותר חשוב - למכניסים יותר. למעשה למכניסים הרבה יותר!
מתוך הפוסטים בפייסבוק והתמונות באינסטרגם, מהטוויטים בטוויטר והחיפושים בגוגל וביוטיוב - מכמויות הנתונים העצומות שמצטברות עלינו והידע הרב שנאגר עלינו שם ובעוד המוני אתרים, מיכולותיהם של האלגוריתמים של הרשתות החברתיות, אתרי הווידאו הגדולים ומנועי החיפוש המודרניים - מכל אלה מצטבר עלינו ידע עצום ופולשני להחריד, שמעשיר את מפלצות הטכנולוגיה ונותן להן גישה להשפעות חברתיות חסרות תקדים. נאמר זאת בפשטות - האלגוריתם יודע לזהות עלינו דברים שאנו כלל לא מודעים אליהם ולא יודעים על עצמנו!
דמיינו, רק דמיינו לרגע, שמגיע היטלר מודרני טכנולוגי או שיש לו גבלס טכנולוגי, שעוזר לו להשתלט על גוגל, פייסבוק ואמזון, או אפילו רק על אחת או שתיים מהן. דמיינו שהוא מניע את כל אותם אלה שמאופיינים בתכונות הנכונות לו ומקבל את קולם בבחירות ורגע אחרי שהוא נבחר, הוא לוחץ על כפתור שמפוצץ את הרעים בעיניו והעולם שוב במלחמה, אבל הפעם גרעינית... זה רק תסריט אחד ודי מטומטם, אבל היי, הייתם מאמינים שלפני מאה שנים עשו את זה צייר מתוסכל ודוקטור לתיאטרון באמצעות כמה סרטים עם חולדות?
כי כשכולם חשופים למידע כזה עלינו, יהיה קשה לנו לשמור על הפרטיות. זו לא רק הפלישה לראשנו שמטרידה. יש לזה גם מחיר כלכלי מיידי. בכך שחברות חזקות ובעלות כוח זוכות למידע על הרגלי הקניה, תחומי העניין והמשאלות הכי כמוסות ופרטיות שלנו, אנו הופכים למכרה זהב בעבורן. זאת מכיוון שהן יכולות להגדיל את השיווק המותאם לנו אישית ולגרום לנו לצריכה גדלה והולכת, שיש לה מחיר כלכלי גדול.
תחום שהולך ומתחזק בשל החשש מאבדן הפרטיות הוא זה של מדיה חברתית זמנית. למי שלא מעוניינים שהמידע שלהם יישאר זמין ברשת לנצח, יש היום תוכנות ואפליקציות שמדמות את המדיה החברתית ותוכנות המסרים המידיים ומאפשרות קיום של שיחות יומיומיות, אך מבטיחות שהמידע הזה לא מתועד ולא נשמר לעתיד. בתחום התמונות, יישומים כמו Snapchat ו-Poke מאפשרים לשתף תמונות שנעלמות אחרי שניות אחדות. באמצעות השימוש בכלים כאלו, מקווים מי שחרדים לפרטיותם שיוכלו לנהוג בעתיד בספונטניות ובכנות, מבלי לחשוש שדברים תמימים שאמרו, עשו, חיפשו או חשו, ירדפו אותם בעתיד.
עוד כלי חזק למי שדואגים לפרטיות שלהם הם דפדפנים שלא מכילים כלי מעקב ואגירת נתונים על הגולשים. דפדפנים אלו מפותחים על ידי אנשים בעלי מודעות חברתית, המעוניינים לאפשר לציבור להשתמש באינטרנט בתבונה. כך למשל, יש מנועי חיפוש שמשתמשים בקוד הפתוח של מנוע החיפוש של "גוגל" ומתנהגים ממש כמוהו, אבל מתחייבים שדבר לא נשמר בהם על החיפושים שלכם, לאחר השימוש.
הרשת יודעת עלינו הכל ומבלי משים אנו מסגירים לידיה את סודותינו הכמוסים ביותר (עברית):
https://youtu.be/PoR6o5eHPw4
הנה נושא הפרטיות:
https://youtu.be/hsnr_4ccceY
יש המדמים את הפרטיות שלנו כיום לרחצה במקלחת, בעירום, במקום ציבורי:
https://youtu.be/0L0geYTJBOM
יש לזה היבטים משמעותיים שדורשים שינוי חקיקה (עברית):
https://youtu.be/EA0DqwTc3HQ
מה שמדהים הוא שאנו עושים הכל כדי לחשוף את עצמנו לגמרי (עברית):
https://youtu.be/yC_ILdL_vpQ
ראו כמה קל לעקוב אחרינו (עברית):
https://youtu.be/ym6bZzjhzDE?t=15m27s&end=22m17s
אבל יש רובד של פרטיות ברשת, שעליו חשוב ואפשר לשמור עליו כבר מהתחלה (עברית):
https://youtu.be/ICb61rr68sk
ובכל זאת - הבה נחייך (עברית):
https://youtu.be/5c-_mRCiaFg
כשרוצים ללגלג על יוטיוב והרשת, תמיד מדברים על סרטונים טפשיים של חתולים. אבל האמת היא שניתן לעשות באמצעותם לא מעט. בשנת 2012 הצליחה חברת גוגל להוכיח את היכולת של מערכת הלמידה העמוקה שלה באופן משמעותי. לאחר שהוכיחה שצפייה ב-10 מיליון תמונות מסרטוני יוטיוב, הביאה אותה ליכולת טובה פי שניים מניסיונות קודמים בזיהוי עצמים כמו חתולים בתמונות.
בכך הצליחה לראשונה תוכנה חכמה לחבר באופן לוגי בין תמונה למילה. היכולת לזהות באופן עצמאי את הקשר בין המידע הויזואלי למילה חתול הוא שלב מרשים בצעידה לכיוון של הבינה המלאכותית והלמידה העמוקה. במדעי המוח מזוהה שלב זה עם שלב דומה בלמידה של התינוק. בשלבי הלמידה הראשונים שלו הוא לומד לזהות עצמים עם מילים שלמד מהוריו.
הנה תיאור הניסוי של הלמידה העמוקה בגוגל לזהות חתולים בסרטונים:
https://youtu.be/TK4qLwTye_s
הומור סרקסטי על העובדה שהמוח של גוגל יהפוך בסוף לטיפש מעודף צפייה בסרטוני חתולים ברשת:
https://youtu.be/lWijWH8VnlA
והרצאת טד עם ראייה חכמה וההתקדמות המדהימה שלה (מתורגם):
https://youtu.be/40riCqvRoMs?long=yes
איך מאמנים מכונות לראות ולזהות פנים?
יותר ויותר מדברים כיום על "האח הגדול", שעוקב אחרי כל אחד מאיתנו ויודע עלינו יותר ויותר. אנשים מתפלאים כיצד הוא מזהה בכל רגע נתון את מקומנו, מי אנחנו בתמונות הפרטיות שלנו ובפוסטים החברתיים ואם אנחנו מתכננים פשע או מותר לנו לבצע עיסקה מסחרית.
אבל כיצד זה מתבצע?
הדרך לזהות אותנו בכל מקום היא ללמד מחשבים לעשות זאת. מדובר במה שנקרא טכנולוגיית זיהוי פנים. כל מחשב כזה מחובר למצלמות שמראות לו פנים והמחשב מזהה אותנו לעומת אחרים.
השיטה מתחילה בללמד תוכנה לזהות אנשים. מזינים אליה מאגר תמונות ענקי ו"מלמדים" אותה מהם פנים ומה לא. עושים זאת בסימון הטעויות שלה, מה שמשפר כל הזמן את יכולותיה. ככל שהמאגר הוא גדול וכוח המיחשוב רב, המכונה תלמד טוב יותר ומהר יותר לזהות פנים.
ככל שהמאגר מגוון, לעומת זאת, המכונה תלמד לזהות יותר סוגי פנים. בתחילת הדרך המאגרים לא היו מגוונים מספיק, מה שגרם לכך שיכולות המחשבים והבינה המלאכותית לזהות נשים, או בני מיעוטים שאינם לבנים, היו נמוכות מאוד.
ככל שהמכונה תלמד מהם פנים, ניתן יהיה להזין אליה את התמונות של כולנו וללמד אותה לזהות אנשים ספציפיים. אז לממשלות ולגופי ביטחון יש מאגרים כאלה, מתצלומי תעודות הזהות שלנו, אבל לגופים אחרים יש בעיה.
אז המצב הזה של ראיית מכונה (Machine vision) הולך ומשתפר דווקא תודות למאגרים העצומים של הרשתות החברתיות. כך תורמת למשל הטכנולוגיה שמאפשרת לדפי פייסבוק לזהות את הפרצופים בתמונות, גם לטובת זיהוי מגוון יותר וחכם יותר.
כך פועלות מערכות לזיהוי פנים ומה המגבלות והבעיות בהן (עברית):
https://youtu.be/DJC013Cg_GY
הדרך בה מאמנים מודלים ממוחשבים לזהות פנים (מתורגם):
https://youtu.be/Cgxsv1riJhI
כיום הטכנולוגיה של זיהוי הפנים פועלת גם על פנים בתנועה:
https://youtu.be/kKaU6JFRu5g
כך פועלת טכנולוגיית זיהוי הפנים בתוכנה:
https://youtu.be/X7_ojlEXnWc
אפליקציות רבות משתמשות ביכולת זיהוי פנים:
https://youtu.be/NiKc1z4kOMM
זה מאפשר לענקיות רשת ומסחר לזהותכם ולגופי ביטחון למנוע פשעים וטרור, לאפשר כניסה למתחמים ועוד:
https://youtu.be/wve5JWX7yoc
והרצאת וידאו מעולה על ראיית מכונה שתסייע לכבדי ראיה לראות (מתורגם):
https://youtu.be/c-0ckmzlypA?long=yes
יותר ויותר מדברים כיום על "האח הגדול", שעוקב אחרי כל אחד מאיתנו ויודע עלינו יותר ויותר. אנשים מתפלאים כיצד הוא מזהה בכל רגע נתון את מקומנו, מי אנחנו בתמונות הפרטיות שלנו ובפוסטים החברתיים ואם אנחנו מתכננים פשע או מותר לנו לבצע עיסקה מסחרית.
אבל כיצד זה מתבצע?
הדרך לזהות אותנו בכל מקום היא ללמד מחשבים לעשות זאת. מדובר במה שנקרא טכנולוגיית זיהוי פנים. כל מחשב כזה מחובר למצלמות שמראות לו פנים והמחשב מזהה אותנו לעומת אחרים.
השיטה מתחילה בללמד תוכנה לזהות אנשים. מזינים אליה מאגר תמונות ענקי ו"מלמדים" אותה מהם פנים ומה לא. עושים זאת בסימון הטעויות שלה, מה שמשפר כל הזמן את יכולותיה. ככל שהמאגר הוא גדול וכוח המיחשוב רב, המכונה תלמד טוב יותר ומהר יותר לזהות פנים.
ככל שהמאגר מגוון, לעומת זאת, המכונה תלמד לזהות יותר סוגי פנים. בתחילת הדרך המאגרים לא היו מגוונים מספיק, מה שגרם לכך שיכולות המחשבים והבינה המלאכותית לזהות נשים, או בני מיעוטים שאינם לבנים, היו נמוכות מאוד.
ככל שהמכונה תלמד מהם פנים, ניתן יהיה להזין אליה את התמונות של כולנו וללמד אותה לזהות אנשים ספציפיים. אז לממשלות ולגופי ביטחון יש מאגרים כאלה, מתצלומי תעודות הזהות שלנו, אבל לגופים אחרים יש בעיה.
אז המצב הזה של ראיית מכונה (Machine vision) הולך ומשתפר דווקא תודות למאגרים העצומים של הרשתות החברתיות. כך תורמת למשל הטכנולוגיה שמאפשרת לדפי פייסבוק לזהות את הפרצופים בתמונות, גם לטובת זיהוי מגוון יותר וחכם יותר.
כך פועלות מערכות לזיהוי פנים ומה המגבלות והבעיות בהן (עברית):
https://youtu.be/DJC013Cg_GY
הדרך בה מאמנים מודלים ממוחשבים לזהות פנים (מתורגם):
https://youtu.be/Cgxsv1riJhI
כיום הטכנולוגיה של זיהוי הפנים פועלת גם על פנים בתנועה:
https://youtu.be/kKaU6JFRu5g
כך פועלת טכנולוגיית זיהוי הפנים בתוכנה:
https://youtu.be/X7_ojlEXnWc
אפליקציות רבות משתמשות ביכולת זיהוי פנים:
https://youtu.be/NiKc1z4kOMM
זה מאפשר לענקיות רשת ומסחר לזהותכם ולגופי ביטחון למנוע פשעים וטרור, לאפשר כניסה למתחמים ועוד:
https://youtu.be/wve5JWX7yoc
והרצאת וידאו מעולה על ראיית מכונה שתסייע לכבדי ראיה לראות (מתורגם):
https://youtu.be/c-0ckmzlypA?long=yes
כמה שהדבר נראה אולי סתמי, המצאת מתכונים היא אחד הדברים המרתקים והקשים שמבצע המוח האנושי. אם זלזלתם בשף ההוא מהטלוויזיה או בחבר-טבח היצירתי שלכם, אז כדאי שתבינו שהמצאת מתכון היא פעולה מורכבת מאד. רק כדי שנדע - בניגוד ליצירה אמנותית שניתן ליהנות ממנה או להעריך אותה, גם אם היא מאד לא נעימה לנו, המתכון הלא-טעים יישפט אצלנו לחומרה בכל מקרה...
"ווטסון" מחשב העל של חברת IBM הוא מחשב חכם מאד, שזכה לפרסום עולמי לאחר שניצח מתחרים אנושיים בשעשועון ידע בטלוויזיה. אבל האם הוא יכול גם להיות יצירתי? - אם פעם יצירתיות נחשבה לתכונה של בני-אנוש ול"מותר האדם", הרי שההנחה הרווחת כיום בקרב מדעני המחשב היא שיצירתיות תושג בסופו של דבר בתוכנות ובמחשבים המתקדמים שמפותחים ויפותחו בעתיד, מחשבי-על שמצוידים בבינה מלאכותית.
אנשי חברת IBM התמקדו לאחרונה בתחום שהם מכנים "הבישול הקוגניטיבי". מרב המאמצים שלהם התרכז ביכולת לגרום לווטסון להמציא מתכונים טעימים. במסגרת הלימוד שווטסון יודע לבצע, הוא סרק מגוון עצום של מתכונים ורכיבי מזון שונים, ממטבחים רבים מכל קצוות תבל. ידע זה הצטרף לידע מדעי רב בתחום הכימיה, תורת המזון, פיזיולוגיה של בלוטות הטעם והעדפות אנושיות של טעמים.
בשלב הבא החל ווטסון להמציא מנות מקוריות משלו. אחרי זה יצא ספר מתכונים עם 65 מתכונים שהמציא ושנוסו בהצלחה על ידי שפים.
בכל מקרה, כל הפיתוח של מה שכבר זכה לשם "בישול קוגניטיבי" הוא ניסיון מרתק ליישם את הלמידה החישובית בתחום שבו היא מודגמת היטב ולהוציא מהמחשב יצירתיות, תכונה שעד ימינו הייתה שמורה רק לבני-אדם. דרך תחום שמוכר לכל אחד מאיתנו, מטבח ואוכל טוב, מוכיחים בחברת יבמ שגם בשלל תחומים אחרים ווטסון יאפשר הישגים מדהימים לא פחות ואולי אף הרבה יותר.
הנה אוטובוס שמחלק מנות שהמציא ווטסון ומתעניין בתגובות הציבור הרחב:
http://youtu.be/yrfMcNE0y9s
ווטסון ממציא שלל מתכונים חדשים:
https://youtu.be/CciMiJJrCd8
אם זה כך אז אין פלא שכבר פותח שף רובוטי דוגמת זה:
https://youtu.be/SNy6fEuPWbc
וגם בארץ - הנה תחרות בין שפית לצ'אט GPT (עברית):
https://youtu.be/8oxHS5qemAE?long=yes
פרסונליזציה (Personalization) באתרי אינטרנט, באפליקציות ואפילו במערכות הפעלה, היא התאמה אישית של התוכן המוצג למשתמש, לתחומי העניין האישיים שלו ולמה שהוא מעדיף, מחפש ומתעניין.
כל אחד הוא מיוחד ואף אחד הוא לא כמו כולם.
החשיבות של הפרסונליזציה היא שלכל אדם יש תחומי עניין שונים במקצת, כך שאם יותאמו התכנים במיוחד לכל משתמש, קורא, או צרכן, הוא ייהנה מהם הרבה יותר ויבצע פעולות שישתלמו גם לשירות המקוון. זה יקרה משום שהתוכן שיותאם למשתמש יהיה יותר רלוונטי ובעל משמעות רבה יותר עבורו.
כך יוצא שפרסונליזציה היא טכנולוגיה משבשת, אחד הכלים הכי חזקים בדרך לשיבוש חיובי של שווקים שזקוקים לשיבוש, באנגלית "דיסראפשן" (Distruption), כלומר לחדשנות. על ההמלצות של ספוטיפיי שמעתם? - זו פרסונליזציה שנעשית מצוין.
באתרים רבים ניתן כיום למצוא רמות שונות של פרסונליזציה. דוגמאות לכך לא חסרות. הכי מוכרות הן תוצאות החיפוש של מנוע החיפוש של גוגל, שמותאמות לתחומי העניין של המחפש ולהיסטוריית החיפושים שלו. גוגל לומדת כל אחד מאיתנו ומתאימה לנו תוצאות חיפוש אישיות.
אגב, באותה שיטה היא גם מתאימה לנו פרסומות - היא גם יודעת מה חיפשנו או במה עוסק דף האינטרנט שבו אנו מתעניינים כרגע וגם מכירה אותנו, על תחביבינו, תחומי העניין שלנו ומה אנחנו חולמים לקנות או להכיר.
דוגמאות מוכרות נוספות הן למשל הצעות לחברים אפשריים שפייסבוק מציגה לנו, או הצגת פוסטים מומלצים בפיד של המשתמשים. השירות החברתי הזה לא מציג את אותם פוסטים ותכנים לכלל המשתמשים, כמו בבלוג רגיל, אלא בוחר פוסטים מתאימים ומותאמים לכל אחד ואחד. המטרה של פייסבוק היא להשאיר את המשתמשים כמה שיותר זמן ברשת החברתית שלה. הפרס שלה על השימוש המוגדל שלנו ברשת החברתית הוא הרבה לחיצות וצפיות בפרסומות, כמו גם מידע שהיא צוברת עלינו ושווה לה הון.
עוד דוגמאות הן המלצות על ספרים ומוצרים שיעניינו את המשתמש בחנות המקוונת של אמזון. אלה ניתנות על פי הלימוד של תחומי העניין שלו, כפי שבאו לידי ביטוי בקניות קודמות ובעיון באתר. כשהם מוצגים כך אנו מתפתים לקנות יותר מאשר תכננו. התוצאה היא שורת רווח מוגדלת ועשרות מיליארדי דולרים יותר.
פרסונליזציה עובדת טוב לשביעות הרצון שלנו משירותים נוספים. כך גם ממליצים על סרטים בשירות של נטפליקס, שירות שאגב יש לו המון לאיפה להשתפר. כך ממליצים באפליקציית ספוטיפיי על שירים או מוסיקה שתואמת לטעם המשתמש ובאתר YouTube, על סרטונים שהמשתמש עשוי לאהוב.
בשביל המשתמשים הפרסונליזציה עושה הרבה יותר מסתם המלצות טובות. אם נרצה להבין מדוע העיתונות המודפסת הולכת ונסגרת, כדאי להביט באפליקציה של גוגל ניוז. כשהיא מתאימה לנו הקוראים את החדשות המוגשות לנו מאתרי חדשות שונים, כך שנקבל את החדשות שבהם אנו מתעניינים, היא מבצעת פרסונליזציה.
בעולם המהיר שבו אנו חיים, עם אינספור הסחות דעת וכל כך מעט זמן פנוי, ההתאמה שעושים שירותים כאלה היא הצלה לאדם העסוק. כך ורק כך יקבל מי שחובב פוליטיקה הרבה חדשות מהתחום הפוליטי ופחות רכילות, שאותה יקבלו מי שממש אוהבים רכילות ושונאים חדשות פוליטיות או חדשות מעולם הפלילים, שלא פעם אגב מצטלבות דרכיהן באופן מוזר...
הנה פרסונליזציית התוכן:
https://youtu.be/iZko_YquwjU
איש שיווק מסביר איך פרסונליזציה משמשת להגדלת המכירות (עברית):
https://youtu.be/3wYkgclinDM
גם בחינוך מחפשים את הפיצוח הפרסונלי להוראה (עברית):
https://youtu.be/08zPDkfRnJw
ברור שפרסונליזציה של התוכן היא כלי שיווקי מעולה:
https://youtu.be/U39SZCB_i9w
יש לה המון יתרונות והיבטים:
https://youtu.be/iFgnQ0Uwl1M
אנשים בימינו התרגלו ומעדיפים טיפול אישי באתרים מסחריים, גם אם ברור להם שיש לו גם מטרות מסחריות:
https://youtu.be/fJT4xP1oZNE
והנה סרטון מקיף על הפרסונליזציה שב-2024 הופכת לעניין גדול עוד יותר:
https://youtu.be/6QFlakh8z2M?long=yes
דאטה סיינס
הלמידה העמוקה (Deep Learning) היא תחום מחקר בעולם המחשבים וספציפית בתחום "למידת המכונה" שמניח שהמחשב יכול ללמוד וללמד את עצמו, ממש כמו המוח האנושי. מטרתו הברורה של התחום הזה היא ליצור חיקוי ממוחשב של פעולת המוח האנושי.
בין שנות ה-70 לאמצע שנות ה-2000, רווחה אכזבה מאד גדולה מהביצועים של תחום הבינה המלאכותית. התחום, שהבטיח מהפכה של ממש בעולם המחשוב ו"לא סיפק את הסחורה", אכזב במידה רבה והמחקר שלו נכנס לתקופה שכונתה אז "החורף של הבינה המלאכותית".
אבל בשלב מסוים, בשנות האלפיים ואחרי שנים רבות של האכזבה, הפציעה האינטליגנציה המלאכותית מחדש, כשהפעם היא החלה לממש סוף כל סוף את ההבטחה מימי התום שלה. מחשבים מהירים פי מיליון, כמויות מידע עצומות שהחל להציע האינטרנט ושנאגרו על כונני ענק זולים ונגישים - כל אלה הבשילו ביחד עם הבשלה של טכנולוגיה חזקה ומעשית מאי-פעם - "הלמידה העמוקה". הרעיון בה, בפשטות, הוא לפתח "מוח ממוחשב", על בסיס המוח האנושי, תחת הרעיון שהמוח הוא סדרת רכיבים , שלכל אחד מהם תפקיד עצמאי והם מחוברים ביניהם.
ה"הלמידה העמוקה" היא תת-תחום בתוך תחום "למידת המכונה", שגם הוא עצמו, כמו שאומרים מקצועני תחום "למידת המכונה" (ML), מהווה תת-תחום מרכזי בעולם האינטליגנציה המלאכותית.
המיוחד במערכות "למידה עמוקה" הוא היכולת שלהן ללמוד ולהשתפר כל הזמן ולעשות את הלמידה והשיפור המתמיד לגמרי בעצמן. מפתחי מערכות כאלה בונים בשבילה מעין "רשת סמנטית". זו מערכת שמחקה את המערכת הנוירונים שבמוח האנושי וכאמור פועלת ולומדת כמוהו - ככל שהיא פועלת וככל שמשתמשים בה - היא משתפרת ו"יודעת" יותר.
מדובר בתחום חדש יחסית בעולם של חקר המערכות הלומדות, או "למידת המכונה". הוא נקרא גם "הלמידה החישובית" (Machine Learning) והרעיון החדשני בו היה שב"למידה עמוקה" המכונה לומדת בעצמה, מבלי שיאמנו אותה כמו שעושים בלמידה מכונה רגילה.
לטווח רחוק מטרת התחום היא פיתוח של מחשב שיוכל להחליף את החשיבה האנושית. מערכת כזו תהיה מסוגלת לזהות תבניות ודפוסים בדיבור, תמונות, צלילים ועוד סוגי מידע, שהמערכות הממוחשבות התקשו, עד לא מזמן, לעבד ולטפל בהם.
חשיבה עמוקה היא רק בתחילתה, אבל חוקרים נעזרו בה כבר לזיהוי מולקולות שייקשרו למטרות בגוף טוב יותר ומסתייעים בממצאים לפיתוח תרופות חדשות. מחשב או תוכנה שמצוידים ב"חשיבה עמוקה" מבינים כבר היום שפה אנושית במנועי חיפוש, בחיפוש קולי ובעוזרים דיגיטליים כמו "סירי" של חברת אפל ו"קורטנה" של מיקרוסופט. בעתיד יסיקו מערכות כאלה גם מסקנות ויקבלו החלטות בכוחות עצמן.
העתיד מבטיח מפיתוחים אלה מערכות רפואיות שמטפלות בחולים, אנליסטים ומומחים ממוחשבים לניהול כספים ומסחר במניות ועד למערכות ראיה ממוחשבת, שיוכלו לזהות עצמים במרחב ולסווג אותם, ללא צורך בהתערבות אנושית.
באמצעות חיקוי היכולת האנושית ללמוד, מצליחות מערכות למידה עמוקה גם ליצור ציורים, מוסיקה, סרטונים וטקסטים,להמליץ ללקוחות על רכישות, לייצר קריינות מלאכותית, לזהות עצמים ופנים מדויקות בתמונות וסרטונים, לאבחן מחלות, להפיק רווחים ממניות, להלביש פנים של מפורסמים על סרטי וידאו ועוד שלל יישומים.
המלצה:
======
קראו באאוריקה בתגית "Google Brain", על אחד מפרויקטי הבינה המלאכותית הגדולים ביותר אי פעם.
הנה טכנולוגיית הלמידה העמוקה והעתיד שהיא מסמנת, כולל הסכנות האפשריות:
http://youtu.be/IoP9akd44wk
כך עובדים על פיתוח המוח העמוק:
http://youtu.be/zLp-edwiGUU
הדגמה ויזואלית של עץ ההחלטות הגדל ומתפתח של מערכת חכמה:
http://youtu.be/nSg4HKHdDs4
ראייה ממוחשבת (Computer Vision) היא יכולת של מערכת מבוססת מחשב לעבד תמונות או וידאו. במערכות ראייה ממוחשבת עושים שימוש במגוון תחומים, מזיהוי פנים, זיהוי מבנים, מיפוי, מדידה, שיפוץ תמונות, לרוב לצרכים אסתטיים ועוד.
מערכות ראייה ממוחשבת מבוססות על יכולת זיהוי תמונה. במערכות כאלה יכולה המערכת לזהות מרכיבים בתמונה, על סמך מידע שהוזן לתוכה ולמידת מכונה, שבה היא השתכללה עם הזמן.
מכשירים סלולאריים ורובוטים נעזרים בראייה ממוחשבת כדי לראות ולהבין, ממש כמו בני אדם, את סביבתם. הם מצוידים ביכולת לנתח את המרכיבים החזותיים שנקלטו במערכת הראייה מבוססת החיישנים שלהם ולשפר את היכולות שלהם, בהתבססות על מה שלמדו בפעמים קודמות. זו כמובן "למידת מכונה".
מערכות ראייה ממוחשבת משמשות כיום גם לזיהוי פרצופים של חשודים בביצוע עבירות, מחבלים וחברים בארגוני טרור וכדומה.
זוהי טכנולוגיית הראייה הממוחשבת:
https://youtu.be/zLkz6ljKtyw
כך ניתן להשתמש בראייה ממוחשבת לשימושים שונים:
https://youtu.be/ObIjxA9vCR8?t=15s
מכשיר הקינקט הכיל שבב זיהוי תנועה עם ראייה ממוחשבת ועשה פלאים:
https://youtu.be/jGJh63sV66A
הנה "Alice" טכנולוגיית ניתוח הסביבה של חברת פרינגפיי (Fringefy):
https://youtu.be/UeH09CfBsqE
והרצאה שלמה על ראייה ממוחשבת (עברית):
https://youtu.be/hG5tRy3FEWI?t=1m14s?long=yes
יתכן ששאלתם את עצמכם פעם איך זה שהמחשבים המשוכללים והמהירים כל כך יכולים לבצע כיום משימות שלא ייאמנו, אבל לא מסוגלים לבצע דברים שאפילו תינוקות עושים בקלות.
מזיהוי אנשים ועד להבנת השפה המדוברת, דרך למידה מטעויות או הבנת ההקשר בשיחה, להסיק מסקנות ועוד, יש לא מעט דברים שבני אדם מקבלים כמובנים מאליהם ואף כפשוטים, בעוד המחשבים מתקשה בהם מאד.
בדיוק לשם כך נוצר תחום חשוב במדעי המחשב. מחשוב קוגניטיבי (cognitive computing) הוא תחום בתוכנה המדמה את החשיבה האנושית.
מדובר בתוכנות שאמורות להיות מסוגלות לבנות ולנתח ידע, לבצע תהליך ארוך ומשמעותי של למידה עצמית, להבין את המידע לעומקו, לנתח טקסטים בצורה תבונית ולתקשר עם בני אדם בדרך שמבינה מצבי רוח, הקשרים חברתיים ואישיים ועוד, בקיצור כל דבר מהמרכיבים הקטנים של השפה האנושית ועד לסתם ללמוד מהניסיון.
במחשוב הקוגניטיבי מנסים לשלב בין יכולות שונות, שחלקן בפיתוח כבר שנים רבות. למידת מכונה, כריית מידע, זיהוי עצמים ייחודיים בתמונות, עיבוד שפה טבעית או איתור של דפוסים ותבניות במידע גולמי - כל אלה ואחרות אמורות לאפשר יצירה של מחשב שיכול לחקות את הדרך בה המוח האנושי עובד ולהפיק תוצאות ברמה גבוהה במיוחד, לקבל החלטות חכמות ועוד.
אם זה מזכיר לכם תחומים כמו אינטליגנציה מלאכותית או למידת מכונה, זה לא מקרה. מדובר בתחומי מחקר קרובים ומשיקים בהרבה מובנים.
מטרת החוקרים והמהנדסים העוסקים בתחום המחשוב הקוגניטיבי להביא לכך שבעתיד יוכלו מחשבים לבצע משימות פשוטות עבור בני-אדם, כמו חשיבת מומחה והבנת השפה האנושית.
כמובן שבצד פעולות "אנושיות" אלה ישלבו המחשבים גם את יכולותיהם המסורתיות כמו עיבוד נתונים בכמויות עצומות, מה שמוכר מתחום הביג דאטה, על מנת להפוך ליועצים נבונים לאנשי מקצוע בתחומים שונים, מרפואה ועד מדע והייטק.
יישומים נוספים שמצפים לפתח בעזרת מחשבים קוגניטיביים הם מערכות תקשורת בשפה טבעית, "נהגים ממוחשבים" ברכבים אוטונומיים (מכונית ללא נהג), עיבוד סמנטי, מנועי חיפוש שלומדים ועוד.
הנה המחשוב הקוגניטיבי המודרני בחצי דקה:
https://youtu.be/1tsFTBqXDdI
מצגת וידאו שמראה מה מאפשרות מערכות מחשוב קוגניטיביות:
https://youtu.be/1mPO-rXcmaw
מומחים מחברת יבמ מסבירים על העתיד של המחשוב הקוגניטיבי:
https://youtu.be/xRamODPdU1U
עולם זיהוי העצמים הממוחשב (מתורגם):
https://youtu.be/Cgxsv1riJhI?long=yes
והאם אנו מתקרבים למחשבים עם תודעה:
https://youtu.be/JTOMNkZJRao?long=yes
ראיית מכונה (Machine vision) היא יישום של ראייה ממוחשבת לבקרת מכונות, רובוטים ותהליכים שונים. ראיית המכונה היא חלק מתחום הלמידה הממוחשבת, ענף בתחום הבינה המלאכותית שמאפשר למחשבים יכולת לזהות תבניות בנתונים חזותיים, ויזואליים. הם עושים זאת על סמך נתונים קודמים ותוך התבססות על חוקים שנוצרו מקבוצות נתונים שבהם נתקלו מחשבים בעבר.
הדוגמה הכי בולטת שבה אולי נתקלתם, של ראיית מכונה (Machine vision), היא הטכנולוגיה שמאפשרת לדפי פייסבוק לזהות פרצופים בתמונות בעצמם. כך גם פועלים מנועי חיפוש תמונות, שיודעים לאתר תמונות לפי התוכן שבתוכן, כמו תמונות עם בית, תמונות בצבעי אדום-ירוק וכדומה.
בהרבה מקרים ראיית מכונה משתמשת בדימוּת, כלומר היא לא משתמשת דווקא במידע שהתקבל ממקורות אופטיים לצורך הניתוח, אלא במידע אחר.
השימושים של ראיית המכונה הם מגוונים כבר היום ונעים מהנחייה ובקרה של רובוטים, דרך אמצעי ראייה לכבדי ראייה ועיוורים ועד ליישומים כבדים כמו פיקוח תעשייתי על תהליכי ייצור במפעלים, צפיית בעיות בריאות באמצעות חיישנים רפואיים אישיים, פיתוח של מנועי חיפוש ויזואליים מתקדמים, המשתמשים בראיית מכונה וכאמור גם זיהוי פנים בתמונות וסרטים.
העתיד מבטיח יישומים מרגשים בהרבה. דמיינו את הסמארטפונים של העתיד, שיצויידו בבינה מלאכותית ויוכלו לעשות פעולות חכמות במיוחד עם המידע הויזואלי שהצטבר בתמונה שצילמתם במצלמת הטלפון, דמיינו רחפנים שמזהים ונמנעים ממכשולים כדי להביא משלוחים ללקוחות מבלי להישדד בדרך, דמיינו מערכות רמזורים והכוונת תנועה שחוזות פקקי תנועה ומשחררות אותם לבד, רובוטים מאבטחים ש"רואים" בני אדם ומזהים מיידית מבוקשים, חשודים וכדומה. אלה רק דוגמאות קטנות. למעשה, המהפכה התעשייתית הרביעית מתקיימת כבר עתה על ראיית מכונות.
אז אם ראיית המכונה מאפשרת למחשבים לראות את העולם, היא תאפשר למחשבים למצוא בו דפוסים ותבניות שיוצרים הגיון ולפעול כדי להפוך אותו למקום טוב ובטוח יותר.
איך מחשבים יכולים לראות ולהבין תמונה (מתורגם):
https://youtu.be/2hXG8v8p0KM
השימושים בטכנולוגיה של ראיית המכונה:
https://youtu.be/luuLcY30fQQ
ראיית מכונה היא הכרחית למכוניות האוטונומיות של העתיד, למשל מכונית העתיד ללא נהג הזו:
https://youtu.be/0DS9PY6iaxE
השפעת הראיית המכונה על התעשייה החדשה - זו שכבר נקראת תעשייה 4.0:
https://youtu.be/9FyPV59Q7-Q
אפליקציה לזיהוי ומידע על מוצרים בראיית מכונה:
https://youtu.be/uNy6Nt4F13o
זרוע רובוטית עם ראיית מכונה:
https://youtu.be/H01QG_EAMyw
וסרטון תיעודי על ראיית מחשב (Computer Vision):
https://youtu.be/eQLcDmfmGB0?long=yes
הנוחות שלנו בעולם המודרני של המאה ה-21 הולכת וגדלה. אך תמורתה אנו משלמים בצמצום ובעתיד אולי אף באובדן הפרטיות (Privacy) שלנו.
פרטיות היא, בפשטות, הסודות שלנו, הדברים שלא היינו רוצים לשתף בהם את העולם שמסביבנו, את הממשלה שרוצה שליטה בנו ובכל אזרחיה, את החברות המסחריות שמקיפות אותנו ורוצות למכור לנו בכל מחיר ועוד.
יש פרדוקס שנקרא "פרדוקס הפרטיות". כולנו אומרים שהפרטיות שלנו חשובה מאוד ומצד שני משתמשים באתרים, תוכנות ואפליקציות שברור לנו שמפרים את הפרטיות שלנו לחלוטין. כמות המידע שאפליקציות כמו פייסבוק או טינדר אוספת על המשתמשים שלה היא בלתי נתפסת. משתמשת מצרפת שדרשה מטינדר את כל המידע שנאסף עליה קיבלה 800 עמודים של פרטים עליה, שהיו חודרניים מאוד וחלקם אף מביכים בטירוף.
שיתוף המידע שלנו על ההעדפות שלנו, הבחירות שאנו בוחרים, משאלותינו, ההרגלים שלנו ומיקומנו - יש לו מחיר. אלה לא רק מצלמות אבטחה שמתעדות בכל מקום את צעדינו. גם לא תוכנות מעקב שיכולות לגנוב את המידע שלנו מהמחשב ואת הסיסמאות שלנו לחשבון הבנק ולכל שירות אחר שעליו אנו מנויים. זה המידע שאנחנו אפילו לא יודעים שיודעים עלינו.
חשבו על זה רגע... אנו חושפים היום באינטרנט כל כך הרבה מידע על עצמנו שרוב המומחים סבורים שהרשת החברתית שבה אנו פועלים, יודעת עלינו יותר משאנו יודעים על עצמנו. האיסוף האובססיבי של מידע עלינו מאפשר לענקיות האינטרנט והרשתות החברתיות לאסוף כמות עצומה של מידע שמאמן את המכונות הלומדות שלהם והופך את השירותים שלהם לחכמים, אבל מה שיותר חשוב - למכניסים יותר. למעשה למכניסים הרבה יותר!
מתוך הפוסטים בפייסבוק והתמונות באינסטרגם, מהטוויטים בטוויטר והחיפושים בגוגל וביוטיוב - מכמויות הנתונים העצומות שמצטברות עלינו והידע הרב שנאגר עלינו שם ובעוד המוני אתרים, מיכולותיהם של האלגוריתמים של הרשתות החברתיות, אתרי הווידאו הגדולים ומנועי החיפוש המודרניים - מכל אלה מצטבר עלינו ידע עצום ופולשני להחריד, שמעשיר את מפלצות הטכנולוגיה ונותן להן גישה להשפעות חברתיות חסרות תקדים. נאמר זאת בפשטות - האלגוריתם יודע לזהות עלינו דברים שאנו כלל לא מודעים אליהם ולא יודעים על עצמנו!
דמיינו, רק דמיינו לרגע, שמגיע היטלר מודרני טכנולוגי או שיש לו גבלס טכנולוגי, שעוזר לו להשתלט על גוגל, פייסבוק ואמזון, או אפילו רק על אחת או שתיים מהן. דמיינו שהוא מניע את כל אותם אלה שמאופיינים בתכונות הנכונות לו ומקבל את קולם בבחירות ורגע אחרי שהוא נבחר, הוא לוחץ על כפתור שמפוצץ את הרעים בעיניו והעולם שוב במלחמה, אבל הפעם גרעינית... זה רק תסריט אחד ודי מטומטם, אבל היי, הייתם מאמינים שלפני מאה שנים עשו את זה צייר מתוסכל ודוקטור לתיאטרון באמצעות כמה סרטים עם חולדות?
כי כשכולם חשופים למידע כזה עלינו, יהיה קשה לנו לשמור על הפרטיות. זו לא רק הפלישה לראשנו שמטרידה. יש לזה גם מחיר כלכלי מיידי. בכך שחברות חזקות ובעלות כוח זוכות למידע על הרגלי הקניה, תחומי העניין והמשאלות הכי כמוסות ופרטיות שלנו, אנו הופכים למכרה זהב בעבורן. זאת מכיוון שהן יכולות להגדיל את השיווק המותאם לנו אישית ולגרום לנו לצריכה גדלה והולכת, שיש לה מחיר כלכלי גדול.
תחום שהולך ומתחזק בשל החשש מאבדן הפרטיות הוא זה של מדיה חברתית זמנית. למי שלא מעוניינים שהמידע שלהם יישאר זמין ברשת לנצח, יש היום תוכנות ואפליקציות שמדמות את המדיה החברתית ותוכנות המסרים המידיים ומאפשרות קיום של שיחות יומיומיות, אך מבטיחות שהמידע הזה לא מתועד ולא נשמר לעתיד. בתחום התמונות, יישומים כמו Snapchat ו-Poke מאפשרים לשתף תמונות שנעלמות אחרי שניות אחדות. באמצעות השימוש בכלים כאלו, מקווים מי שחרדים לפרטיותם שיוכלו לנהוג בעתיד בספונטניות ובכנות, מבלי לחשוש שדברים תמימים שאמרו, עשו, חיפשו או חשו, ירדפו אותם בעתיד.
עוד כלי חזק למי שדואגים לפרטיות שלהם הם דפדפנים שלא מכילים כלי מעקב ואגירת נתונים על הגולשים. דפדפנים אלו מפותחים על ידי אנשים בעלי מודעות חברתית, המעוניינים לאפשר לציבור להשתמש באינטרנט בתבונה. כך למשל, יש מנועי חיפוש שמשתמשים בקוד הפתוח של מנוע החיפוש של "גוגל" ומתנהגים ממש כמוהו, אבל מתחייבים שדבר לא נשמר בהם על החיפושים שלכם, לאחר השימוש.
הרשת יודעת עלינו הכל ומבלי משים אנו מסגירים לידיה את סודותינו הכמוסים ביותר (עברית):
https://youtu.be/PoR6o5eHPw4
הנה נושא הפרטיות:
https://youtu.be/hsnr_4ccceY
יש המדמים את הפרטיות שלנו כיום לרחצה במקלחת, בעירום, במקום ציבורי:
https://youtu.be/0L0geYTJBOM
יש לזה היבטים משמעותיים שדורשים שינוי חקיקה (עברית):
https://youtu.be/EA0DqwTc3HQ
מה שמדהים הוא שאנו עושים הכל כדי לחשוף את עצמנו לגמרי (עברית):
https://youtu.be/yC_ILdL_vpQ
ראו כמה קל לעקוב אחרינו (עברית):
https://youtu.be/ym6bZzjhzDE?t=15m27s&end=22m17s
אבל יש רובד של פרטיות ברשת, שעליו חשוב ואפשר לשמור עליו כבר מהתחלה (עברית):
https://youtu.be/ICb61rr68sk
ובכל זאת - הבה נחייך (עברית):
https://youtu.be/5c-_mRCiaFg
מה זה ביג דאטה?
בעידן האינטרנט ורשתות המחשבים הגדולות והעולמיות מצטברות כמויות עצומות של מידע. התחום המדעי המכונה ביג דאטה (Big Data) עוסק בניהול של כמויות חסרות תקדים של מידע שמצטבר במאגרי נתונים ענקיים, תוך נסיון למצוא בו דפוסים ותבניות שיכולות לסייע בהפקת תועלת.
ההגדרה היפה של ביג-דאטה שאנו מכירים היא ש"ביג-דאטה הוא חתונה של סטטיסטיקה ומחשוב". ואכן, החתונה הזו מצליחה ליצור התפתחות לא רגילה בניתוח נתונים גולמיים בתחומי הרפואה, הכספים, המדעים ועוד. עולם הביג דאטה מתפתח במהירות וצפוי לשנות את חיינו בעתיד, בדרכים רבות.
באמצעות שירות "פלו טרנדס", למשל, חוזה כיום חברת גוגל מראש התפרצויות של מחלת השפעת. היא עושה זאת על סמך העליה בחיפושים שנערכים במנוע החיפוש שלה, של ביטויי חיפוש שקשורים למחלה, כמו חום, נזלת וכאבי שרירים. יש מחקרים שמצאו אמנם שגוגל לא הצליחה לחזות התפרצויות כאלה, אבל המאמץ נמשך..
אגב, בניגוד למחשבה שרק מחשבי-על הם שמעבדים את המידע לתחום הביג דאטה (קראו באאוריקה בתגית "ווטסון"), ישנן כיום מערכות שמטפלות בעיבוד נתונים כאלה, גם במחשבים רגילים.
הנה עולם הביג דאטה:
https://youtu.be/RrhDqByPxwY
והסבר על הביג דאטה (מתורגם):
http://youtu.be/j-0cUmUyb-Y?t=14s
בעידן האינטרנט ורשתות המחשבים הגדולות והעולמיות מצטברות כמויות עצומות של מידע. התחום המדעי המכונה ביג דאטה (Big Data) עוסק בניהול של כמויות חסרות תקדים של מידע שמצטבר במאגרי נתונים ענקיים, תוך נסיון למצוא בו דפוסים ותבניות שיכולות לסייע בהפקת תועלת.
ההגדרה היפה של ביג-דאטה שאנו מכירים היא ש"ביג-דאטה הוא חתונה של סטטיסטיקה ומחשוב". ואכן, החתונה הזו מצליחה ליצור התפתחות לא רגילה בניתוח נתונים גולמיים בתחומי הרפואה, הכספים, המדעים ועוד. עולם הביג דאטה מתפתח במהירות וצפוי לשנות את חיינו בעתיד, בדרכים רבות.
באמצעות שירות "פלו טרנדס", למשל, חוזה כיום חברת גוגל מראש התפרצויות של מחלת השפעת. היא עושה זאת על סמך העליה בחיפושים שנערכים במנוע החיפוש שלה, של ביטויי חיפוש שקשורים למחלה, כמו חום, נזלת וכאבי שרירים. יש מחקרים שמצאו אמנם שגוגל לא הצליחה לחזות התפרצויות כאלה, אבל המאמץ נמשך..
אגב, בניגוד למחשבה שרק מחשבי-על הם שמעבדים את המידע לתחום הביג דאטה (קראו באאוריקה בתגית "ווטסון"), ישנן כיום מערכות שמטפלות בעיבוד נתונים כאלה, גם במחשבים רגילים.
הנה עולם הביג דאטה:
https://youtu.be/RrhDqByPxwY
והסבר על הביג דאטה (מתורגם):
http://youtu.be/j-0cUmUyb-Y?t=14s
מה ההבדל בין למידת מכונה ללמידה עמוקה?
הלמידה העמוקה (Deep Learning) היא טכנולוגיה שמאפשרת למערכות מחשב לחקות את פעולת המוח האנושי ולבצע למידה עצמית, תוך שיפור מתמיד המאפשר למערכת להיות חכמה יותר ויותר כל הזמן.
אבל מה ההבדל בין למידה עמוקה ללמידת מכונה?
אז ראשית, מבחינת מיון - דיפ לרנינג, בעברית למידה עמוקה, הוא תת-תחום של למידת מכונה.
אבל בעוד שב"למידת מכונה" (Machine Learning) קלאסית הלימוד הוא מתוך דאטה שתויג ואורגן מראש לשם כך, על ידי מי שמאמן את המכונה, בעזרת מה שנקרא "דאטה מתויג" (Labeled data), "למידה עמוקה" (Deep Learning) לומדת בעצמה - עם דאטה כמותי, כלומר מידע רב ולא מאורגן. למשל המוני דוגמאות לא מזוהות או מסודרות דווקא הניתנות לתוכנת הלמידה העמוקה והיא מייצרת את הסיווג וה"הבנה" של הדפוסים והסדר, שמאפשרים לה בהדרגה "להבין" את הדאטה הזה ולהפוך אותו לתובנות וידע, שגם הולך ומשתפר כל הזמן, כמו ילד שכל הזמן לומד דברים חדשים ורוכש תובנות טובות יותר על המציאות והחוקים ששוררים בה.
אם למידת מכונה זו למידת בית ספר, ממישהו שמלמד אותך ומתרגל אותך בלמידה, למידה עמוקה היא הלימוד אחרי שעת הלימודים - בשכונה, מתוך התבוננות, סקרנות ועיבוד נתונים עצמי.
משום כך, ככל שמערכת למידה עמוקה פועלת וככל שהיא בשימוש - היא משתפרת, יודעת יותר ויכולה לבצע משימות מורכבות יותר ובהצלחה הולכת וגדלה.
אז ההבדל בין למידה עמוקה ללמידת מכונה הוא בסיסי. בלמידת מכונה, כדי ללמוד ולהשתפר המערכת הממוחשבת צריכה מומחה אנושי, שיאתר תכונות מסוימות שעל פיהן הוא מאמן את המכונה או התוכנה.
בלמידה עמוקה, לעומת זאת, לא נדרשים בהכרח מי שיבצעו את האימון והארגון, התיוג והסידור של המידע בכדי שהמכונה תלמד. פשוט מזינים אליה המוני מקרים, למשל תמונות לזיהוי או מידע לניתוח, ונותנים לתוכנה לאתר בהם מאפיינים, הבדלים, דפוסים וכדומה. כך היא תזהה בעתיד דברים בתמונות או המלצות לשימוש במידע וכדומה. כך היא תלמד את עצמה כל הזמן ותהפוך יותר ויותר חכמה.
זה אולי גם קצת דומה לשני טיפוסי מורים. יש את המורים שמתעקשים להגיש לתלמידים את הידע "בכפית" ולהראות להם על מה להביט בלמידה, בעוד אחרים, נקרא להם "המלמדים העמוקים", נותנים לתלמידים לאתר את ההבדלים, להעלות השערות לגבי דפוסי מידע וחלוקה, להסיק מסקנות וכדומה.
אז כך, ממש כמו התלמידים אצל "המורה העמוק", תוכנת הלמידה העמוקה מקבלת בלמידה כזו המון "הזדמנויות" ללמוד בעצמה ולהתבגר. זאת במקום האימון על ידי אדם, שמתבטא בהוראות ואימון הממחישים לתוכנה מה לחפש בדאטה, כדי להבחין בין המקרים.
זו, אגב, גם הביקורת של המדענים על השיטה הזו. הם גורסים שלא נדרש עוד ממדענים להבין בעיה כדי לפתור אותה, מה שמביא לרדידות ולפתרון בעיות בניסוי וטעייה טכנולוגיים, במקום באמצעות תיאוריות מעמיקות ובחינתן באופן מדעי.
הנה הסבר פשוט של הלמידה העמוקה:
https://youtu.be/6M5VXKLf4D4
למידה עמוקה מחייבת יותר זמן, יותר דאטה ויותר כוח מחשוב מלמידת מכונה:
https://youtu.be/-SgkLEuhfbg
כך הולך ומתפתח עץ ההחלטות המשתפר של מערכת הלמידה העמוקה:
http://youtu.be/nSg4HKHdDs4
שיעור וידאו קצר על שיטות הלמידה השונות (עברית):
https://youtu.be/Bqdn6e-nH18?long=yes
והרצאה אקדמית על למידה עמוקה (עברית):
https://youtu.be/z-aezi4W90o?long=yes
הלמידה העמוקה (Deep Learning) היא טכנולוגיה שמאפשרת למערכות מחשב לחקות את פעולת המוח האנושי ולבצע למידה עצמית, תוך שיפור מתמיד המאפשר למערכת להיות חכמה יותר ויותר כל הזמן.
אבל מה ההבדל בין למידה עמוקה ללמידת מכונה?
אז ראשית, מבחינת מיון - דיפ לרנינג, בעברית למידה עמוקה, הוא תת-תחום של למידת מכונה.
אבל בעוד שב"למידת מכונה" (Machine Learning) קלאסית הלימוד הוא מתוך דאטה שתויג ואורגן מראש לשם כך, על ידי מי שמאמן את המכונה, בעזרת מה שנקרא "דאטה מתויג" (Labeled data), "למידה עמוקה" (Deep Learning) לומדת בעצמה - עם דאטה כמותי, כלומר מידע רב ולא מאורגן. למשל המוני דוגמאות לא מזוהות או מסודרות דווקא הניתנות לתוכנת הלמידה העמוקה והיא מייצרת את הסיווג וה"הבנה" של הדפוסים והסדר, שמאפשרים לה בהדרגה "להבין" את הדאטה הזה ולהפוך אותו לתובנות וידע, שגם הולך ומשתפר כל הזמן, כמו ילד שכל הזמן לומד דברים חדשים ורוכש תובנות טובות יותר על המציאות והחוקים ששוררים בה.
אם למידת מכונה זו למידת בית ספר, ממישהו שמלמד אותך ומתרגל אותך בלמידה, למידה עמוקה היא הלימוד אחרי שעת הלימודים - בשכונה, מתוך התבוננות, סקרנות ועיבוד נתונים עצמי.
משום כך, ככל שמערכת למידה עמוקה פועלת וככל שהיא בשימוש - היא משתפרת, יודעת יותר ויכולה לבצע משימות מורכבות יותר ובהצלחה הולכת וגדלה.
אז ההבדל בין למידה עמוקה ללמידת מכונה הוא בסיסי. בלמידת מכונה, כדי ללמוד ולהשתפר המערכת הממוחשבת צריכה מומחה אנושי, שיאתר תכונות מסוימות שעל פיהן הוא מאמן את המכונה או התוכנה.
בלמידה עמוקה, לעומת זאת, לא נדרשים בהכרח מי שיבצעו את האימון והארגון, התיוג והסידור של המידע בכדי שהמכונה תלמד. פשוט מזינים אליה המוני מקרים, למשל תמונות לזיהוי או מידע לניתוח, ונותנים לתוכנה לאתר בהם מאפיינים, הבדלים, דפוסים וכדומה. כך היא תזהה בעתיד דברים בתמונות או המלצות לשימוש במידע וכדומה. כך היא תלמד את עצמה כל הזמן ותהפוך יותר ויותר חכמה.
זה אולי גם קצת דומה לשני טיפוסי מורים. יש את המורים שמתעקשים להגיש לתלמידים את הידע "בכפית" ולהראות להם על מה להביט בלמידה, בעוד אחרים, נקרא להם "המלמדים העמוקים", נותנים לתלמידים לאתר את ההבדלים, להעלות השערות לגבי דפוסי מידע וחלוקה, להסיק מסקנות וכדומה.
אז כך, ממש כמו התלמידים אצל "המורה העמוק", תוכנת הלמידה העמוקה מקבלת בלמידה כזו המון "הזדמנויות" ללמוד בעצמה ולהתבגר. זאת במקום האימון על ידי אדם, שמתבטא בהוראות ואימון הממחישים לתוכנה מה לחפש בדאטה, כדי להבחין בין המקרים.
זו, אגב, גם הביקורת של המדענים על השיטה הזו. הם גורסים שלא נדרש עוד ממדענים להבין בעיה כדי לפתור אותה, מה שמביא לרדידות ולפתרון בעיות בניסוי וטעייה טכנולוגיים, במקום באמצעות תיאוריות מעמיקות ובחינתן באופן מדעי.
הנה הסבר פשוט של הלמידה העמוקה:
https://youtu.be/6M5VXKLf4D4
למידה עמוקה מחייבת יותר זמן, יותר דאטה ויותר כוח מחשוב מלמידת מכונה:
https://youtu.be/-SgkLEuhfbg
כך הולך ומתפתח עץ ההחלטות המשתפר של מערכת הלמידה העמוקה:
http://youtu.be/nSg4HKHdDs4
שיעור וידאו קצר על שיטות הלמידה השונות (עברית):
https://youtu.be/Bqdn6e-nH18?long=yes
והרצאה אקדמית על למידה עמוקה (עברית):
https://youtu.be/z-aezi4W90o?long=yes
מהי מערכת הלמידה העמוקה של גוגל?
למידת מכונה היא תחום שנחקר כבר עשרות שנים. בשנים האחרונות הוא הולך ומתפתח לכיוון של למידה עמוקה. מערכת הלמידה העמוקה הגדולה והמתקדמת בעולם כיום היא ה-Google Brain. זהו אחד מפרויקטי הבינה המלאכותית הגדולים בעולם. הפרויקט מנסה לפתח מוח ממוחשב מ-16,000 ליבות מחשבים ותוכנת מחשב שלומדת מתוך דוגמאות ומסיקה מסקנות בעצמה, תוך כדי התמודדות עם בעיות מורכבות במיוחד. משאבי המחשב שמוקדשים לפיתוח זה הם עצומים וכך גם התקציבים שחברת הענק משקיעה במחקר והפיתוח, כולל גיוס האנשים המתקדמים בעולם בתחום זה ושל המדען והעתידן הגאון ריי קורצווייל, שהסכים לעמוד בראש הפרויקט.
אבל למה גוגל צריכה מערכת למידה עמוקה? - היות ופיתוח של רשתות מחשב מבוססות נוירונים עולה המון כסף, חברת גוגל בעלת המיליארדים היא מהיחידות בעולם שיכולות להקצות משאבים לנושא. לרשת שמאפשרת את הלמידה של המחשב העמוק מוקצים עוד ועוד מחשבים. רק כך ניתן לדמות את אופן הפעולה של המוח האנושי.
וזה עוד כלום. ברצונם להגיע למאה טריליון קישורים בין נוירונים במחשב העל של גוגל, מגייסת החברה את מיטב חידושי הטכנולוגיה שיוצאים לשוק, כולל מעבדים מקביליים ומהירים ביותר, כרטיסי מסך גרפיים המכונים "GPU" ושפותחו עבור תעשיית המשחקים, ועד רכיבי מחשוב קוונטי. גוגל כה רצינית בשאיפות שלה בתחום זה, שהיא רוכשת חברות קטנות שעוסקות בתחום וכך קונה הן את הטכנולוגיות והידע שהן צברו והן את כוח האדם המעולה שלהן.
המלצה:
======
בתגית "למידה עמוקה" תוכלו לקרוא על עולם הבינה המלאכותית, המתבססת על רשת נוירונים כמו זו שבונה גוגל. שווה לקרוא גם בתגית "רשתות נוירונים".
הנה למידת המכונה:
https://youtu.be/59bMh59JQDo
כך מתבצעים פרויקטי הבינה המלאכותית הגדולים של גוגל ומתחרותיה:
https://youtu.be/gB_-LabED68
כך מסייעים מוחות טכנולוגיים עם למידה עמוקה לעולם להתקדם:
https://youtu.be/Dy0hJWltsyE
סרטון עם מתיחה שבה גוגל הולכים להחליף את המוח האנושי:
https://youtu.be/fV52J7_7gss
ופרוייקט הגוגל בוקס והבעיות שהוא עורר:
https://youtu.be/5_EyoyHLnLI
למידת מכונה היא תחום שנחקר כבר עשרות שנים. בשנים האחרונות הוא הולך ומתפתח לכיוון של למידה עמוקה. מערכת הלמידה העמוקה הגדולה והמתקדמת בעולם כיום היא ה-Google Brain. זהו אחד מפרויקטי הבינה המלאכותית הגדולים בעולם. הפרויקט מנסה לפתח מוח ממוחשב מ-16,000 ליבות מחשבים ותוכנת מחשב שלומדת מתוך דוגמאות ומסיקה מסקנות בעצמה, תוך כדי התמודדות עם בעיות מורכבות במיוחד. משאבי המחשב שמוקדשים לפיתוח זה הם עצומים וכך גם התקציבים שחברת הענק משקיעה במחקר והפיתוח, כולל גיוס האנשים המתקדמים בעולם בתחום זה ושל המדען והעתידן הגאון ריי קורצווייל, שהסכים לעמוד בראש הפרויקט.
אבל למה גוגל צריכה מערכת למידה עמוקה? - היות ופיתוח של רשתות מחשב מבוססות נוירונים עולה המון כסף, חברת גוגל בעלת המיליארדים היא מהיחידות בעולם שיכולות להקצות משאבים לנושא. לרשת שמאפשרת את הלמידה של המחשב העמוק מוקצים עוד ועוד מחשבים. רק כך ניתן לדמות את אופן הפעולה של המוח האנושי.
וזה עוד כלום. ברצונם להגיע למאה טריליון קישורים בין נוירונים במחשב העל של גוגל, מגייסת החברה את מיטב חידושי הטכנולוגיה שיוצאים לשוק, כולל מעבדים מקביליים ומהירים ביותר, כרטיסי מסך גרפיים המכונים "GPU" ושפותחו עבור תעשיית המשחקים, ועד רכיבי מחשוב קוונטי. גוגל כה רצינית בשאיפות שלה בתחום זה, שהיא רוכשת חברות קטנות שעוסקות בתחום וכך קונה הן את הטכנולוגיות והידע שהן צברו והן את כוח האדם המעולה שלהן.
המלצה:
======
בתגית "למידה עמוקה" תוכלו לקרוא על עולם הבינה המלאכותית, המתבססת על רשת נוירונים כמו זו שבונה גוגל. שווה לקרוא גם בתגית "רשתות נוירונים".
הנה למידת המכונה:
https://youtu.be/59bMh59JQDo
כך מתבצעים פרויקטי הבינה המלאכותית הגדולים של גוגל ומתחרותיה:
https://youtu.be/gB_-LabED68
כך מסייעים מוחות טכנולוגיים עם למידה עמוקה לעולם להתקדם:
https://youtu.be/Dy0hJWltsyE
סרטון עם מתיחה שבה גוגל הולכים להחליף את המוח האנושי:
https://youtu.be/fV52J7_7gss
ופרוייקט הגוגל בוקס והבעיות שהוא עורר:
https://youtu.be/5_EyoyHLnLI
מהו זיהוי פנים?
ממצלמות אבטחה במרחב הציבורי, דרך מצלמות מעקב המתעדות מיליוני אנשים בערים ובדרכים ועד לסוכנויות המעקב הממשלתיות, לאחרונה נראה שהיא בכל מקום. היכולת לזהות פנים באופן דיגיטלי מתבססת על המרה של תווי הפנים של אדם למפת נתונים, שניתן להשוות למיליוני מפות נתונים אחרות ולמצוא במי מדובר.
מדובר בטכנולוגיית זיהוי פנים (Facial recognition), המבוססת על יכולת טכנולוגית מבוססת אלגוריתם, או תוכנה, שמסוגלת לזהות אדם על פי צילום דיגיטלי שלו, אם בתצלום ואם בסרט וידאו. מערכות זיהוי פנים רבות מתיימרות כיום לעשות זאת באופן אוטומטי.
אחת השיטות לזיהוי פנים היא על ידי השוואת תכונות תווי הפנים שבתמונה לתמונות שמאוחסנות במאגר נתונים. אלגוריתם פשוט למד כבר מזמן לזהות בזמן צילום דיגיטלי, פנים אנושיות וכך עשה פוקוס עליהם, כדי שהפנים לא יצאו מטושטשים.
בשנים האחרונות הפכו האלגוריתמים של זיהוי פנים מדויקים מבעבר. הם מאפשרים לעבד כמויות אדירות של מידע, במהירות וביעילות, כשהם נעזרים במאגרי נתונים ענקיים המכילים את פניהם של אזרחים רבים.
המדהים הוא שהרשתות החברתיות מהוות כיום את מאגר הנתונים הגדול מאי-פעם, כשלכל צילום מתווספים מיידית שמות המצולם ופרטים מזהים רבים. המרכזיות של המדיה החברתית בחיינו מהווה סיכון לא קטן לפרטיות שלנו וזה יילך ויתחדד, ככל שיימצאו שימושים חדשים לטכנולוגיות הללו.
כל השחקנים הטכנולוגיים הגדולים כבר שם. אם זו פייסבוק, שמזהה את חבריך בתמונות שהעלית לקיר שלך, או גוגל שמזהה לבעלי סמארטפונים את פניהם של המצולמים בתמונות שבנייד האנדרואיד שלהם. מיקרוסופט, שהצליחה לפתח אלגוריתמים לשלטים שמזהים את המתבונן ומציעים לו פרסומות מטורגטות, כלומר פרסומות שונות לכל אדם ומותאמות לנושאים שבהם הוא מתעניין, בצורה די דומה לפרסומות בדפדפן, שמתאימות את עצמן לחיפושים שלך במנוע החיפוש. מוצר אחר של מיקרוסופט המשתמש בזיהוי פנים, הוא מצלמה שמסוגלת להבחין בין תאומים זהים ולזהותם על אף הדימיון הרב ביניהם.
מערכות זיהוי פנים משמשות כיום לאבטחה, לזיהוי החברים המצולמים ברשתות חברתיות ולמעקב אחרי פושעים וטרוריסטים במקומות ציבוריים. לעתים קרובות הן מופעלות ביחד עם טכנולוגיות משלימות, שכן זיהוי פנים היא חלק מתחום הזיהוי הביומטרי. טכנולוגיות נוספות שמשמשות בזיהוי ביומטרי הן זיהוי טביעות אצבע, זיהוי דנ"א וזיהוי קשתית העין.
כך אנו מזהים פנים (עברית):
https://youtu.be/mTSsCYob9mo
זיהוי פנים טכנולוגי:
https://youtu.be/wve5JWX7yoc
זיהוי פנים כאמצעי תשלום (עברית):
https://youtu.be/9yyeH6CK5xk
על זיהוי פנים ופרטיות (עברית):
https://youtu.be/fU3OMXLAKNk
טכנולוגיית האבטחה שמתבססת על זיהוי פנים:
https://youtu.be/9k-rTVfLesQ
מראת הפלא שמזהה בין השאר רגשות של המתבונן בה:
https://youtu.be/uN1yB17S2bk
נראה שזיהוי הפנים של חלונות 10 לא מתבלבל בין תאומים זהים:
https://youtu.be/J1NL246P9Vg
ויש גם זיהוי פנים מעט מביך כמו אלגוריתם שמבטיח לזהות את הגיל של המצולם:
https://youtu.be/Wi8DLKPQqJ0
ממצלמות אבטחה במרחב הציבורי, דרך מצלמות מעקב המתעדות מיליוני אנשים בערים ובדרכים ועד לסוכנויות המעקב הממשלתיות, לאחרונה נראה שהיא בכל מקום. היכולת לזהות פנים באופן דיגיטלי מתבססת על המרה של תווי הפנים של אדם למפת נתונים, שניתן להשוות למיליוני מפות נתונים אחרות ולמצוא במי מדובר.
מדובר בטכנולוגיית זיהוי פנים (Facial recognition), המבוססת על יכולת טכנולוגית מבוססת אלגוריתם, או תוכנה, שמסוגלת לזהות אדם על פי צילום דיגיטלי שלו, אם בתצלום ואם בסרט וידאו. מערכות זיהוי פנים רבות מתיימרות כיום לעשות זאת באופן אוטומטי.
אחת השיטות לזיהוי פנים היא על ידי השוואת תכונות תווי הפנים שבתמונה לתמונות שמאוחסנות במאגר נתונים. אלגוריתם פשוט למד כבר מזמן לזהות בזמן צילום דיגיטלי, פנים אנושיות וכך עשה פוקוס עליהם, כדי שהפנים לא יצאו מטושטשים.
בשנים האחרונות הפכו האלגוריתמים של זיהוי פנים מדויקים מבעבר. הם מאפשרים לעבד כמויות אדירות של מידע, במהירות וביעילות, כשהם נעזרים במאגרי נתונים ענקיים המכילים את פניהם של אזרחים רבים.
המדהים הוא שהרשתות החברתיות מהוות כיום את מאגר הנתונים הגדול מאי-פעם, כשלכל צילום מתווספים מיידית שמות המצולם ופרטים מזהים רבים. המרכזיות של המדיה החברתית בחיינו מהווה סיכון לא קטן לפרטיות שלנו וזה יילך ויתחדד, ככל שיימצאו שימושים חדשים לטכנולוגיות הללו.
כל השחקנים הטכנולוגיים הגדולים כבר שם. אם זו פייסבוק, שמזהה את חבריך בתמונות שהעלית לקיר שלך, או גוגל שמזהה לבעלי סמארטפונים את פניהם של המצולמים בתמונות שבנייד האנדרואיד שלהם. מיקרוסופט, שהצליחה לפתח אלגוריתמים לשלטים שמזהים את המתבונן ומציעים לו פרסומות מטורגטות, כלומר פרסומות שונות לכל אדם ומותאמות לנושאים שבהם הוא מתעניין, בצורה די דומה לפרסומות בדפדפן, שמתאימות את עצמן לחיפושים שלך במנוע החיפוש. מוצר אחר של מיקרוסופט המשתמש בזיהוי פנים, הוא מצלמה שמסוגלת להבחין בין תאומים זהים ולזהותם על אף הדימיון הרב ביניהם.
מערכות זיהוי פנים משמשות כיום לאבטחה, לזיהוי החברים המצולמים ברשתות חברתיות ולמעקב אחרי פושעים וטרוריסטים במקומות ציבוריים. לעתים קרובות הן מופעלות ביחד עם טכנולוגיות משלימות, שכן זיהוי פנים היא חלק מתחום הזיהוי הביומטרי. טכנולוגיות נוספות שמשמשות בזיהוי ביומטרי הן זיהוי טביעות אצבע, זיהוי דנ"א וזיהוי קשתית העין.
כך אנו מזהים פנים (עברית):
https://youtu.be/mTSsCYob9mo
זיהוי פנים טכנולוגי:
https://youtu.be/wve5JWX7yoc
זיהוי פנים כאמצעי תשלום (עברית):
https://youtu.be/9yyeH6CK5xk
על זיהוי פנים ופרטיות (עברית):
https://youtu.be/fU3OMXLAKNk
טכנולוגיית האבטחה שמתבססת על זיהוי פנים:
https://youtu.be/9k-rTVfLesQ
מראת הפלא שמזהה בין השאר רגשות של המתבונן בה:
https://youtu.be/uN1yB17S2bk
נראה שזיהוי הפנים של חלונות 10 לא מתבלבל בין תאומים זהים:
https://youtu.be/J1NL246P9Vg
ויש גם זיהוי פנים מעט מביך כמו אלגוריתם שמבטיח לזהות את הגיל של המצולם:
https://youtu.be/Wi8DLKPQqJ0
מהן רשתות סמנטיות?
רשתות סמנטיות (Semantic networks) הן שיטה להכנת מפות מידע, שבה מסומנים ומוגדרים הקשרים בין המושגים השונים. רשת סמנטית מיועדת למיפוי לפי משמעות ועל פי הקשרים בין מרכיבים שונים בה (מיפוי סמנטי). שימוש ברשת מושגית מתקדמת שכזו יכול לסייע בתהליכי חשיבה, סיעור מוחין וקבלת החלטות.
המידע ברשת סמנטית מאורגן לפי מושגים שמיוצגים במילה או במשפט ומקושרים למושג מרכזי. נכנה את המושגים "צמתים". בין כל צומת לאחרות יש קשרים, שהם בעצם קשרים אל המושגים הקרובים אליה משמעותית. רשת כזו ניתן לבנות לדוגמה סביב המושג המרכזי "אריה". קשרים יחברו בינו לבין מושגים קרובים כמו: טורפים, יונקים, חתולים גדולים, חיות פרא, אוכל בשר, אפריקה וכדומה. לכל קשר יהיה את התפקיד והמשמעות שלו וצבעים שונים יכולים לבטא את סוג הקשר בין מושגים.
שרטוט רשתות סמנטיות מאפשר תהליך למידה. זה קורה בשילוב שאנו עושים בין הדברים הידועים לנו בטרם הלמידה, לבין הדברים שנלמד תוך כדי השילוב של ידע חדש ברשת הסמנטית. קשרים שלא נדע להסביר את טיבם ומושגים ללא קשרים ביניהם יצביעו על מה שדורש למידה נוספת ומעמיקה יותר. בהנחה שחקר ולמידה כאלו אכן יבוצעו ויקרו, ההבנה של המושגים והקשרים שביניהם היא הלמידה.
בשנים האחרונות הפך נושא הרשת הסמנטית לתחום חם גם בעולם הטכנולוגיה. זאת לאחר שהסתבר שרשת כזו יכולה להוות בסיס למערכות בינה מלאכותית ולשיפור רשת האינטנרט ומנועי החיפוש. המחקר המדעי בעולם עוסק לא מעט במיפוי סמנטי לצורכי המיחשוב ובמקביל התפתח חזון הווב הסמנטי, שמציג רשת עתידית, מבוססת משמעות ובעלת יכולות רבות לשיפור האינטרנט (קראו עליה באאוריקה בתגית "ווב סמנטי").
משימת התנסות
===========
הכינו רשת סמנטית על המושג "מחשב", בכתיבת המושג, המושגים הקרובים והמושגים שנובעים מהם ויצירת הקשרים ביניהם על גבי נייר.
הנה הרשת הסמנטית:
https://youtu.be/3wMfKTkYemY
רשתות סמנטיות (Semantic networks) הן שיטה להכנת מפות מידע, שבה מסומנים ומוגדרים הקשרים בין המושגים השונים. רשת סמנטית מיועדת למיפוי לפי משמעות ועל פי הקשרים בין מרכיבים שונים בה (מיפוי סמנטי). שימוש ברשת מושגית מתקדמת שכזו יכול לסייע בתהליכי חשיבה, סיעור מוחין וקבלת החלטות.
המידע ברשת סמנטית מאורגן לפי מושגים שמיוצגים במילה או במשפט ומקושרים למושג מרכזי. נכנה את המושגים "צמתים". בין כל צומת לאחרות יש קשרים, שהם בעצם קשרים אל המושגים הקרובים אליה משמעותית. רשת כזו ניתן לבנות לדוגמה סביב המושג המרכזי "אריה". קשרים יחברו בינו לבין מושגים קרובים כמו: טורפים, יונקים, חתולים גדולים, חיות פרא, אוכל בשר, אפריקה וכדומה. לכל קשר יהיה את התפקיד והמשמעות שלו וצבעים שונים יכולים לבטא את סוג הקשר בין מושגים.
שרטוט רשתות סמנטיות מאפשר תהליך למידה. זה קורה בשילוב שאנו עושים בין הדברים הידועים לנו בטרם הלמידה, לבין הדברים שנלמד תוך כדי השילוב של ידע חדש ברשת הסמנטית. קשרים שלא נדע להסביר את טיבם ומושגים ללא קשרים ביניהם יצביעו על מה שדורש למידה נוספת ומעמיקה יותר. בהנחה שחקר ולמידה כאלו אכן יבוצעו ויקרו, ההבנה של המושגים והקשרים שביניהם היא הלמידה.
בשנים האחרונות הפך נושא הרשת הסמנטית לתחום חם גם בעולם הטכנולוגיה. זאת לאחר שהסתבר שרשת כזו יכולה להוות בסיס למערכות בינה מלאכותית ולשיפור רשת האינטנרט ומנועי החיפוש. המחקר המדעי בעולם עוסק לא מעט במיפוי סמנטי לצורכי המיחשוב ובמקביל התפתח חזון הווב הסמנטי, שמציג רשת עתידית, מבוססת משמעות ובעלת יכולות רבות לשיפור האינטרנט (קראו עליה באאוריקה בתגית "ווב סמנטי").
משימת התנסות
===========
הכינו רשת סמנטית על המושג "מחשב", בכתיבת המושג, המושגים הקרובים והמושגים שנובעים מהם ויצירת הקשרים ביניהם על גבי נייר.
הנה הרשת הסמנטית:
https://youtu.be/3wMfKTkYemY
מהן רשתות נוירונים ממוחשבות?
רשתות נוירונים (Neural Networks) הן רשתות מחשבים מתקדמות שמחקות את החשיבה האנושית.
נוירון במוח הוא תא עצב. זהו תא טיפש, ללא יכולת מרשימה בפני עצמו. את כוחו ויכולתו המדהימה לפתור בעיות מורכבות הוא קונה רק כשהוא שותף זעיר ברשת העצבית העצומה, שקוראים לה מוח.
למוח ולרשת נוירונים טכנולוגית שמחקה אותו יש את היכולת המדהימה לפתרון בעיות מורכבות. רשת נוירונים היא "רשת עצבית" מלאכותית, שמעתיקה את הפעילות של שכבות תאי העצב בניאו-קורטקס, האזור שתופס את רוב המוח האנושי.
בניאו קורטקס נעשית החשיבה שלנו. ב"רשת נוירונית" מחובר כל נוירון בסינפסות אל נוירונים נוספים. התקשורת בין הנוירונים היא באמצעות "פוטנציאלי פעולה" - מעין הבזקים, פעימות חשמליות, שעוברות בסינפסות בין נוירון, תא עצב, למשנהו והלאה אל הנוירון הבא ולאלה שאחריו.
מחקר רשתות הנוירונים עוסק בבניית מודלים וירטואליים של שכבות תאי העצב ובתחום זה עוסקים כיום צוותים מגוונים, שמורכבים ממדעני מוח, מדעני מחשב ותוכנה. רשתות מחשבים כאלה יוכלו בעתיד לבצע פעולות שהמוח יודע לבצע בקלות: לאסוף מידע, לנתחו ולהגיב לו בקבלת החלטות שאנו עושים אלפי פעמים ביום.
תחום הנוירו-מחשוב הוא אחד התחומים החשובים בעולם כיום. הוא יוביל בעתיד לדור מתקדם במיוחד של תוכנות חכמות. כבר היום רואים את האפשרויות של תוכנות-מוח שכאלה - מאפליקציות שלומדות את טעמנו האישי ומציעות לנו בגדים, אוכל, מוסיקה או ספרים שאנו אוהבים. בעתיד יותר ויותר טלפונים חכמים ילמדו הרגלים, תחביבים, העדפות וצרכים של המשתמש ויסייעו לו.
גם ברפואה משפרות רשתות עצביות את היכולות ומציעות השפעות נפלאות על היכולת לאתר סרטן עור מוקדם, לגלות טיפולים תרופתיים חדשים למחלות ועוד.
דמיינו מצלמות חכמות, שיודעות לזהות פורץ או מבקר תמים בביתנו, מערכות מחשוב שיזהו האקרים לעומת משתמשים תמימים שטעו, בידוק בטחוני שיזהה מפגים או עבריינים ומערכות צבאיות שיוודאו שכוחותינו יזהו וישמידו את כוחות האויב ולא את כוחותינו.
המלצה:
======
קראו באאוריקה בתגית "למידה עמוקה", על פיתוח מערכות הבינה המלאכותית שמתבססות על רשתות הנוירונים.
הנה רשתות הנוירונים הממוחשבות (מתורגם):
https://youtu.be/JrXazCEACVo
דרך לזהות בהן הפרעות נוירולוגיות (עברית):
https://youtu.be/Agrf1PPXSl8
רשתות הנוירונים שבמוחנו:
https://youtu.be/Gf5QEzZ9F3w
התהליך הכימי של מעבר המידע בין הנוירונים (מתורגם):
https://youtu.be/6Ra3il45vnE
כיום מפתחים רשת נוירונים שמחקה את יכולת הלמידה של תינוק:
http://youtu.be/VNNsN9IJkws
הסבר מדעי (מתורגם):
https://youtu.be/Z6xDuPOgT_Q
דרך שבה רשתות נוירוניות פועלות:
https://youtu.be/h52wgSsm57g
והפיתוח שלהם על ידי למידה מהביולוגיה והטבע:
https://youtu.be/JqMpGrM5ECo
רשתות נוירונים (Neural Networks) הן רשתות מחשבים מתקדמות שמחקות את החשיבה האנושית.
נוירון במוח הוא תא עצב. זהו תא טיפש, ללא יכולת מרשימה בפני עצמו. את כוחו ויכולתו המדהימה לפתור בעיות מורכבות הוא קונה רק כשהוא שותף זעיר ברשת העצבית העצומה, שקוראים לה מוח.
למוח ולרשת נוירונים טכנולוגית שמחקה אותו יש את היכולת המדהימה לפתרון בעיות מורכבות. רשת נוירונים היא "רשת עצבית" מלאכותית, שמעתיקה את הפעילות של שכבות תאי העצב בניאו-קורטקס, האזור שתופס את רוב המוח האנושי.
בניאו קורטקס נעשית החשיבה שלנו. ב"רשת נוירונית" מחובר כל נוירון בסינפסות אל נוירונים נוספים. התקשורת בין הנוירונים היא באמצעות "פוטנציאלי פעולה" - מעין הבזקים, פעימות חשמליות, שעוברות בסינפסות בין נוירון, תא עצב, למשנהו והלאה אל הנוירון הבא ולאלה שאחריו.
מחקר רשתות הנוירונים עוסק בבניית מודלים וירטואליים של שכבות תאי העצב ובתחום זה עוסקים כיום צוותים מגוונים, שמורכבים ממדעני מוח, מדעני מחשב ותוכנה. רשתות מחשבים כאלה יוכלו בעתיד לבצע פעולות שהמוח יודע לבצע בקלות: לאסוף מידע, לנתחו ולהגיב לו בקבלת החלטות שאנו עושים אלפי פעמים ביום.
תחום הנוירו-מחשוב הוא אחד התחומים החשובים בעולם כיום. הוא יוביל בעתיד לדור מתקדם במיוחד של תוכנות חכמות. כבר היום רואים את האפשרויות של תוכנות-מוח שכאלה - מאפליקציות שלומדות את טעמנו האישי ומציעות לנו בגדים, אוכל, מוסיקה או ספרים שאנו אוהבים. בעתיד יותר ויותר טלפונים חכמים ילמדו הרגלים, תחביבים, העדפות וצרכים של המשתמש ויסייעו לו.
גם ברפואה משפרות רשתות עצביות את היכולות ומציעות השפעות נפלאות על היכולת לאתר סרטן עור מוקדם, לגלות טיפולים תרופתיים חדשים למחלות ועוד.
דמיינו מצלמות חכמות, שיודעות לזהות פורץ או מבקר תמים בביתנו, מערכות מחשוב שיזהו האקרים לעומת משתמשים תמימים שטעו, בידוק בטחוני שיזהה מפגים או עבריינים ומערכות צבאיות שיוודאו שכוחותינו יזהו וישמידו את כוחות האויב ולא את כוחותינו.
המלצה:
======
קראו באאוריקה בתגית "למידה עמוקה", על פיתוח מערכות הבינה המלאכותית שמתבססות על רשתות הנוירונים.
הנה רשתות הנוירונים הממוחשבות (מתורגם):
https://youtu.be/JrXazCEACVo
דרך לזהות בהן הפרעות נוירולוגיות (עברית):
https://youtu.be/Agrf1PPXSl8
רשתות הנוירונים שבמוחנו:
https://youtu.be/Gf5QEzZ9F3w
התהליך הכימי של מעבר המידע בין הנוירונים (מתורגם):
https://youtu.be/6Ra3il45vnE
כיום מפתחים רשת נוירונים שמחקה את יכולת הלמידה של תינוק:
http://youtu.be/VNNsN9IJkws
הסבר מדעי (מתורגם):
https://youtu.be/Z6xDuPOgT_Q
דרך שבה רשתות נוירוניות פועלות:
https://youtu.be/h52wgSsm57g
והפיתוח שלהם על ידי למידה מהביולוגיה והטבע:
https://youtu.be/JqMpGrM5ECo
מהי למידת מכונה או למידה חישובית? ומהם מדעני הדאטה?
למידת מכונה (Machine Learning), או למידה חישובית, היא היכולת של מערכת מחשב ללמוד ולהשתפר על ידי התבוננות ופעילות עצמאית שלה עם מידע.
זוהי לא בדיוק טכנולוגיה או כלי ספציפי, אלא תחום מחקרי מדעי, המשלב מרכיבים מעולמות הסטטיסטיקה ומדעי המחשב. באמצעותם מאפשרת למידת המכונה זיהוי אוטומטי של דפוסים מרתקים בכמויות נתונים גדולות.
אבל איך מכונה לומדת?
ובכן, בואו נדמיין לרגע מצב דמיוני. דמיינו מיליוני תלמידים מטומטמים, שלומדים אצל מורה לא מוכשר במיוחד, אולי אפילו אידיוט. כל פעם המורה הזה מראה להם משהו שהוא רוצה שיידעו (מראה להם למשל שתי תמונות ואומר מה מופיע בכל אחת) ואז בוחן אותם. חוץ מלתת ציון לתשובות שלהם, הוא תמיד מעיף מהכיתה שלו את אלו שלא זיהו ומשכפל את אלה שכן. אז מראה המורה עוד משהו ובוחן ושוב מעיף... הוא עושה את זה מיליוני פעמים... כן, דמיינו שהוא חוזר על התהליך הזה עם מיליוני תלמידים, שוב ושוב... קוראים לזה, אגב, "אִיטֵרַצְיות", פעולות שחוזרות על עצמן שוב ושוב במהלך פתרון של בעיה.
כך, בהדרגה ובאופן שלא תמיד מובן לנו, המכונות, סליחה - התלמידים המטומטמים, הולכים ומשתפרים. הם לומדים!
אז לאור הסיפור הזה, איך עושה זאת המחשב?
בצורה דומה אבל טכנולוגית, ככל שמחשב לומד מצויד ביותר נתונים והתנסויות, הוא נעשה חכם יותר. המידע שהוא מעבד מסייע לו לשפר כל הזמן ולגמרי בעצמו, את המודל החישובי שלו.
אנשי הלמידה החישובית מפתחים אלגוריתמים ודרכים שמאפשרים למחשב ללמוד בעצמו ולשפר את יכולותיו.
אם נסכם לרגע, אנשי למידת המכונה יוצרים מכונה המלמדת את עצמה התנהגויות ותובנות, על סמך מפגשים עם מצבים שונים וסיטואציות שמהם ניתן ללמוד ולהסיק מסקנות. המכונה הזו מתנהגת כמו בן-אנוש, שלומד ללא הפסקה, מהתנסויות וטעויות, אבל בהיקפים מטורפים ועם המון דאטה.
על ביג דאטה שמעתם? התחום הזה של מכונה לומדת הוא בדיוק הסיבה שענקי האינטרנט אוספים עלינו מידע בכמויות ענק. בעזרתן הם משפרים את האלגוריתמים והמכונות הלומדות שלהם ויוצרים להן ידע המשתבח והולך.
בלמידת מכונה מצויד המחשב באינטליגנציה מלאכותית ולומד מתוך דוגמאות והתנסויות קודמות שלו ולא בזכות מתכנת אנושי שמזין את הידע למחשב. כלומר, בלמידה כזו מתרחשת הלמידה על ידי המחשב מתוך דוגמאות ומקרים שקרו לו.
האלגוריתם של המחשב ממש מחקה את הדרך שבה פועלת הרשת העצבית שבמוח האנושי. באופן מסוים, מחשבים חכמים כבר הגיעו מזמן לביצועים שמזכירים את הלמידה של תינוקות על ידי חיקוי הוריהם. באופן אחר, הם כל כך משתפרים שיש כבר רבים שמתחילים לחשוש מזה...
המדענים מזהים למידת מכונה, כאשר הביצועים של משימה במחשב הולכים ומשתפרים עם הניסיון. כלומר, בכל פעם שתוכנת המחשב מבצעת משימה, באופן יעיל מאשר ביצעה אותה בעבר. ככל שתוכנה משיגה תוצאות טובות יותר, מבלי שמתכנת אנושי השפיע על הקוד שלה, אז התרחשה למידה חישובית, או למידת מכונה.
איך מכונות לומדות? -הנה (מתורגם):
https://youtu.be/R9OHn5ZF4Uo
מאיפה מגיע המידע הנחוץ לאימון המכונה ומה חשוב באיסופו (מתורגם):
https://youtu.be/x2mRoFNm22g
המקור ההיסטורי של משין לרנינג ודרך פעולתה:
https://youtu.be/HBDp183HEic
עוד הסבר על למידת המכונה:
https://youtu.be/mJeNghZXtMo
אחד האתגרים בלמידת מכינה הוא ליצור למידה שאינה מוטית לכיוונים חברתיים ספציפיים:
https://youtu.be/59bMh59JQDo
הסבר קצר על הלמידה החישובית:
https://youtu.be/ty-kTUzMnjk
והסבר מפורט יותר:
https://youtu.be/EQhwNcQhP4g
מחשב לומד שמתבונן בשחקנים המשחקים במשחקי מחשב ולומד לשחק ברמה מקצועית שיכולה להביס את הטובים שבהם:
https://youtu.be/EfGD2qveGdQ
תוכנה לומדת שמשחקת ומשתפרת כל הזמן במשחק מחשב:
https://youtu.be/qv6UVOQ0F44
רוצים לאמן מכונה ואפילו בלי תכנות? - הנה פעילות נחמדה וחכמה:
https://youtu.be/i9tjzr1KME0
למידת מכונה (Machine Learning), או למידה חישובית, היא היכולת של מערכת מחשב ללמוד ולהשתפר על ידי התבוננות ופעילות עצמאית שלה עם מידע.
זוהי לא בדיוק טכנולוגיה או כלי ספציפי, אלא תחום מחקרי מדעי, המשלב מרכיבים מעולמות הסטטיסטיקה ומדעי המחשב. באמצעותם מאפשרת למידת המכונה זיהוי אוטומטי של דפוסים מרתקים בכמויות נתונים גדולות.
אבל איך מכונה לומדת?
ובכן, בואו נדמיין לרגע מצב דמיוני. דמיינו מיליוני תלמידים מטומטמים, שלומדים אצל מורה לא מוכשר במיוחד, אולי אפילו אידיוט. כל פעם המורה הזה מראה להם משהו שהוא רוצה שיידעו (מראה להם למשל שתי תמונות ואומר מה מופיע בכל אחת) ואז בוחן אותם. חוץ מלתת ציון לתשובות שלהם, הוא תמיד מעיף מהכיתה שלו את אלו שלא זיהו ומשכפל את אלה שכן. אז מראה המורה עוד משהו ובוחן ושוב מעיף... הוא עושה את זה מיליוני פעמים... כן, דמיינו שהוא חוזר על התהליך הזה עם מיליוני תלמידים, שוב ושוב... קוראים לזה, אגב, "אִיטֵרַצְיות", פעולות שחוזרות על עצמן שוב ושוב במהלך פתרון של בעיה.
כך, בהדרגה ובאופן שלא תמיד מובן לנו, המכונות, סליחה - התלמידים המטומטמים, הולכים ומשתפרים. הם לומדים!
אז לאור הסיפור הזה, איך עושה זאת המחשב?
בצורה דומה אבל טכנולוגית, ככל שמחשב לומד מצויד ביותר נתונים והתנסויות, הוא נעשה חכם יותר. המידע שהוא מעבד מסייע לו לשפר כל הזמן ולגמרי בעצמו, את המודל החישובי שלו.
אנשי הלמידה החישובית מפתחים אלגוריתמים ודרכים שמאפשרים למחשב ללמוד בעצמו ולשפר את יכולותיו.
אם נסכם לרגע, אנשי למידת המכונה יוצרים מכונה המלמדת את עצמה התנהגויות ותובנות, על סמך מפגשים עם מצבים שונים וסיטואציות שמהם ניתן ללמוד ולהסיק מסקנות. המכונה הזו מתנהגת כמו בן-אנוש, שלומד ללא הפסקה, מהתנסויות וטעויות, אבל בהיקפים מטורפים ועם המון דאטה.
על ביג דאטה שמעתם? התחום הזה של מכונה לומדת הוא בדיוק הסיבה שענקי האינטרנט אוספים עלינו מידע בכמויות ענק. בעזרתן הם משפרים את האלגוריתמים והמכונות הלומדות שלהם ויוצרים להן ידע המשתבח והולך.
בלמידת מכונה מצויד המחשב באינטליגנציה מלאכותית ולומד מתוך דוגמאות והתנסויות קודמות שלו ולא בזכות מתכנת אנושי שמזין את הידע למחשב. כלומר, בלמידה כזו מתרחשת הלמידה על ידי המחשב מתוך דוגמאות ומקרים שקרו לו.
האלגוריתם של המחשב ממש מחקה את הדרך שבה פועלת הרשת העצבית שבמוח האנושי. באופן מסוים, מחשבים חכמים כבר הגיעו מזמן לביצועים שמזכירים את הלמידה של תינוקות על ידי חיקוי הוריהם. באופן אחר, הם כל כך משתפרים שיש כבר רבים שמתחילים לחשוש מזה...
המדענים מזהים למידת מכונה, כאשר הביצועים של משימה במחשב הולכים ומשתפרים עם הניסיון. כלומר, בכל פעם שתוכנת המחשב מבצעת משימה, באופן יעיל מאשר ביצעה אותה בעבר. ככל שתוכנה משיגה תוצאות טובות יותר, מבלי שמתכנת אנושי השפיע על הקוד שלה, אז התרחשה למידה חישובית, או למידת מכונה.
איך מכונות לומדות? -הנה (מתורגם):
https://youtu.be/R9OHn5ZF4Uo
מאיפה מגיע המידע הנחוץ לאימון המכונה ומה חשוב באיסופו (מתורגם):
https://youtu.be/x2mRoFNm22g
המקור ההיסטורי של משין לרנינג ודרך פעולתה:
https://youtu.be/HBDp183HEic
עוד הסבר על למידת המכונה:
https://youtu.be/mJeNghZXtMo
אחד האתגרים בלמידת מכינה הוא ליצור למידה שאינה מוטית לכיוונים חברתיים ספציפיים:
https://youtu.be/59bMh59JQDo
הסבר קצר על הלמידה החישובית:
https://youtu.be/ty-kTUzMnjk
והסבר מפורט יותר:
https://youtu.be/EQhwNcQhP4g
מחשב לומד שמתבונן בשחקנים המשחקים במשחקי מחשב ולומד לשחק ברמה מקצועית שיכולה להביס את הטובים שבהם:
https://youtu.be/EfGD2qveGdQ
תוכנה לומדת שמשחקת ומשתפרת כל הזמן במשחק מחשב:
https://youtu.be/qv6UVOQ0F44
רוצים לאמן מכונה ואפילו בלי תכנות? - הנה פעילות נחמדה וחכמה:
https://youtu.be/i9tjzr1KME0
מהו ווטסון, מחשב העל הלומד?
המודל הבינתי שנקרא "ווטסון" (Watson) הוא ככל הנראה הראשון שפותח על ידי חברת IBM, על מחשב-העל שלה. זה מודל AI קוגניטיבי, כמעט המחשב החושב שדורות של מדעני מחשב דיברו על בואו, אבל עם רגליים אי-שם בעתיד.
ווטסון נחשב עם הצגתו לציבור למחשב החכם בעולם וזכה להכרה בינלאומית. הוא החליף את "כחול עמוק". גם הוא פותח על ידי אותה חברה (Ibm) וזכה להישג היסטורי וחסר תקדים, כשניצח בעבר את אלוף העולם בשחמט.
ווטסון נקרא על שם תומאס ווטסון, מייסד IBM, אם כי לפי גרסה אחרת ווטסון קיבל את שמו מהעוזר של שרלוק הולמס, אותו עוזר שכמו מודל כזה, תמיד מסייע לו בחקר ובתשובות שונות לצרכי הבלש הנודע.
זה היה כשהיה הראשון שניצח בני אדם בשעשועון טריוויה בטלוויזיה. ווטסון השתתף אז בתוכנית הטלוויזיה הוותיקה בארה"ב, "ג'פרדי" ("מלך הטריוויה"). במהלך התכנית הוא הראה ידע עצום ושלט גם בטקטיקה של משחקי הטלוויזיה מסוג זה.
הניצחון של המחשב בנוק אאוט על פני המוח האנושי היה מהפכני בכל קנה מידה, במיוחד בזכות העובדה שווטסון לא היה מחובר לאינטרנט ולמנועי חיפוש דוגמת "גוגל", אלא רק מצויד במידע של אנציקלופדיות, מילונים, מאגרי חדשות, יצירות ספרות ושירה וכדומה.
ווטסון היווה ממש מהפכה, ביכולתו לחבר יכולות מתקדמות בחיפוש מידע מהיר ויעיל עם אינטליגנציה מלאכותית מהסוג הדרוש למכונה כזו. טכנולוגיות מתקדמות של למידה ממוחשבת, עיבוד שפה, זיהוי קול אנושי ומגוון שיטות לאיחזור מידע (שליפה מהירה ממאגרים עצומים), היקנו לו את היכולת לתפקד באופן חסר תקדים בתחום המחשוב.
הנה סרטון על מחשב-העל ווטסון ואיך יבמ יצרה אותו:
https://youtu.be/U6rvaWaiZNg
היסטוריה - לראשונה ווטסון מנצח בני אדם בשעשועון הידע הטלוויזיוני:
https://youtu.be/WFR3lOm_xhE
כיום הוא כלי מרכזי בניסיונות למצוא תרופה לסרטן:
https://youtu.be/HkEOJnn_zlg
כאן ווטסון לומד לבשל:
https://youtu.be/yrfMcNE0y9s
והוא פתוח לשימוש של סטארטאפים ומפתחים הזקוקים לכוח המחשוב המטורף שלו:
https://youtu.be/RBF4hhgAJJc
ומסביבו יש כנסים מרתקים גם בארץ (עברית):
https://youtu.be/M_q5z6VXRzI
המודל הבינתי שנקרא "ווטסון" (Watson) הוא ככל הנראה הראשון שפותח על ידי חברת IBM, על מחשב-העל שלה. זה מודל AI קוגניטיבי, כמעט המחשב החושב שדורות של מדעני מחשב דיברו על בואו, אבל עם רגליים אי-שם בעתיד.
ווטסון נחשב עם הצגתו לציבור למחשב החכם בעולם וזכה להכרה בינלאומית. הוא החליף את "כחול עמוק". גם הוא פותח על ידי אותה חברה (Ibm) וזכה להישג היסטורי וחסר תקדים, כשניצח בעבר את אלוף העולם בשחמט.
ווטסון נקרא על שם תומאס ווטסון, מייסד IBM, אם כי לפי גרסה אחרת ווטסון קיבל את שמו מהעוזר של שרלוק הולמס, אותו עוזר שכמו מודל כזה, תמיד מסייע לו בחקר ובתשובות שונות לצרכי הבלש הנודע.
זה היה כשהיה הראשון שניצח בני אדם בשעשועון טריוויה בטלוויזיה. ווטסון השתתף אז בתוכנית הטלוויזיה הוותיקה בארה"ב, "ג'פרדי" ("מלך הטריוויה"). במהלך התכנית הוא הראה ידע עצום ושלט גם בטקטיקה של משחקי הטלוויזיה מסוג זה.
הניצחון של המחשב בנוק אאוט על פני המוח האנושי היה מהפכני בכל קנה מידה, במיוחד בזכות העובדה שווטסון לא היה מחובר לאינטרנט ולמנועי חיפוש דוגמת "גוגל", אלא רק מצויד במידע של אנציקלופדיות, מילונים, מאגרי חדשות, יצירות ספרות ושירה וכדומה.
ווטסון היווה ממש מהפכה, ביכולתו לחבר יכולות מתקדמות בחיפוש מידע מהיר ויעיל עם אינטליגנציה מלאכותית מהסוג הדרוש למכונה כזו. טכנולוגיות מתקדמות של למידה ממוחשבת, עיבוד שפה, זיהוי קול אנושי ומגוון שיטות לאיחזור מידע (שליפה מהירה ממאגרים עצומים), היקנו לו את היכולת לתפקד באופן חסר תקדים בתחום המחשוב.
הנה סרטון על מחשב-העל ווטסון ואיך יבמ יצרה אותו:
https://youtu.be/U6rvaWaiZNg
היסטוריה - לראשונה ווטסון מנצח בני אדם בשעשועון הידע הטלוויזיוני:
https://youtu.be/WFR3lOm_xhE
כיום הוא כלי מרכזי בניסיונות למצוא תרופה לסרטן:
https://youtu.be/HkEOJnn_zlg
כאן ווטסון לומד לבשל:
https://youtu.be/yrfMcNE0y9s
והוא פתוח לשימוש של סטארטאפים ומפתחים הזקוקים לכוח המחשוב המטורף שלו:
https://youtu.be/RBF4hhgAJJc
ומסביבו יש כנסים מרתקים גם בארץ (עברית):
https://youtu.be/M_q5z6VXRzI
