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.
»
«
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
מה עושה המוח האנושי?
המוח הוא מרכז הפיקוד של גופנו. מוחנו ממונה על כל מה שאנו עושים וחושבים, מפעולות כמו נשימה ועד חשיבה, משחק, שימוש בשפה לדיבור, פתרון בעיות ועוד.
המוח הוא גם האחראי על שמירת הזיכרונות שלנו, החוויות והאישיות והוא גם מייצר את הרגשות וההרגשה שלנו כלפי אנשים ואירועים שאנו חווים. בד בבד הוא גם מנהל את רוב תפקודי הגוף ואחראי לכך שאנו חיים. הוא גם אחראי לתפקודם של החושים בגופנו.
הערכת המדענים היא שהמוח שלנו מסוגל לבצע כ-100 טריליון פעולות בשנייה. מדובר ביכולת חישוב שמקבילה ל-25 מחשבים ביתיים לפחות!
למוח האנושי יש גם יכולת לבצע פעולות רבות במקביל, ריבוי משימות, או מה שנקרא בעולם המחשבים "מולטי טסקינג". רוצים להיווכח שזה קורה? - שימו לב שאתם מסוגלים גם לנשום, גם לבצע פעולות תנועתיות שונות, גם לדבר בטלפון וגם לשתות ולאכול. מדובר בחלק מפעולות רבות שמתבצעות אצלנו לא פעם במקביל, באותו הזמן, מבלי שאנו מודעים לכך שמדובר ביכולת מדהימה כל כך של מוחנו.
המלצה:
======
קראו באאוריקה בתגית "רשתות נוירונים", על מחקר המוח והדרך שבה הוא תורם לפיתוחים בתחום הבינה המלאכותית.
הנה המוח ומגוון הדברים שהוא עושה, כמו גם המחקר על מחלות שפוגעות במוח בגיל מבוגר (מתורגם):
http://youtu.be/Oy_ikeNOXoM?t=12s
אנחנו לא באמת משתמשים רק ב-10% מהמוח שלנו (עברית):
https://youtu.be/cVi4f8_R95U
סרטון מדהים באנגלית על תפקודי המוח המופלאים:
http://youtu.be/cLqjK3ddSy0
ומדענים מסבירים את המוח בשירה (מתורגם):
http://youtu.be/JB7jSFeVz1U
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
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
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
מה זה היפרטקסט?
בעברית היפרטקסט (Hypertext) פירושו יתר-מלל, הייפר-מלל או היפר קישור. זהו מושג שטבע טד נלסון בשנת 1965, כדי לתאר מלל שמפנה את המשתמש למסמך אחר, כלומר למידע נוסף שקשור למה שהוא קורא עליו. אתם מכירים את זה מויקיפדיה והלינקים ממושגים ומונחים שמוזכרים בטקסט וצבועים בכחול. לחיצה עליהם מעבירה לדף שמתאר ומסביר אותם לעומק.
היפרטקסט הוא סוג של טקסט אלקטרוני שמאפשר לקרוא על דברים בצורה שאינה סדרתית ועל פי אסוציאציות וקשרים בין פריטי מידע. חוקרי מוח מציינים שזו הדרך שבה עובדים מוחנו ורשתות הנוירונים שמרכיבות אותו - במקום חשיבה לינארית, כמו שמוצגת בספרים, אנו חושבים בצורה אסוציאטיבית.
במקור נועד ההיפר טקסט לסייע בהתמודדות עם הצפת המידע בעולם. נלסון טבע את המונח 'היפרטקסט' בשנת 1965, כשסייע לחוקר אנדריוס ואן דאם מאוניברסיטת בראון, לפתח מערכת שתאפשר עריכת היפרטקסט.
מטרתו של הקישור ההיפרטקסטי הייתה לאפשר סימון ליד מילה, כך שיבהיר את הימצאותו של ערך שעוסק בה. הטכניקה יועדה במקור במיוחד לשימוש באנציקלופדיות וספרי עיון, כדי לאפשר פירושים למושגים וקישור לערכים קשורים.
מאוחר יותר הפכו מסמכי היפר טקסט שימושיים מאד בעולם המחשבים, כפי שהודגם למשל בתוכנת ההיפרקארד שפיתח ביל אטקינסון בשנות ה-80 בחברת Apple, בשביל מחשב המקינטוש.
כשנולדה רשת האינטרנט, התאימה גישת ההיפרטקסט בשביל הקישורים לאתרים נוספים וטים ברנרס לי, ממציא האינטרט, הפך אותה למרכיב מרכזי בגלישה ברשת. קישורי ההיפרטקסט הפכו לקישורים בין דפי אינטרנט ושימשו להפניה פשוטה בקליק.
הנה ההייפרטקסט שהפך להייפרלינק (מתורגם):
https://youtu.be/3Va3oY8pfSI
ההיסטוריה של ההייפרטקסט:
https://youtu.be/hUHsmnWmI3k
על המונח, על טד נלסון שהמציא אותו ועל רעיונותיו הנוספים:
http://youtu.be/3d1c2DuC82s?t=5s
הייפר טקסט והאינטרנט:
https://youtu.be/f6o33ylERpU
ומצגת וידאו עליו:
https://youtu.be/1TVW9wE_jdw
מה יהיה הווב הסמנטי?
הווב הסמנטי (Semantic web) הוא חזון לבסיס נתונים שיפעל כרשת ויכיל את קשרי המשמעויות שבין מרכיביו. הרעיון הוא לשפר את רשת האינטרנט שאנו מכירים כ-WWW, לרשת שתכיל מידע על כל סוג של קובץ המצוי בה. המידע הזה יאפשר שימוש יעיל ומתקדם מאד בתכנים שברשת. כל פריט מידע ברשת כזו יהיה מתויג, כך שהוא יסייע לרשת לסייע למשתמשים לקבל מידע מתאים ואיכותי, כשהם יזדקקו לו. להוספת רכיבי המידע הנדרשים ליצירת רשת כזו ישתמשו בכלים כמו מטא-תגיות (META Tags) - תגיות-על שתפקידן לתאר את פריט המידע ונתוני-על (META data), שיתארו את הדפים והאתרים שברשת ויאפשרו לבסיס הנתונים "לדעת" עליהם דברים חשובים.
באופן מסוים אמורה לפעול הרשת הסמנטית הזו כמודל של המוח האנושי. הגולשים יידעו מראש לגבי אתרים איכותיים ומעניינים בשבילם ספציפית, כי הרשת הזו תדע מה הם אוהבים ובמה הם מתעניינים ויודעת לברור בשבילם את המתאים ביותר, מבין מה שהיא מכילה. בזכות "הידע על הידע" שיוסיף הווב הסמנטי, יוכלו הגולשים גם להימנע מאתרים גרועים, סתמיים או לא מתאימים להם וכדומה.
אבל רשת עתידית שכזו תכיל גם "סוכני תוכנה", תוכנות מתקדמות שיפעלו ברשת כזו ברקע ויבצעו בה פעולות של איסוף וניתוח נתונים ומגוון משימות מורכבות וקשות, שלרוב מבוצעות על ידי בני אדם. הסוכנים הממוחשבים הללו ימצאו ויאתרו כל הזמן קשרים ואסוציאציות בין פריטי המידע שנוספים אליה ויתייגו אותם. בצורה כזו ניתן יהיה להשתמש בהם בצורה חכמה. הנתונים ברשת כזו יוכלו להיות שימושיים ושיתופיים למגוון של צרכים, מתוכנות ועד לעסקים, מיזמים שונים.
את הרשת הסמנטית חזה ממציא רשת האינטרנט, טים ברנרס-לי. החזון שלו היה של רשת מידע שתאפשר למחשבים להבין את המשמעויות של הפרטים שהיא מכילה. הוא כתב עליה לראשונה בשנת 2001, ביחד עם עמיתיו, במאמר שפורסם במגזין "סיינטיפיק אמריקן".
בין הדוגמאות שנתן אז ברנרס-לי היו סוכנים ממחשבים שינהלו את לוח הפגישות של המשתמש, באופן שלוקח בחשבון נתונים ממקורות שונים וידע שקיים ברשת. הוצעו גם תוכנת דואר חכמה שעוד בזמן כתיבת מייל מודיעה על חברים שנתקלו בנושא, שיתופי פעולה עסקיים אפשריים ועוד.
הנה הווב הסמנטי:
https://youtu.be/OGg8A2zfWKg
מייסד ויקיפדיה מסביר את המושג כמו שהוא מבין אותו:
https://youtu.be/MY4s8uuHmy0
ומונולוג ארוך והאמת גם די משעמם של טים ברנרס לי על הווב הסמנטי:
https://youtu.be/HeUrEh-nqtU
איך נוצרים הזכרונות שלנו?
אחד הדברים המעניינים בחיינו הם הזכרונות (Memories) שלנו. מי שאחראי לזכרונות שלנו הוא המוח. מוחנו אוגר את הזכרונות שלנו, החוויות שאנו עוברים ומתעדף ביניהם. חלק מהדברים נשמרים לטווח קצר וחלק מאוחסנים לשנים ארוכות, לטווח הארוך.
להתגבשות של זיכרונות חדשים אחראי חלק במוחנו, היפוקמפוס, שדומה באופן מוזר לסוסון ים. הצורה הזו מוזכרת רק כדי שנזכור אותו, אפרופו זיכרון. ההיפוקמפוס הוא האחראי במוח לאנדקס ולשלוף את הזכרונות שלנו.
להיפוקמפוס גם תפקיד חשוב מאד במעבר של זיכרונות במוחנו מהמאגר של הזיכרונות לטווח קצר אל המאגר ארוך הטווח, מה שמייצר לנו זיכרונות חדשים לאירועים שיישמרו במוחנו לשנים רבות.
את תפקידו החשוב כל כך של ההיפוקמפוס גילו בזכות אירוע רפואי יחודי. מדובר בבחור ששמו היה הנרי מולייסון. הוא סבל מאפילפסיה חמורה, מה שהביא את רופאיו להסיר את ההיפוקמפוס שלו, כשהיה בן 27. ההיפוקמפוס, יש לדעת, אחראי גם על יצירת זיכרונות חדשים וגם על הזיכרון המרחבי שלנו.
המדהים הוא שאחרי הסרת ההיפוקמפוס, מוחו של הנרי הפסיק לגמרי לייצר זיכרונות מילוליים חדשים. הוא היה שוכח שיחה שניהל מיד עם סיומה, שוכח מה קרא בעיתון מיד כשסיים את. הכתבה וכך הלאה. כך הוא שכח גם אנשים חדשים שהכיר לאחר הניתוח ועשה עימם היכרות מחודשת, כל יום מחדש.
המקרה הרפואי של הנרי מולייסון סייע לחוקרים בחקר המוח ובאבחנה בין סוגי הזיכרון השונים. זאת משום שבמקביל לאבדן יכולות יצירתם של זיכרונות חדשים לטווח ארוך, שמר מוחו של הנרי זיכרונות מלפני הניתוח. כך, הוא זכר את הוריו, את חברתו מילדות ואת שכונת נעוריו, אך לא את רופאיו, החוקרים שסבבו אותו וכדומה.
כך המוח קובע מה לשמור לזמן רב ומה לא (מתורגם):
https://youtu.be/yOgAbKJGrTA
כך נוצרים הזיכרונות שלנו:
https://youtu.be/K1rfDoVA7-Y
במוח זה מתרחש באמצעות הסינפסות, שהן הצמתים שבין הנוירונים:
https://youtu.be/25NUy6xMWlQ
כך למדו מההיפוקמפוס של הנרי מולייסון (מתורגם):
https://youtu.be/KkaXNvzE4pk
והרצאת וידאו קצרה על הזיכרון והיווצרותו:
https://youtu.be/Pq0aQAG0A3o
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
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
המוח הוא מרכז הפיקוד של גופנו. מוחנו ממונה על כל מה שאנו עושים וחושבים, מפעולות כמו נשימה ועד חשיבה, משחק, שימוש בשפה לדיבור, פתרון בעיות ועוד.
המוח הוא גם האחראי על שמירת הזיכרונות שלנו, החוויות והאישיות והוא גם מייצר את הרגשות וההרגשה שלנו כלפי אנשים ואירועים שאנו חווים. בד בבד הוא גם מנהל את רוב תפקודי הגוף ואחראי לכך שאנו חיים. הוא גם אחראי לתפקודם של החושים בגופנו.
הערכת המדענים היא שהמוח שלנו מסוגל לבצע כ-100 טריליון פעולות בשנייה. מדובר ביכולת חישוב שמקבילה ל-25 מחשבים ביתיים לפחות!
למוח האנושי יש גם יכולת לבצע פעולות רבות במקביל, ריבוי משימות, או מה שנקרא בעולם המחשבים "מולטי טסקינג". רוצים להיווכח שזה קורה? - שימו לב שאתם מסוגלים גם לנשום, גם לבצע פעולות תנועתיות שונות, גם לדבר בטלפון וגם לשתות ולאכול. מדובר בחלק מפעולות רבות שמתבצעות אצלנו לא פעם במקביל, באותו הזמן, מבלי שאנו מודעים לכך שמדובר ביכולת מדהימה כל כך של מוחנו.
המלצה:
======
קראו באאוריקה בתגית "רשתות נוירונים", על מחקר המוח והדרך שבה הוא תורם לפיתוחים בתחום הבינה המלאכותית.
הנה המוח ומגוון הדברים שהוא עושה, כמו גם המחקר על מחלות שפוגעות במוח בגיל מבוגר (מתורגם):
http://youtu.be/Oy_ikeNOXoM?t=12s
אנחנו לא באמת משתמשים רק ב-10% מהמוח שלנו (עברית):
https://youtu.be/cVi4f8_R95U
סרטון מדהים באנגלית על תפקודי המוח המופלאים:
http://youtu.be/cLqjK3ddSy0
ומדענים מסבירים את המוח בשירה (מתורגם):
http://youtu.be/JB7jSFeVz1U
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
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
רשתות נוירונים
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
בעברית היפרטקסט (Hypertext) פירושו יתר-מלל, הייפר-מלל או היפר קישור. זהו מושג שטבע טד נלסון בשנת 1965, כדי לתאר מלל שמפנה את המשתמש למסמך אחר, כלומר למידע נוסף שקשור למה שהוא קורא עליו. אתם מכירים את זה מויקיפדיה והלינקים ממושגים ומונחים שמוזכרים בטקסט וצבועים בכחול. לחיצה עליהם מעבירה לדף שמתאר ומסביר אותם לעומק.
היפרטקסט הוא סוג של טקסט אלקטרוני שמאפשר לקרוא על דברים בצורה שאינה סדרתית ועל פי אסוציאציות וקשרים בין פריטי מידע. חוקרי מוח מציינים שזו הדרך שבה עובדים מוחנו ורשתות הנוירונים שמרכיבות אותו - במקום חשיבה לינארית, כמו שמוצגת בספרים, אנו חושבים בצורה אסוציאטיבית.
במקור נועד ההיפר טקסט לסייע בהתמודדות עם הצפת המידע בעולם. נלסון טבע את המונח 'היפרטקסט' בשנת 1965, כשסייע לחוקר אנדריוס ואן דאם מאוניברסיטת בראון, לפתח מערכת שתאפשר עריכת היפרטקסט.
מטרתו של הקישור ההיפרטקסטי הייתה לאפשר סימון ליד מילה, כך שיבהיר את הימצאותו של ערך שעוסק בה. הטכניקה יועדה במקור במיוחד לשימוש באנציקלופדיות וספרי עיון, כדי לאפשר פירושים למושגים וקישור לערכים קשורים.
מאוחר יותר הפכו מסמכי היפר טקסט שימושיים מאד בעולם המחשבים, כפי שהודגם למשל בתוכנת ההיפרקארד שפיתח ביל אטקינסון בשנות ה-80 בחברת Apple, בשביל מחשב המקינטוש.
כשנולדה רשת האינטרנט, התאימה גישת ההיפרטקסט בשביל הקישורים לאתרים נוספים וטים ברנרס לי, ממציא האינטרט, הפך אותה למרכיב מרכזי בגלישה ברשת. קישורי ההיפרטקסט הפכו לקישורים בין דפי אינטרנט ושימשו להפניה פשוטה בקליק.
הנה ההייפרטקסט שהפך להייפרלינק (מתורגם):
https://youtu.be/3Va3oY8pfSI
ההיסטוריה של ההייפרטקסט:
https://youtu.be/hUHsmnWmI3k
על המונח, על טד נלסון שהמציא אותו ועל רעיונותיו הנוספים:
http://youtu.be/3d1c2DuC82s?t=5s
הייפר טקסט והאינטרנט:
https://youtu.be/f6o33ylERpU
ומצגת וידאו עליו:
https://youtu.be/1TVW9wE_jdw
הווב הסמנטי (Semantic web) הוא חזון לבסיס נתונים שיפעל כרשת ויכיל את קשרי המשמעויות שבין מרכיביו. הרעיון הוא לשפר את רשת האינטרנט שאנו מכירים כ-WWW, לרשת שתכיל מידע על כל סוג של קובץ המצוי בה. המידע הזה יאפשר שימוש יעיל ומתקדם מאד בתכנים שברשת. כל פריט מידע ברשת כזו יהיה מתויג, כך שהוא יסייע לרשת לסייע למשתמשים לקבל מידע מתאים ואיכותי, כשהם יזדקקו לו. להוספת רכיבי המידע הנדרשים ליצירת רשת כזו ישתמשו בכלים כמו מטא-תגיות (META Tags) - תגיות-על שתפקידן לתאר את פריט המידע ונתוני-על (META data), שיתארו את הדפים והאתרים שברשת ויאפשרו לבסיס הנתונים "לדעת" עליהם דברים חשובים.
באופן מסוים אמורה לפעול הרשת הסמנטית הזו כמודל של המוח האנושי. הגולשים יידעו מראש לגבי אתרים איכותיים ומעניינים בשבילם ספציפית, כי הרשת הזו תדע מה הם אוהבים ובמה הם מתעניינים ויודעת לברור בשבילם את המתאים ביותר, מבין מה שהיא מכילה. בזכות "הידע על הידע" שיוסיף הווב הסמנטי, יוכלו הגולשים גם להימנע מאתרים גרועים, סתמיים או לא מתאימים להם וכדומה.
אבל רשת עתידית שכזו תכיל גם "סוכני תוכנה", תוכנות מתקדמות שיפעלו ברשת כזו ברקע ויבצעו בה פעולות של איסוף וניתוח נתונים ומגוון משימות מורכבות וקשות, שלרוב מבוצעות על ידי בני אדם. הסוכנים הממוחשבים הללו ימצאו ויאתרו כל הזמן קשרים ואסוציאציות בין פריטי המידע שנוספים אליה ויתייגו אותם. בצורה כזו ניתן יהיה להשתמש בהם בצורה חכמה. הנתונים ברשת כזו יוכלו להיות שימושיים ושיתופיים למגוון של צרכים, מתוכנות ועד לעסקים, מיזמים שונים.
את הרשת הסמנטית חזה ממציא רשת האינטרנט, טים ברנרס-לי. החזון שלו היה של רשת מידע שתאפשר למחשבים להבין את המשמעויות של הפרטים שהיא מכילה. הוא כתב עליה לראשונה בשנת 2001, ביחד עם עמיתיו, במאמר שפורסם במגזין "סיינטיפיק אמריקן".
בין הדוגמאות שנתן אז ברנרס-לי היו סוכנים ממחשבים שינהלו את לוח הפגישות של המשתמש, באופן שלוקח בחשבון נתונים ממקורות שונים וידע שקיים ברשת. הוצעו גם תוכנת דואר חכמה שעוד בזמן כתיבת מייל מודיעה על חברים שנתקלו בנושא, שיתופי פעולה עסקיים אפשריים ועוד.
הנה הווב הסמנטי:
https://youtu.be/OGg8A2zfWKg
מייסד ויקיפדיה מסביר את המושג כמו שהוא מבין אותו:
https://youtu.be/MY4s8uuHmy0
ומונולוג ארוך והאמת גם די משעמם של טים ברנרס לי על הווב הסמנטי:
https://youtu.be/HeUrEh-nqtU
אחד הדברים המעניינים בחיינו הם הזכרונות (Memories) שלנו. מי שאחראי לזכרונות שלנו הוא המוח. מוחנו אוגר את הזכרונות שלנו, החוויות שאנו עוברים ומתעדף ביניהם. חלק מהדברים נשמרים לטווח קצר וחלק מאוחסנים לשנים ארוכות, לטווח הארוך.
להתגבשות של זיכרונות חדשים אחראי חלק במוחנו, היפוקמפוס, שדומה באופן מוזר לסוסון ים. הצורה הזו מוזכרת רק כדי שנזכור אותו, אפרופו זיכרון. ההיפוקמפוס הוא האחראי במוח לאנדקס ולשלוף את הזכרונות שלנו.
להיפוקמפוס גם תפקיד חשוב מאד במעבר של זיכרונות במוחנו מהמאגר של הזיכרונות לטווח קצר אל המאגר ארוך הטווח, מה שמייצר לנו זיכרונות חדשים לאירועים שיישמרו במוחנו לשנים רבות.
את תפקידו החשוב כל כך של ההיפוקמפוס גילו בזכות אירוע רפואי יחודי. מדובר בבחור ששמו היה הנרי מולייסון. הוא סבל מאפילפסיה חמורה, מה שהביא את רופאיו להסיר את ההיפוקמפוס שלו, כשהיה בן 27. ההיפוקמפוס, יש לדעת, אחראי גם על יצירת זיכרונות חדשים וגם על הזיכרון המרחבי שלנו.
המדהים הוא שאחרי הסרת ההיפוקמפוס, מוחו של הנרי הפסיק לגמרי לייצר זיכרונות מילוליים חדשים. הוא היה שוכח שיחה שניהל מיד עם סיומה, שוכח מה קרא בעיתון מיד כשסיים את. הכתבה וכך הלאה. כך הוא שכח גם אנשים חדשים שהכיר לאחר הניתוח ועשה עימם היכרות מחודשת, כל יום מחדש.
המקרה הרפואי של הנרי מולייסון סייע לחוקרים בחקר המוח ובאבחנה בין סוגי הזיכרון השונים. זאת משום שבמקביל לאבדן יכולות יצירתם של זיכרונות חדשים לטווח ארוך, שמר מוחו של הנרי זיכרונות מלפני הניתוח. כך, הוא זכר את הוריו, את חברתו מילדות ואת שכונת נעוריו, אך לא את רופאיו, החוקרים שסבבו אותו וכדומה.
כך המוח קובע מה לשמור לזמן רב ומה לא (מתורגם):
https://youtu.be/yOgAbKJGrTA
כך נוצרים הזיכרונות שלנו:
https://youtu.be/K1rfDoVA7-Y
במוח זה מתרחש באמצעות הסינפסות, שהן הצמתים שבין הנוירונים:
https://youtu.be/25NUy6xMWlQ
כך למדו מההיפוקמפוס של הנרי מולייסון (מתורגם):
https://youtu.be/KkaXNvzE4pk
והרצאת וידאו קצרה על הזיכרון והיווצרותו:
https://youtu.be/Pq0aQAG0A3o
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
איך מפתחים מוח מלאכותי?
אחד החלומות של מובילי עולם המחשבים והחוקרים בתחום הבינה המלאכותית הוא לבנות מוח מלאכותי. הכוונה היא כמובן למחשב העובד כמו מוח. רובם לוקחים השראה לבניית מחשב שכזה מהרשתות הביולוגיות של המוח האנושי. היכולת המדהימה של הרשתות הביולוגיות הללו שבמוחנו מכילות מיליארדי תאי עצב שמחווטים ביניהם, כל תא לאלפי תאי עצב שמסביבו. פעולה כמו פתיחת דלת היא פעולה מורכבת מאד בהשוואה לפתרון משוואות מתמטיות ואם ניתן יהיה לבנות מוח שמסוגל לחקות את המוח המנהל פעולות שכאלה, הוא יוכל לפתור משוואות ובעיות מורכבות במיוחד באופן מקבילי. הדבר אומר שמחשב מלאכותי שכזה יהיה המחשב החזק ביותר שנבנה אי-פעם ובעל יכולות שהמחשבים המשוכללים ביותר של היום אינם מתקרבים אליהן.
אחד הפיתוחים המתקדמים בעולם בתחום זה הוא "המוח הכחול", שבו מפתחים מדענים בהובלת מדעני האוניברסיטה העברית בירושלים מוח מלאכותי העובד כך.
אך יש גם חשש בצד הציפיה לפיתוח מדהים שכזה. מה למשל יקרה ביום שבו מוח מלאכותי שכזה יוכל לעצור אותנו בני האדם, מלעצור אותו? האם יוכל למשל לעשות מעשים רעים, שלא יהיו נתונים לעצירה?
זה הצד השני של הפיתוחים הללו, כי יש הרואים בפיתוח של מוח מלאכותי ברמה שכזו עניין מסוכן. הרי כשמלמדים מחשב ללמוד ומאפשרים לו לעשות זאת באופן חופשי ומיומן, עלול להיווצר מצב שבו הוא יגיע לרמה כה גבוהה, עד שהוא יאיים על קיומו של המין האנושי. דמיינו למשל מערכות תוכנה שיבצעו פשעים באינטרנט - מי יואשם בפשע כזה? או מערכת לוחמה חכמה שתבצע פשעים נגד האנושות, בשל פירוש שגוי של כוונת המפעילים, או מבחירה בעייתית לשמור על חיי החיילים בכל מחיר - מי ערב לנו שההיטלר של העתיד לא יהיה מוח מלאכותי ממוחשב שהחליט למחוק אומה, רק כי הוא יכול? ואת מי נעמיד לדין על פשעים כאלה אם מחשב כתב קוד, שכתב קוד, שכתב את התוכנה הפושעת?
הנה סיפורו של המוח הכחול שמפותח בישראל (עברית):
http://youtu.be/L0AR1cUlhTk
גם הסיכוי לייצר מוח מלאכותי בהנדסה גנטית הוא קטן (מתורגם):
https://youtu.be/s_LxZx42sIk
ותכנית טלוויזיה על מחקר המוח הישראלי (עברית):
http://youtu.be/E5yWCvjsXYk
אחד החלומות של מובילי עולם המחשבים והחוקרים בתחום הבינה המלאכותית הוא לבנות מוח מלאכותי. הכוונה היא כמובן למחשב העובד כמו מוח. רובם לוקחים השראה לבניית מחשב שכזה מהרשתות הביולוגיות של המוח האנושי. היכולת המדהימה של הרשתות הביולוגיות הללו שבמוחנו מכילות מיליארדי תאי עצב שמחווטים ביניהם, כל תא לאלפי תאי עצב שמסביבו. פעולה כמו פתיחת דלת היא פעולה מורכבת מאד בהשוואה לפתרון משוואות מתמטיות ואם ניתן יהיה לבנות מוח שמסוגל לחקות את המוח המנהל פעולות שכאלה, הוא יוכל לפתור משוואות ובעיות מורכבות במיוחד באופן מקבילי. הדבר אומר שמחשב מלאכותי שכזה יהיה המחשב החזק ביותר שנבנה אי-פעם ובעל יכולות שהמחשבים המשוכללים ביותר של היום אינם מתקרבים אליהן.
אחד הפיתוחים המתקדמים בעולם בתחום זה הוא "המוח הכחול", שבו מפתחים מדענים בהובלת מדעני האוניברסיטה העברית בירושלים מוח מלאכותי העובד כך.
אך יש גם חשש בצד הציפיה לפיתוח מדהים שכזה. מה למשל יקרה ביום שבו מוח מלאכותי שכזה יוכל לעצור אותנו בני האדם, מלעצור אותו? האם יוכל למשל לעשות מעשים רעים, שלא יהיו נתונים לעצירה?
זה הצד השני של הפיתוחים הללו, כי יש הרואים בפיתוח של מוח מלאכותי ברמה שכזו עניין מסוכן. הרי כשמלמדים מחשב ללמוד ומאפשרים לו לעשות זאת באופן חופשי ומיומן, עלול להיווצר מצב שבו הוא יגיע לרמה כה גבוהה, עד שהוא יאיים על קיומו של המין האנושי. דמיינו למשל מערכות תוכנה שיבצעו פשעים באינטרנט - מי יואשם בפשע כזה? או מערכת לוחמה חכמה שתבצע פשעים נגד האנושות, בשל פירוש שגוי של כוונת המפעילים, או מבחירה בעייתית לשמור על חיי החיילים בכל מחיר - מי ערב לנו שההיטלר של העתיד לא יהיה מוח מלאכותי ממוחשב שהחליט למחוק אומה, רק כי הוא יכול? ואת מי נעמיד לדין על פשעים כאלה אם מחשב כתב קוד, שכתב קוד, שכתב את התוכנה הפושעת?
הנה סיפורו של המוח הכחול שמפותח בישראל (עברית):
http://youtu.be/L0AR1cUlhTk
גם הסיכוי לייצר מוח מלאכותי בהנדסה גנטית הוא קטן (מתורגם):
https://youtu.be/s_LxZx42sIk
ותכנית טלוויזיה על מחקר המוח הישראלי (עברית):
http://youtu.be/E5yWCvjsXYk
מהו הנס הלא-יאומן של פיניאס גייג' ואיך תרם למדע?
סיפורו המדהים של פיניאס גייג' (Phineas Gage) האמריקאי הוא אחד המקרים המרתקים והמשפיעים ביותר בתולדות חקר המוח.
השנה היא 1848, כגייג', פועל מסילות רכבת אמריקאי בן 25, עובר תאונה מזעזעת בה חודר מוט ברזל ארוך למוחו, דרך לחיו השמאלית, ואחרי ביקור במוח שלו - יוצא מהחלק הקדמי העליון של גולגולתו.
המדהים הוא שלמרות חומרת הפציעה בראשו והעובדה שמוט ארוך עובר את כל ראשו ויוצא, שורד המהנדס באופן מפתיע, מצליח לדבר, לתפקד וללכת לרופא, דקות לאחר התאונה.
הוא מקבל טיפול ומתאושש תוך זמן קצר לחלוטין. נס רפואי מדהים ומתפקד. אבל משפחתו, חבריו ועובדיו מבחינים די מהר שהוא השתנה להם. השינויים משמעותיים וקשורים לאו דווקא בתפקוד החשיבה אלא באישיותו ובהתנהגות שלו. מי שלפני התאונה נחשב לאדם חברותי ואחראי הפך לאדם אימפולסיבי, שנוטה להתפרץ על אנשים ולתקשר באופן לא חיובי, בלשון המעטה. השינויים הללו נמשכו עד מותו, כ-12 שנים לאחר התאונה.
#פיניאס גייג' וחקר המוח
המקרה היה ולכאורה הסתיים עם מותו של האיש, אבל בתולדות חקר המוח הוא היה לפורץ דרך. גייג' הפך למה שאחד החוקרים מכנה "ספר הלימוד לשינוי אישיות פוסט טראומטית". תרומתו להבנת הקשר בין מבנה המוח לבין האישיות וההתנהגות היא אדירה. עד היום הוא נחשב לאבן דרך בתחומים כמו נוירולוגיה ופסיכולוגיה.
כי לאורך שנים רבות עניין המקרה של גייג' את החוקרים וזכה לתשומת לב מדעית רבה. היה זה ד"ר ג'ון מרטין הרלו, הרופא שטיפל בגייג' מיד לאחר התאונה, שפרסם מאמר ראשון מיד לאחר התאונה ב-1848. ד"ר הנרי ג'ייקוב ביגלו, רופא מבוסטון, בדק את גייג' ופרסם מאמר על המקרה ב-1850. לאחר מכן, ב-1868, ד"ר הרלו פרסם מאמר שני המסכם את תצפיותיו על גייג' לאורך 20 השנים שחלפו מאז התאונה. בשנות ה-1880, הנוירולוג הבריטי ד"ר דיוויד פרייר חקר את גולגולתו של גייג' והשתמש במקרה לתמיכה בתיאוריות שלו על לוקליזציה של פונקציות מוחיות.
המחקר על מקרה גייג' המשיך גם בעשורים האחרונים. ב-1994, ד"ר הנה דמסיו וד"ר אנטוניו דמסיו פרסמו מחקר שבו השתמשו בטכנולוגיית הדמיה מתקדמת לשחזור מסלול הפגיעה במוחו של גייג', מה שסיפק תובנות חדשות על האזורים המדויקים במוח שנפגעו. ד"ר מלקולם מקמילן, היסטוריון של הפסיכולוגיה, פרסם ספר מקיף על המקרה בשנת 2000, המנתח את השפעתו על מדע המוח. ב-2012, ד"ר ג'ון ון הורן ועמיתיו השתמשו בהדמיית MRI מתקדמת לשחזור מדויק יותר של מסלול הפגיעה ולהערכת היקף הנזק למוח.
למרות המחקר הנרחב והמחלוקות על איכות הממצאים והקביעות שבמחקר זמן רב לאחר מות המנותח, ממשיך עניינו שך פיניאס גייג' להיות נושא למחקר ולדיון בתחומי הנוירולוגיה והפסיכולוגיה, ועדיין נחשב לאבן יסוד בהבנת הקשר המורכב בין המוח, האישיות וההתנהגות האנושית.
הנה סיפורו של פיניאס גייג' (עברית):
https://youtu.be/aBJVVv-8H8c
הסיפור של גייג' באנגלית:
https://youtu.be/yXbAMHzYGJ0
הסבר של רופא באנגלית:
https://youtu.be/WY5v1yIjxEo
הגילויים שלא היו אלמלא אותה תאונה מזעזעת:
https://youtu.be/aw0zbyQVCEc
סיפורו המדהים של פיניאס גייג' (Phineas Gage) האמריקאי הוא אחד המקרים המרתקים והמשפיעים ביותר בתולדות חקר המוח.
השנה היא 1848, כגייג', פועל מסילות רכבת אמריקאי בן 25, עובר תאונה מזעזעת בה חודר מוט ברזל ארוך למוחו, דרך לחיו השמאלית, ואחרי ביקור במוח שלו - יוצא מהחלק הקדמי העליון של גולגולתו.
המדהים הוא שלמרות חומרת הפציעה בראשו והעובדה שמוט ארוך עובר את כל ראשו ויוצא, שורד המהנדס באופן מפתיע, מצליח לדבר, לתפקד וללכת לרופא, דקות לאחר התאונה.
הוא מקבל טיפול ומתאושש תוך זמן קצר לחלוטין. נס רפואי מדהים ומתפקד. אבל משפחתו, חבריו ועובדיו מבחינים די מהר שהוא השתנה להם. השינויים משמעותיים וקשורים לאו דווקא בתפקוד החשיבה אלא באישיותו ובהתנהגות שלו. מי שלפני התאונה נחשב לאדם חברותי ואחראי הפך לאדם אימפולסיבי, שנוטה להתפרץ על אנשים ולתקשר באופן לא חיובי, בלשון המעטה. השינויים הללו נמשכו עד מותו, כ-12 שנים לאחר התאונה.
#פיניאס גייג' וחקר המוח
המקרה היה ולכאורה הסתיים עם מותו של האיש, אבל בתולדות חקר המוח הוא היה לפורץ דרך. גייג' הפך למה שאחד החוקרים מכנה "ספר הלימוד לשינוי אישיות פוסט טראומטית". תרומתו להבנת הקשר בין מבנה המוח לבין האישיות וההתנהגות היא אדירה. עד היום הוא נחשב לאבן דרך בתחומים כמו נוירולוגיה ופסיכולוגיה.
כי לאורך שנים רבות עניין המקרה של גייג' את החוקרים וזכה לתשומת לב מדעית רבה. היה זה ד"ר ג'ון מרטין הרלו, הרופא שטיפל בגייג' מיד לאחר התאונה, שפרסם מאמר ראשון מיד לאחר התאונה ב-1848. ד"ר הנרי ג'ייקוב ביגלו, רופא מבוסטון, בדק את גייג' ופרסם מאמר על המקרה ב-1850. לאחר מכן, ב-1868, ד"ר הרלו פרסם מאמר שני המסכם את תצפיותיו על גייג' לאורך 20 השנים שחלפו מאז התאונה. בשנות ה-1880, הנוירולוג הבריטי ד"ר דיוויד פרייר חקר את גולגולתו של גייג' והשתמש במקרה לתמיכה בתיאוריות שלו על לוקליזציה של פונקציות מוחיות.
המחקר על מקרה גייג' המשיך גם בעשורים האחרונים. ב-1994, ד"ר הנה דמסיו וד"ר אנטוניו דמסיו פרסמו מחקר שבו השתמשו בטכנולוגיית הדמיה מתקדמת לשחזור מסלול הפגיעה במוחו של גייג', מה שסיפק תובנות חדשות על האזורים המדויקים במוח שנפגעו. ד"ר מלקולם מקמילן, היסטוריון של הפסיכולוגיה, פרסם ספר מקיף על המקרה בשנת 2000, המנתח את השפעתו על מדע המוח. ב-2012, ד"ר ג'ון ון הורן ועמיתיו השתמשו בהדמיית MRI מתקדמת לשחזור מדויק יותר של מסלול הפגיעה ולהערכת היקף הנזק למוח.
למרות המחקר הנרחב והמחלוקות על איכות הממצאים והקביעות שבמחקר זמן רב לאחר מות המנותח, ממשיך עניינו שך פיניאס גייג' להיות נושא למחקר ולדיון בתחומי הנוירולוגיה והפסיכולוגיה, ועדיין נחשב לאבן יסוד בהבנת הקשר המורכב בין המוח, האישיות וההתנהגות האנושית.
הנה סיפורו של פיניאס גייג' (עברית):
https://youtu.be/aBJVVv-8H8c
הסיפור של גייג' באנגלית:
https://youtu.be/yXbAMHzYGJ0
הסבר של רופא באנגלית:
https://youtu.be/WY5v1yIjxEo
הגילויים שלא היו אלמלא אותה תאונה מזעזעת:
https://youtu.be/aw0zbyQVCEc
מה מתרחש במוח כשאנו לומדים?
נוירופלסטיות היא גמישות מוחית. מסתבר שגם כשאנו מתבגרים, המוח אינו קבוע בצורתו, אלא משתנה בהתאם ללמידה ולהתנסויות שלנו. הגמישות המוחית שלנו היא שמאפשרת לנו ללמוד.
איך זה קורה?
על ידי מחשבה ופעולה של המוח, משתנה המבנה שלו והתפקודים שלו טובים יותר. השיפור הזה בתפקודי המוח, הוא בעצם הלמידה. שכן הלמידה היא תוצאת השינויים שמתרחשים, שינויים בעוצמת הקשרים שבין תאי העצב הקיימים במוח, בסינפסות.
סינפסה, בעברית "מיסנף", היא נקודת החיבור, הצומת שבו נפגשים תאי העצב שבמוח, הנוירונים, ומעבירים ביניהם מידע. אנו תופסים ומבינים את המציאות שמסביבנו תודות להתרחשות מטורפת שמתקיימת במוח שלנו כל הזמן. במוח שלנו יש כ-100 מיליארד נוירונים, תאי עצב שכאלה. כל אחד מהנוירונים הללו מעביר עשרות ומאות פעימות חשמליות בכל שנייה!
האמת היא שסינפסות יכולות לקשר לא רק עם תא עצב אחר, אלא גם עם תאים אחרים, דוגמת שרירים ובלוטות.
הלמידה המתמדת אחראית ליכולות הקוגניטיביות שלנו, לחשיבה, ליצירתיות, להתמודדות שלנו עם העולם ועם בעיות שנקרות בדרכנו, באופן שלא יאומן. אדם לומד הוא אדם חי, בריא יותר, מוצלח יותר, חד, מעניין ומאריך חיים - באיכות חיים טובה יותר. למדו תמיד! - בימינו זה קל מתמיד. בטלוויזיה יש שלל ערוצים מעולים והאינטרנט מוצף בידע, הרצאות ואפשרויות ללימוד עצמי, ללא תשלום, מאנשים מדהימים, מכל מקום ובכל מקום.
כבר ציינו שמערכת העצבים, המערכת הנוירולוגית, היא גמישה. תודות לגמישות הזו, הנוירופלסטיות, מסתגלת מערכת העצבים לשינויים הללו, שהם בעצם הלמידה. הנה למדנו משהו חדש!
כך מתבצע החיווט מחדש של תאי העצב במוח:
https://youtu.be/UWvQc-aVLZ8
ואותו סרטון באנגלית - הנה הלמידה והנוירופלסטיות:
http://youtu.be/ELpfYCZa87g
הנה הסבר על מה שקורה במוחנו בזמן הלמידה:
http://youtu.be/8Vo-rcVMgbI
והרצאת וידאו על דרך פעולתן של הסינפסות (עברית):
https://youtu.be/ae2-Slo_0bE?long=yes
נוירופלסטיות היא גמישות מוחית. מסתבר שגם כשאנו מתבגרים, המוח אינו קבוע בצורתו, אלא משתנה בהתאם ללמידה ולהתנסויות שלנו. הגמישות המוחית שלנו היא שמאפשרת לנו ללמוד.
איך זה קורה?
על ידי מחשבה ופעולה של המוח, משתנה המבנה שלו והתפקודים שלו טובים יותר. השיפור הזה בתפקודי המוח, הוא בעצם הלמידה. שכן הלמידה היא תוצאת השינויים שמתרחשים, שינויים בעוצמת הקשרים שבין תאי העצב הקיימים במוח, בסינפסות.
סינפסה, בעברית "מיסנף", היא נקודת החיבור, הצומת שבו נפגשים תאי העצב שבמוח, הנוירונים, ומעבירים ביניהם מידע. אנו תופסים ומבינים את המציאות שמסביבנו תודות להתרחשות מטורפת שמתקיימת במוח שלנו כל הזמן. במוח שלנו יש כ-100 מיליארד נוירונים, תאי עצב שכאלה. כל אחד מהנוירונים הללו מעביר עשרות ומאות פעימות חשמליות בכל שנייה!
האמת היא שסינפסות יכולות לקשר לא רק עם תא עצב אחר, אלא גם עם תאים אחרים, דוגמת שרירים ובלוטות.
הלמידה המתמדת אחראית ליכולות הקוגניטיביות שלנו, לחשיבה, ליצירתיות, להתמודדות שלנו עם העולם ועם בעיות שנקרות בדרכנו, באופן שלא יאומן. אדם לומד הוא אדם חי, בריא יותר, מוצלח יותר, חד, מעניין ומאריך חיים - באיכות חיים טובה יותר. למדו תמיד! - בימינו זה קל מתמיד. בטלוויזיה יש שלל ערוצים מעולים והאינטרנט מוצף בידע, הרצאות ואפשרויות ללימוד עצמי, ללא תשלום, מאנשים מדהימים, מכל מקום ובכל מקום.
כבר ציינו שמערכת העצבים, המערכת הנוירולוגית, היא גמישה. תודות לגמישות הזו, הנוירופלסטיות, מסתגלת מערכת העצבים לשינויים הללו, שהם בעצם הלמידה. הנה למדנו משהו חדש!
כך מתבצע החיווט מחדש של תאי העצב במוח:
https://youtu.be/UWvQc-aVLZ8
ואותו סרטון באנגלית - הנה הלמידה והנוירופלסטיות:
http://youtu.be/ELpfYCZa87g
הנה הסבר על מה שקורה במוחנו בזמן הלמידה:
http://youtu.be/8Vo-rcVMgbI
והרצאת וידאו על דרך פעולתן של הסינפסות (עברית):
https://youtu.be/ae2-Slo_0bE?long=yes
איזה מחשב מציג יצירות במוזיאון?
ציור ויצירה אמנותית בכלל הן פעולות מורכבות למחשב ולכן מחשבים המסוגלים לצייר בעצמם הם תופעה יחודית. את המחשב AARON מפתח האמן האמריקאי הרולד כהן כבר מעל 30 שנה, במעבדה לאינטליגנציה מלאכותית של אוניברסיטת סטנפורד. הוא תוכנת כך שיוכל לצייר תמונות בסגנונות ציור מגוונים. למחשב, סוג של רובוט מצייר, הוזן ידע אמנותי שמאפשר לו לצייר עצמים שונים, כמו בני אדם, צמחים ודומם. למחשב תוכנתו גם אלגוריתמים וכללים אמנותיים שבהם מצוייד הצייר, כמו העובדה שבסיסו של עצם רחוק הוא גבוה מבסיסו של עצם קרוב, שהוא קטן יותר מהקרוב, מוסתר על ידיו ועוד. בנוסף הגדיר האמן כללים שלקוחים מניסיונו כצייר ומורה פעיל לציור, בצירוף ידע מהתחום בתחומים כמו צבע, קומפוזיציה ופרספקטיבה.
יש ויכוח אמיתי מה מידת היצירתיות של המחשב הזה, שכן את היכולת לבצע הוראות שנלמדו יכול לבצע כל תלמיד ציור והרי אמן הוא אדם שמעבד את הידע שברשותו, מוסיף מהיצירתיות הטבעית שלו ופורץ את גבולות מה שכבר נעשה. ועדיין, הציורים של AARON הם כה מרשימים ומעוררי עניין, שחובבי אמנות רבים לא מצליחים להבחין ביניהם לבין ציורים שנעשו על ידי ציירים אנושיים. כיום מוצגים רבים מהם בתערוכות ובמוזיאונים בכל העולם ורבים מהם אף נרכשו במהלך השנים בידי אספני אמנות.
הנה הרולד כהן מספר על AARON:
https://youtu.be/MwHQx9BrHQc
הרצאה של הרולד כהן על העבודות של AARON:
https://youtu.be/RyIgu_GSS5g
הנה ציור שנוצר על ידי התוכנה של AARON:
https://youtu.be/3PA-XApZkso
דיון על המחשב המצייר AARON:
https://youtu.be/boKs9JzI1f4
ציור ויצירה אמנותית בכלל הן פעולות מורכבות למחשב ולכן מחשבים המסוגלים לצייר בעצמם הם תופעה יחודית. את המחשב AARON מפתח האמן האמריקאי הרולד כהן כבר מעל 30 שנה, במעבדה לאינטליגנציה מלאכותית של אוניברסיטת סטנפורד. הוא תוכנת כך שיוכל לצייר תמונות בסגנונות ציור מגוונים. למחשב, סוג של רובוט מצייר, הוזן ידע אמנותי שמאפשר לו לצייר עצמים שונים, כמו בני אדם, צמחים ודומם. למחשב תוכנתו גם אלגוריתמים וכללים אמנותיים שבהם מצוייד הצייר, כמו העובדה שבסיסו של עצם רחוק הוא גבוה מבסיסו של עצם קרוב, שהוא קטן יותר מהקרוב, מוסתר על ידיו ועוד. בנוסף הגדיר האמן כללים שלקוחים מניסיונו כצייר ומורה פעיל לציור, בצירוף ידע מהתחום בתחומים כמו צבע, קומפוזיציה ופרספקטיבה.
יש ויכוח אמיתי מה מידת היצירתיות של המחשב הזה, שכן את היכולת לבצע הוראות שנלמדו יכול לבצע כל תלמיד ציור והרי אמן הוא אדם שמעבד את הידע שברשותו, מוסיף מהיצירתיות הטבעית שלו ופורץ את גבולות מה שכבר נעשה. ועדיין, הציורים של AARON הם כה מרשימים ומעוררי עניין, שחובבי אמנות רבים לא מצליחים להבחין ביניהם לבין ציורים שנעשו על ידי ציירים אנושיים. כיום מוצגים רבים מהם בתערוכות ובמוזיאונים בכל העולם ורבים מהם אף נרכשו במהלך השנים בידי אספני אמנות.
הנה הרולד כהן מספר על AARON:
https://youtu.be/MwHQx9BrHQc
הרצאה של הרולד כהן על העבודות של AARON:
https://youtu.be/RyIgu_GSS5g
הנה ציור שנוצר על ידי התוכנה של AARON:
https://youtu.be/3PA-XApZkso
דיון על המחשב המצייר AARON:
https://youtu.be/boKs9JzI1f4
מהו המחשב המלחין?
המחשב IAMUS הוא מחשב שמלחין מוסיקה. IAMUS שהתוכנה שבו יוצרת מנגינות, הרמוניה ומרקמים מוסיקליים נעימים לאוזן, נבנה בידי מדענים באוניברסיטה של מאלגה בספרד.
אם היה מבחן טיורינג ליצירתיות, מעניין אם המוסיקה של המחשב יאמוס הייתה מסוגלת להטעות אנשים מיומנים לחשוב שהיא נכתבה בידי בני אדם. כלומר, האם מלחין וירטואלי היה מצליח להתחזות למלחין בן אנוש..
כמובן שיאמוס המחשב אינו יצירתי כמו בן-אנוש. בשלב הזה הוא בעיקר יודע לבצע את פעולת ההלחנה, על פי הכללים ה"נכונים" שאותם יודע כל מלחין מיומן שלמד וקיבל השכלה מוסיקלית. לגבי היופי והמקוריות של המוסיקה שיוצר המחשב הזה, יש מחלוקת רבה עד כמה הוא "יצירתי".
הכירו את מבחן לאבלייס שבוחן אם מכונה אכן ממציאה רעיונות מוסיקליים בעצמה:
https://youtu.be/Rh9vBczqMk0
למידת מכונה שמסייעת ליוצרים לחבר מקצבים ומהלכים בהיפ הופ:
https://youtu.be/mOjWyRqiDds
הבה נחקור את תוכנת IAMUS של המלחין הממוחשב:
https://youtu.be/KhiupLtyibs
הנה יצירה של יאמוס לקלרינט סולו:
https://youtu.be/FCsbEY9pxTU
להרכב קאמרי:
https://youtu.be/Uq3iKbCNDCM
קטעים מהתקליטור הראשון של יאמוס עם מוסיקה שלו:
https://youtu.be/cv4y_BRJokM
ומדריך מגניב להלחנה בעזרת קבצי MIDI שיוצר ChatGPT:
https://youtu.be/tV82Wy-tXRE?long=yes
המחשב IAMUS הוא מחשב שמלחין מוסיקה. IAMUS שהתוכנה שבו יוצרת מנגינות, הרמוניה ומרקמים מוסיקליים נעימים לאוזן, נבנה בידי מדענים באוניברסיטה של מאלגה בספרד.
אם היה מבחן טיורינג ליצירתיות, מעניין אם המוסיקה של המחשב יאמוס הייתה מסוגלת להטעות אנשים מיומנים לחשוב שהיא נכתבה בידי בני אדם. כלומר, האם מלחין וירטואלי היה מצליח להתחזות למלחין בן אנוש..
כמובן שיאמוס המחשב אינו יצירתי כמו בן-אנוש. בשלב הזה הוא בעיקר יודע לבצע את פעולת ההלחנה, על פי הכללים ה"נכונים" שאותם יודע כל מלחין מיומן שלמד וקיבל השכלה מוסיקלית. לגבי היופי והמקוריות של המוסיקה שיוצר המחשב הזה, יש מחלוקת רבה עד כמה הוא "יצירתי".
הכירו את מבחן לאבלייס שבוחן אם מכונה אכן ממציאה רעיונות מוסיקליים בעצמה:
https://youtu.be/Rh9vBczqMk0
למידת מכונה שמסייעת ליוצרים לחבר מקצבים ומהלכים בהיפ הופ:
https://youtu.be/mOjWyRqiDds
הבה נחקור את תוכנת IAMUS של המלחין הממוחשב:
https://youtu.be/KhiupLtyibs
הנה יצירה של יאמוס לקלרינט סולו:
https://youtu.be/FCsbEY9pxTU
להרכב קאמרי:
https://youtu.be/Uq3iKbCNDCM
קטעים מהתקליטור הראשון של יאמוס עם מוסיקה שלו:
https://youtu.be/cv4y_BRJokM
ומדריך מגניב להלחנה בעזרת קבצי MIDI שיוצר ChatGPT:
https://youtu.be/tV82Wy-tXRE?long=yes
מהם הרגלים ולמה צריך להיות מסוגלים לשנותם?
הרגלים (Habits) הם הדרך של המוח לחזור שוב ושוב על מה שלמדנו בעבר ועובד בדרך כלל טוב בשבילנו. הרגלים יומיים למשל, תוכלו לדמיין ככבישים ראשיים שבהם אנו נוסעים בכל יום לעבודה.
ההרגלים שלנו מאפשרים למוחנו להשקיע פחות אנרגיה ביום יום. הרגל הוא הדרך החסכונית של המוח לתפקד היטב - בפחות אנרגיה. בכך מתפנה אנרגיה לדברים חשובים יותר לתפקוד שלנו.
כל זמן שהרגל עובד טוב בשבילנו זה מצוין. המוח משקיע פחות אנרגיה ומשרת אותנו היטב. אבל מה קורה כשהרגל מסוים הוא לא טוב? - מה קורה כשאנו רוצים להפסיק לאכול מתוק ולשמור על הבריאות? מה עם מי שרוצים להתחיל לעשות ספורט, במקום לרבוץ כהרגלם כל ערב מול הטלוויזיה? ועם מי שמכורים לעישון או לאלכוהול ורוצים להפסיק?
דברים כאלה מובילים לעתים לרצון לשנות הרגלים. במוחנו ישנם נוירונים. אלו תאי העצב המפורסמים שמהם המוח מורכב. שינוי הרגלים כרוך בתהליך מוחי של יצירת נוירונים חדשים במוח וחיווט מחדש של הדרכים והצמתים שביניהם, גם בין הנוירונים החדשים וגם בין הוותיקים, שכולם אחראים לתפקוד שקשור בהרגל אותו אנו משנים.
התהליך שבמוח איננו תהליך שאנו מודעים לו. הוא מתרחש עמוק במוח, ככל הנראה באזור מרכזי בו שנקרא "גרעיני הבסיס".
שינוי הרגל כרוך באימוץ של הרגל חדש. במונחים של המוח מדובר בלמידה.
כשאנו מנסים משהו חדש ולא הולכים עם ההרגל המסוים, אנו לומדים משהו חדש ובעצם יוצרים במוחנו דרך חדשה, שתחליף את הדרך שבה הלכנו עד היום, כלומר את ההרגל הישן. כמו הניווט באפליקציית Waze, אנו סוללים כביש חליפי או מנצלים מעבר בתוך שכונות צדדיות, כדי לקצר את הדרך לעבודה או ממנה. האפליקציה מנסה להציע את המסלול הקצר לאחרים ואז מביאה ההצלחה לכך שהמסלול מוצע לרבים כקיצור דרך או זמן. זו בדיוק הסיבה שהאפליקציה הזו כל כך טובה. היא משתמשת באלגוריתם ובלמידת מכונה, כדי לשבור הרגלים ולייעל את הנסיעה. זמן, אנרגיה, חסכון!
מוחית אנו חווים בשינוי ההרגל גם תהליך של יצירת נוירונים חדשים במוח, מה שנקרא "נוירו ג'נסיס", וגם תהליך של חיווט מחדש ביניהם. פעם חשבו שהלמידה מתרחשת רק כשאנו צעירים, אבל מדעני המוח גילו את הנוירופלסטיות, אותה גמישות מוחית שמאפשרת לנו ללמוד, ובמקרה הזה גם לשנות הרגלים - בכל גיל.
כך או כך, ה"חיווט מחדש" הזה מחבר את הנוירונים במוח באופנים חדשים ויוצר צמתים שלא היו בו קודם. הצמתים במוח נקראים סינפסות ובחיווט מחדש הזה נוצרים נוירונים וצמתי חיבור מוחי המחווטים מחדש את כל העניינים.
כך נסללות דרכים חדשות במוח. הבשורה הנהדרת היא שאם נתמיד שבועיים שלושה בהרגלים החדשים, כלומר בדרכים החדשות הללו, השינויים הללו יהפכו די מהר לדרכים הראשיות, כלומר להרגלים שלנו.
גם אם ההרגל החדש יביא אותנו לזנוח הרגל ישן שלא מתקיים, עדיין הישן ממתין עמוק במוח כדי לשוב. לכן כל כך קשה להיגמל מהתמכרויות. ובכל זאת, ההרגל החדש מסייע לנו להשלים את השינוי והלמידה שלנו. כמה כיף לתקן הרגלים רעים ולשפר את חיינו!
שינוי הרגלים הוא חיווט מחדש של תאי העצב במוח (עברית):
https://youtu.be/UWvQc-aVLZ8
מה שמאפשר לנו לשנות הרגלים היא "גמישות המוח" (עברית):
https://youtu.be/OOY3niRvehc
באנגלית - הנה הלמידה והנוירופלסטיות:
http://youtu.be/ELpfYCZa87g
והרצאת טד על שינוי הרגלים (מתורגם):
https://youtu.be/-moW9jvvMr4?long=yes
הרגלים (Habits) הם הדרך של המוח לחזור שוב ושוב על מה שלמדנו בעבר ועובד בדרך כלל טוב בשבילנו. הרגלים יומיים למשל, תוכלו לדמיין ככבישים ראשיים שבהם אנו נוסעים בכל יום לעבודה.
ההרגלים שלנו מאפשרים למוחנו להשקיע פחות אנרגיה ביום יום. הרגל הוא הדרך החסכונית של המוח לתפקד היטב - בפחות אנרגיה. בכך מתפנה אנרגיה לדברים חשובים יותר לתפקוד שלנו.
כל זמן שהרגל עובד טוב בשבילנו זה מצוין. המוח משקיע פחות אנרגיה ומשרת אותנו היטב. אבל מה קורה כשהרגל מסוים הוא לא טוב? - מה קורה כשאנו רוצים להפסיק לאכול מתוק ולשמור על הבריאות? מה עם מי שרוצים להתחיל לעשות ספורט, במקום לרבוץ כהרגלם כל ערב מול הטלוויזיה? ועם מי שמכורים לעישון או לאלכוהול ורוצים להפסיק?
דברים כאלה מובילים לעתים לרצון לשנות הרגלים. במוחנו ישנם נוירונים. אלו תאי העצב המפורסמים שמהם המוח מורכב. שינוי הרגלים כרוך בתהליך מוחי של יצירת נוירונים חדשים במוח וחיווט מחדש של הדרכים והצמתים שביניהם, גם בין הנוירונים החדשים וגם בין הוותיקים, שכולם אחראים לתפקוד שקשור בהרגל אותו אנו משנים.
התהליך שבמוח איננו תהליך שאנו מודעים לו. הוא מתרחש עמוק במוח, ככל הנראה באזור מרכזי בו שנקרא "גרעיני הבסיס".
שינוי הרגל כרוך באימוץ של הרגל חדש. במונחים של המוח מדובר בלמידה.
כשאנו מנסים משהו חדש ולא הולכים עם ההרגל המסוים, אנו לומדים משהו חדש ובעצם יוצרים במוחנו דרך חדשה, שתחליף את הדרך שבה הלכנו עד היום, כלומר את ההרגל הישן. כמו הניווט באפליקציית Waze, אנו סוללים כביש חליפי או מנצלים מעבר בתוך שכונות צדדיות, כדי לקצר את הדרך לעבודה או ממנה. האפליקציה מנסה להציע את המסלול הקצר לאחרים ואז מביאה ההצלחה לכך שהמסלול מוצע לרבים כקיצור דרך או זמן. זו בדיוק הסיבה שהאפליקציה הזו כל כך טובה. היא משתמשת באלגוריתם ובלמידת מכונה, כדי לשבור הרגלים ולייעל את הנסיעה. זמן, אנרגיה, חסכון!
מוחית אנו חווים בשינוי ההרגל גם תהליך של יצירת נוירונים חדשים במוח, מה שנקרא "נוירו ג'נסיס", וגם תהליך של חיווט מחדש ביניהם. פעם חשבו שהלמידה מתרחשת רק כשאנו צעירים, אבל מדעני המוח גילו את הנוירופלסטיות, אותה גמישות מוחית שמאפשרת לנו ללמוד, ובמקרה הזה גם לשנות הרגלים - בכל גיל.
כך או כך, ה"חיווט מחדש" הזה מחבר את הנוירונים במוח באופנים חדשים ויוצר צמתים שלא היו בו קודם. הצמתים במוח נקראים סינפסות ובחיווט מחדש הזה נוצרים נוירונים וצמתי חיבור מוחי המחווטים מחדש את כל העניינים.
כך נסללות דרכים חדשות במוח. הבשורה הנהדרת היא שאם נתמיד שבועיים שלושה בהרגלים החדשים, כלומר בדרכים החדשות הללו, השינויים הללו יהפכו די מהר לדרכים הראשיות, כלומר להרגלים שלנו.
גם אם ההרגל החדש יביא אותנו לזנוח הרגל ישן שלא מתקיים, עדיין הישן ממתין עמוק במוח כדי לשוב. לכן כל כך קשה להיגמל מהתמכרויות. ובכל זאת, ההרגל החדש מסייע לנו להשלים את השינוי והלמידה שלנו. כמה כיף לתקן הרגלים רעים ולשפר את חיינו!
שינוי הרגלים הוא חיווט מחדש של תאי העצב במוח (עברית):
https://youtu.be/UWvQc-aVLZ8
מה שמאפשר לנו לשנות הרגלים היא "גמישות המוח" (עברית):
https://youtu.be/OOY3niRvehc
באנגלית - הנה הלמידה והנוירופלסטיות:
http://youtu.be/ELpfYCZa87g
והרצאת טד על שינוי הרגלים (מתורגם):
https://youtu.be/-moW9jvvMr4?long=yes
מהי טכנולוגיית הדיפ נוסטלגיה?
בשנים האחרונות הולכת ותופסת את מקומה טכנולוגיה מבוססת בינה מלאכותית (AI) שנקראת דיפ פייק (Deepfake). טכנולוגיה זו משמשת לייצור או שינוי תוכן וידאו כך שהיא מציגה מציאות שלמעשה לא התרחשה מעולם. מנאומים שלא ננאמו מעבירים מסרים בדויים מפיהם לכאורה, של אנשים מפורסמים ועד סרטונים "פסאודו-תיעודיים", שמציגים מראות וטקסטים מדוברים, שנראים אמיתיים אך מעולם לא צולמו והוקלטו.
ענף חדש בעולם הדיפ פייק הוא יישום שזכה לשם "דיפ נוסטלגיה" (™Deep Nostalgia), המנפיש את פניהם של אנשים שצולמו בתמונות ישנות או היסטוריות, ומזיז את פניהם, כאילו צולמו בווידאו.
הטכנולוגיה הזו פועלת על כל תמונת סטילס (תמונות קפואות), כולל תמונות בשחור-לבן ותמונות שצולמו בצבע.
השם ניתן ליישום פורץ דרך זה על ידי חברת MyHeritage, שעוסקת בפיתוח טכנולוגיה ליצירת עצי משפחה מקוונים.
סרטוני הדיפ נוסטלגיה התפרסמו כשאנשים שיתפו עם בני משפחתם וחבריהם סרטונים קצרים ומונפשים שנוצרו כך, ובהם קרוביהם ואבותיהם מזיזים את ראשיהם, מצמצים, מחייכים ונעים בצורה ריאליסטית כמעט לחלוטין.
#איך פועלת הדיפ נוסטלגיה?
דיפ נוסטלגיה מחזירה, אם כן, לחיים אנשים שצולמו בצילומי סטילס. זה מתחיל באיתור פני המצולמים בתמונות ואז הפקה של מחוות ותנועות מציאותיות, ממש כאילו צולמו בווידאו. ההנפשה של הפנים בתמונות הסטילס מראה אותם מחייכים, זזים וממצמצים, כאילו צולמו כך במקור.
בבסיס הטכנולוגי של יישום ה"דיפ נוסטלגיה" פועל אלגוריתם למידה עמוקה (Deep Learning), המחבר בין תווי הפנים של המצולמים לבין אוסף מחוות שצולמו בווידאו ושמורים במאגר החברה.
פיתוח וצילום אותן מחוות נעשה כשצילמו אנשי מיי הריטג' מראש שלל מקטעי וידאו של שחקנים ועובדי החברה, המזיזים את ראשיהם ופניהם באורח טבעי, ממצמצים, מחייכים ומפנים את ראשם לכיוונים שונים.
למעשה שכרה חברת MyHeritage רישיון מחברת D-ID, לטכנולוגיה שפותחה בה ומאפשרת שחזור, באמצעות טכנולוגיית למידה עמוקה, של סרטוני וידאו.
על מנת שאפקט ההנפשה יופעל על התמונות, ברזולוציה הכי גבוהה האפשרית, עוברות תמונות מטושטשות חידוד אוטומטי, שמבצעת הטכנולוגיה החדשנית, מה שמעלה באופן דרמטי את איכות הסרטונים המופקים בה.
ההברקה האמיתית של הטכנולוגיה הזו נעוצה בזיהוי והבחירה האוטומטית שמבצע יישום הדיפ נוסטלגיה, מבין מקטעי המחוות בווידאו. ניתוח מהיר של מנח הראש וכיוון העיניים של המצולמים בתמונה מאפשרים ליישום להתאים להם באופן חכם את מחוללי ההנפשה המיטביים ולייצר את הסרטונים המונפשים באופן אופטימלי.
#ממה נמנעו מפתחי הדיפ נוסטלגי?
אנשי חברת MyHeritage ומפתחי היישום המלהיב נמנעו מהוספת דיבור לסרטונים.
לאור העובדה שטכנולוגיית הדיפ פייק ידועה ביכולות המטורפות שלה, גם בתחום הדיבור, נשאלת השאלה מדוע. הרי ניתן היה לשתול בפי המצולמים טקסטים מדוברים, שהיו נשמעים אמיתיים, על אף שמעולם לא צולמו והוקלטו.
ראשית, חשוב לומר שזיהוי קולי של המצולמים, ככל שמדובר באנשים שקרוביהם זוכרים עדיין את קולם האמיתי, היה מפחית את אפקט המציאות שיוצרים הסרטונים הללו.
אבל יש עוד סיבה לכך.
ב-MyHeritage מציינת שההימנעות מאפקטים קוליים של דיבור היא מכוונת. מטרתה, הם מטעימים, היא "למנוע שימושים זדוניים בכלי", דוגמת אלה שנעשים בסרטוני "דיפ פייק" של פוליטיקאים וידוענים שעודם בחיים.
לכן הם גם מבקשים מהמשתמשים לעשות בכלי שימוש רק על תמונות היסטוריות השייכות להם ולהימנע משימוש בתמונות של אנשים חיים, שלא אישרו את השימוש הזה.
הסבר לטכנולוגיה (עברית):
https://youtu.be/O4VPN_YjgIM?t=21s
הנה הדיפ נוסטלגיה:
https://youtu.be/tjBYSnoAWqg
ציורים מפורסמים שקמים לתחייה:
https://youtu.be/TWY1uBK4Zxc
ואפילו דיקטטורים קמים לתחיה עם הדיפ נוסטלגיה של מיי הריטג':
https://youtu.be/a-HR03bToew
בשנים האחרונות הולכת ותופסת את מקומה טכנולוגיה מבוססת בינה מלאכותית (AI) שנקראת דיפ פייק (Deepfake). טכנולוגיה זו משמשת לייצור או שינוי תוכן וידאו כך שהיא מציגה מציאות שלמעשה לא התרחשה מעולם. מנאומים שלא ננאמו מעבירים מסרים בדויים מפיהם לכאורה, של אנשים מפורסמים ועד סרטונים "פסאודו-תיעודיים", שמציגים מראות וטקסטים מדוברים, שנראים אמיתיים אך מעולם לא צולמו והוקלטו.
ענף חדש בעולם הדיפ פייק הוא יישום שזכה לשם "דיפ נוסטלגיה" (™Deep Nostalgia), המנפיש את פניהם של אנשים שצולמו בתמונות ישנות או היסטוריות, ומזיז את פניהם, כאילו צולמו בווידאו.
הטכנולוגיה הזו פועלת על כל תמונת סטילס (תמונות קפואות), כולל תמונות בשחור-לבן ותמונות שצולמו בצבע.
השם ניתן ליישום פורץ דרך זה על ידי חברת MyHeritage, שעוסקת בפיתוח טכנולוגיה ליצירת עצי משפחה מקוונים.
סרטוני הדיפ נוסטלגיה התפרסמו כשאנשים שיתפו עם בני משפחתם וחבריהם סרטונים קצרים ומונפשים שנוצרו כך, ובהם קרוביהם ואבותיהם מזיזים את ראשיהם, מצמצים, מחייכים ונעים בצורה ריאליסטית כמעט לחלוטין.
#איך פועלת הדיפ נוסטלגיה?
דיפ נוסטלגיה מחזירה, אם כן, לחיים אנשים שצולמו בצילומי סטילס. זה מתחיל באיתור פני המצולמים בתמונות ואז הפקה של מחוות ותנועות מציאותיות, ממש כאילו צולמו בווידאו. ההנפשה של הפנים בתמונות הסטילס מראה אותם מחייכים, זזים וממצמצים, כאילו צולמו כך במקור.
בבסיס הטכנולוגי של יישום ה"דיפ נוסטלגיה" פועל אלגוריתם למידה עמוקה (Deep Learning), המחבר בין תווי הפנים של המצולמים לבין אוסף מחוות שצולמו בווידאו ושמורים במאגר החברה.
פיתוח וצילום אותן מחוות נעשה כשצילמו אנשי מיי הריטג' מראש שלל מקטעי וידאו של שחקנים ועובדי החברה, המזיזים את ראשיהם ופניהם באורח טבעי, ממצמצים, מחייכים ומפנים את ראשם לכיוונים שונים.
למעשה שכרה חברת MyHeritage רישיון מחברת D-ID, לטכנולוגיה שפותחה בה ומאפשרת שחזור, באמצעות טכנולוגיית למידה עמוקה, של סרטוני וידאו.
על מנת שאפקט ההנפשה יופעל על התמונות, ברזולוציה הכי גבוהה האפשרית, עוברות תמונות מטושטשות חידוד אוטומטי, שמבצעת הטכנולוגיה החדשנית, מה שמעלה באופן דרמטי את איכות הסרטונים המופקים בה.
ההברקה האמיתית של הטכנולוגיה הזו נעוצה בזיהוי והבחירה האוטומטית שמבצע יישום הדיפ נוסטלגיה, מבין מקטעי המחוות בווידאו. ניתוח מהיר של מנח הראש וכיוון העיניים של המצולמים בתמונה מאפשרים ליישום להתאים להם באופן חכם את מחוללי ההנפשה המיטביים ולייצר את הסרטונים המונפשים באופן אופטימלי.
#ממה נמנעו מפתחי הדיפ נוסטלגי?
אנשי חברת MyHeritage ומפתחי היישום המלהיב נמנעו מהוספת דיבור לסרטונים.
לאור העובדה שטכנולוגיית הדיפ פייק ידועה ביכולות המטורפות שלה, גם בתחום הדיבור, נשאלת השאלה מדוע. הרי ניתן היה לשתול בפי המצולמים טקסטים מדוברים, שהיו נשמעים אמיתיים, על אף שמעולם לא צולמו והוקלטו.
ראשית, חשוב לומר שזיהוי קולי של המצולמים, ככל שמדובר באנשים שקרוביהם זוכרים עדיין את קולם האמיתי, היה מפחית את אפקט המציאות שיוצרים הסרטונים הללו.
אבל יש עוד סיבה לכך.
ב-MyHeritage מציינת שההימנעות מאפקטים קוליים של דיבור היא מכוונת. מטרתה, הם מטעימים, היא "למנוע שימושים זדוניים בכלי", דוגמת אלה שנעשים בסרטוני "דיפ פייק" של פוליטיקאים וידוענים שעודם בחיים.
לכן הם גם מבקשים מהמשתמשים לעשות בכלי שימוש רק על תמונות היסטוריות השייכות להם ולהימנע משימוש בתמונות של אנשים חיים, שלא אישרו את השימוש הזה.
הסבר לטכנולוגיה (עברית):
https://youtu.be/O4VPN_YjgIM?t=21s
הנה הדיפ נוסטלגיה:
https://youtu.be/tjBYSnoAWqg
ציורים מפורסמים שקמים לתחייה:
https://youtu.be/TWY1uBK4Zxc
ואפילו דיקטטורים קמים לתחיה עם הדיפ נוסטלגיה של מיי הריטג':
https://youtu.be/a-HR03bToew
מי המציא את הקישורים באינטרנט?
הייפר-לינקס, בעברית "היפר קישורים" הם הדרך שבה קישר מפתח שפת HTML, טים ברנרס לי, אתרים ברשת זה לזה. הם מבוססים על מושג שנקרא "הייפרטקסט", או בעברית הייפר-מלל. רבים חושבים שהרעיון לקשר אתרים נולד עם האינטרנט, אבל הקישורים נולדו שנים רבות לפני כן.
המונח "הייפרטקסט" נטבע על ידי חוקר בשם טד נלסון כבר בשנת 1965, יותר מ-25 שנה לפני הולדת הרשת. את ההייפרטקסט תאר טד נלסון כמלל שמפנה את המשתמש הרוצה בכך, למידע נוסף שהוא רלוונטי למלל. זהו סוג של טקסט אלקטרוני שמאפשר קריאה לא סדרתית, על פי דרישת הקורא.
לפי גישה זו, ההייפרטקסט קישר בין מסמכי מידע שונים בדרך חדשה ושונה משמעותית משיטות קיטלוג וארגון מידע של שנות ה-60. במקום שהטקסט יהיה רצף הוא הופך לבלוקים של מידע, שמקושרים ביניהם על פי הדרך שמחליט הקורא. דרך כזו מתאימה הרבה יותר לצורה שבה עובד המוח האנושי. רשת האינטרנט והקישורים בין האתרים והדפים השונים, הם שיקוף של רשת הנוירונים שבמוחנו.
בשנות ה-90, עם הולדת רשת האינטרנט, התאימה הגישה הזו בדיוק לאותם קישורים שהוטמעו במלל האינטרנטי וקישרו מונחים, מושגים בטקסט, או שמות של אתרים לדפי רשת ואתרים הקשורים אליהם. כך הפכו הקישורים להגשמה של הקריאה שאינה אחידה ומאורגנת מראש, אלא מתנהלת באופן אישי על ידי כל קורא והדברים שמעניינים אותו.
הנה תולדות ההיפר לינק (מתורגם):
https://youtu.be/3Va3oY8pfSI
הסבר על הולדת הלינקים, הקישורים ברשת או ההייפר קישורים (מתורגם):
https://youtu.be/J8hzJxb0rpc?t=2m33s
כך פועלים הקישורים באינטרנט:
https://youtu.be/GIHGp1-_KWw
המונח הייפרטקסט וטד נלסון שהמציא אותו ורעיונותיו הנוספים:
http://youtu.be/3d1c2DuC82s?t=5s
הסבר על HTML וכיצד היא בנויה (עברית):
https://youtu.be/KepmHPMtI70
וסרט תיעודי שמציג - כך נראה האינטרנט בשנת 1996:
http://youtu.be/WTKIgdfoHxM?long=yes
הייפר-לינקס, בעברית "היפר קישורים" הם הדרך שבה קישר מפתח שפת HTML, טים ברנרס לי, אתרים ברשת זה לזה. הם מבוססים על מושג שנקרא "הייפרטקסט", או בעברית הייפר-מלל. רבים חושבים שהרעיון לקשר אתרים נולד עם האינטרנט, אבל הקישורים נולדו שנים רבות לפני כן.
המונח "הייפרטקסט" נטבע על ידי חוקר בשם טד נלסון כבר בשנת 1965, יותר מ-25 שנה לפני הולדת הרשת. את ההייפרטקסט תאר טד נלסון כמלל שמפנה את המשתמש הרוצה בכך, למידע נוסף שהוא רלוונטי למלל. זהו סוג של טקסט אלקטרוני שמאפשר קריאה לא סדרתית, על פי דרישת הקורא.
לפי גישה זו, ההייפרטקסט קישר בין מסמכי מידע שונים בדרך חדשה ושונה משמעותית משיטות קיטלוג וארגון מידע של שנות ה-60. במקום שהטקסט יהיה רצף הוא הופך לבלוקים של מידע, שמקושרים ביניהם על פי הדרך שמחליט הקורא. דרך כזו מתאימה הרבה יותר לצורה שבה עובד המוח האנושי. רשת האינטרנט והקישורים בין האתרים והדפים השונים, הם שיקוף של רשת הנוירונים שבמוחנו.
בשנות ה-90, עם הולדת רשת האינטרנט, התאימה הגישה הזו בדיוק לאותם קישורים שהוטמעו במלל האינטרנטי וקישרו מונחים, מושגים בטקסט, או שמות של אתרים לדפי רשת ואתרים הקשורים אליהם. כך הפכו הקישורים להגשמה של הקריאה שאינה אחידה ומאורגנת מראש, אלא מתנהלת באופן אישי על ידי כל קורא והדברים שמעניינים אותו.
הנה תולדות ההיפר לינק (מתורגם):
https://youtu.be/3Va3oY8pfSI
הסבר על הולדת הלינקים, הקישורים ברשת או ההייפר קישורים (מתורגם):
https://youtu.be/J8hzJxb0rpc?t=2m33s
כך פועלים הקישורים באינטרנט:
https://youtu.be/GIHGp1-_KWw
המונח הייפרטקסט וטד נלסון שהמציא אותו ורעיונותיו הנוספים:
http://youtu.be/3d1c2DuC82s?t=5s
הסבר על HTML וכיצד היא בנויה (עברית):
https://youtu.be/KepmHPMtI70
וסרט תיעודי שמציג - כך נראה האינטרנט בשנת 1996:
http://youtu.be/WTKIgdfoHxM?long=yes
