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.
»
«
אילו כלי AI יש באאוריקה?
אאוריקה נכתבת בידי אדם. שום ערך בה אינו מג'ונרט או כתוב בידי צ'טבוט או סוכן AI. מצד שני, ברור שבשימוש נכון הבינה המלאכותית יכולה לסייע מאוד למחקר וללמידה ופשוט צריך לעשות זאת נכון.
#AI לשאול על כל ערך
בראש כל ערך באאוריקה תראו מימין את אייקון הכוכבים שלנו. לחיצה עליו תאפשר להרחיב ב-AI ולהבין על נושא הערך, לשאול את כל השאלות שתרצו על הנושא של הערך וללמוד ולחקור אותו כרצונכם.
#AI בתגיות - לשאול את הנושא
לפני הכל אאוריקה היא אנציקלופדיה של תופעות. אצלנו התופעות מוצגות בתגיות השונות. בלחיצה על כל תגית אצלנו תראו את כל הערכים שמתוייגים וקשורים בה. שימו לב שגם מימין לכותרת של הרשימה נמצא כפתור ה-AI עם הכוכבים.
גם כאן - לחיצה על אייקון הכוכבים תציג לכם את סקירת התופעה מהבינה המלאכותית ותאפשר לכם לשאול ככל שתרצו - שאלות על התופעה ואותה!
#AI בחיפוש
גם בחיפושים באאוריקה - מהיום לא תישארו ללא מענה. אם יש שאלה או חיפוש שאין לנו ערך העונה עליה, תגיעו לעמוד שבו נציע ללחוץ על אייקון ה... נכון, אייקון הכוכבים!
לחיצה על האייקון הזה תעביר את מה שחיפשתם אל הבינה שלנו ותענה או תסביר לכם.
שימו לב, אגב, שכך אתם ממש יכולים לשאול כל שאלה לימודית שעולה בראשכם ולקבל דרך אאוריקה תשובה.
ואגב, אנו משתמשים בפרפלקסיטי, שילוב של מנוע חיפוש בינתי וצ'טבוט מבוסס תוכן אתרים, כלי אמין יותר מהרגיל וזה מה שהופך אותו לאיכותי ואמין ממודלים אחרים. אז בהצלחה!
איך תשפיע הבינה המלאכותית על החינוך?
כמובן שאיש לא יכול לנבא כיצד תשפיע הבינה המלאכותית (AI קיצור של Artificial Intelligence) על החינוך לטווח ארוך. אך ברור לכל שההשפעה שלה תהיה משמעותית, כמו בהמון תחומים אחרים שבהם ההשפעה שלה היא מהירה במיוחד, שלא לומר סוחפת.
אף שהיא מבוססת על הבינה האנושית, בינה מלאכותית אינה בינה של בני אנוש. ועדיין, היא יכולה לרמוז לנו משהו על עולם החינוך של העידן החדש וכיצד אפשר וכדאי לשפרו בעידן הנוכחי.
ראשית, חשוב שהחינוך לא יפחד מהשינוי המשמעותי שהעולם יעבור בוודאות בשל הבינה המלאכותית. מקצועות רבים ישתנו, חלקם ייעלמו לחלוטין, קריירות יתפתחו וזה יקרה רק עם ידע ומיומנויות חדשות שירכשו התלמידים הצעירים ורצוי מגיל מוקדם.
האינטליגנציה המלאכותית כבר משנה כמעט כל תחום מסביבנו, אז למה שנחשוש ממנה? - כל צייד ובן שבט פרימיטיבי יידע לומר שעדיף לרכב על גב הנמר מאשר להיטרף על ידו.
אפשר לומר שאת אותו תהליך שאנחנו נותנים לאלגוריתמים שלנו לעבור, כדאי שנעביר גם אל התלמידים שלנו. במקום לדחוס רק מידע וידע - ללמד איך להפיקו בעצמם.
החינוך יכול ואף חייב, בהתאמות כמובן, לעבור יותר ויותר מכיוון של הוראה לתלמיד ללמידה עמוקה - של התלמיד. ללמידה עצמאית ומשמעותית שתלמידים יבצעו בעצמם, מול AI, בעזרתו ועם יתרונותיו, אבל לא לקבל את הכל כמו שהוא ולא להסתפק בפתרונות אלא לדרוש מנוף.
על הלומדים לקבל את הסיוע הלימודי שיאפשר להם לפתח את ההבנה, המיומנויות והידע לחיים. מי שמבינים חינוך באמת כבר מנסים זאת, כמעט מהרגע הראשון. ב"קאן אקדמי", אתר הלימוד המקוון הגדול בעולם, כבר פיתחו מנוע למידה מבוסס AI, שבמקום לתת תשובות לתלמיד מעדיף ללמד ולתרגל, לאמן ולבחון את הלומדים ומביא אותם לרמה לימודית חסרת תקדים.
וזו רק דוגמה אחת, כי בהרבה תחומים הלמידה עם AI תהיה עצמאית, פחות מונחית ויכולה להתבסס על עניין, סקרנות, גילוי וחקר עצמאי של הלומדים.
דמיינו תלמידים שלומדים דרך תופעות ולא דרך תחומי דעת נפרדים. קצת כמו שאאוריקה מאפשרת חקר תופעות באמצעות התגיות שלה - לגלות את הקשרים והטרנספר במוח בין עולמות של טבע, מדע, אמנות, טכנולוגיה, חברה ועוד המון.
הצצה קצרה בתגית "ביומימתיקה" תדגים כמה טוב קיבלה האנושות רק מהמצאות ופתרונות שראו אנשים בטבע. דמיינו מה יביאו תלמידים שיגדלו לקשר בין עולמות מרתקים אחרים.
כלומר, על החינוך להתמקד בלומדים עצמאיים, שיילמדו את עצמם את מה שהם צריכים לדעת ולא יצפו ללמידה ו"אימון" על ידי המורים (לא שהם מצפים לכזו - להיפך) ובעיקר יחשבו, ידמיינו, ישאפו לפתור בעיות. זה יהיה להם טוב כלכלית אבל לעולם ולחברה האנושית זה יפתור כל כך הרבה דברים - הביטו מסביב ותראו כמה מזיקה הבורות והסטגנציה של חינוך נרפה ושמרני כל כך.
עד כמה שנראה שהבינה תייתר את הבינה שלנו, בני האדם, ברור שניתן להשתמש ב-AI כדי לפתח את ה-HI, ה"יומן אינטליג'נס", (הבינה האנושית) בדרכים מסעירות.
אז מי יהיה התלמיד החדש שעולם החינוך יגדל בעידן בו AI עושה כל כך הרבה דברים שבעבר היו צריכים להיעשות על ידי אדם?
התלמיד החדש הזה צריך להיות "לומד עמוק" במקום להיות צרכן של "למידה מפוקחת", מה שמרמז גם על שידוד המערכות הדרוש במסדרונות הפיקוח החינוכי, גם בכמות וגם באיכות המפקחים. כמות שאין לה מקום בחינוך חדש ואיכותי, שצריכה להתעלות על הפיקוח המקצועי והאיכותי שיעשו המורים עצמם על הלמידה בעולם הזה ויספק תובנות על התקדמות או היתקעות במקום באמצעות ניתוח מידע בינתי.
הנה השפעת הבינה המלאכותית והפסקת הוראת המלאכות על העולם (מתורגם):
https://youtu.be/RzkD_rTEBYs
יחליף את המורים? - למה בחינוך מודאגים ממודל השפה החדש?
https://youtu.be/Fn8jDanbf0c
מה הבינה עושה לתלמידים והמורים (עברית):
https://youtu.be/vmmUiyeGNB8?long=yes
ואולי ה-AI הוא בכלל מה שיציל את החינוך?
https://youtu.be/hJP5GqnTrNo?long=yes
איך מאמנים מכונות ובאילו שיטות הן לומדות?
למידת מכונה מתבססת על יצירה של מודל גדול. המודל עצמו הוא אכן אוסף גדול ומורכב של מספרים (המכונים "טוקנים" (Tokens), בעברית אסימונים. הטוקנים האלה מייצגים מידע, כלומר דאטה שהוזן למודל מהעולם האמיתי כקלט (Input) משלל מקורות, אם מסריקת אתרי אינטרנט, בלוגים, פורומים וקבצי תוכן ועד לסריקה של ספרים אמיתיים, מגזינים ועיתונים.
המספרים הללו מייצגים את פריטי הקלט המסוים ומגדירים קשרים מתמטיים ביניהם. על ידי אימון מתמיד של המודל, הוא הולך ומזהה את הקשרים הללו כדפוסים, שיהיו מוכנים כמעין ידע שהוא למד, לקראת שימוש בו, להצגת תחזיות, מענה לשאלות, חישובים של בעיות שיפנו אליו המשתמשים.
#תהליך האימון
לפני וכדי שמודל יוכל לענות על שאלות או להציע תחזיות יש לאמן אותו. ממש כמו מאמן כושר או מפקד טירונים בצבא, שמקבלים אימון, הוא יקבל אוסף של נתונים, דאטה שיעמוד לרשותו, כדי שיוכל לזהות את אותם דפוסים. זה חייב להיות קלט (Input) עצום וגדול, כלומר המון נתונים, Big Data.
כדי לאמן מודל אנחנו נותנים לו אוסף של קלטים. הקלטים הללו ישתנו לפי סוג ומטרת המודל, אך המטרה הבסיסית, העליונה והתמידית שלו תהיה למצוא את הדפוסים בדאטה, כך שהוא יוכל ליצור תחזיות טובות ולתת תשובות טובות וללא הֲזָיוֹת (Hallucinations).
#שיטות אימון
למידת מכונה מתבצעת בכמה שיטות שונות, שכל אחת מחייבת "שיטת הוראה" שונה. ישנם 3 סוגים של למידת מכונה: למידה ללא פיקוח, למידה מפוקחת ולמידת חיזוק.
- למידה לא מפוקחת - היא למידת מכונה הלומדת באמצעות זיהוי עצמי של קווי דמיון ודפוסים וללא הנחיה אנושית.
- למידה מפוקחת - מתבססת על אימון בינה מלאכותית באמצעות דוגמאות מסומנות. כלומר, למידה שמסתמכת על קלט מבני אדם כדי לבדוק את דיוק התחזיות.
- למידת חיזוק - מתבססת על אימון בינה מלאכותית באמצעות ניסוי וטעייה. כלומר, מדובר בלמידה מחוזקת משמשת לתוכניות טיפול, תוך איסוף משוב באופן חוזר ונשנה (איטרטיבי) והשוואה מול הדאטה המקורית של כל פרופיל, כדי לקבוע את הטיפול היעיל ביותר לו.
כאשר מודלים אלה הופכים לעצמם, קשה יותר לקבוע את תהליך קבלת ההחלטות שלהם, מה שיכול להשפיע על העבודה, הבריאות והבטיחות שלנו.
#דוגמה
הנה דוגמה מהעולם הרפואי של רופאים והמטופלים שלהם:
בלמידה ללא פיקוח נוכל להשתמש כדי שהמודל יזהה קווי דמיון בין פרופילי מטופלים שונים ויאתר דפוסים שמתעוררים אצלם, כשהוא עושה זאת ללא הדרכה אנושית וללא פיקוח של רופאים ומומחים.
למידה מפוקחת, לעומת זאת, תסתמך על הקלט של הרופאים שיבצעו את האבחנה הסופית ויבדקו את הדיוק של חיזוי האלגוריתם. כלומר כאן המכונה תלמד מהמומחה, גם מהאבחנות המוצלחות שלו אך גם משגיאותיו. אם יוזנו למכונה נתונים של 2 קבוצות, חולים ובריאים, היא תזהה בעצמה מאפיינים שמשותפים לחולים במחלה מסוימת ושאינם נמצאים אצל אנשים בריאים. לאחר השוואה בין תחזיות המכונה לאבחון הסופי של המומחים, המכונה תלמד לזהות את התסמינים של המחלה ולסייע לרופאים לאבחן אותה נכון בעתיד.
למידת חיזוק תשמש לתכניות טיפול, בגישה איטרטיבית, תהליך חוזר ונשנה בו יוזן למכונה, שוב ושוב, המשוב החוזר על ידי הרופאים. המשוב יהיה לגבי יעילות התרופות, המינונים השונים ולגבי הטיפולים היעילים יותר ופחות, כך שהמודל ישווה יעילות של התרופות, המינונים והטיפולים לדאטה של החולה ויסיק מסקנות שיאפשרו לו לחזק בעתיד את הטיפולים המוצלחים והייחודיים יותר, אלו שיתאימו לפרופילי חולים, עם מאפיינים ומקרים שונים, לאור תגובות חולים משתנות, נסיבות שונות של המחלה ומצבי המחלה המגוונים לאורך הטיפול.
כלומר, החוקרים יכולים להשתמש במערכות למידת המכונה הללו ביחד, כדי לבנות מערכות בינה מלאכותית.
אבל - ויש כאן אבל משמעותי - יש לשים לב שככל שהמודלים הללו מכוונים באופן עצמאי, יהיה קשה יותר לקבוע כיצד האלגוריתמים השונים מגיעים לפתרונות שלהם, מה שיכול להיות בעל השפעה משמעותית על העבודה, הבריאות והבטיחות שלנו, בני האדם, כשאנו משתמשים בהם. לכן, באימון של מודלים גדולים (LLMs) משתמשים לרוב בכל השיטות הללו במקביל, כשלא פעם הן מאמנות אחת את השנייה.
הנה אימון מכונה פשוט (עברית):
https://youtu.be/CC-TGXxc-Go
כך המכונה לומדת ומדוע כדאי לשלב שיטות אימון שונות (מתורגם):
https://youtu.be/0yCJMt9Mx9c
וכך האלגוריתמים לומדים (מתורגם):
https://youtu.be/R9OHn5ZF4Uo?long=yes
בינה מלאכותית וחינוך
אאוריקה נכתבת בידי אדם. שום ערך בה אינו מג'ונרט או כתוב בידי צ'טבוט או סוכן AI. מצד שני, ברור שבשימוש נכון הבינה המלאכותית יכולה לסייע מאוד למחקר וללמידה ופשוט צריך לעשות זאת נכון.
#AI לשאול על כל ערך
בראש כל ערך באאוריקה תראו מימין את אייקון הכוכבים שלנו. לחיצה עליו תאפשר להרחיב ב-AI ולהבין על נושא הערך, לשאול את כל השאלות שתרצו על הנושא של הערך וללמוד ולחקור אותו כרצונכם.
#AI בתגיות - לשאול את הנושא
לפני הכל אאוריקה היא אנציקלופדיה של תופעות. אצלנו התופעות מוצגות בתגיות השונות. בלחיצה על כל תגית אצלנו תראו את כל הערכים שמתוייגים וקשורים בה. שימו לב שגם מימין לכותרת של הרשימה נמצא כפתור ה-AI עם הכוכבים.
גם כאן - לחיצה על אייקון הכוכבים תציג לכם את סקירת התופעה מהבינה המלאכותית ותאפשר לכם לשאול ככל שתרצו - שאלות על התופעה ואותה!
#AI בחיפוש
גם בחיפושים באאוריקה - מהיום לא תישארו ללא מענה. אם יש שאלה או חיפוש שאין לנו ערך העונה עליה, תגיעו לעמוד שבו נציע ללחוץ על אייקון ה... נכון, אייקון הכוכבים!
לחיצה על האייקון הזה תעביר את מה שחיפשתם אל הבינה שלנו ותענה או תסביר לכם.
שימו לב, אגב, שכך אתם ממש יכולים לשאול כל שאלה לימודית שעולה בראשכם ולקבל דרך אאוריקה תשובה.
ואגב, אנו משתמשים בפרפלקסיטי, שילוב של מנוע חיפוש בינתי וצ'טבוט מבוסס תוכן אתרים, כלי אמין יותר מהרגיל וזה מה שהופך אותו לאיכותי ואמין ממודלים אחרים. אז בהצלחה!
כמובן שאיש לא יכול לנבא כיצד תשפיע הבינה המלאכותית (AI קיצור של Artificial Intelligence) על החינוך לטווח ארוך. אך ברור לכל שההשפעה שלה תהיה משמעותית, כמו בהמון תחומים אחרים שבהם ההשפעה שלה היא מהירה במיוחד, שלא לומר סוחפת.
אף שהיא מבוססת על הבינה האנושית, בינה מלאכותית אינה בינה של בני אנוש. ועדיין, היא יכולה לרמוז לנו משהו על עולם החינוך של העידן החדש וכיצד אפשר וכדאי לשפרו בעידן הנוכחי.
ראשית, חשוב שהחינוך לא יפחד מהשינוי המשמעותי שהעולם יעבור בוודאות בשל הבינה המלאכותית. מקצועות רבים ישתנו, חלקם ייעלמו לחלוטין, קריירות יתפתחו וזה יקרה רק עם ידע ומיומנויות חדשות שירכשו התלמידים הצעירים ורצוי מגיל מוקדם.
האינטליגנציה המלאכותית כבר משנה כמעט כל תחום מסביבנו, אז למה שנחשוש ממנה? - כל צייד ובן שבט פרימיטיבי יידע לומר שעדיף לרכב על גב הנמר מאשר להיטרף על ידו.
אפשר לומר שאת אותו תהליך שאנחנו נותנים לאלגוריתמים שלנו לעבור, כדאי שנעביר גם אל התלמידים שלנו. במקום לדחוס רק מידע וידע - ללמד איך להפיקו בעצמם.
החינוך יכול ואף חייב, בהתאמות כמובן, לעבור יותר ויותר מכיוון של הוראה לתלמיד ללמידה עמוקה - של התלמיד. ללמידה עצמאית ומשמעותית שתלמידים יבצעו בעצמם, מול AI, בעזרתו ועם יתרונותיו, אבל לא לקבל את הכל כמו שהוא ולא להסתפק בפתרונות אלא לדרוש מנוף.
על הלומדים לקבל את הסיוע הלימודי שיאפשר להם לפתח את ההבנה, המיומנויות והידע לחיים. מי שמבינים חינוך באמת כבר מנסים זאת, כמעט מהרגע הראשון. ב"קאן אקדמי", אתר הלימוד המקוון הגדול בעולם, כבר פיתחו מנוע למידה מבוסס AI, שבמקום לתת תשובות לתלמיד מעדיף ללמד ולתרגל, לאמן ולבחון את הלומדים ומביא אותם לרמה לימודית חסרת תקדים.
וזו רק דוגמה אחת, כי בהרבה תחומים הלמידה עם AI תהיה עצמאית, פחות מונחית ויכולה להתבסס על עניין, סקרנות, גילוי וחקר עצמאי של הלומדים.
דמיינו תלמידים שלומדים דרך תופעות ולא דרך תחומי דעת נפרדים. קצת כמו שאאוריקה מאפשרת חקר תופעות באמצעות התגיות שלה - לגלות את הקשרים והטרנספר במוח בין עולמות של טבע, מדע, אמנות, טכנולוגיה, חברה ועוד המון.
הצצה קצרה בתגית "ביומימתיקה" תדגים כמה טוב קיבלה האנושות רק מהמצאות ופתרונות שראו אנשים בטבע. דמיינו מה יביאו תלמידים שיגדלו לקשר בין עולמות מרתקים אחרים.
כלומר, על החינוך להתמקד בלומדים עצמאיים, שיילמדו את עצמם את מה שהם צריכים לדעת ולא יצפו ללמידה ו"אימון" על ידי המורים (לא שהם מצפים לכזו - להיפך) ובעיקר יחשבו, ידמיינו, ישאפו לפתור בעיות. זה יהיה להם טוב כלכלית אבל לעולם ולחברה האנושית זה יפתור כל כך הרבה דברים - הביטו מסביב ותראו כמה מזיקה הבורות והסטגנציה של חינוך נרפה ושמרני כל כך.
עד כמה שנראה שהבינה תייתר את הבינה שלנו, בני האדם, ברור שניתן להשתמש ב-AI כדי לפתח את ה-HI, ה"יומן אינטליג'נס", (הבינה האנושית) בדרכים מסעירות.
אז מי יהיה התלמיד החדש שעולם החינוך יגדל בעידן בו AI עושה כל כך הרבה דברים שבעבר היו צריכים להיעשות על ידי אדם?
התלמיד החדש הזה צריך להיות "לומד עמוק" במקום להיות צרכן של "למידה מפוקחת", מה שמרמז גם על שידוד המערכות הדרוש במסדרונות הפיקוח החינוכי, גם בכמות וגם באיכות המפקחים. כמות שאין לה מקום בחינוך חדש ואיכותי, שצריכה להתעלות על הפיקוח המקצועי והאיכותי שיעשו המורים עצמם על הלמידה בעולם הזה ויספק תובנות על התקדמות או היתקעות במקום באמצעות ניתוח מידע בינתי.
הנה השפעת הבינה המלאכותית והפסקת הוראת המלאכות על העולם (מתורגם):
https://youtu.be/RzkD_rTEBYs
יחליף את המורים? - למה בחינוך מודאגים ממודל השפה החדש?
https://youtu.be/Fn8jDanbf0c
מה הבינה עושה לתלמידים והמורים (עברית):
https://youtu.be/vmmUiyeGNB8?long=yes
ואולי ה-AI הוא בכלל מה שיציל את החינוך?
https://youtu.be/hJP5GqnTrNo?long=yes
למידת מכונה מתבססת על יצירה של מודל גדול. המודל עצמו הוא אכן אוסף גדול ומורכב של מספרים (המכונים "טוקנים" (Tokens), בעברית אסימונים. הטוקנים האלה מייצגים מידע, כלומר דאטה שהוזן למודל מהעולם האמיתי כקלט (Input) משלל מקורות, אם מסריקת אתרי אינטרנט, בלוגים, פורומים וקבצי תוכן ועד לסריקה של ספרים אמיתיים, מגזינים ועיתונים.
המספרים הללו מייצגים את פריטי הקלט המסוים ומגדירים קשרים מתמטיים ביניהם. על ידי אימון מתמיד של המודל, הוא הולך ומזהה את הקשרים הללו כדפוסים, שיהיו מוכנים כמעין ידע שהוא למד, לקראת שימוש בו, להצגת תחזיות, מענה לשאלות, חישובים של בעיות שיפנו אליו המשתמשים.
#תהליך האימון
לפני וכדי שמודל יוכל לענות על שאלות או להציע תחזיות יש לאמן אותו. ממש כמו מאמן כושר או מפקד טירונים בצבא, שמקבלים אימון, הוא יקבל אוסף של נתונים, דאטה שיעמוד לרשותו, כדי שיוכל לזהות את אותם דפוסים. זה חייב להיות קלט (Input) עצום וגדול, כלומר המון נתונים, Big Data.
כדי לאמן מודל אנחנו נותנים לו אוסף של קלטים. הקלטים הללו ישתנו לפי סוג ומטרת המודל, אך המטרה הבסיסית, העליונה והתמידית שלו תהיה למצוא את הדפוסים בדאטה, כך שהוא יוכל ליצור תחזיות טובות ולתת תשובות טובות וללא הֲזָיוֹת (Hallucinations).
#שיטות אימון
למידת מכונה מתבצעת בכמה שיטות שונות, שכל אחת מחייבת "שיטת הוראה" שונה. ישנם 3 סוגים של למידת מכונה: למידה ללא פיקוח, למידה מפוקחת ולמידת חיזוק.
- למידה לא מפוקחת - היא למידת מכונה הלומדת באמצעות זיהוי עצמי של קווי דמיון ודפוסים וללא הנחיה אנושית.
- למידה מפוקחת - מתבססת על אימון בינה מלאכותית באמצעות דוגמאות מסומנות. כלומר, למידה שמסתמכת על קלט מבני אדם כדי לבדוק את דיוק התחזיות.
- למידת חיזוק - מתבססת על אימון בינה מלאכותית באמצעות ניסוי וטעייה. כלומר, מדובר בלמידה מחוזקת משמשת לתוכניות טיפול, תוך איסוף משוב באופן חוזר ונשנה (איטרטיבי) והשוואה מול הדאטה המקורית של כל פרופיל, כדי לקבוע את הטיפול היעיל ביותר לו.
כאשר מודלים אלה הופכים לעצמם, קשה יותר לקבוע את תהליך קבלת ההחלטות שלהם, מה שיכול להשפיע על העבודה, הבריאות והבטיחות שלנו.
#דוגמה
הנה דוגמה מהעולם הרפואי של רופאים והמטופלים שלהם:
בלמידה ללא פיקוח נוכל להשתמש כדי שהמודל יזהה קווי דמיון בין פרופילי מטופלים שונים ויאתר דפוסים שמתעוררים אצלם, כשהוא עושה זאת ללא הדרכה אנושית וללא פיקוח של רופאים ומומחים.
למידה מפוקחת, לעומת זאת, תסתמך על הקלט של הרופאים שיבצעו את האבחנה הסופית ויבדקו את הדיוק של חיזוי האלגוריתם. כלומר כאן המכונה תלמד מהמומחה, גם מהאבחנות המוצלחות שלו אך גם משגיאותיו. אם יוזנו למכונה נתונים של 2 קבוצות, חולים ובריאים, היא תזהה בעצמה מאפיינים שמשותפים לחולים במחלה מסוימת ושאינם נמצאים אצל אנשים בריאים. לאחר השוואה בין תחזיות המכונה לאבחון הסופי של המומחים, המכונה תלמד לזהות את התסמינים של המחלה ולסייע לרופאים לאבחן אותה נכון בעתיד.
למידת חיזוק תשמש לתכניות טיפול, בגישה איטרטיבית, תהליך חוזר ונשנה בו יוזן למכונה, שוב ושוב, המשוב החוזר על ידי הרופאים. המשוב יהיה לגבי יעילות התרופות, המינונים השונים ולגבי הטיפולים היעילים יותר ופחות, כך שהמודל ישווה יעילות של התרופות, המינונים והטיפולים לדאטה של החולה ויסיק מסקנות שיאפשרו לו לחזק בעתיד את הטיפולים המוצלחים והייחודיים יותר, אלו שיתאימו לפרופילי חולים, עם מאפיינים ומקרים שונים, לאור תגובות חולים משתנות, נסיבות שונות של המחלה ומצבי המחלה המגוונים לאורך הטיפול.
כלומר, החוקרים יכולים להשתמש במערכות למידת המכונה הללו ביחד, כדי לבנות מערכות בינה מלאכותית.
אבל - ויש כאן אבל משמעותי - יש לשים לב שככל שהמודלים הללו מכוונים באופן עצמאי, יהיה קשה יותר לקבוע כיצד האלגוריתמים השונים מגיעים לפתרונות שלהם, מה שיכול להיות בעל השפעה משמעותית על העבודה, הבריאות והבטיחות שלנו, בני האדם, כשאנו משתמשים בהם. לכן, באימון של מודלים גדולים (LLMs) משתמשים לרוב בכל השיטות הללו במקביל, כשלא פעם הן מאמנות אחת את השנייה.
הנה אימון מכונה פשוט (עברית):
https://youtu.be/CC-TGXxc-Go
כך המכונה לומדת ומדוע כדאי לשלב שיטות אימון שונות (מתורגם):
https://youtu.be/0yCJMt9Mx9c
וכך האלגוריתמים לומדים (מתורגם):
https://youtu.be/R9OHn5ZF4Uo?long=yes
