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.
»
«
איך מעבירים מידע באינטרנט במנות?
מידע באינטרנט מועבר מצד לצד בסשנים (SESSION). כאן נכנה אותם בעברית "אירועי העברה". בכל סשן כזה מועבר המידע באמצעות מודל חכם שמורכב משבע שכבות. מדע כזה הוא כניסה לאתר, צפייה בסרטון, הורדת קובץ וכדומה.
מטרתו הכוללת של כל אירוע העברה, סשן כזה, היא להעביר את המידע אונליין, בצורה היעילה והבטוחה ביותר ולא כגוש גדול ופגיע של נתונים המאיימים להיתקע ולא להגיע ליעדם.
השיטה מתבססת על פרוטוקול קבוע ומוסכם, מעין שיטה בה מפורק המידע שצריך לעבור, למנות קטנות (Packets) וקלות להעברה.
מטרת המנות הללו, העומדות בבסיס השיטה, היא להעביר את המידע בצורה הטובה ביותר, לנקודה שבצד השני של ההתקשרות.
צד היעד, אליו אמורים להגיע הנתונים, מקבל את אותם "פאקטים", מנות המידע הללו. הוא מחבר אותן למידע המקורי, לפי אותו פרוטוקול מוסכם, למצב שהמידע חוזר להיות כפי שהיה, לפני שפורק על ידי הצד השולח.
#השכבות המעניינות במודל 7 השכבות שאחראי לתהליך החכם הזה:
שכבת הסשן (SESSION) - אחראית על הקשר עם נקודת היעד ועל העברת הנתונים. היא זו שפותחת, מבצעת ומסיימת את ה"שיחה" בין שני המחשבים - השולח והמקבל. השולח הוא יוטיוב, למשל, כשהמקבל הוא הצופה בסרטון.
שכבת התעבורה (TRANSPORT) - אחראית על חלוקת המידע למנות, מספור שלהן ואריזה מחדש. מטרתה היא להעביר את הנתונים בסדר הנכון. שכבה זו אורזת מחדש את הנתונים, בגודל המתאים וכשהיא יודעת את גודל המנה (Packet) הנדרש. הצד המקבל מאשר קבלה של כל מנה ואם לא הגיעו לפי הסדר הוא מסדר את המנות מחדש. במקרה של מנה חסרה, תפקידה של שכבה זו הוא לבקש שליחתה מחדש. בקיצור, שכבה זו מבטיחה העברה בשלמות ובסדר הנכון של הנתונים.
שווה להכיר גם את שכבת קישור הנתונים (Data Link). היא מבצעת מעקב וביקורת וגם אחראית על בקרת הגישה לרשת, כולל או בעיקר תור הדיבור של המחשבים שבצדדים השונים.
כך פועל האינטרנט (מתורגם):
https://youtu.be/ewrBalT_eBM
ותיאור מרהיב של הדרך המדויקת בה עובר המידע מצד לצד:
https://youtu.be/eHp1l73ztB8
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
מהו מרכז נתונים, דאטה סנטר או חוות שרתים?
מרכז נתונים (Data center), המכונה בשפה המקצועית פשוט "דאטה סנטר", הוא אתר המשמש לאיחסון נתונים דיגיטליים, כלומר ממוחשבים, ניהול והפצה שלהם. לעתים הוא נקרא גם "חוות שרתים".
דאטה סנטרים גדולים מכילים מידע שנחוץ לשירותים גדולים כמו חיזוי מזג אוויר, נתוני ניירות ערך, אתרי אינטרנט גדולים וכדומה. רבים מהם מאחסנים המוני אתרים קטנים ובינוניים בחוות שרתים המנוהלות על ידי מקצוענים ופוטרות את החברות הללו מניהול שרתים משל עצמם.
בזמנו התפרסמה תכנית להקמת 36 מגדלים עם 360,000 שרתים שיהיו ביחד מרכז הנתונים הגדול בעולם.
הספקיות הגדולות של הענן הציבורי, כולל אמזון עם AWS, מיקרוסופט עם Azure וגוגל עם Google Cloud, השתלטו בשנים האחרונות על שוק הדטה סנטרים. נכון ל-2021 הן חולשות במשותף על מעל 50% מהדטה סנטרים הגדולים בעולם.
והצמיחה האגרסיבית הזו של הענן באה לידי ביטוי גם בביקושים וגם בהיצע. במקום במרכזי הנתונים של הארגונים, כ-60% מהשרתים שנמכרים כרגע בעולם מוצבים במרכזי הנתונים של ספקיות הענן הגדולות.
הסיבה היא שבמקום לבזבז משאבים על תשתית מרכז הנתונים שלהם, יותר ויותר ארגונים בוחרים בשירותי ספקיות הענן הציבורי, כשהם זקוקים למחשוב משמעותי לאחסון וניהול נתונים והפעלת יישומים עסקיים.
הנה מרכז הנתונים המאובטח של ישראל (בעברית):
https://youtu.be/Sbl49N61fWY
זה של חברת גוגל שתכננה אותו במהלך השנים:
https://youtu.be/eCSt5kerv1k
על מרכז הנתונים הגדול ביותר בעולם המתוכנן באירופה:
https://youtu.be/4e97g7_qSxA
ומרכז הנתונים של חברת פייסבוק:
https://youtu.be/4A_A-CmrqpQ
בואו להתרשם בעצמכם:
https://youtu.be/zDAYZU4A3w0?qr=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 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
מי טען שעיבוד נתונים הוא רק גימיק אופנתי?
"דיברתי עם מיטב החוקרים ואני יכול להבטיח לכם שעיבוד נתונים זה סתם גימיק אופנתי שלא יחזיק מעמד שנה!"
כשעורך ספרי העסקים בהוצאת הספרים הנחשבת Francis Hall אמר את המשפט שלמעלה בשנת 1957 וזלזל בעיבוד הנתונים הממוחשב, הוא עשה את אחת הטעויות הגדולות בתולדות העולם העסקי.
פחות מ-20 שנה לאחר מכן כל העסקים הגדולים בכל העולם הפכו לגופים ממוחשבים ו-10 שנים נוספות אחרי כן גם עסקים קטנים אימצו בהמוניהם את בסיסי הנתונים והחישובים שבצעו המחשבים.
כיום ישנם מחשבי על שיודעים לעשות דברים בלתי נתפסים והעתיד עוד לפניהם. בינה מלאכותית, ביג דאטה, למידת מכונה ולמידה עמוקה - אלה רק חלק מהדברים המדהימים שעושים היום מחשבים, שהיו אמורים לפי ה"נבואה" ההיא להיות גימיק ותו לא...
הנה ווטסון של יבמ, מחשב העל הראשון שהביס מתחרים אנושיים בחידון הטלוויזיה ג'יופרדי והראה את העתיד של הבינה המלאכותית:
https://youtu.be/P18EdAKuC1U
הרצאה של האדם שהובס בידי ווטסון (מתורגם):
https://youtu.be/b2M-SeKey4o?long=yes
והרצאה על ווטסון והג'יאופרדי בטלוויזיה (עברית):
https://youtu.be/XGLmbXDEEdw?t=79s?long=yes
כיצד ניתן לחזות את מזג האוויר?
תחזית מזג אוויר (Weather Forecast) היא רעיון ישן שבמשך אלפי שנים היה חלום בלתי מושג, שאיש לא הצליח לפצח. אבל כבר בסוף המאה ה-19 הגיעה הטכנולוגיה לרמה ראשונית של הבשלה. ראשונית, כי התחזית הייתה לא מדויקת וגם במקרה בו הצליחה, טווח התחזית היה של יום יומיים מקסימום ולא יותר.
המחשב שינה הכל. כבר משנות ה-60 הלך והחליף החיזוי מבוסס המחשב את כל שיטות החיזוי של פעם. עם התפתחות המחשוב ותפוצת המחשבים האישיים, החלו המטאורולוגים לבצע פעולות חישוב שאפשרו להם להריץ נוסחאות מתקדמות של חיזוי מזג האוויר ולשפר משמעותית את יכולות התחזית שלהם.
למעשה, האפשרות לחזות את מזג האוויר היא אחת המהפכות המעניינות והמהירות בהיסטוריה. ממצב שבו איש לא יכול לחזות את מזג האוויר בעוד שלושה ימים, הגענו בתוך חצי מאה למצב בו מספיק מחשב וידע שניתן לרכוש באינטרנט, בכדי להיות חזאי חובב ברמה יפה ולהגיע אפילו לבד לתחזיות די מדויקות.
ועדיין, יש לא מעט קשיים גם היום בחיזוי מודרני של מזג האוויר. כיום, גם אם יש תצפיות מטאורולוגיות במרבית הארצות בכדור הארץ, אין או חסרות תצפיות מעל מדבריות ואוקיינוסים. יש גם סירוב משמעותי של ארצות במלחמה, לשלוח ולשתף נתונים מטאורולוגיים עם מדינות אחרות.
אז נכון, לתחזיות מזג האוויר יש עוד דרך ארוכה עד שנוכל לצפות לתחזית לגשם ברזולוציה של דקות או לטווחים של מעל 5 ימים. ועדיין, הידע והטכנולוגיה הקיימת מאפשרים לשירותי החיזוי בימינו לתת תחזיות מודרניות ואמינות ברוב המקרים לארבעת ולחמשת הימים הבאים. יש למטאורולוגיה המודרנית אפילו את היכולת לתת הערכות לא רעות לעשרת הימים הבאים.
בשלב הזה נכנסות וייכנסו ללא ספק מערכות תוכנה מבוססות למידה עמוקה (Deep Learning). מצוידות בכמויות דאטה עצומות שיוכנסו אליהן, מערכות אלה יאתרו בעצמן דפוסים וקשרים בהתפתחות מזג האוויר, שישפרו בעתיד הנראה לעין את התחזיות הרבה מעבר למה שאנו משערים.
הנה חזאי מסביר כיצד הוא חוזה את תחזית מזג האוויר (עברית):
http://youtu.be/7joNfy4Ru1E
תוכנות מתקדמות מאפשרות כיום תחזית מזג אוויר משופרת:
https://youtu.be/KP-6Mgt3q4g
למה החזאים עדיין טועים? (עברית)
https://youtu.be/uKqGAKosLP0
ותכנית חינוכית ארוכה על נושא מזג האוויר (עברית):
http://youtu.be/QNvPN7asA9o?long=yes
איך תיראה תעשיית העתיד?
כיצד תהיה תעשיית העתיד איש מן הסתם לא יכול לחזות. אפשר לשער או לנסות להבין לאן מועדות פני עולם התעשייה, אבל דווקא הלא ידוע הוא שיעצב את העתיד הזה יותר מהדברים הידועים והתחזיות המבוססות על מה שידוע לנו עכשיו.
עם מגוון מרכיבים חדשניים שהולכים ותופסים מקום בעולם התעשייתי כבר היום, יתכן שהם יהיו המרכזיים בה, אם כי לא בטוח שלא ייוולדו תחומים חדשים ומשבשים לעולמות התעשייה והניהול, שיטלטלו אותם עד כדי שינויים מסעירים פי כמה. האינטרנט ששינה את העולם בשנות התשעים הוא דוגמה למתחם כזה, שהפך מאוטוסטרדת המידע, כינוי שרימז על הכמות והמהירות בהן המידע עובר בה, למרכז העולם שלנו, פחות מדור אחר כך.
אם מושגים כמו דיגיטליזציה, קישוריות, דאטה, בינה מלאכותית, ואוטומציה היו מילות הקוד של התעשייה בימינו, לא מן הנמנע שמושגים כמו רובוטיקה מתקדמת, מציאות מדומה, הדפסות תלת ממד ודומיהם יהיו מרכיבים משמעותיים בצונמי הטכנולוגי הבא.
בעולם ההווה בו רובוטים מרכיבים מוצרים מאלפי חלקים בעצמם, צובעים בכל יום עבודה אלפי כלי רכב ועושים זאת בדיוק מרהיב, או אוספים במהירות מגוון מוצרים מאגפים שונים במרכזים הלוגיסטיים של מפלצות המכירות המקוונות ומארגנים אותם לאריזה, דמיינו מה הרובוטים של העתיד יידעו לעשות.
כשרובוטים ישלטו לחלוטין בפסי הייצור, יחליפו שליחים ונהגים וכשבוטים יתפסו לחלוטין את מקומם של מוקדני תמיכה ואנשי מכירות, עולם העסקים ימצא ללא ספק גם מודלים עסקיים חדשים.
המיקוד בלקוח וצרכיו האישיים, בצירוף טכנולוגיות לייצור של מוצרי Oneof לאדם היחיד ועל פי טעמו, מדפסות תלת ממד ומוצרים דומים שעוד לא קיימים יביאו ודאי להתאמת וייצור המוצרים והשירותים הייחודיים לכל אדם ואדם בנפרד. כל אלה יסתמכו על הדאטה הפרטי המפורט לרמות שלא יאומנו שנצבר עליו ועל מה שבאמת עושה לו את זה (כולל פרטים ואנליזות רבים שאפילו הצרכן לא מודע להם).
במקביל, יתכן מאד שעסקים וחברות עסקיות ישפיעו בעתיד על המציאות, החברה והחינוך הרבה יותר מממשלות, ארגונים ומדינות. כבר היום רואים לכך ניצנים בדמות רשתות חברתיות שמאפשרות החלפת שלטון באפשרות שהן נותנות להפיץ בקלות מסרים שקריים, פייק ניוז ודברי הסתה מטורגטים.
מצד שני, טכנולוגיות כמו בינה מלאכותית, אינטרנט של הדברים, ראיית מכונה, למידה עמוקה והעברת הידע האנושי כולו לענן - כל אלה ודומיהן שעוד לא פותחו יאפשרו לעולם תעשייה ברמה מאוד גבוהה, אבל במחיר סביבתי לא פשוט. אם לא נלמד ונפתור בעיות יסוד בייצור האנרגיה הנדרשת לעולם כל כך מתקדם ומתועש, יש חשש שהכל הקדמה הזו תתברר כעיסקה רעה מאוד למין האנושי.
הנה התעשייה של הדור הרביעי:
https://youtu.be/IMmnSZ7U1qM
סרטון מרשים על תעשיית 4.0 של חברה שמפתחת מוצרים כאלה:
https://youtu.be/LuqrSz6YFgg
חלק מהמרכיבים שנחוצים למהפכה התעשייתית הזו:
https://youtu.be/zlgDkbhDIwo
חוקרים רואים ש-AI ואנליטיקה מתחברות לתעשיית העתיד וישנו את החברה:
https://youtu.be/CD4tzZ4MG9I
האם כך תתנהל התעשייה בדור הבא, בהשוואה לתעשיות ההווה והעבר?
https://youtu.be/HPRURtORnis
אלו חלק מהשינויים שהתעשייה תעבור:
https://youtu.be/ktcRXyE8SaY
התעשייה החכמה היא תעשייה 4.0 של העתיד:
https://youtu.be/Gh4_elXBYBA
וסרטון תיעודי על התעשייה בעתיד דרך מה שעוברת התעשייה הגרמנית כבר היום:
https://youtu.be/Y990kaGbJD0?long=yes
מידע באינטרנט מועבר מצד לצד בסשנים (SESSION). כאן נכנה אותם בעברית "אירועי העברה". בכל סשן כזה מועבר המידע באמצעות מודל חכם שמורכב משבע שכבות. מדע כזה הוא כניסה לאתר, צפייה בסרטון, הורדת קובץ וכדומה.
מטרתו הכוללת של כל אירוע העברה, סשן כזה, היא להעביר את המידע אונליין, בצורה היעילה והבטוחה ביותר ולא כגוש גדול ופגיע של נתונים המאיימים להיתקע ולא להגיע ליעדם.
השיטה מתבססת על פרוטוקול קבוע ומוסכם, מעין שיטה בה מפורק המידע שצריך לעבור, למנות קטנות (Packets) וקלות להעברה.
מטרת המנות הללו, העומדות בבסיס השיטה, היא להעביר את המידע בצורה הטובה ביותר, לנקודה שבצד השני של ההתקשרות.
צד היעד, אליו אמורים להגיע הנתונים, מקבל את אותם "פאקטים", מנות המידע הללו. הוא מחבר אותן למידע המקורי, לפי אותו פרוטוקול מוסכם, למצב שהמידע חוזר להיות כפי שהיה, לפני שפורק על ידי הצד השולח.
#השכבות המעניינות במודל 7 השכבות שאחראי לתהליך החכם הזה:
שכבת הסשן (SESSION) - אחראית על הקשר עם נקודת היעד ועל העברת הנתונים. היא זו שפותחת, מבצעת ומסיימת את ה"שיחה" בין שני המחשבים - השולח והמקבל. השולח הוא יוטיוב, למשל, כשהמקבל הוא הצופה בסרטון.
שכבת התעבורה (TRANSPORT) - אחראית על חלוקת המידע למנות, מספור שלהן ואריזה מחדש. מטרתה היא להעביר את הנתונים בסדר הנכון. שכבה זו אורזת מחדש את הנתונים, בגודל המתאים וכשהיא יודעת את גודל המנה (Packet) הנדרש. הצד המקבל מאשר קבלה של כל מנה ואם לא הגיעו לפי הסדר הוא מסדר את המנות מחדש. במקרה של מנה חסרה, תפקידה של שכבה זו הוא לבקש שליחתה מחדש. בקיצור, שכבה זו מבטיחה העברה בשלמות ובסדר הנכון של הנתונים.
שווה להכיר גם את שכבת קישור הנתונים (Data Link). היא מבצעת מעקב וביקורת וגם אחראית על בקרת הגישה לרשת, כולל או בעיקר תור הדיבור של המחשבים שבצדדים השונים.
כך פועל האינטרנט (מתורגם):
https://youtu.be/ewrBalT_eBM
ותיאור מרהיב של הדרך המדויקת בה עובר המידע מצד לצד:
https://youtu.be/eHp1l73ztB8
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
מרכז נתונים (Data center), המכונה בשפה המקצועית פשוט "דאטה סנטר", הוא אתר המשמש לאיחסון נתונים דיגיטליים, כלומר ממוחשבים, ניהול והפצה שלהם. לעתים הוא נקרא גם "חוות שרתים".
דאטה סנטרים גדולים מכילים מידע שנחוץ לשירותים גדולים כמו חיזוי מזג אוויר, נתוני ניירות ערך, אתרי אינטרנט גדולים וכדומה. רבים מהם מאחסנים המוני אתרים קטנים ובינוניים בחוות שרתים המנוהלות על ידי מקצוענים ופוטרות את החברות הללו מניהול שרתים משל עצמם.
בזמנו התפרסמה תכנית להקמת 36 מגדלים עם 360,000 שרתים שיהיו ביחד מרכז הנתונים הגדול בעולם.
הספקיות הגדולות של הענן הציבורי, כולל אמזון עם AWS, מיקרוסופט עם Azure וגוגל עם Google Cloud, השתלטו בשנים האחרונות על שוק הדטה סנטרים. נכון ל-2021 הן חולשות במשותף על מעל 50% מהדטה סנטרים הגדולים בעולם.
והצמיחה האגרסיבית הזו של הענן באה לידי ביטוי גם בביקושים וגם בהיצע. במקום במרכזי הנתונים של הארגונים, כ-60% מהשרתים שנמכרים כרגע בעולם מוצבים במרכזי הנתונים של ספקיות הענן הגדולות.
הסיבה היא שבמקום לבזבז משאבים על תשתית מרכז הנתונים שלהם, יותר ויותר ארגונים בוחרים בשירותי ספקיות הענן הציבורי, כשהם זקוקים למחשוב משמעותי לאחסון וניהול נתונים והפעלת יישומים עסקיים.
הנה מרכז הנתונים המאובטח של ישראל (בעברית):
https://youtu.be/Sbl49N61fWY
זה של חברת גוגל שתכננה אותו במהלך השנים:
https://youtu.be/eCSt5kerv1k
על מרכז הנתונים הגדול ביותר בעולם המתוכנן באירופה:
https://youtu.be/4e97g7_qSxA
ומרכז הנתונים של חברת פייסבוק:
https://youtu.be/4A_A-CmrqpQ
בואו להתרשם בעצמכם:
https://youtu.be/zDAYZU4A3w0?qr=yes
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
דאטה
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
"דיברתי עם מיטב החוקרים ואני יכול להבטיח לכם שעיבוד נתונים זה סתם גימיק אופנתי שלא יחזיק מעמד שנה!"
כשעורך ספרי העסקים בהוצאת הספרים הנחשבת Francis Hall אמר את המשפט שלמעלה בשנת 1957 וזלזל בעיבוד הנתונים הממוחשב, הוא עשה את אחת הטעויות הגדולות בתולדות העולם העסקי.
פחות מ-20 שנה לאחר מכן כל העסקים הגדולים בכל העולם הפכו לגופים ממוחשבים ו-10 שנים נוספות אחרי כן גם עסקים קטנים אימצו בהמוניהם את בסיסי הנתונים והחישובים שבצעו המחשבים.
כיום ישנם מחשבי על שיודעים לעשות דברים בלתי נתפסים והעתיד עוד לפניהם. בינה מלאכותית, ביג דאטה, למידת מכונה ולמידה עמוקה - אלה רק חלק מהדברים המדהימים שעושים היום מחשבים, שהיו אמורים לפי ה"נבואה" ההיא להיות גימיק ותו לא...
הנה ווטסון של יבמ, מחשב העל הראשון שהביס מתחרים אנושיים בחידון הטלוויזיה ג'יופרדי והראה את העתיד של הבינה המלאכותית:
https://youtu.be/P18EdAKuC1U
הרצאה של האדם שהובס בידי ווטסון (מתורגם):
https://youtu.be/b2M-SeKey4o?long=yes
והרצאה על ווטסון והג'יאופרדי בטלוויזיה (עברית):
https://youtu.be/XGLmbXDEEdw?t=79s?long=yes
תחזית מזג אוויר (Weather Forecast) היא רעיון ישן שבמשך אלפי שנים היה חלום בלתי מושג, שאיש לא הצליח לפצח. אבל כבר בסוף המאה ה-19 הגיעה הטכנולוגיה לרמה ראשונית של הבשלה. ראשונית, כי התחזית הייתה לא מדויקת וגם במקרה בו הצליחה, טווח התחזית היה של יום יומיים מקסימום ולא יותר.
המחשב שינה הכל. כבר משנות ה-60 הלך והחליף החיזוי מבוסס המחשב את כל שיטות החיזוי של פעם. עם התפתחות המחשוב ותפוצת המחשבים האישיים, החלו המטאורולוגים לבצע פעולות חישוב שאפשרו להם להריץ נוסחאות מתקדמות של חיזוי מזג האוויר ולשפר משמעותית את יכולות התחזית שלהם.
למעשה, האפשרות לחזות את מזג האוויר היא אחת המהפכות המעניינות והמהירות בהיסטוריה. ממצב שבו איש לא יכול לחזות את מזג האוויר בעוד שלושה ימים, הגענו בתוך חצי מאה למצב בו מספיק מחשב וידע שניתן לרכוש באינטרנט, בכדי להיות חזאי חובב ברמה יפה ולהגיע אפילו לבד לתחזיות די מדויקות.
ועדיין, יש לא מעט קשיים גם היום בחיזוי מודרני של מזג האוויר. כיום, גם אם יש תצפיות מטאורולוגיות במרבית הארצות בכדור הארץ, אין או חסרות תצפיות מעל מדבריות ואוקיינוסים. יש גם סירוב משמעותי של ארצות במלחמה, לשלוח ולשתף נתונים מטאורולוגיים עם מדינות אחרות.
אז נכון, לתחזיות מזג האוויר יש עוד דרך ארוכה עד שנוכל לצפות לתחזית לגשם ברזולוציה של דקות או לטווחים של מעל 5 ימים. ועדיין, הידע והטכנולוגיה הקיימת מאפשרים לשירותי החיזוי בימינו לתת תחזיות מודרניות ואמינות ברוב המקרים לארבעת ולחמשת הימים הבאים. יש למטאורולוגיה המודרנית אפילו את היכולת לתת הערכות לא רעות לעשרת הימים הבאים.
בשלב הזה נכנסות וייכנסו ללא ספק מערכות תוכנה מבוססות למידה עמוקה (Deep Learning). מצוידות בכמויות דאטה עצומות שיוכנסו אליהן, מערכות אלה יאתרו בעצמן דפוסים וקשרים בהתפתחות מזג האוויר, שישפרו בעתיד הנראה לעין את התחזיות הרבה מעבר למה שאנו משערים.
הנה חזאי מסביר כיצד הוא חוזה את תחזית מזג האוויר (עברית):
http://youtu.be/7joNfy4Ru1E
תוכנות מתקדמות מאפשרות כיום תחזית מזג אוויר משופרת:
https://youtu.be/KP-6Mgt3q4g
למה החזאים עדיין טועים? (עברית)
https://youtu.be/uKqGAKosLP0
ותכנית חינוכית ארוכה על נושא מזג האוויר (עברית):
http://youtu.be/QNvPN7asA9o?long=yes
כיצד תהיה תעשיית העתיד איש מן הסתם לא יכול לחזות. אפשר לשער או לנסות להבין לאן מועדות פני עולם התעשייה, אבל דווקא הלא ידוע הוא שיעצב את העתיד הזה יותר מהדברים הידועים והתחזיות המבוססות על מה שידוע לנו עכשיו.
עם מגוון מרכיבים חדשניים שהולכים ותופסים מקום בעולם התעשייתי כבר היום, יתכן שהם יהיו המרכזיים בה, אם כי לא בטוח שלא ייוולדו תחומים חדשים ומשבשים לעולמות התעשייה והניהול, שיטלטלו אותם עד כדי שינויים מסעירים פי כמה. האינטרנט ששינה את העולם בשנות התשעים הוא דוגמה למתחם כזה, שהפך מאוטוסטרדת המידע, כינוי שרימז על הכמות והמהירות בהן המידע עובר בה, למרכז העולם שלנו, פחות מדור אחר כך.
אם מושגים כמו דיגיטליזציה, קישוריות, דאטה, בינה מלאכותית, ואוטומציה היו מילות הקוד של התעשייה בימינו, לא מן הנמנע שמושגים כמו רובוטיקה מתקדמת, מציאות מדומה, הדפסות תלת ממד ודומיהם יהיו מרכיבים משמעותיים בצונמי הטכנולוגי הבא.
בעולם ההווה בו רובוטים מרכיבים מוצרים מאלפי חלקים בעצמם, צובעים בכל יום עבודה אלפי כלי רכב ועושים זאת בדיוק מרהיב, או אוספים במהירות מגוון מוצרים מאגפים שונים במרכזים הלוגיסטיים של מפלצות המכירות המקוונות ומארגנים אותם לאריזה, דמיינו מה הרובוטים של העתיד יידעו לעשות.
כשרובוטים ישלטו לחלוטין בפסי הייצור, יחליפו שליחים ונהגים וכשבוטים יתפסו לחלוטין את מקומם של מוקדני תמיכה ואנשי מכירות, עולם העסקים ימצא ללא ספק גם מודלים עסקיים חדשים.
המיקוד בלקוח וצרכיו האישיים, בצירוף טכנולוגיות לייצור של מוצרי Oneof לאדם היחיד ועל פי טעמו, מדפסות תלת ממד ומוצרים דומים שעוד לא קיימים יביאו ודאי להתאמת וייצור המוצרים והשירותים הייחודיים לכל אדם ואדם בנפרד. כל אלה יסתמכו על הדאטה הפרטי המפורט לרמות שלא יאומנו שנצבר עליו ועל מה שבאמת עושה לו את זה (כולל פרטים ואנליזות רבים שאפילו הצרכן לא מודע להם).
במקביל, יתכן מאד שעסקים וחברות עסקיות ישפיעו בעתיד על המציאות, החברה והחינוך הרבה יותר מממשלות, ארגונים ומדינות. כבר היום רואים לכך ניצנים בדמות רשתות חברתיות שמאפשרות החלפת שלטון באפשרות שהן נותנות להפיץ בקלות מסרים שקריים, פייק ניוז ודברי הסתה מטורגטים.
מצד שני, טכנולוגיות כמו בינה מלאכותית, אינטרנט של הדברים, ראיית מכונה, למידה עמוקה והעברת הידע האנושי כולו לענן - כל אלה ודומיהן שעוד לא פותחו יאפשרו לעולם תעשייה ברמה מאוד גבוהה, אבל במחיר סביבתי לא פשוט. אם לא נלמד ונפתור בעיות יסוד בייצור האנרגיה הנדרשת לעולם כל כך מתקדם ומתועש, יש חשש שהכל הקדמה הזו תתברר כעיסקה רעה מאוד למין האנושי.
הנה התעשייה של הדור הרביעי:
https://youtu.be/IMmnSZ7U1qM
סרטון מרשים על תעשיית 4.0 של חברה שמפתחת מוצרים כאלה:
https://youtu.be/LuqrSz6YFgg
חלק מהמרכיבים שנחוצים למהפכה התעשייתית הזו:
https://youtu.be/zlgDkbhDIwo
חוקרים רואים ש-AI ואנליטיקה מתחברות לתעשיית העתיד וישנו את החברה:
https://youtu.be/CD4tzZ4MG9I
האם כך תתנהל התעשייה בדור הבא, בהשוואה לתעשיות ההווה והעבר?
https://youtu.be/HPRURtORnis
אלו חלק מהשינויים שהתעשייה תעבור:
https://youtu.be/ktcRXyE8SaY
התעשייה החכמה היא תעשייה 4.0 של העתיד:
https://youtu.be/Gh4_elXBYBA
וסרטון תיעודי על התעשייה בעתיד דרך מה שעוברת התעשייה הגרמנית כבר היום:
https://youtu.be/Y990kaGbJD0?long=yes
