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.
»
«
מה תורם הניסוי לשיטה המדעית?
השיטה המדעית (The scientific method) היא רעיון שנוצר מאז המהפכה המדעית והולדת המדע המודרני, במאה ה-17. השיטה הזו קידמה את הידע האנושי ואת האנושות באופן חסר תקדים בהיסטוריה של האדם.
עיקרון חשוב בשיטה הזו הוא הספקנות (skepticism). המדע משתמש בספק, כלומר בזה שחוקר צריך להיות ביקורתי ולהטיל ספק בממצאים של מחקר שלפניו. במדע יש לבדוק השערות מדעיות ואאחת השיטות הטובות הם הניסוי המדעי. ניסויים הם הדרך לבחון השערות מדעיות ולקדם את הידע המדעי בעולם. תודות לניסוי המדעי ניתן לבדוק הבדלים בין קבוצות וללמוד השפעה של משתנים שונים על הנחקרים.
איך זה עובד?
עיקרון חשוב בניסוי מדעי הוא להקצות את הנבדקים לקבוצת המחקר או הביקורת באופן אקראי, כשההבדל היחיד ביניהן הוא זה שאותו חוקרים. למשל קבוצת מחקר וקבוצת ביקורת, בהן בודקים את השפעת שתייה של קפה על לחץ הדם. לקבוצות יוקצו המשתתפים באופן אקראי וייבדק לחץ הדם שלהם, קבוצת המחקר תשתה קפה וקבוצת הביקורת לא ולאחר מכן ייבדק לחץ הדם של הנחקרים משתי הקבוצות. ההבדל בין לחץ הדם הממוצע או החציוני (עוד פרמטר בסטטיסטיקה) של חברי שתי הקבוצות הוא שיראה את הקשר בין שתיית הקפה ללחץ הדם.
הניסוי צריך להיות מתועד באופן קפדני וזאת כדי שחוקרים אחרים יוכלו לבצע אותו שוב ושוב ולאמת או להפריך את תוצאותיו ובכך לערער על ממצאי המחקר. הספק שחוקר אחד מטיל בתוצאות של חוקרים אחרים הוא הכוח המניע את המחקר המדעי המעולה. אם הוא הפריך את התוצאה של מחקר ואחריו עוד חוקרת ועוד אחד, הדבר יעודד חוקרים אחרים לחפש את ההוכחה במקום אחר. כך ורק כך מגיע המדע המודרני לתוצאות מדהימות!
למה זה כך? - כי עקרון יסוד במדעים המדויקים, למשל, הוא שלא ניתן להוכיח השערה באמצעות תצפית, אלא רק להפריך אותה. גם אם נאסוף אינספור נתונים הנוגעים להשערה ותומכים בה, הם יחזקו אבל לא יוכיחו אותה. לעומת זאת, מספיק שיימצא נתון אחד שיסתור אותה, כדי שהיא תתרסק.
דוגמה יפה לכך היא התיאוריה של תלמי, שזכתה לשם "המודל הגאוצנטרי" (לפיה כדור הארץ הוא מרכז היקום). תלמי היה מדען קדום, שהצליח לאסוף הרבה נתונים שתמכו בתיאוריית כדור הארץ כמרכז היקום. נתונים אלו הספיקו כדי שהשערתו תהפוך באלף השנים הבאות מקובלת על הכל.
אבל אז, הספיקה תצפית אחת של קופרניקוס כדי להפריך את הגישה הזו ולהראות שכדור הארץ רחוק מלהיות מרכז היקום, או אפילו מרכז מערכת השמש. מכאן ישלוט "המודל ההליוצנטרי", בו כדור הארץ מקיף את השמש ושניהם רחוקים מלהיות מרכז היקום.
גם גישת "על כתפי נפילים" היא חלק מרכזי בשיטה המדעית. כך לדוגמה תרמו מחקרי היוונים על האֶליפּסה רבות לגיבוש תורתו של קֶפְּלֶר על מסלוליהם של כוכבי הלכת. שלושת החוקים של קֶפְּלֶר עצמו, על תנועת גרמי השמיים, תרמו בתורם תרומה אדירה לחוקי הכבידה של ניוטון. כך ניוטון עמד על כתפי קפלר, שעמד על כתפיים יווניות וכך הלאה.
תוכלו ללמוד עוד הרבה על הנושא בתגית "ניסויים". ועל ניסויים פורצי דרך ומרתקים בתולדות המדע תקראו בתגית "ניסויים מפורסמים".
הנה הסבר הניסוי המדעי (מתורגם):
https://youtu.be/GUpd2HJHUt8
פעמים רבות דווקא השאלות הפשוטות מביאות לתגליות מדעיות חשובות (מתורגם):
https://youtu.be/F8UFGu2M2gM
והספקנות שבבסיס המדע, למה חשוב להיות ספקן במדע? - דוגמת האקלים (מתורגם)
https://youtu.be/stGBDI2SgEU
מה המיקרוסקופ עושה?
מִיקְרוֹסְקוֹפְּ (Microscope) הוא מכשיר שבאמצעותו ניתן להתבונן בהגדלה, בעצמים קטנים וזעירים, שיכולת העין האנושית לא מאפשרת לראותם ללא הגדלה.
המצאת המיקרוסקופ הובילה למהפכה המדעית של חצי האלף האחרון. המיקרוסקופ איפשר התקדמות אדירה במחקר המדעי. מדובר במכשיר שמאפשר לצפות בגופים זעירים ולהציג תמונה מוגדלת שלהם, מה שהיה ונשאר הכרחי במחקר של מדעי החיים, ביולוגיה, כימיה ועוד.
להמצאת המכשיר שאנו מכירים כמיקרוסקופ קדמה המצאת זכוכית המגדלת, שגם היא נקראה בזמנו מיקרוסקופ. היות וזכוכית מגדלת מכילה רק זכוכית קמורה היא סוג של מיקרוסקופ פשוט ביותר, המאפשר הגדלה צנועה.
המיקרוסקופ המורכב, שהומצא בהולנד בסוף המאה ה-16, השתמש בשתי עדשות והשיג לפיכך הגדלה משמעותית. במיקרוסקופ כזה עדשה אחת מציגה דמות מוגדלת של העצם שאותו בוחנים ועדשה שנייה מגדילה את המראה שלו עוד יותר.
במיקרוסקופ הפשוט של ימינו יש קבוצת עדשות במקום כל אחת משתי העדשות של המיקרוסקופ המוקדם. המיקרוסקופ הזה מציג תמונה מדויקת ומוגדלת פי כמה.
המיקרוסקופ האלקטרוני המודרני מציע אפשרויות מדהימות בהרבה ויכול להביא להגדלה של עד פי 100,000 מהגודל של המרכיב הנחקר. זו הגדלה שפתחה למדענים צוהר לבחינה של מרכיבים שהיו עד להמצאתו רק תיאורטיים ובעזרתו המדענים זכו לבחון אותם לראשונה.
הנה דברים מוכרים שאנו מכירים כפי שהוגדלו דרך המיקרוסקופ:
http://youtu.be/P-n5TbifUIQ
היצורים המופלאים וזעירים שעל גופנו, כפי שהוגדלו במיקרוסקופ אלקטרוני:
http://youtu.be/QrmashOX5EU
והגדלה מיקרוסקופית שלא תאומן של עצמים זערוריים:
https://youtu.be/ZyXrtODhJEA
מהו מבחן טיורינג?
אלן טיורינג עסק רבות בנושא של בינה מלאכותית. הוא לא מצא טעם בשאלה "האם מכונות מסוגלות לחשוב?" והציע דרך מעניינת ופשוטה לקבוע האם מכונה היא אינטיליגנטית. הוא קרא לדרך שלו "מבחן טיורינג".
מבחן טיורינג הוא הכינוי שנתן אלן טיורינג למבחן שעליו המליץ במאמר שפרסם בשנת 1950. הדרך שהציע טיורינג לוודא האם למכונה יש בינה מלאכותית היא שחוקר יקיים שיחה טקסטואלית בשפה טבעית (היום הוא היה קורא לזה צ'אט) עם שניים שנסתרים מעיניו: אדם ומכונה. אם לאחר השיחה לא יצליח החוקר לקבוע בביטחון מיהו האדם ומי המכונה, הרי שהמכונה עברה את המבחן ויש לה בינה מלאכותית.
בתחילה קרא לזה טיורינג "משחק החיקוי" ועם השנים השתרש המושג "מבחן טיורינג". מאז הוא נחשב לברומטר של אינטליגנציה דמוית אדם.
בשנים האחרונות דווח שמתכנתים רוסים פיתחו את תוכנת המחשב "יוג'ין גוסטמן" שלראשונה הצליחה לשטות בחוקרים ולהתחזות לנער בן 13 מאוקראינה, ובכך לעבור את מבחן טיורינג בהצלחה. למרות ביקורת רבה על המבחן, זוהי דוגמה נוספת לניסיונות הרבים לעבור את המבחן בהצלחה ולהגיע לשלב הבא בהתפתחות תחום הבינה המלאכותית וחקר התודעה האנושית.
באפריל 2025 פורסם שאחד מדגמי השפה הגדולים עבר מבחן טיורינג. החוקרים דווחו שבגרסת שלושה צדדים של מבחן טיורינג, בו שוחחו 300 המשתתפים עם אדם ועם AI בו-זמנית ולאחר מכן מעריכים מי הוא מי, מודל ה-GPT-4.5 של OpenAI, שקיבל הוראה לאמץ פרסונה אנושית, זוהה כבן אדם בעיני 73% מהזמן.
מדובר באחוז גבוה משמעותית מסיכוי לניחוש שנהוג לחשב כ-50%, מה שמראה שמודל השפה המוביל עבר את מבחן טיורינג. ועדיין, המחקר ממתין לביקורת עמיתים, כמקובל בשיטה המדעית. בנוסף, על אף שמבחן טיורינג נתפס כפסגת ההוכחה בחוגי בינה מלאכותית ופילוסופיה, זו עדיין לא הוכחה חד משמעית לכך שבינה מלאכותית שעוברת אותו אכן חושבת כמונו.
הנה הסבר פשוט לגבי מבחן טיורינג (עברית):
http://youtu.be/YTNasDfDE6U?t=1m8s
הסבר מעמיק יותר עם תרגום לעברית, על המבחן של טיורינג כאמצעי לזיהוי תבונת מחשב (מתורגם):
https://youtu.be/3wLqsRLvV-c
רובוטים כמו ג'ולס, היכולים לנהל שיחה, הם העתיד של הבינה המלאכותית:
https://youtu.be/IhVu2hxm07E
על מבחן טיורינג ועושה מבחן טיורינג המוני (עברית):
http://youtu.be/gfMtkfVkqaA
הסבר של מבחן טיורינג באנגלית:
http://youtu.be/1uDa7jkIztw
הסרט הנהדר "אקס מאכינה" מציג בתסריט מרהיב בעיות יסוד בנושא:
https://youtu.be/EoQuVnKhxaM
ודוגמה למערכות שעושות שימוש באינטיליגנציה מלאכותית כדי לתקשר עם לקוחות (עברית):
http://youtu.be/KpCJldSYMTQ
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
מהם סקרים ומה הבעיה בהם?
שמעון פרס אמר עליהם פעם ש"סקרים הם כמו בושם. אפשר להריח אותם אבל לא כדאי לשתות...". מי כמוהו חווה את כשלון הסוקרים, שמסתמכים על מדגמי ענק אך לא מצליחים לזהות את המגמות האמיתיות בבחירות.
סקר (Poll) הוא מדידה של משהו במדגם, חלק קטן באוכלוסיה, ושימוש באמצעים סטיטסטיים כדי להכליל על האוכלוסייה כולה. התחזיות של סקרים פוליטיים, למשל, מתבססות על מדגם קטן של קלפיות, שבו מתבקשים אנשים להצביע בקלפי המדגם, כמו שהצביעו בקלפי האמיתית. על המדגם להיות לא "מוטה", כלומר שיהיה בו ייצוג שווה של קבוצות שונות באוכלוסייה.
בשנים האחרונות הולכים הסקרים ומאבדים את היכולת לחזות מגמות פוליטיות. זו מגמה שהולכת ומתבררת בהרבה מאד מקומות. מישראל של בחירות 2015, בהן ניצח ראש הממשלה, בניגוד לכל הסקרים שחזו את נפילתו, דרך סקרים שהכזיבו בגדול בעולם כולו.
דוגמאות לכישלונות של סקרים לא חסרות. המפורסמים שביניהם הם תוצאות המהפך בבחירות בישראל ב-1977, ההפתעה המדהימה של הברקזיט במשאל העם האנגלי שהביא להיפרדות מגוש היורו והניצחון הבלתי צפוי של דונלד טראמפ בקמפיין הראשון שלו לנשיאות ארצות הברית.
אז מה הבעיה בסקרים?
מזה שנים מצביעים מומחים על הדרך שבה מתקבלות ומפוענחות לא נכון תוצאות המדגמים. הן מצביעות על נצחון של מי שלבסוף יתגלה כמובס במערכת הבחירות. שוב ושוב טופחות תוצאות האמת על פניהם של הסוקרים ומצליחה לערער את אמינותם.
מצד שני, לא פעם משפיעות תוצאות הסקרים על תוצאות הבחירות עצמן. זאת מכיוון שהבוחרים מחליטים למי להצביע בהתאם למה שהסקרים מראים. כך לדוגמה, אם הם קוראים בסקר שהליכוד עומד לנחול תבוסה בבחירות ובשל כך הם "חוזרים הביתה", להצביע לו ולהביא לניצחונו.
מצד אחד, הסקר הוא הכלי האובייקטיבי ביותר שעומד לרשות הפוליטיקאים. בעזרתו הם מנסים לנבא את התנהגות הבוחרים והעמדות שלהם.
מצד שני הניסיון כבר הוכיח עד כמה חשוב להתייחס אל הסקרים בזהירות. אם משתמשים בהם בלי להיות מודעים לחולשות ולבעיות שבהם - נוהגים בחוסר אחריות ובטפשות של ממש.
למשל, ההתעלמות מכך שבתנאים של קרבה לתיקו בהצבעה, המשמעות הפוליטית של הסטייה הסטטיסטית, סטייה שתמיד תהיה שם והיא נסבלת בכל סיטואציה אחרת, היא עצומה. במילים פשוטות, אם טראמפ והילרי מתחרים בצמידות, או שמתנגדי הברקזיט מתחלקים כמעט 50-50, הרי שהסקר לא יוכל לומר מי ינצח. כל סטייה קטנה תמליך צד אחר.
יש גם בעיות אחרות, כמו העובדה שתוצאות הסקר, גם אם נקבל אותן כמו שהן, נכונות רק ליום הסקר. בקמפיין פוליטי הופך כל יום לסיפור חדש והשינויים הללו הם כל כך משמעותיים, במיוחד במירוץ צמוד, שהסקר של שלשום שווה לניחוש פשוט.
בעיה נוספת היא אמינות הנסקרים. יותר ויותר אנשים נלחצים מלהודות בעובדות שונות שקשורות בתמיכה במועמד או בנושא שנוי במחלוקת. קשה להם להציב את עצמם בקבוצה הנרדפת על ידי דעת הקהל והתקשורת הדומיננטית והם מספרים לסוקר דבר אחד, בזמן שבקלפי הם עושים דבר הפוך.
בישראל למשל, יש טענה קבועה שיש מגזרים באוכלוסיה, שאינם משתפים פעולה. גם שינויים טכנולוגיים, במיוחד כניסת האינטרנט, הרשתות החברתיות, החדשות שכבר לא מתקבלות מכלי התקשורת הגדולים דווקא - כל אלו הפכו את הסקרים ויכולת הניבוי שלהם לבעייתיים מאד.
מצד שני, הסקרים, במיוחד הכמותיים שבהם, מהווים עדיין את כלי העבודה העיקרי של הפוליטיקאים ויועציהם. גורלות נחרצים על פיהם ובאין כלי אחר, מתקבלות על פי הסקרים (לרוב סקרי עומק) החלטות פוליטיות חשובות מאד, לפחות בתקופת מערכת בחירות, על פי תוצאות הסקרים הללו.
בתנאים כאלה, עיבוד הנתונים ופירושם על ידי הסוקרים ובאופן כללי המקצועיות שלהם, הופכים למרכיב הקובע ביכולת להתגבר על מגוון הבעיות שבשיטת הסקר.
מה הבעיה עם הסקרים של הבחירות? (עברית)
https://youtu.be/am0Bz86egv8
הסבר "לילדים" (עברית):
https://youtu.be/Us8pVTrmN6I
עולם הסקרים הפוליטיים (מתורגם):
https://youtu.be/ubR8rEgSZSU
ובארץ יש מי שמנסים לבדוק אותו (עברית):
https://youtu.be/c1odMcMrcpo
מה זה גרף ולמה צריך גרפים?
גְּרָף (Graph Data), או גרף נתונים, הוא תיאור שבדרך כלל הוא דו-ממדי של מספר פרטי מידע המקושרים ביניהם על ידי יחסים כלשהם.
הגרף ישמש בדרך כלל להצגה חזותית של מידע כמותי. הוא מאפשר השוואה של הפריטים השונים זה לזה, בעזרת יחידות המידה שבדרך כלל מוצגות על הציר או על שני צירי הגרף. כי גם אם גרפים עתירי נתונים יוצגו לעתים עם מערכת צירים תלת-ממדית, בדרך כלל הם יוצגו בגרפים המבוססים על מערכת צירים דו-ממדית.
הציר האופקי, הציר שממש כמו האופק שאליו אנו מביטים נמתח לרוחב, יציג בדרך כלל את המשתנה. אם למשל נציג גרף של פופולריות של מוצר לאורך תקופה מסוימת, אז הציר האופקי יציג את הזמן, למשל את החודשים בשנה האחרונה.
הציר האנכי, העומד, יציג את הפונקציה. למשל בגרף של פופולריות המוצר בשנה האחרונה הציר הזה יציג את הפופולריות שלו, הפונקציה של המשתנה - כמה המוצר נמכר, או מה אחוז הנשאלים שאהבו את המוצר בסקר החודשי.
#למה צריך את זה?
גדולתו של הגרף היא בייצוג ויזואלי והשוואתי, באופן מופשט וללא מידע מיותר. כל זה לגבי קבוצת הפריטים או הנתונים, כשכולם מקושרים ביניהם באופן כלשהו.
יתרונם הגדול של הגרפים הוא בקלות ובמהירות של קליטת המידע מהם. גרף טוב יאפשר זיהוי מהיר של הקשר בין הנתונים והיחסים ביניהם, לעתים גם כולל המגמות שניתן לזהות בהם והחריגות שבין הנתונים.
#סוגי גרפים
ישנם כמה סוגי גרפים, כשלכל סוג יש יתרונות משלו ושימושים מתאימים לסוג המידע שהוא מציג היטב לצרכי ויזואליזציה של נתונים.
הגרפים הבולטים, השכיחים והשימושיים ביותר הם גרף עמודות, גרף קו, גרף עוגה, היסטוגרמה, גרף פיזור, תרשים קופסה (Box Plot), גרף בועות, גרף רציף, גרף נרות יפניים (גרף קו המציג את המדידות בניתוח טכני באופן משוכלל יותר מנקודות על הקו) ומפת חום (Heatmap) שהיא מעט שונה אבל נחשבת גם היא לסוג של גרף.
למחקר תאורטי נרחב זכו הגרפים במסגרת תורת הגרפים. ישנם סוגי גרפים שונים. להיכרות איתם ראו את תגית "סוגי גרפים".
הנה הסבר לילדים על מה זה גרף:
https://youtu.be/LW7I0Skjaew
כמה מסוגי הגרפים שמשתמשים בהם:
https://youtu.be/bmY28wdGL9M
איך יודעים באיזה גרף להשתמש בכל הקשר?
https://youtu.be/o7F-tbBl_hA
גרף נתונים בקו שמדגים את השינויים לאורך זמן (עברית):
https://youtu.be/siBhC7scAdQ
כך אפשר לזהות הטעיה באמצעות גרף (מתורגם):
https://youtu.be/E91bGT9BjYk
וגרף הנרות היפניים בעולם המסחר במניות (עברית):
https://youtu.be/FPZbtNtbMtc?long=yes
השיטה המדעית (The scientific method) היא רעיון שנוצר מאז המהפכה המדעית והולדת המדע המודרני, במאה ה-17. השיטה הזו קידמה את הידע האנושי ואת האנושות באופן חסר תקדים בהיסטוריה של האדם.
עיקרון חשוב בשיטה הזו הוא הספקנות (skepticism). המדע משתמש בספק, כלומר בזה שחוקר צריך להיות ביקורתי ולהטיל ספק בממצאים של מחקר שלפניו. במדע יש לבדוק השערות מדעיות ואאחת השיטות הטובות הם הניסוי המדעי. ניסויים הם הדרך לבחון השערות מדעיות ולקדם את הידע המדעי בעולם. תודות לניסוי המדעי ניתן לבדוק הבדלים בין קבוצות וללמוד השפעה של משתנים שונים על הנחקרים.
איך זה עובד?
עיקרון חשוב בניסוי מדעי הוא להקצות את הנבדקים לקבוצת המחקר או הביקורת באופן אקראי, כשההבדל היחיד ביניהן הוא זה שאותו חוקרים. למשל קבוצת מחקר וקבוצת ביקורת, בהן בודקים את השפעת שתייה של קפה על לחץ הדם. לקבוצות יוקצו המשתתפים באופן אקראי וייבדק לחץ הדם שלהם, קבוצת המחקר תשתה קפה וקבוצת הביקורת לא ולאחר מכן ייבדק לחץ הדם של הנחקרים משתי הקבוצות. ההבדל בין לחץ הדם הממוצע או החציוני (עוד פרמטר בסטטיסטיקה) של חברי שתי הקבוצות הוא שיראה את הקשר בין שתיית הקפה ללחץ הדם.
הניסוי צריך להיות מתועד באופן קפדני וזאת כדי שחוקרים אחרים יוכלו לבצע אותו שוב ושוב ולאמת או להפריך את תוצאותיו ובכך לערער על ממצאי המחקר. הספק שחוקר אחד מטיל בתוצאות של חוקרים אחרים הוא הכוח המניע את המחקר המדעי המעולה. אם הוא הפריך את התוצאה של מחקר ואחריו עוד חוקרת ועוד אחד, הדבר יעודד חוקרים אחרים לחפש את ההוכחה במקום אחר. כך ורק כך מגיע המדע המודרני לתוצאות מדהימות!
למה זה כך? - כי עקרון יסוד במדעים המדויקים, למשל, הוא שלא ניתן להוכיח השערה באמצעות תצפית, אלא רק להפריך אותה. גם אם נאסוף אינספור נתונים הנוגעים להשערה ותומכים בה, הם יחזקו אבל לא יוכיחו אותה. לעומת זאת, מספיק שיימצא נתון אחד שיסתור אותה, כדי שהיא תתרסק.
דוגמה יפה לכך היא התיאוריה של תלמי, שזכתה לשם "המודל הגאוצנטרי" (לפיה כדור הארץ הוא מרכז היקום). תלמי היה מדען קדום, שהצליח לאסוף הרבה נתונים שתמכו בתיאוריית כדור הארץ כמרכז היקום. נתונים אלו הספיקו כדי שהשערתו תהפוך באלף השנים הבאות מקובלת על הכל.
אבל אז, הספיקה תצפית אחת של קופרניקוס כדי להפריך את הגישה הזו ולהראות שכדור הארץ רחוק מלהיות מרכז היקום, או אפילו מרכז מערכת השמש. מכאן ישלוט "המודל ההליוצנטרי", בו כדור הארץ מקיף את השמש ושניהם רחוקים מלהיות מרכז היקום.
גם גישת "על כתפי נפילים" היא חלק מרכזי בשיטה המדעית. כך לדוגמה תרמו מחקרי היוונים על האֶליפּסה רבות לגיבוש תורתו של קֶפְּלֶר על מסלוליהם של כוכבי הלכת. שלושת החוקים של קֶפְּלֶר עצמו, על תנועת גרמי השמיים, תרמו בתורם תרומה אדירה לחוקי הכבידה של ניוטון. כך ניוטון עמד על כתפי קפלר, שעמד על כתפיים יווניות וכך הלאה.
תוכלו ללמוד עוד הרבה על הנושא בתגית "ניסויים". ועל ניסויים פורצי דרך ומרתקים בתולדות המדע תקראו בתגית "ניסויים מפורסמים".
הנה הסבר הניסוי המדעי (מתורגם):
https://youtu.be/GUpd2HJHUt8
פעמים רבות דווקא השאלות הפשוטות מביאות לתגליות מדעיות חשובות (מתורגם):
https://youtu.be/F8UFGu2M2gM
והספקנות שבבסיס המדע, למה חשוב להיות ספקן במדע? - דוגמת האקלים (מתורגם)
https://youtu.be/stGBDI2SgEU
מִיקְרוֹסְקוֹפְּ (Microscope) הוא מכשיר שבאמצעותו ניתן להתבונן בהגדלה, בעצמים קטנים וזעירים, שיכולת העין האנושית לא מאפשרת לראותם ללא הגדלה.
המצאת המיקרוסקופ הובילה למהפכה המדעית של חצי האלף האחרון. המיקרוסקופ איפשר התקדמות אדירה במחקר המדעי. מדובר במכשיר שמאפשר לצפות בגופים זעירים ולהציג תמונה מוגדלת שלהם, מה שהיה ונשאר הכרחי במחקר של מדעי החיים, ביולוגיה, כימיה ועוד.
להמצאת המכשיר שאנו מכירים כמיקרוסקופ קדמה המצאת זכוכית המגדלת, שגם היא נקראה בזמנו מיקרוסקופ. היות וזכוכית מגדלת מכילה רק זכוכית קמורה היא סוג של מיקרוסקופ פשוט ביותר, המאפשר הגדלה צנועה.
המיקרוסקופ המורכב, שהומצא בהולנד בסוף המאה ה-16, השתמש בשתי עדשות והשיג לפיכך הגדלה משמעותית. במיקרוסקופ כזה עדשה אחת מציגה דמות מוגדלת של העצם שאותו בוחנים ועדשה שנייה מגדילה את המראה שלו עוד יותר.
במיקרוסקופ הפשוט של ימינו יש קבוצת עדשות במקום כל אחת משתי העדשות של המיקרוסקופ המוקדם. המיקרוסקופ הזה מציג תמונה מדויקת ומוגדלת פי כמה.
המיקרוסקופ האלקטרוני המודרני מציע אפשרויות מדהימות בהרבה ויכול להביא להגדלה של עד פי 100,000 מהגודל של המרכיב הנחקר. זו הגדלה שפתחה למדענים צוהר לבחינה של מרכיבים שהיו עד להמצאתו רק תיאורטיים ובעזרתו המדענים זכו לבחון אותם לראשונה.
הנה דברים מוכרים שאנו מכירים כפי שהוגדלו דרך המיקרוסקופ:
http://youtu.be/P-n5TbifUIQ
היצורים המופלאים וזעירים שעל גופנו, כפי שהוגדלו במיקרוסקופ אלקטרוני:
http://youtu.be/QrmashOX5EU
והגדלה מיקרוסקופית שלא תאומן של עצמים זערוריים:
https://youtu.be/ZyXrtODhJEA
אלן טיורינג עסק רבות בנושא של בינה מלאכותית. הוא לא מצא טעם בשאלה "האם מכונות מסוגלות לחשוב?" והציע דרך מעניינת ופשוטה לקבוע האם מכונה היא אינטיליגנטית. הוא קרא לדרך שלו "מבחן טיורינג".
מבחן טיורינג הוא הכינוי שנתן אלן טיורינג למבחן שעליו המליץ במאמר שפרסם בשנת 1950. הדרך שהציע טיורינג לוודא האם למכונה יש בינה מלאכותית היא שחוקר יקיים שיחה טקסטואלית בשפה טבעית (היום הוא היה קורא לזה צ'אט) עם שניים שנסתרים מעיניו: אדם ומכונה. אם לאחר השיחה לא יצליח החוקר לקבוע בביטחון מיהו האדם ומי המכונה, הרי שהמכונה עברה את המבחן ויש לה בינה מלאכותית.
בתחילה קרא לזה טיורינג "משחק החיקוי" ועם השנים השתרש המושג "מבחן טיורינג". מאז הוא נחשב לברומטר של אינטליגנציה דמוית אדם.
בשנים האחרונות דווח שמתכנתים רוסים פיתחו את תוכנת המחשב "יוג'ין גוסטמן" שלראשונה הצליחה לשטות בחוקרים ולהתחזות לנער בן 13 מאוקראינה, ובכך לעבור את מבחן טיורינג בהצלחה. למרות ביקורת רבה על המבחן, זוהי דוגמה נוספת לניסיונות הרבים לעבור את המבחן בהצלחה ולהגיע לשלב הבא בהתפתחות תחום הבינה המלאכותית וחקר התודעה האנושית.
באפריל 2025 פורסם שאחד מדגמי השפה הגדולים עבר מבחן טיורינג. החוקרים דווחו שבגרסת שלושה צדדים של מבחן טיורינג, בו שוחחו 300 המשתתפים עם אדם ועם AI בו-זמנית ולאחר מכן מעריכים מי הוא מי, מודל ה-GPT-4.5 של OpenAI, שקיבל הוראה לאמץ פרסונה אנושית, זוהה כבן אדם בעיני 73% מהזמן.
מדובר באחוז גבוה משמעותית מסיכוי לניחוש שנהוג לחשב כ-50%, מה שמראה שמודל השפה המוביל עבר את מבחן טיורינג. ועדיין, המחקר ממתין לביקורת עמיתים, כמקובל בשיטה המדעית. בנוסף, על אף שמבחן טיורינג נתפס כפסגת ההוכחה בחוגי בינה מלאכותית ופילוסופיה, זו עדיין לא הוכחה חד משמעית לכך שבינה מלאכותית שעוברת אותו אכן חושבת כמונו.
הנה הסבר פשוט לגבי מבחן טיורינג (עברית):
http://youtu.be/YTNasDfDE6U?t=1m8s
הסבר מעמיק יותר עם תרגום לעברית, על המבחן של טיורינג כאמצעי לזיהוי תבונת מחשב (מתורגם):
https://youtu.be/3wLqsRLvV-c
רובוטים כמו ג'ולס, היכולים לנהל שיחה, הם העתיד של הבינה המלאכותית:
https://youtu.be/IhVu2hxm07E
על מבחן טיורינג ועושה מבחן טיורינג המוני (עברית):
http://youtu.be/gfMtkfVkqaA
הסבר של מבחן טיורינג באנגלית:
http://youtu.be/1uDa7jkIztw
הסרט הנהדר "אקס מאכינה" מציג בתסריט מרהיב בעיות יסוד בנושא:
https://youtu.be/EoQuVnKhxaM
ודוגמה למערכות שעושות שימוש באינטיליגנציה מלאכותית כדי לתקשר עם לקוחות (עברית):
http://youtu.be/KpCJldSYMTQ
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
כלי מחקר
שמעון פרס אמר עליהם פעם ש"סקרים הם כמו בושם. אפשר להריח אותם אבל לא כדאי לשתות...". מי כמוהו חווה את כשלון הסוקרים, שמסתמכים על מדגמי ענק אך לא מצליחים לזהות את המגמות האמיתיות בבחירות.
סקר (Poll) הוא מדידה של משהו במדגם, חלק קטן באוכלוסיה, ושימוש באמצעים סטיטסטיים כדי להכליל על האוכלוסייה כולה. התחזיות של סקרים פוליטיים, למשל, מתבססות על מדגם קטן של קלפיות, שבו מתבקשים אנשים להצביע בקלפי המדגם, כמו שהצביעו בקלפי האמיתית. על המדגם להיות לא "מוטה", כלומר שיהיה בו ייצוג שווה של קבוצות שונות באוכלוסייה.
בשנים האחרונות הולכים הסקרים ומאבדים את היכולת לחזות מגמות פוליטיות. זו מגמה שהולכת ומתבררת בהרבה מאד מקומות. מישראל של בחירות 2015, בהן ניצח ראש הממשלה, בניגוד לכל הסקרים שחזו את נפילתו, דרך סקרים שהכזיבו בגדול בעולם כולו.
דוגמאות לכישלונות של סקרים לא חסרות. המפורסמים שביניהם הם תוצאות המהפך בבחירות בישראל ב-1977, ההפתעה המדהימה של הברקזיט במשאל העם האנגלי שהביא להיפרדות מגוש היורו והניצחון הבלתי צפוי של דונלד טראמפ בקמפיין הראשון שלו לנשיאות ארצות הברית.
אז מה הבעיה בסקרים?
מזה שנים מצביעים מומחים על הדרך שבה מתקבלות ומפוענחות לא נכון תוצאות המדגמים. הן מצביעות על נצחון של מי שלבסוף יתגלה כמובס במערכת הבחירות. שוב ושוב טופחות תוצאות האמת על פניהם של הסוקרים ומצליחה לערער את אמינותם.
מצד שני, לא פעם משפיעות תוצאות הסקרים על תוצאות הבחירות עצמן. זאת מכיוון שהבוחרים מחליטים למי להצביע בהתאם למה שהסקרים מראים. כך לדוגמה, אם הם קוראים בסקר שהליכוד עומד לנחול תבוסה בבחירות ובשל כך הם "חוזרים הביתה", להצביע לו ולהביא לניצחונו.
מצד אחד, הסקר הוא הכלי האובייקטיבי ביותר שעומד לרשות הפוליטיקאים. בעזרתו הם מנסים לנבא את התנהגות הבוחרים והעמדות שלהם.
מצד שני הניסיון כבר הוכיח עד כמה חשוב להתייחס אל הסקרים בזהירות. אם משתמשים בהם בלי להיות מודעים לחולשות ולבעיות שבהם - נוהגים בחוסר אחריות ובטפשות של ממש.
למשל, ההתעלמות מכך שבתנאים של קרבה לתיקו בהצבעה, המשמעות הפוליטית של הסטייה הסטטיסטית, סטייה שתמיד תהיה שם והיא נסבלת בכל סיטואציה אחרת, היא עצומה. במילים פשוטות, אם טראמפ והילרי מתחרים בצמידות, או שמתנגדי הברקזיט מתחלקים כמעט 50-50, הרי שהסקר לא יוכל לומר מי ינצח. כל סטייה קטנה תמליך צד אחר.
יש גם בעיות אחרות, כמו העובדה שתוצאות הסקר, גם אם נקבל אותן כמו שהן, נכונות רק ליום הסקר. בקמפיין פוליטי הופך כל יום לסיפור חדש והשינויים הללו הם כל כך משמעותיים, במיוחד במירוץ צמוד, שהסקר של שלשום שווה לניחוש פשוט.
בעיה נוספת היא אמינות הנסקרים. יותר ויותר אנשים נלחצים מלהודות בעובדות שונות שקשורות בתמיכה במועמד או בנושא שנוי במחלוקת. קשה להם להציב את עצמם בקבוצה הנרדפת על ידי דעת הקהל והתקשורת הדומיננטית והם מספרים לסוקר דבר אחד, בזמן שבקלפי הם עושים דבר הפוך.
בישראל למשל, יש טענה קבועה שיש מגזרים באוכלוסיה, שאינם משתפים פעולה. גם שינויים טכנולוגיים, במיוחד כניסת האינטרנט, הרשתות החברתיות, החדשות שכבר לא מתקבלות מכלי התקשורת הגדולים דווקא - כל אלו הפכו את הסקרים ויכולת הניבוי שלהם לבעייתיים מאד.
מצד שני, הסקרים, במיוחד הכמותיים שבהם, מהווים עדיין את כלי העבודה העיקרי של הפוליטיקאים ויועציהם. גורלות נחרצים על פיהם ובאין כלי אחר, מתקבלות על פי הסקרים (לרוב סקרי עומק) החלטות פוליטיות חשובות מאד, לפחות בתקופת מערכת בחירות, על פי תוצאות הסקרים הללו.
בתנאים כאלה, עיבוד הנתונים ופירושם על ידי הסוקרים ובאופן כללי המקצועיות שלהם, הופכים למרכיב הקובע ביכולת להתגבר על מגוון הבעיות שבשיטת הסקר.
מה הבעיה עם הסקרים של הבחירות? (עברית)
https://youtu.be/am0Bz86egv8
הסבר "לילדים" (עברית):
https://youtu.be/Us8pVTrmN6I
עולם הסקרים הפוליטיים (מתורגם):
https://youtu.be/ubR8rEgSZSU
ובארץ יש מי שמנסים לבדוק אותו (עברית):
https://youtu.be/c1odMcMrcpo
גְּרָף (Graph Data), או גרף נתונים, הוא תיאור שבדרך כלל הוא דו-ממדי של מספר פרטי מידע המקושרים ביניהם על ידי יחסים כלשהם.
הגרף ישמש בדרך כלל להצגה חזותית של מידע כמותי. הוא מאפשר השוואה של הפריטים השונים זה לזה, בעזרת יחידות המידה שבדרך כלל מוצגות על הציר או על שני צירי הגרף. כי גם אם גרפים עתירי נתונים יוצגו לעתים עם מערכת צירים תלת-ממדית, בדרך כלל הם יוצגו בגרפים המבוססים על מערכת צירים דו-ממדית.
הציר האופקי, הציר שממש כמו האופק שאליו אנו מביטים נמתח לרוחב, יציג בדרך כלל את המשתנה. אם למשל נציג גרף של פופולריות של מוצר לאורך תקופה מסוימת, אז הציר האופקי יציג את הזמן, למשל את החודשים בשנה האחרונה.
הציר האנכי, העומד, יציג את הפונקציה. למשל בגרף של פופולריות המוצר בשנה האחרונה הציר הזה יציג את הפופולריות שלו, הפונקציה של המשתנה - כמה המוצר נמכר, או מה אחוז הנשאלים שאהבו את המוצר בסקר החודשי.
#למה צריך את זה?
גדולתו של הגרף היא בייצוג ויזואלי והשוואתי, באופן מופשט וללא מידע מיותר. כל זה לגבי קבוצת הפריטים או הנתונים, כשכולם מקושרים ביניהם באופן כלשהו.
יתרונם הגדול של הגרפים הוא בקלות ובמהירות של קליטת המידע מהם. גרף טוב יאפשר זיהוי מהיר של הקשר בין הנתונים והיחסים ביניהם, לעתים גם כולל המגמות שניתן לזהות בהם והחריגות שבין הנתונים.
#סוגי גרפים
ישנם כמה סוגי גרפים, כשלכל סוג יש יתרונות משלו ושימושים מתאימים לסוג המידע שהוא מציג היטב לצרכי ויזואליזציה של נתונים.
הגרפים הבולטים, השכיחים והשימושיים ביותר הם גרף עמודות, גרף קו, גרף עוגה, היסטוגרמה, גרף פיזור, תרשים קופסה (Box Plot), גרף בועות, גרף רציף, גרף נרות יפניים (גרף קו המציג את המדידות בניתוח טכני באופן משוכלל יותר מנקודות על הקו) ומפת חום (Heatmap) שהיא מעט שונה אבל נחשבת גם היא לסוג של גרף.
למחקר תאורטי נרחב זכו הגרפים במסגרת תורת הגרפים. ישנם סוגי גרפים שונים. להיכרות איתם ראו את תגית "סוגי גרפים".
הנה הסבר לילדים על מה זה גרף:
https://youtu.be/LW7I0Skjaew
כמה מסוגי הגרפים שמשתמשים בהם:
https://youtu.be/bmY28wdGL9M
איך יודעים באיזה גרף להשתמש בכל הקשר?
https://youtu.be/o7F-tbBl_hA
גרף נתונים בקו שמדגים את השינויים לאורך זמן (עברית):
https://youtu.be/siBhC7scAdQ
כך אפשר לזהות הטעיה באמצעות גרף (מתורגם):
https://youtu.be/E91bGT9BjYk
וגרף הנרות היפניים בעולם המסחר במניות (עברית):
https://youtu.be/FPZbtNtbMtc?long=yes
