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.
»
«
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
מהי בינה מלאכותית או אינטליגנציה מלאכותית?
הגדרה פשוטה של האינטליגנציה המלאכותית או הבינה המלאכותית (Artificial Intelligence) היא: כל דבר שמחקה את האינטליגנציה שלנו כבני אדם באמצעות מחשבים.
בינה מלאכותית היא תוכנה או מכונה שיכולה לפתור בעיות שאדם יכול לפתור. בניגוד למחשבים של פעם, שהיו מסוגלים להתמודד עם בעיות חישוביות, אך לא לחשוב, מערכת כזו מסוגלת לחקות חשיבה של ממש, כולל חשיבה מופשטת (על מושגים), דמיון, הסקת מסקנות לוגיות, ראייה, הבנת שפה טבעית, דיבור, הבנת העולם והכי חשוב, למידה.
מערכת כזו יכולה לא פעם ללמוד ולהתפתח מבחינת יכולותיה, ממש כמו שאנו לומדים כל הזמן וכך נעשים חכמים יותר. כך תלמד ותפעל המערכת על פי הבנתה ואז היא תהיה "מכונה לומדת". תחום למידת המכונה מתמחה ברעיון הזה, של פיתוחי מערכות לומדות ואימון שלהם, כמו שהורה או מורה מאמן ילד שגדל. קראו על כך בתגית "למידת מכונה".
יש גם תחום של "למידה עמוקה", בו המכונה "לא צריכה" אנשים שילמדו ויאמנו אותה, אלא לומדת, מסיקה מסקנות ומפתחת יכולות בעצמה. הרחיבו על כך בתגית "למידה עמוקה".
באופן כללי, בינה מלאכותית יכולה לחשוב. שימוש במידע שנאסף מבחוץ (בעזרת החושים) וזה שבפנים (ממאגרי הזיכרון והידע שצברנו בעבר) מאפשר את החשיבה הזו. לחשוב פירושו להשתמש במידע הזה ולארגן אותו מחדש ובכך ליצור מידע חדש. המידע שנוצר הוא הלמידה שלנו, ההמצאות שלנו, היצירות האמנותיות, ההומור וכדומה.
המבחן למערכת שיש בה בינה מלאכותית הוא "מבחן טיורינג". על פי מבחן זה, רק תוכנה אחת הצליחה עד היום להצטייר כבעלת תבונה ברמה שכזו (ראו באאוריקה בתגית "מבחן טיורינג").
הנה הסבר קצר ופשוט של הבינה המלאכותית:
https://youtu.be/hE74j-nD-q8
העולם של האינטליגנציה המלאכותית (עברית):
https://youtu.be/xcOw84E93MI
כך ה-AI ישנה ומשנה את העולם (מתורגם):
https://youtu.be/RzkD_rTEBYs
על רובוטים ומערכות תיב"ם (תכנון באמצעות מחשב), שמשתמשים בבינה מלאכותית (עברית):
https://youtu.be/g0yEDyEppeM
רובוט יצירתי שיכול להמציא בעצמו ולא רק לחזור על דברים שהוכנסו לתוכו:
https://youtu.be/-U-lQYwzFAQ
קבלו את iCub שיכול להבחין בדברים שתינוק יכול לדעת:
https://youtu.be/2oJSJa6P_EI
מה שאומר שיצירתיות היא חלק מהבינה המלאכותית (מתורגם):
https://youtu.be/Rh9vBczqMk0
הרצאת טד על הבינה המלאכותית שתשחרר אותנו מעבודה שחורה ולא יעילה (מתורגם):
https://youtu.be/ajGgd9Ld-Wc?long=yes
וסרטון תיעודי על האינטליגנציה המלאכותית:
https://youtu.be/53K1dMyslJg?long=yes
מהו ווטסון, מחשב העל הלומד?
המודל הבינתי שנקרא "ווטסון" (Watson) הוא ככל הנראה הראשון שפותח על ידי חברת IBM, על מחשב-העל שלה. זה מודל AI קוגניטיבי, כמעט המחשב החושב שדורות של מדעני מחשב דיברו על בואו, אבל עם רגליים אי-שם בעתיד.
ווטסון נחשב עם הצגתו לציבור למחשב החכם בעולם וזכה להכרה בינלאומית. הוא החליף את "כחול עמוק". גם הוא פותח על ידי אותה חברה (Ibm) וזכה להישג היסטורי וחסר תקדים, כשניצח בעבר את אלוף העולם בשחמט.
ווטסון נקרא על שם תומאס ווטסון, מייסד IBM, אם כי לפי גרסה אחרת ווטסון קיבל את שמו מהעוזר של שרלוק הולמס, אותו עוזר שכמו מודל כזה, תמיד מסייע לו בחקר ובתשובות שונות לצרכי הבלש הנודע.
זה היה כשהיה הראשון שניצח בני אדם בשעשועון טריוויה בטלוויזיה. ווטסון השתתף אז בתוכנית הטלוויזיה הוותיקה בארה"ב, "ג'פרדי" ("מלך הטריוויה"). במהלך התכנית הוא הראה ידע עצום ושלט גם בטקטיקה של משחקי הטלוויזיה מסוג זה.
הניצחון של המחשב בנוק אאוט על פני המוח האנושי היה מהפכני בכל קנה מידה, במיוחד בזכות העובדה שווטסון לא היה מחובר לאינטרנט ולמנועי חיפוש דוגמת "גוגל", אלא רק מצויד במידע של אנציקלופדיות, מילונים, מאגרי חדשות, יצירות ספרות ושירה וכדומה.
ווטסון היווה ממש מהפכה, ביכולתו לחבר יכולות מתקדמות בחיפוש מידע מהיר ויעיל עם אינטליגנציה מלאכותית מהסוג הדרוש למכונה כזו. טכנולוגיות מתקדמות של למידה ממוחשבת, עיבוד שפה, זיהוי קול אנושי ומגוון שיטות לאיחזור מידע (שליפה מהירה ממאגרים עצומים), היקנו לו את היכולת לתפקד באופן חסר תקדים בתחום המחשוב.
הנה סרטון על מחשב-העל ווטסון ואיך יבמ יצרה אותו:
https://youtu.be/U6rvaWaiZNg
היסטוריה - לראשונה ווטסון מנצח בני אדם בשעשועון הידע הטלוויזיוני:
https://youtu.be/WFR3lOm_xhE
כיום הוא כלי מרכזי בניסיונות למצוא תרופה לסרטן:
https://youtu.be/HkEOJnn_zlg
כאן ווטסון לומד לבשל:
https://youtu.be/yrfMcNE0y9s
והוא פתוח לשימוש של סטארטאפים ומפתחים הזקוקים לכוח המחשוב המטורף שלו:
https://youtu.be/RBF4hhgAJJc
ומסביבו יש כנסים מרתקים גם בארץ (עברית):
https://youtu.be/M_q5z6VXRzI
מה היה החורף של הבינה המלאכותית?
החורף של הבינה המלאכותית (The winter of artificial intelligence), או "חורף ה-AI", הוא מונח המתאר תקופה משמעותית בהיסטוריה של מדעי המחשב והטכנולוגיה. תקופה זו, שהתרחשה בעיקר בשנות ה-70 של המאה ה-20, סימנה נקודת מפנה בהתפתחות הבינה המלאכותית ובתפיסה הציבורית שלה.
בתחילת דרכה, בשנות ה-50 וה-60, הבינה המלאכותית הייתה מושא להתלהבות ואופטימיות רבה. חוקרים ומדענים הצליחו לפתח מערכות שיכלו לבצע משימות בסיסיות כמו משחק שחמט ופתרון בעיות מתמטיות פשוטות. ההישגים הללו יצרו ציפיות גבוהות לגבי העתיד, והאמונה הרווחת הייתה שבקרוב נראה מכונות חושבות ברמה אנושית.
אולם, עם כניסת שנות ה-70, החלה להתפשט תחושת פיכחון. התברר כי המערכות שפותחו היו מוגבלות מאוד ביכולותיהן, המחשבים לא ענו על הציפיות הגבוהות שתלו בהם ודרשו תכנות מורכב ומפורט, אפילו לביצוע של מטלות פשוטות יחסית. גם מדענים מצאו את עצמם מתקשים ללמד מחשבים דברים בסיסיים שתינוק יודע לעשות, כמו להבין משפטים על פי ההקשר שלהם ושפה בכלל. הטרידו גם העלויות הגבוהות במיוחד שהיו כרוכות בפיתוח והתחושה בתחום הייתה שהתוצאות לא עומדות בציפיות הגבוהות שנוצרו בעשורים הקודמים.
כתוצאה מכך, ההתלהבות והאופוריה סביב הבינה המלאכותית דעכו. המימון למחקר ופיתוח בתחום הצטמצם באופן דרמטי, וחלק מהחוקרים המובילים עברו לתחומים אחרים. תקופה זו סימנה האטה משמעותית בהתקדמות התחום, והובילה לספקנות רבה לגבי היכולת להגשים את החזון של מכונות חושבות.
חוקרים שונים מגדירים אחרת את אורך התקופה. יש הטוענים שהתקוות המנופצות בחורף של הבינה המלאכותית נמשך עד שנות ה-80, כשתחום ה-AI מתחיל לחוות פריחה מחודשת ואיטית, כשבין השאר שווקו לראשונה מכונות ה-LISP, מכונות הבינה המלאכותית הראשונות. אחרים טוענים שהאביב של הבינה המלאכותית מגיע רק באמצע שנות ה-2000. אין ויכוח שהשינוי הונע, בין השאר, מפיתוח "מערכות המומחה", מערכות ממוחשבות שנועדו לחקות את יכולות קבלת ההחלטות של מומחה אנושי בתחומים ספציפיים. התפתחויות אלו סימנו את תחילתו של "האביב" החדש בבינה מלאכותית.
וכך, בתוך עשור מאז 2005, השתנו מקצה לקצה התפיסה לגבי הבינה המלאכותית והתחזיות לגביה. מי שהובילו לכך היו קבוצות שונות של חוקרים, שניסו בהתמדה לפתח "מוח ממוחשב". הגישה התבססה על הרעיון שהמוח האנושי הוא אוסף רכיבים, המחוברים ביניהם כשלכל אחד מהם תפקיד עצמאי משלו. השינוי שהובילו אותן קבוצות, בהשראת מדעי המוח, היה "הלמידה העמוקה", גישה לבניית מכונות תבוניות, ברעיון שהחל להבשיל ולהתפתח יותר ויותר.
את התוצרים של השינוי המאסיבי הזה אנחנו רואים היום, בעידן הבינה המלאכותית הגנרטיבית, המכונות הלומדות ואינסוף הפיתוחים שמתפוצצים מול עינינו ומושתתים על Deep Learning, אותה "למידה עמוקה", שבה המחשב לומד ומלמד, למעשה, את עצמו.
השפעתו של חורף הבינה המלאכותית חרגה מעבר לתחום המדעי והטכנולוגי. הוא השפיע באופן עמוק על התפיסה הציבורית של התחום, וסימן מעבר מאופטימיות מופרזת לגישה מפוכחת יותר לגבי האפשרויות והמגבלות של טכנולוגיה זו. תקופה זו עיצבה את הדרך שבה אנו מתייחסים לבינה מלאכותית עד היום, ומזכירה לנו את החשיבות של שמירה על ציפיות ריאליסטיות לצד המשך החדשנות והפיתוח הטכנולוגי.
למרות שהחורף של הבינה המלאכותית נתפס בזמנו כתקופה של נסיגה, בראייה לאחור ניתן לראות בו שלב הכרחי בהתפתחות התחום. הוא אילץ את החוקרים לבחון מחדש את הנחות היסוד שלהם ולפתח גישות חדשות ומציאותיות יותר, שבסופו של דבר הובילו להתקדמויות המשמעותיות שאנו עדים להן כיום בעולם הבינה המלאכותית.
הנה סיפור החורף של הבינה המלאכותית:
https://youtu.be/w_v5lumtoPk
כך משתלב חורף הבינה המלאכותית בתולדות ה-AI כשלב קשה ומשתק:
https://youtu.be/yaL5ZMvRRqE
וכך קידמה למידת המכונה את הבינה המלאכותית לשלב הבא (מתורגם):
https://youtu.be/f_uwKZIAeM0
איך פועלות תוכנות תרגום?
בספר "מדריך הטרמפיסט לגלקסיה" של דאגלס אדמס מוזכר "דג בבל". בספר תוקעים את הדג הזה באוזן וכך מבינים בלי הגבלה שפות שונות מכל שפות העולם. חברת יאהו קראה לשירות שלה על שמו Babel Fish והוא מתרגם טקסטים לבקשת הגולשים. כמו כל המתחרים, גם התוצאות של השירות המקוון הזה צנועות מעט יותר..
תרגום מכונה (Machine Translation) הוא פעולת תרגום משפה אחת לשפה אחרת שמבצעת תוכנת מחשב לבדה. בניגוד לתוכנת מילון, המתרגמת מילים בודדות, תרגום מכונה מתרגם טקסטים שלמים. תרגום מכונה כזה נקרא בשמות נוספים כמו "תרגום ממוחשב", "תרגום אוטומטי", או "תרגום באמצעות מחשב".
אחת הדוגמאות של שימוש בתרגום מכונה היא תוכנת התרגום של גוגל (Google Translate). תוכנה מקוונת זו היא כבר מזמן אגדה. לא שהיא הראשונה מסוגה והיא אפילו לא המהירה ביותר, אבל היא מתרגמת יותר שפות מכל תוכנה אחרת ועושה זאת לעיתים קרובות בצורה סבירה. אף על פי כן, היא מתרגמת בשגיאות רבות אל ומשפות שאינן שפות אירופיות. על אף שמבחינה טכנולוגית היא מהווה הישג של ממש, הרשת מלאה במקומות שבהם מוצגים התרגומים העילגים שלה באופן הומוריסטי ובלעג.
בניגוד לתוכנות התרגום אשר מבוססות על מסדי נתונים, נמנית גוגל טרנסלייט על התוכנות שמתבססות על לימוד וטעייה. תוכנה כזו לומדת ומתפתחת כל הזמן, על ידי כך שהיא נעזרת במשתמשים המתבקשים, במידה והם מוצאים שגיאות בתרגום, להזין לתוכנה את התיקונים שהם מציעים. כך התוכנה "לומדת" והולכת ומשפרת את כלי התרגום שלה ואת יכולת התרגום העתידי שתעשה.
יש חוקרים שסבורים שתרגום מכונה ללא סיוע אנושי יהיה אפשרי בעתיד והאדם יזכה בעתיד לתרגום מכונה מלא. אחרים סבורים שגם אם יחלפו עוד שנים רבות עד שהמחקר בתחום הזה יבשיל, לעולם לא יתקבל תרגום מכונה שהוא מושלם.
במדעי המחשב נקרא הענף שעוסק בין השאר בתרגום מכונה "עיבוד שפה טבעית", או בלועזית "Natural Language Processing", בקיצור NLP.
הנה תרגום סימולטני, בזמן אמת, של שיחות בתוכנת סקייפ:
https://youtu.be/LKB3FdgjexU
כך מתרגמות תוכנות תרגום בזמן אמת, על המקום:
https://youtu.be/X4BmV2t83SM
כך פועלת תוכנת תרגום של גוגל:
https://youtu.be/_GdSC1Z1Kzs
כך משתמש שחקן כדורגל כדי לתקשר עם המאמן שלו בעזרת תוכנת תרגום סלולארית:
https://youtu.be/oaVQxtzSkp4
לפעמים התרגום של המכונה נשמע מוזר, כמו כאן (מתורגם):
https://youtu.be/Qro3ObmS_0g
וסרטון תיעודי קצר על ההתפתחות של גוגל טרנסלייט:
https://youtu.be/OPTKlycwIkM?long=yes
מי הרג את הרובוט המשרת פפר?
הרובוט המשרת פפר (Pepper) שפותח ביפן יצא ב-2015 למכירה בטוקיו. בתקשורת סיפרו אז שבתוך דקה אחת בודדת הוא אזל מן המלאי.
בגובה של 1.20 מטר, ו-30 קילו הוא הגיע מראש, כשהוא "טעון", אבל לא ברגשות אלא ב-200 אפליקציות שהותקנו עליו מראש..פפר ניחן בבינה מלאכותית ואנשי היצרנית, חברת סופטבנק, הסבירו שביצועיו יילכו וישתבחו, ככל שהוא יעבוד ויכיר את הצרכים של בעליו.
עם משימות אפשריות שהוא יכול למלא, כמו טיפול בקשישים, עוזר אישי בבית, חבר לילדים ובייביסיטר, בתחום המסחרי גם כפקיד קבלה במוסדות ממשלתיים ובבתי עסק מגוונים ואפילו כמוכר בחנויות, העתיד נראה ורוד לרובוט הזה וליצרנית שלו, תאגיד הענק היפני סופטבנק.
אמרו עליו שהוא מבין כמה שפות, יכול לתקשר ולהתממשק עם שלל מכשירים חכמים, לזהות באמצעות טכנולוגיית זיהוי פנים את הרגשות והבעות הפנים של האדם שמולו, להבין את רוב השיחות שמתבצעות איתו, להיות מורה וחבר של הילדים, להכיר וללמוד במהלך השנים את בני המשפחה ולהפוך חלק ממנה.
סיפרו גם שהוא מסוגל לא רק לטפל בקשישים אלא גם להיות להם לחבר של ממש, לספק להם את הצרכים החברתיים, להקל על בדידותם ועוד כהנה וכהנה.
אז הוא נראה כהבטחה גדולה לעולם הביתי והעסקי גם יחד, אבל 6 שנים מאוחר יותר, הכריזה סופטבנק על הפסקת ייצור הרובוט. המיזם, מסתבר, גבה מהתאגיד העשיר מחיר כבד ובאופן מסוים בלתי נסבל.
אז מה הוביל לכך שרובוט כה חמוד מבחינת המראה וכה חכם ועשיר מבחינה טכנולוגית, הפך כה מהר למעמסה שכזו על היצרנית העשירה, עד שהחליטה לזרוק אותו מהסיפון?
בתחום הביתי הוא היה אולי בסדר, אבל העולם העסקי, כמה לא מפתיע, הוא הרבה יותר קשה. מרגע שחברות ועסקים, כמו בתי מלון, מסעדות ואפילו שדות תעופה הצטיידו בו, הם גילו שהרובוט, שעולה $2000 ואז עוד $350 בכל חודש לכל יחידה, הפך במהירות לא רק לנטל כלכלי, אלא גם למטרד, נדנוד חסר יכולת ובעיני רבים אפילו למשהו “קריפי”, מלחיץ.
זה הוביל לכך שרבים מהעסקים שרכשו והעסיקו את הרובוט הטרנדי ופרסמו זאת בגאווה החלו לפטר אותו, כלומר לנתקו מהחשמל ומהשירות והודעות לעיתונות על כך.
נראה שלא צריך היה להדגיש את גודל הנזק למחלקת השיווק של סופטבנק. הוא היה אדיר.
כך יצא שסופטבנק לא הרגה רק את פפר אלא סגרה לחלוטין את כל מחלקת הרובוטיקה, המפוארת לשעבר שלה.
הנה פפר, הרובוט המשרת:
https://youtu.be/aZ5VkgvQFBU
כך הוא נע:
https://youtu.be/osD6O4LAcpo
והרובוט פפר מקבל פני חולים בבית החולים:
https://youtu.be/rQAjNgOtwZM
מהו המחשוב הקוגניטיבי?
יתכן ששאלתם את עצמכם פעם איך זה שהמחשבים המשוכללים והמהירים כל כך יכולים לבצע כיום משימות שלא ייאמנו, אבל לא מסוגלים לבצע דברים שאפילו תינוקות עושים בקלות.
מזיהוי אנשים ועד להבנת השפה המדוברת, דרך למידה מטעויות או הבנת ההקשר בשיחה, להסיק מסקנות ועוד, יש לא מעט דברים שבני אדם מקבלים כמובנים מאליהם ואף כפשוטים, בעוד המחשבים מתקשה בהם מאד.
בדיוק לשם כך נוצר תחום חשוב במדעי המחשב. מחשוב קוגניטיבי (cognitive computing) הוא תחום בתוכנה המדמה את החשיבה האנושית.
מדובר בתוכנות שאמורות להיות מסוגלות לבנות ולנתח ידע, לבצע תהליך ארוך ומשמעותי של למידה עצמית, להבין את המידע לעומקו, לנתח טקסטים בצורה תבונית ולתקשר עם בני אדם בדרך שמבינה מצבי רוח, הקשרים חברתיים ואישיים ועוד, בקיצור כל דבר מהמרכיבים הקטנים של השפה האנושית ועד לסתם ללמוד מהניסיון.
במחשוב הקוגניטיבי מנסים לשלב בין יכולות שונות, שחלקן בפיתוח כבר שנים רבות. למידת מכונה, כריית מידע, זיהוי עצמים ייחודיים בתמונות, עיבוד שפה טבעית או איתור של דפוסים ותבניות במידע גולמי - כל אלה ואחרות אמורות לאפשר יצירה של מחשב שיכול לחקות את הדרך בה המוח האנושי עובד ולהפיק תוצאות ברמה גבוהה במיוחד, לקבל החלטות חכמות ועוד.
אם זה מזכיר לכם תחומים כמו אינטליגנציה מלאכותית או למידת מכונה, זה לא מקרה. מדובר בתחומי מחקר קרובים ומשיקים בהרבה מובנים.
מטרת החוקרים והמהנדסים העוסקים בתחום המחשוב הקוגניטיבי להביא לכך שבעתיד יוכלו מחשבים לבצע משימות פשוטות עבור בני-אדם, כמו חשיבת מומחה והבנת השפה האנושית.
כמובן שבצד פעולות "אנושיות" אלה ישלבו המחשבים גם את יכולותיהם המסורתיות כמו עיבוד נתונים בכמויות עצומות, מה שמוכר מתחום הביג דאטה, על מנת להפוך ליועצים נבונים לאנשי מקצוע בתחומים שונים, מרפואה ועד מדע והייטק.
יישומים נוספים שמצפים לפתח בעזרת מחשבים קוגניטיביים הם מערכות תקשורת בשפה טבעית, "נהגים ממוחשבים" ברכבים אוטונומיים (מכונית ללא נהג), עיבוד סמנטי, מנועי חיפוש שלומדים ועוד.
הנה המחשוב הקוגניטיבי המודרני בחצי דקה:
https://youtu.be/1tsFTBqXDdI
מצגת וידאו שמראה מה מאפשרות מערכות מחשוב קוגניטיביות:
https://youtu.be/1mPO-rXcmaw
מומחים מחברת יבמ מסבירים על העתיד של המחשוב הקוגניטיבי:
https://youtu.be/xRamODPdU1U
עולם זיהוי העצמים הממוחשב (מתורגם):
https://youtu.be/Cgxsv1riJhI?long=yes
והאם אנו מתקרבים למחשבים עם תודעה:
https://youtu.be/JTOMNkZJRao?long=yes
איך מלמדים מחשבים לזהות פנים?
מהי מערכת הלמידה העמוקה של גוגל?
למידת מכונה היא תחום שנחקר כבר עשרות שנים. בשנים האחרונות הוא הולך ומתפתח לכיוון של למידה עמוקה. מערכת הלמידה העמוקה הגדולה והמתקדמת בעולם כיום היא ה-Google Brain. זהו אחד מפרויקטי הבינה המלאכותית הגדולים בעולם. הפרויקט מנסה לפתח מוח ממוחשב מ-16,000 ליבות מחשבים ותוכנת מחשב שלומדת מתוך דוגמאות ומסיקה מסקנות בעצמה, תוך כדי התמודדות עם בעיות מורכבות במיוחד. משאבי המחשב שמוקדשים לפיתוח זה הם עצומים וכך גם התקציבים שחברת הענק משקיעה במחקר והפיתוח, כולל גיוס האנשים המתקדמים בעולם בתחום זה ושל המדען והעתידן הגאון ריי קורצווייל, שהסכים לעמוד בראש הפרויקט.
אבל למה גוגל צריכה מערכת למידה עמוקה? - היות ופיתוח של רשתות מחשב מבוססות נוירונים עולה המון כסף, חברת גוגל בעלת המיליארדים היא מהיחידות בעולם שיכולות להקצות משאבים לנושא. לרשת שמאפשרת את הלמידה של המחשב העמוק מוקצים עוד ועוד מחשבים. רק כך ניתן לדמות את אופן הפעולה של המוח האנושי.
וזה עוד כלום. ברצונם להגיע למאה טריליון קישורים בין נוירונים במחשב העל של גוגל, מגייסת החברה את מיטב חידושי הטכנולוגיה שיוצאים לשוק, כולל מעבדים מקביליים ומהירים ביותר, כרטיסי מסך גרפיים המכונים "GPU" ושפותחו עבור תעשיית המשחקים, ועד רכיבי מחשוב קוונטי. גוגל כה רצינית בשאיפות שלה בתחום זה, שהיא רוכשת חברות קטנות שעוסקות בתחום וכך קונה הן את הטכנולוגיות והידע שהן צברו והן את כוח האדם המעולה שלהן.
המלצה:
======
בתגית "למידה עמוקה" תוכלו לקרוא על עולם הבינה המלאכותית, המתבססת על רשת נוירונים כמו זו שבונה גוגל. שווה לקרוא גם בתגית "רשתות נוירונים".
הנה למידת המכונה:
https://youtu.be/59bMh59JQDo
כך מתבצעים פרויקטי הבינה המלאכותית הגדולים של גוגל ומתחרותיה:
https://youtu.be/gB_-LabED68
כך מסייעים מוחות טכנולוגיים עם למידה עמוקה לעולם להתקדם:
https://youtu.be/Dy0hJWltsyE
סרטון עם מתיחה שבה גוגל הולכים להחליף את המוח האנושי:
https://youtu.be/fV52J7_7gss
ופרוייקט הגוגל בוקס והבעיות שהוא עורר:
https://youtu.be/5_EyoyHLnLI
למידת מכונה (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
הגדרה פשוטה של האינטליגנציה המלאכותית או הבינה המלאכותית (Artificial Intelligence) היא: כל דבר שמחקה את האינטליגנציה שלנו כבני אדם באמצעות מחשבים.
בינה מלאכותית היא תוכנה או מכונה שיכולה לפתור בעיות שאדם יכול לפתור. בניגוד למחשבים של פעם, שהיו מסוגלים להתמודד עם בעיות חישוביות, אך לא לחשוב, מערכת כזו מסוגלת לחקות חשיבה של ממש, כולל חשיבה מופשטת (על מושגים), דמיון, הסקת מסקנות לוגיות, ראייה, הבנת שפה טבעית, דיבור, הבנת העולם והכי חשוב, למידה.
מערכת כזו יכולה לא פעם ללמוד ולהתפתח מבחינת יכולותיה, ממש כמו שאנו לומדים כל הזמן וכך נעשים חכמים יותר. כך תלמד ותפעל המערכת על פי הבנתה ואז היא תהיה "מכונה לומדת". תחום למידת המכונה מתמחה ברעיון הזה, של פיתוחי מערכות לומדות ואימון שלהם, כמו שהורה או מורה מאמן ילד שגדל. קראו על כך בתגית "למידת מכונה".
יש גם תחום של "למידה עמוקה", בו המכונה "לא צריכה" אנשים שילמדו ויאמנו אותה, אלא לומדת, מסיקה מסקנות ומפתחת יכולות בעצמה. הרחיבו על כך בתגית "למידה עמוקה".
באופן כללי, בינה מלאכותית יכולה לחשוב. שימוש במידע שנאסף מבחוץ (בעזרת החושים) וזה שבפנים (ממאגרי הזיכרון והידע שצברנו בעבר) מאפשר את החשיבה הזו. לחשוב פירושו להשתמש במידע הזה ולארגן אותו מחדש ובכך ליצור מידע חדש. המידע שנוצר הוא הלמידה שלנו, ההמצאות שלנו, היצירות האמנותיות, ההומור וכדומה.
המבחן למערכת שיש בה בינה מלאכותית הוא "מבחן טיורינג". על פי מבחן זה, רק תוכנה אחת הצליחה עד היום להצטייר כבעלת תבונה ברמה שכזו (ראו באאוריקה בתגית "מבחן טיורינג").
הנה הסבר קצר ופשוט של הבינה המלאכותית:
https://youtu.be/hE74j-nD-q8
העולם של האינטליגנציה המלאכותית (עברית):
https://youtu.be/xcOw84E93MI
כך ה-AI ישנה ומשנה את העולם (מתורגם):
https://youtu.be/RzkD_rTEBYs
על רובוטים ומערכות תיב"ם (תכנון באמצעות מחשב), שמשתמשים בבינה מלאכותית (עברית):
https://youtu.be/g0yEDyEppeM
רובוט יצירתי שיכול להמציא בעצמו ולא רק לחזור על דברים שהוכנסו לתוכו:
https://youtu.be/-U-lQYwzFAQ
קבלו את iCub שיכול להבחין בדברים שתינוק יכול לדעת:
https://youtu.be/2oJSJa6P_EI
מה שאומר שיצירתיות היא חלק מהבינה המלאכותית (מתורגם):
https://youtu.be/Rh9vBczqMk0
הרצאת טד על הבינה המלאכותית שתשחרר אותנו מעבודה שחורה ולא יעילה (מתורגם):
https://youtu.be/ajGgd9Ld-Wc?long=yes
וסרטון תיעודי על האינטליגנציה המלאכותית:
https://youtu.be/53K1dMyslJg?long=yes
המודל הבינתי שנקרא "ווטסון" (Watson) הוא ככל הנראה הראשון שפותח על ידי חברת IBM, על מחשב-העל שלה. זה מודל AI קוגניטיבי, כמעט המחשב החושב שדורות של מדעני מחשב דיברו על בואו, אבל עם רגליים אי-שם בעתיד.
ווטסון נחשב עם הצגתו לציבור למחשב החכם בעולם וזכה להכרה בינלאומית. הוא החליף את "כחול עמוק". גם הוא פותח על ידי אותה חברה (Ibm) וזכה להישג היסטורי וחסר תקדים, כשניצח בעבר את אלוף העולם בשחמט.
ווטסון נקרא על שם תומאס ווטסון, מייסד IBM, אם כי לפי גרסה אחרת ווטסון קיבל את שמו מהעוזר של שרלוק הולמס, אותו עוזר שכמו מודל כזה, תמיד מסייע לו בחקר ובתשובות שונות לצרכי הבלש הנודע.
זה היה כשהיה הראשון שניצח בני אדם בשעשועון טריוויה בטלוויזיה. ווטסון השתתף אז בתוכנית הטלוויזיה הוותיקה בארה"ב, "ג'פרדי" ("מלך הטריוויה"). במהלך התכנית הוא הראה ידע עצום ושלט גם בטקטיקה של משחקי הטלוויזיה מסוג זה.
הניצחון של המחשב בנוק אאוט על פני המוח האנושי היה מהפכני בכל קנה מידה, במיוחד בזכות העובדה שווטסון לא היה מחובר לאינטרנט ולמנועי חיפוש דוגמת "גוגל", אלא רק מצויד במידע של אנציקלופדיות, מילונים, מאגרי חדשות, יצירות ספרות ושירה וכדומה.
ווטסון היווה ממש מהפכה, ביכולתו לחבר יכולות מתקדמות בחיפוש מידע מהיר ויעיל עם אינטליגנציה מלאכותית מהסוג הדרוש למכונה כזו. טכנולוגיות מתקדמות של למידה ממוחשבת, עיבוד שפה, זיהוי קול אנושי ומגוון שיטות לאיחזור מידע (שליפה מהירה ממאגרים עצומים), היקנו לו את היכולת לתפקד באופן חסר תקדים בתחום המחשוב.
הנה סרטון על מחשב-העל ווטסון ואיך יבמ יצרה אותו:
https://youtu.be/U6rvaWaiZNg
היסטוריה - לראשונה ווטסון מנצח בני אדם בשעשועון הידע הטלוויזיוני:
https://youtu.be/WFR3lOm_xhE
כיום הוא כלי מרכזי בניסיונות למצוא תרופה לסרטן:
https://youtu.be/HkEOJnn_zlg
כאן ווטסון לומד לבשל:
https://youtu.be/yrfMcNE0y9s
והוא פתוח לשימוש של סטארטאפים ומפתחים הזקוקים לכוח המחשוב המטורף שלו:
https://youtu.be/RBF4hhgAJJc
ומסביבו יש כנסים מרתקים גם בארץ (עברית):
https://youtu.be/M_q5z6VXRzI
החורף של הבינה המלאכותית (The winter of artificial intelligence), או "חורף ה-AI", הוא מונח המתאר תקופה משמעותית בהיסטוריה של מדעי המחשב והטכנולוגיה. תקופה זו, שהתרחשה בעיקר בשנות ה-70 של המאה ה-20, סימנה נקודת מפנה בהתפתחות הבינה המלאכותית ובתפיסה הציבורית שלה.
בתחילת דרכה, בשנות ה-50 וה-60, הבינה המלאכותית הייתה מושא להתלהבות ואופטימיות רבה. חוקרים ומדענים הצליחו לפתח מערכות שיכלו לבצע משימות בסיסיות כמו משחק שחמט ופתרון בעיות מתמטיות פשוטות. ההישגים הללו יצרו ציפיות גבוהות לגבי העתיד, והאמונה הרווחת הייתה שבקרוב נראה מכונות חושבות ברמה אנושית.
אולם, עם כניסת שנות ה-70, החלה להתפשט תחושת פיכחון. התברר כי המערכות שפותחו היו מוגבלות מאוד ביכולותיהן, המחשבים לא ענו על הציפיות הגבוהות שתלו בהם ודרשו תכנות מורכב ומפורט, אפילו לביצוע של מטלות פשוטות יחסית. גם מדענים מצאו את עצמם מתקשים ללמד מחשבים דברים בסיסיים שתינוק יודע לעשות, כמו להבין משפטים על פי ההקשר שלהם ושפה בכלל. הטרידו גם העלויות הגבוהות במיוחד שהיו כרוכות בפיתוח והתחושה בתחום הייתה שהתוצאות לא עומדות בציפיות הגבוהות שנוצרו בעשורים הקודמים.
כתוצאה מכך, ההתלהבות והאופוריה סביב הבינה המלאכותית דעכו. המימון למחקר ופיתוח בתחום הצטמצם באופן דרמטי, וחלק מהחוקרים המובילים עברו לתחומים אחרים. תקופה זו סימנה האטה משמעותית בהתקדמות התחום, והובילה לספקנות רבה לגבי היכולת להגשים את החזון של מכונות חושבות.
חוקרים שונים מגדירים אחרת את אורך התקופה. יש הטוענים שהתקוות המנופצות בחורף של הבינה המלאכותית נמשך עד שנות ה-80, כשתחום ה-AI מתחיל לחוות פריחה מחודשת ואיטית, כשבין השאר שווקו לראשונה מכונות ה-LISP, מכונות הבינה המלאכותית הראשונות. אחרים טוענים שהאביב של הבינה המלאכותית מגיע רק באמצע שנות ה-2000. אין ויכוח שהשינוי הונע, בין השאר, מפיתוח "מערכות המומחה", מערכות ממוחשבות שנועדו לחקות את יכולות קבלת ההחלטות של מומחה אנושי בתחומים ספציפיים. התפתחויות אלו סימנו את תחילתו של "האביב" החדש בבינה מלאכותית.
וכך, בתוך עשור מאז 2005, השתנו מקצה לקצה התפיסה לגבי הבינה המלאכותית והתחזיות לגביה. מי שהובילו לכך היו קבוצות שונות של חוקרים, שניסו בהתמדה לפתח "מוח ממוחשב". הגישה התבססה על הרעיון שהמוח האנושי הוא אוסף רכיבים, המחוברים ביניהם כשלכל אחד מהם תפקיד עצמאי משלו. השינוי שהובילו אותן קבוצות, בהשראת מדעי המוח, היה "הלמידה העמוקה", גישה לבניית מכונות תבוניות, ברעיון שהחל להבשיל ולהתפתח יותר ויותר.
את התוצרים של השינוי המאסיבי הזה אנחנו רואים היום, בעידן הבינה המלאכותית הגנרטיבית, המכונות הלומדות ואינסוף הפיתוחים שמתפוצצים מול עינינו ומושתתים על Deep Learning, אותה "למידה עמוקה", שבה המחשב לומד ומלמד, למעשה, את עצמו.
השפעתו של חורף הבינה המלאכותית חרגה מעבר לתחום המדעי והטכנולוגי. הוא השפיע באופן עמוק על התפיסה הציבורית של התחום, וסימן מעבר מאופטימיות מופרזת לגישה מפוכחת יותר לגבי האפשרויות והמגבלות של טכנולוגיה זו. תקופה זו עיצבה את הדרך שבה אנו מתייחסים לבינה מלאכותית עד היום, ומזכירה לנו את החשיבות של שמירה על ציפיות ריאליסטיות לצד המשך החדשנות והפיתוח הטכנולוגי.
למרות שהחורף של הבינה המלאכותית נתפס בזמנו כתקופה של נסיגה, בראייה לאחור ניתן לראות בו שלב הכרחי בהתפתחות התחום. הוא אילץ את החוקרים לבחון מחדש את הנחות היסוד שלהם ולפתח גישות חדשות ומציאותיות יותר, שבסופו של דבר הובילו להתקדמויות המשמעותיות שאנו עדים להן כיום בעולם הבינה המלאכותית.
הנה סיפור החורף של הבינה המלאכותית:
https://youtu.be/w_v5lumtoPk
כך משתלב חורף הבינה המלאכותית בתולדות ה-AI כשלב קשה ומשתק:
https://youtu.be/yaL5ZMvRRqE
וכך קידמה למידת המכונה את הבינה המלאכותית לשלב הבא (מתורגם):
https://youtu.be/f_uwKZIAeM0
למידה חישובית
בספר "מדריך הטרמפיסט לגלקסיה" של דאגלס אדמס מוזכר "דג בבל". בספר תוקעים את הדג הזה באוזן וכך מבינים בלי הגבלה שפות שונות מכל שפות העולם. חברת יאהו קראה לשירות שלה על שמו Babel Fish והוא מתרגם טקסטים לבקשת הגולשים. כמו כל המתחרים, גם התוצאות של השירות המקוון הזה צנועות מעט יותר..
תרגום מכונה (Machine Translation) הוא פעולת תרגום משפה אחת לשפה אחרת שמבצעת תוכנת מחשב לבדה. בניגוד לתוכנת מילון, המתרגמת מילים בודדות, תרגום מכונה מתרגם טקסטים שלמים. תרגום מכונה כזה נקרא בשמות נוספים כמו "תרגום ממוחשב", "תרגום אוטומטי", או "תרגום באמצעות מחשב".
אחת הדוגמאות של שימוש בתרגום מכונה היא תוכנת התרגום של גוגל (Google Translate). תוכנה מקוונת זו היא כבר מזמן אגדה. לא שהיא הראשונה מסוגה והיא אפילו לא המהירה ביותר, אבל היא מתרגמת יותר שפות מכל תוכנה אחרת ועושה זאת לעיתים קרובות בצורה סבירה. אף על פי כן, היא מתרגמת בשגיאות רבות אל ומשפות שאינן שפות אירופיות. על אף שמבחינה טכנולוגית היא מהווה הישג של ממש, הרשת מלאה במקומות שבהם מוצגים התרגומים העילגים שלה באופן הומוריסטי ובלעג.
בניגוד לתוכנות התרגום אשר מבוססות על מסדי נתונים, נמנית גוגל טרנסלייט על התוכנות שמתבססות על לימוד וטעייה. תוכנה כזו לומדת ומתפתחת כל הזמן, על ידי כך שהיא נעזרת במשתמשים המתבקשים, במידה והם מוצאים שגיאות בתרגום, להזין לתוכנה את התיקונים שהם מציעים. כך התוכנה "לומדת" והולכת ומשפרת את כלי התרגום שלה ואת יכולת התרגום העתידי שתעשה.
יש חוקרים שסבורים שתרגום מכונה ללא סיוע אנושי יהיה אפשרי בעתיד והאדם יזכה בעתיד לתרגום מכונה מלא. אחרים סבורים שגם אם יחלפו עוד שנים רבות עד שהמחקר בתחום הזה יבשיל, לעולם לא יתקבל תרגום מכונה שהוא מושלם.
במדעי המחשב נקרא הענף שעוסק בין השאר בתרגום מכונה "עיבוד שפה טבעית", או בלועזית "Natural Language Processing", בקיצור NLP.
הנה תרגום סימולטני, בזמן אמת, של שיחות בתוכנת סקייפ:
https://youtu.be/LKB3FdgjexU
כך מתרגמות תוכנות תרגום בזמן אמת, על המקום:
https://youtu.be/X4BmV2t83SM
כך פועלת תוכנת תרגום של גוגל:
https://youtu.be/_GdSC1Z1Kzs
כך משתמש שחקן כדורגל כדי לתקשר עם המאמן שלו בעזרת תוכנת תרגום סלולארית:
https://youtu.be/oaVQxtzSkp4
לפעמים התרגום של המכונה נשמע מוזר, כמו כאן (מתורגם):
https://youtu.be/Qro3ObmS_0g
וסרטון תיעודי קצר על ההתפתחות של גוגל טרנסלייט:
https://youtu.be/OPTKlycwIkM?long=yes
הרובוט המשרת פפר (Pepper) שפותח ביפן יצא ב-2015 למכירה בטוקיו. בתקשורת סיפרו אז שבתוך דקה אחת בודדת הוא אזל מן המלאי.
בגובה של 1.20 מטר, ו-30 קילו הוא הגיע מראש, כשהוא "טעון", אבל לא ברגשות אלא ב-200 אפליקציות שהותקנו עליו מראש..פפר ניחן בבינה מלאכותית ואנשי היצרנית, חברת סופטבנק, הסבירו שביצועיו יילכו וישתבחו, ככל שהוא יעבוד ויכיר את הצרכים של בעליו.
עם משימות אפשריות שהוא יכול למלא, כמו טיפול בקשישים, עוזר אישי בבית, חבר לילדים ובייביסיטר, בתחום המסחרי גם כפקיד קבלה במוסדות ממשלתיים ובבתי עסק מגוונים ואפילו כמוכר בחנויות, העתיד נראה ורוד לרובוט הזה וליצרנית שלו, תאגיד הענק היפני סופטבנק.
אמרו עליו שהוא מבין כמה שפות, יכול לתקשר ולהתממשק עם שלל מכשירים חכמים, לזהות באמצעות טכנולוגיית זיהוי פנים את הרגשות והבעות הפנים של האדם שמולו, להבין את רוב השיחות שמתבצעות איתו, להיות מורה וחבר של הילדים, להכיר וללמוד במהלך השנים את בני המשפחה ולהפוך חלק ממנה.
סיפרו גם שהוא מסוגל לא רק לטפל בקשישים אלא גם להיות להם לחבר של ממש, לספק להם את הצרכים החברתיים, להקל על בדידותם ועוד כהנה וכהנה.
אז הוא נראה כהבטחה גדולה לעולם הביתי והעסקי גם יחד, אבל 6 שנים מאוחר יותר, הכריזה סופטבנק על הפסקת ייצור הרובוט. המיזם, מסתבר, גבה מהתאגיד העשיר מחיר כבד ובאופן מסוים בלתי נסבל.
אז מה הוביל לכך שרובוט כה חמוד מבחינת המראה וכה חכם ועשיר מבחינה טכנולוגית, הפך כה מהר למעמסה שכזו על היצרנית העשירה, עד שהחליטה לזרוק אותו מהסיפון?
בתחום הביתי הוא היה אולי בסדר, אבל העולם העסקי, כמה לא מפתיע, הוא הרבה יותר קשה. מרגע שחברות ועסקים, כמו בתי מלון, מסעדות ואפילו שדות תעופה הצטיידו בו, הם גילו שהרובוט, שעולה $2000 ואז עוד $350 בכל חודש לכל יחידה, הפך במהירות לא רק לנטל כלכלי, אלא גם למטרד, נדנוד חסר יכולת ובעיני רבים אפילו למשהו “קריפי”, מלחיץ.
זה הוביל לכך שרבים מהעסקים שרכשו והעסיקו את הרובוט הטרנדי ופרסמו זאת בגאווה החלו לפטר אותו, כלומר לנתקו מהחשמל ומהשירות והודעות לעיתונות על כך.
נראה שלא צריך היה להדגיש את גודל הנזק למחלקת השיווק של סופטבנק. הוא היה אדיר.
כך יצא שסופטבנק לא הרגה רק את פפר אלא סגרה לחלוטין את כל מחלקת הרובוטיקה, המפוארת לשעבר שלה.
הנה פפר, הרובוט המשרת:
https://youtu.be/aZ5VkgvQFBU
כך הוא נע:
https://youtu.be/osD6O4LAcpo
והרובוט פפר מקבל פני חולים בבית החולים:
https://youtu.be/rQAjNgOtwZM
יתכן ששאלתם את עצמכם פעם איך זה שהמחשבים המשוכללים והמהירים כל כך יכולים לבצע כיום משימות שלא ייאמנו, אבל לא מסוגלים לבצע דברים שאפילו תינוקות עושים בקלות.
מזיהוי אנשים ועד להבנת השפה המדוברת, דרך למידה מטעויות או הבנת ההקשר בשיחה, להסיק מסקנות ועוד, יש לא מעט דברים שבני אדם מקבלים כמובנים מאליהם ואף כפשוטים, בעוד המחשבים מתקשה בהם מאד.
בדיוק לשם כך נוצר תחום חשוב במדעי המחשב. מחשוב קוגניטיבי (cognitive computing) הוא תחום בתוכנה המדמה את החשיבה האנושית.
מדובר בתוכנות שאמורות להיות מסוגלות לבנות ולנתח ידע, לבצע תהליך ארוך ומשמעותי של למידה עצמית, להבין את המידע לעומקו, לנתח טקסטים בצורה תבונית ולתקשר עם בני אדם בדרך שמבינה מצבי רוח, הקשרים חברתיים ואישיים ועוד, בקיצור כל דבר מהמרכיבים הקטנים של השפה האנושית ועד לסתם ללמוד מהניסיון.
במחשוב הקוגניטיבי מנסים לשלב בין יכולות שונות, שחלקן בפיתוח כבר שנים רבות. למידת מכונה, כריית מידע, זיהוי עצמים ייחודיים בתמונות, עיבוד שפה טבעית או איתור של דפוסים ותבניות במידע גולמי - כל אלה ואחרות אמורות לאפשר יצירה של מחשב שיכול לחקות את הדרך בה המוח האנושי עובד ולהפיק תוצאות ברמה גבוהה במיוחד, לקבל החלטות חכמות ועוד.
אם זה מזכיר לכם תחומים כמו אינטליגנציה מלאכותית או למידת מכונה, זה לא מקרה. מדובר בתחומי מחקר קרובים ומשיקים בהרבה מובנים.
מטרת החוקרים והמהנדסים העוסקים בתחום המחשוב הקוגניטיבי להביא לכך שבעתיד יוכלו מחשבים לבצע משימות פשוטות עבור בני-אדם, כמו חשיבת מומחה והבנת השפה האנושית.
כמובן שבצד פעולות "אנושיות" אלה ישלבו המחשבים גם את יכולותיהם המסורתיות כמו עיבוד נתונים בכמויות עצומות, מה שמוכר מתחום הביג דאטה, על מנת להפוך ליועצים נבונים לאנשי מקצוע בתחומים שונים, מרפואה ועד מדע והייטק.
יישומים נוספים שמצפים לפתח בעזרת מחשבים קוגניטיביים הם מערכות תקשורת בשפה טבעית, "נהגים ממוחשבים" ברכבים אוטונומיים (מכונית ללא נהג), עיבוד סמנטי, מנועי חיפוש שלומדים ועוד.
הנה המחשוב הקוגניטיבי המודרני בחצי דקה:
https://youtu.be/1tsFTBqXDdI
מצגת וידאו שמראה מה מאפשרות מערכות מחשוב קוגניטיביות:
https://youtu.be/1mPO-rXcmaw
מומחים מחברת יבמ מסבירים על העתיד של המחשוב הקוגניטיבי:
https://youtu.be/xRamODPdU1U
עולם זיהוי העצמים הממוחשב (מתורגם):
https://youtu.be/Cgxsv1riJhI?long=yes
והאם אנו מתקרבים למחשבים עם תודעה:
https://youtu.be/JTOMNkZJRao?long=yes
איך מאמנים מכונות לראות ולזהות פנים?
יותר ויותר מדברים כיום על "האח הגדול", שעוקב אחרי כל אחד מאיתנו ויודע עלינו יותר ויותר. אנשים מתפלאים כיצד הוא מזהה בכל רגע נתון את מקומנו, מי אנחנו בתמונות הפרטיות שלנו ובפוסטים החברתיים ואם אנחנו מתכננים פשע או מותר לנו לבצע עיסקה מסחרית.
אבל כיצד זה מתבצע?
הדרך לזהות אותנו בכל מקום היא ללמד מחשבים לעשות זאת. מדובר במה שנקרא טכנולוגיית זיהוי פנים. כל מחשב כזה מחובר למצלמות שמראות לו פנים והמחשב מזהה אותנו לעומת אחרים.
השיטה מתחילה בללמד תוכנה לזהות אנשים. מזינים אליה מאגר תמונות ענקי ו"מלמדים" אותה מהם פנים ומה לא. עושים זאת בסימון הטעויות שלה, מה שמשפר כל הזמן את יכולותיה. ככל שהמאגר הוא גדול וכוח המיחשוב רב, המכונה תלמד טוב יותר ומהר יותר לזהות פנים.
ככל שהמאגר מגוון, לעומת זאת, המכונה תלמד לזהות יותר סוגי פנים. בתחילת הדרך המאגרים לא היו מגוונים מספיק, מה שגרם לכך שיכולות המחשבים והבינה המלאכותית לזהות נשים, או בני מיעוטים שאינם לבנים, היו נמוכות מאוד.
ככל שהמכונה תלמד מהם פנים, ניתן יהיה להזין אליה את התמונות של כולנו וללמד אותה לזהות אנשים ספציפיים. אז לממשלות ולגופי ביטחון יש מאגרים כאלה, מתצלומי תעודות הזהות שלנו, אבל לגופים אחרים יש בעיה.
אז המצב הזה של ראיית מכונה (Machine vision) הולך ומשתפר דווקא תודות למאגרים העצומים של הרשתות החברתיות. כך תורמת למשל הטכנולוגיה שמאפשרת לדפי פייסבוק לזהות את הפרצופים בתמונות, גם לטובת זיהוי מגוון יותר וחכם יותר.
כך פועלות מערכות לזיהוי פנים ומה המגבלות והבעיות בהן (עברית):
https://youtu.be/DJC013Cg_GY
הדרך בה מאמנים מודלים ממוחשבים לזהות פנים (מתורגם):
https://youtu.be/Cgxsv1riJhI
כיום הטכנולוגיה של זיהוי הפנים פועלת גם על פנים בתנועה:
https://youtu.be/kKaU6JFRu5g
כך פועלת טכנולוגיית זיהוי הפנים בתוכנה:
https://youtu.be/X7_ojlEXnWc
אפליקציות רבות משתמשות ביכולת זיהוי פנים:
https://youtu.be/NiKc1z4kOMM
זה מאפשר לענקיות רשת ומסחר לזהותכם ולגופי ביטחון למנוע פשעים וטרור, לאפשר כניסה למתחמים ועוד:
https://youtu.be/wve5JWX7yoc
והרצאת וידאו מעולה על ראיית מכונה שתסייע לכבדי ראיה לראות (מתורגם):
https://youtu.be/c-0ckmzlypA?long=yes
יותר ויותר מדברים כיום על "האח הגדול", שעוקב אחרי כל אחד מאיתנו ויודע עלינו יותר ויותר. אנשים מתפלאים כיצד הוא מזהה בכל רגע נתון את מקומנו, מי אנחנו בתמונות הפרטיות שלנו ובפוסטים החברתיים ואם אנחנו מתכננים פשע או מותר לנו לבצע עיסקה מסחרית.
אבל כיצד זה מתבצע?
הדרך לזהות אותנו בכל מקום היא ללמד מחשבים לעשות זאת. מדובר במה שנקרא טכנולוגיית זיהוי פנים. כל מחשב כזה מחובר למצלמות שמראות לו פנים והמחשב מזהה אותנו לעומת אחרים.
השיטה מתחילה בללמד תוכנה לזהות אנשים. מזינים אליה מאגר תמונות ענקי ו"מלמדים" אותה מהם פנים ומה לא. עושים זאת בסימון הטעויות שלה, מה שמשפר כל הזמן את יכולותיה. ככל שהמאגר הוא גדול וכוח המיחשוב רב, המכונה תלמד טוב יותר ומהר יותר לזהות פנים.
ככל שהמאגר מגוון, לעומת זאת, המכונה תלמד לזהות יותר סוגי פנים. בתחילת הדרך המאגרים לא היו מגוונים מספיק, מה שגרם לכך שיכולות המחשבים והבינה המלאכותית לזהות נשים, או בני מיעוטים שאינם לבנים, היו נמוכות מאוד.
ככל שהמכונה תלמד מהם פנים, ניתן יהיה להזין אליה את התמונות של כולנו וללמד אותה לזהות אנשים ספציפיים. אז לממשלות ולגופי ביטחון יש מאגרים כאלה, מתצלומי תעודות הזהות שלנו, אבל לגופים אחרים יש בעיה.
אז המצב הזה של ראיית מכונה (Machine vision) הולך ומשתפר דווקא תודות למאגרים העצומים של הרשתות החברתיות. כך תורמת למשל הטכנולוגיה שמאפשרת לדפי פייסבוק לזהות את הפרצופים בתמונות, גם לטובת זיהוי מגוון יותר וחכם יותר.
כך פועלות מערכות לזיהוי פנים ומה המגבלות והבעיות בהן (עברית):
https://youtu.be/DJC013Cg_GY
הדרך בה מאמנים מודלים ממוחשבים לזהות פנים (מתורגם):
https://youtu.be/Cgxsv1riJhI
כיום הטכנולוגיה של זיהוי הפנים פועלת גם על פנים בתנועה:
https://youtu.be/kKaU6JFRu5g
כך פועלת טכנולוגיית זיהוי הפנים בתוכנה:
https://youtu.be/X7_ojlEXnWc
אפליקציות רבות משתמשות ביכולת זיהוי פנים:
https://youtu.be/NiKc1z4kOMM
זה מאפשר לענקיות רשת ומסחר לזהותכם ולגופי ביטחון למנוע פשעים וטרור, לאפשר כניסה למתחמים ועוד:
https://youtu.be/wve5JWX7yoc
והרצאת וידאו מעולה על ראיית מכונה שתסייע לכבדי ראיה לראות (מתורגם):
https://youtu.be/c-0ckmzlypA?long=yes
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
מה זה ביג דאטה?
בעידן האינטרנט ורשתות המחשבים הגדולות והעולמיות מצטברות כמויות עצומות של מידע. התחום המדעי המכונה ביג דאטה (Big Data) עוסק בניהול של כמויות חסרות תקדים של מידע שמצטבר במאגרי נתונים ענקיים, תוך נסיון למצוא בו דפוסים ותבניות שיכולות לסייע בהפקת תועלת.
ההגדרה היפה של ביג-דאטה שאנו מכירים היא ש"ביג-דאטה הוא חתונה של סטטיסטיקה ומחשוב". ואכן, החתונה הזו מצליחה ליצור התפתחות לא רגילה בניתוח נתונים גולמיים בתחומי הרפואה, הכספים, המדעים ועוד. עולם הביג דאטה מתפתח במהירות וצפוי לשנות את חיינו בעתיד, בדרכים רבות.
באמצעות שירות "פלו טרנדס", למשל, חוזה כיום חברת גוגל מראש התפרצויות של מחלת השפעת. היא עושה זאת על סמך העליה בחיפושים שנערכים במנוע החיפוש שלה, של ביטויי חיפוש שקשורים למחלה, כמו חום, נזלת וכאבי שרירים. יש מחקרים שמצאו אמנם שגוגל לא הצליחה לחזות התפרצויות כאלה, אבל המאמץ נמשך..
אגב, בניגוד למחשבה שרק מחשבי-על הם שמעבדים את המידע לתחום הביג דאטה (קראו באאוריקה בתגית "ווטסון"), ישנן כיום מערכות שמטפלות בעיבוד נתונים כאלה, גם במחשבים רגילים.
הנה עולם הביג דאטה:
https://youtu.be/RrhDqByPxwY
והסבר על הביג דאטה (מתורגם):
http://youtu.be/j-0cUmUyb-Y?t=14s
בעידן האינטרנט ורשתות המחשבים הגדולות והעולמיות מצטברות כמויות עצומות של מידע. התחום המדעי המכונה ביג דאטה (Big Data) עוסק בניהול של כמויות חסרות תקדים של מידע שמצטבר במאגרי נתונים ענקיים, תוך נסיון למצוא בו דפוסים ותבניות שיכולות לסייע בהפקת תועלת.
ההגדרה היפה של ביג-דאטה שאנו מכירים היא ש"ביג-דאטה הוא חתונה של סטטיסטיקה ומחשוב". ואכן, החתונה הזו מצליחה ליצור התפתחות לא רגילה בניתוח נתונים גולמיים בתחומי הרפואה, הכספים, המדעים ועוד. עולם הביג דאטה מתפתח במהירות וצפוי לשנות את חיינו בעתיד, בדרכים רבות.
באמצעות שירות "פלו טרנדס", למשל, חוזה כיום חברת גוגל מראש התפרצויות של מחלת השפעת. היא עושה זאת על סמך העליה בחיפושים שנערכים במנוע החיפוש שלה, של ביטויי חיפוש שקשורים למחלה, כמו חום, נזלת וכאבי שרירים. יש מחקרים שמצאו אמנם שגוגל לא הצליחה לחזות התפרצויות כאלה, אבל המאמץ נמשך..
אגב, בניגוד למחשבה שרק מחשבי-על הם שמעבדים את המידע לתחום הביג דאטה (קראו באאוריקה בתגית "ווטסון"), ישנן כיום מערכות שמטפלות בעיבוד נתונים כאלה, גם במחשבים רגילים.
הנה עולם הביג דאטה:
https://youtu.be/RrhDqByPxwY
והסבר על הביג דאטה (מתורגם):
http://youtu.be/j-0cUmUyb-Y?t=14s
