» «
למידה עמוקה
מה ההבדל בין למידת מכונה ללמידה עמוקה?



הלמידה העמוקה (Deep Learning) היא טכנולוגיה שמאפשרת למערכות מחשב לחקות את פעולת המוח האנושי ולבצע למידה, תוך שיפור מתמיד המאפשר למערכת להיות חכמה יותר ויותר כל הזמן.

אבל מה ההבדל בין למידה עמוקה ללמידת מכונה?

בעוד שב"למידת מכונה" (Machine Learning) הלימוד הוא מתוך דאטה שתויג ואורגן מראש לשם כך, על ידי מאמני המכונה, מה שנקרא "דאטה מתויג" (Labeled data), הלמידה העמוקה לומדת מדאטה כמותי, לא מאורגן, מהמוני דוגמאות לא מזוהות או מסודרות. בתהליך זה תוכנת הלמידה העמוקה משקיעה ומייצרת את הסיווג וה"הבנה" של הדפוסים והסדר שמאפשר לה בהדרגה להבין את הדאטה הזה ולהפוך אותו לידע.

משום כך, ככל שמערכת למידה עמוקה פועלת וככל שהיא בשימוש - היא משתפרת, יודעת יותר ויכולה לבצע משימות מורכבות יותר ובהצלחה הולכת וגדלה.

ההבדל בין למידה עמוקה ללמידת מכונה הוא בסיסי. למידת מכונה מחייבת את המומחה לאתר תכונות מסוימות שעל פיהן הוא מאמן את המכונה, כלומר התוכנה, ללמוד. בלמידה עמוקה, לעומת זאת, לא נדרשת הפעילות המקדימה הזו בכדי שהמכונה תלמד. המומחה פשוט מזין למכונה המוני מקרים, בלמידה עמוקה אלה יהיו בדרך כלל תמונות, והוא נותן לתוכנה לאתר בהם מאפיינים, הבדלים, דפוסים וכדומה.

זה קצת דומה לשני טיפוסי מורים. יש את המורים שמתעקשים להגיש לתלמידים את הידע "על כפית" ולהראות להם על מה להביט בלמידה, בעוד אחרים, נקרא להם "המלמדים העמוקים", נותנים להם לאתר את ההבדלים, להעלות השערות לגבי דפוסי מידע וחלוקה, להסיק מסקנות וכדומה.

אז כך, ממש כמו התלמידים אצל "המורה העמוק", תוכנת הלמידה העמוקה מקבלת בלמידה כזו המון "הזדמנויות" ללמוד בעצמה, במקום הוראות מה לחפש בדאטה, כדי להבין בין המקרים.

זו, אגב, גם הביקורת של המדענים על השיטה הזו. הם גורסים שלא נדרש עוד ממדענים להבין בעיה כדי לפתור אותה. זה מביא לרדידות ולפתרון בעיות בניסוי וטעייה טכנולוגיים, במקום באמצעות תיאוריות מעמיקות ובחינתן באופן מדעי.


הנה הסבר יפה של הבדלי הבינה המלאכותית, למידת מכונה ולמידה עמוקה:

https://youtu.be/w-8MTXT_N6A


הסבר על הבדלים בין למידת מכונה ללמידה עמוקה:

https://youtu.be/-SgkLEuhfbg


הסבר פשוט של הלמידה העמוקה:

https://youtu.be/6M5VXKLf4D4


כך הולך ומתפתח עץ ההחלטות המשתפר של מערכת הלמידה העמוקה:

http://youtu.be/nSg4HKHdDs4


והרצאה אקדמית על למידה עמוקה (עברית):

https://youtu.be/z-aezi4W90o?long=yes
למידה עמוקה
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 שפעם הבטיח מהפכה של ממש בעולם המחשוב, "לא סיפק את הסחורה". התקופה הזו כונתה 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 לטכנולוגיה חזקה ומעשית - "הלמידה העמוקה".

התחום הזה הוא תת-תחום בתוך תחום "למידת המכונה", או כמו שאומרים המקצוענים הדיספלינה של "למידת המכונה" (ML). "למידת מכונה" הוא תת-תחום מרכזי בעולם האינטליגנציה המלאכותית.

המיוחד במערכות למידה עמוקה הוא היכולת שלהן ללמוד ולהשתפר כל הזמן ודי 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. הוא נקרא גם "הלמידה החישובית" (Machine Learning). 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 מתקשות כיום 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
רשת סמנטית
מהן רשתות סמנטיות?



רשתות סמנטיות (Semantic networks) הן שיטה להכנת מפות מידע, שבה מסומנים ומוגדרים הקשרים בין המושגים השונים. רשת סמנטית מיועדת למיפוי לפי משמעות ועל פי הקשרים בין מרכיבים שונים בה (מיפוי סמנטי). שימוש ברשת מושגית מתקדמת שכזו יכול לסייע בתהליכי חשיבה, סיעור מוחין וקבלת החלטות.

המידע ברשת סמנטית מאורגן לפי מושגים שמיוצגים במילה או במשפט ומקושרים למושג מרכזי. נכנה את המושגים "צמתים". בין כל צומת לאחרות יש קשרים, שהם בעצם קשרים אל המושגים הקרובים אליה משמעותית. רשת כזו ניתן לבנות לדוגמה סביב המושג המרכזי "אריה". קשרים יחברו בינו לבין מושגים קרובים כמו: טורפים, יונקים, חתולים גדולים, חיות פרא, אוכל בשר, אפריקה וכדומה. לכל קשר יהיה את התפקיד והמשמעות שלו וצבעים שונים יכולים לבטא את סוג הקשר בין מושגים.

שרטוט רשתות סמנטיות מאפשר תהליך למידה. זה קורה בשילוב שאנו עושים בין הדברים הידועים לנו בטרם הלמידה, לבין הדברים שנלמד תוך כדי השילוב של ידע חדש ברשת הסמנטית. קשרים שלא נדע להסביר את טיבם ומושגים ללא קשרים ביניהם יצביעו על מה שדורש למידה נוספת ומעמיקה יותר. בהנחה שחקר ולמידה כאלו אכן יבוצעו ויקרו, ההבנה של המושגים והקשרים שביניהם היא הלמידה.

בשנים האחרונות הפך נושא הרשת הסמנטית לתחום חם גם בעולם הטכנולוגיה. זאת לאחר שהסתבר שרשת כזו יכולה להוות בסיס למערכות בינה מלאכותית ולשיפור רשת האינטנרט ומנועי החיפוש. המחקר המדעי בעולם עוסק לא מעט במיפוי סמנטי לצורכי המיחשוב ובמקביל התפתח חזון הווב הסמנטי, שמציג רשת עתידית, מבוססת משמעות ובעלת יכולות רבות לשיפור האינטרנט (קראו עליה באאוריקה בתגית "ווב סמנטי").


משימת התנסות
===========
הכינו רשת סמנטית על המושג "מחשב", בכתיבת המושג, המושגים הקרובים והמושגים שנובעים מהם ויצירת הקשרים ביניהם על גבי נייר.


הנה הרשת הסמנטית:

https://youtu.be/3wMfKTkYemY
ניסוי החתולים
מהו ניסוי החתולים של גוגל?



כשרוצים ללגלג על יוטיוב והרשת, תמיד מדברים על סרטונים טפשיים של חתולים. אבל האמת היא שניתן לעשות באמצעותם לא מעט. בשנת 2012 הצליחה חברת גוגל להוכיח את היכולת של מערכת הלמידה העמוקה שלה באופן משמעותי. לאחר שהוכיחה שצפייה ב-10 מיליון תמונות מסרטוני יוטיוב, הביאה אותה ליכולת טובה פי שניים מניסיונות קודמים בזיהוי עצמים כמו חתולים בתמונות.

בכך הצליחה לראשונה תוכנה חכמה לחבר באופן לוגי בין תמונה למילה. היכולת לזהות באופן עצמאי את הקשר בין המידע הויזואלי למילה חתול הוא שלב מרשים בצעידה לכיוון של הבינה המלאכותית והלמידה העמוקה. במדעי המוח מזוהה שלב זה עם שלב דומה בלמידה של התינוק. בשלבי הלמידה הראשונים שלו הוא לומד לזהות עצמים עם מילים שלמד מהוריו.


הנה תיאור הניסוי של הלמידה העמוקה בגוגל לזהות חתולים בסרטונים:

https://youtu.be/TK4qLwTye_s


הומור סרקסטי על העובדה שהמוח של גוגל יהפוך בסוף לטיפש מעודף צפייה בסרטוני חתולים ברשת:

https://youtu.be/lWijWH8VnlA


והרצאת טד עם ראייה חכמה וההתקדמות המדהימה שלה (מתורגם):

https://youtu.be/40riCqvRoMs?long=yes

למידה עמוקה

Google Brain
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
מחשוב קוגניטיבי
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 המחשב 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.

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:

https://youtu.be/h22n80aT2FY



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
דיפ נוסטלגיה
מהי טכנולוגיית הדיפ נוסטלגיה?



בשנים האחרונות הולכת ותופסת את מקומה טכנולוגיה מבוססת בינה מלאכותית (AI) שנקראת דיפ פייק (Deepfake). טכנולוגיה זו משמשת לייצור או שינוי תוכן וידאו כך שהיא מציגה מציאות שלמעשה לא התרחשה מעולם. מנאומים שלא ננאמו מעבירים מסרים בדויים מפיהם לכאורה, של אנשים מפורסמים ועד סרטונים "פסאודו-תיעודיים", שמציגים מראות וטקסטים מדוברים, שנראים אמיתיים אך מעולם לא צולמו והוקלטו.

ענף חדש בעולם הדיפ פייק הוא יישום שזכה לשם "דיפ נוסטלגיה" (™Deep Nostalgia), המנפיש את פניהם של אנשים שצולמו בתמונות ישנות או היסטוריות, ומזיז את פניהם, כאילו צולמו בווידאו.

הטכנולוגיה הזו פועלת על כל תמונת סטילס (תמונות קפואות), כולל תמונות בשחור-לבן ותמונות שצולמו בצבע.

השם ניתן ליישום פורץ דרך זה על ידי חברת MyHeritage, שעוסקת בפיתוח טכנולוגיה ליצירת עצי משפחה מקוונים.

סרטוני הדיפ נוסטלגיה התפרסמו כשאנשים שיתפו עם בני משפחתם וחבריהם סרטונים קצרים ומונפשים שנוצרו כך, ובהם קרוביהם ואבותיהם מזיזים את ראשיהם, מצמצים, מחייכים ונעים בצורה ריאליסטית כמעט לחלוטין.


#איך פועלת הדיפ נוסטלגיה?
דיפ נוסטלגיה מחזירה, אם כן, לחיים אנשים שצולמו בצילומי סטילס. זה מתחיל באיתור פני המצולמים בתמונות ואז הפקה של מחוות ותנועות מציאותיות, ממש כאילו צולמו בווידאו. ההנפשה של הפנים בתמונות הסטילס מראה אותם מחייכים, זזים וממצמצים, כאילו צולמו כך במקור.

בבסיס הטכנולוגי של יישום ה"דיפ נוסטלגיה" פועל אלגוריתם למידה עמוקה (Deep Learning), המחבר בין תווי הפנים של המצולמים לבין אוסף מחוות שצולמו בווידאו ושמורים במאגר החברה.

פיתוח וצילום אותן מחוות נעשה כשצילמו אנשי מיי הריטג' מראש שלל מקטעי וידאו של שחקנים ועובדי החברה, המזיזים את ראשיהם ופניהם באורח טבעי, ממצמצים, מחייכים ומפנים את ראשם לכיוונים שונים.

למעשה שכרה חברת MyHeritage רישיון מחברת D-ID, לטכנולוגיה שפותחה בה ומאפשרת שחזור, באמצעות טכנולוגיית למידה עמוקה, של סרטוני וידאו.

על מנת שאפקט ההנפשה יופעל על התמונות, ברזולוציה הכי גבוהה האפשרית, עוברות תמונות מטושטשות חידוד אוטומטי, שמבצעת הטכנולוגיה החדשנית, מה שמעלה באופן דרמטי את איכות הסרטונים המופקים בה.

ההברקה האמיתית של הטכנולוגיה הזו נעוצה בזיהוי והבחירה האוטומטית שמבצע יישום הדיפ נוסטלגיה, מבין מקטעי המחוות בווידאו. ניתוח מהיר של מנח הראש וכיוון העיניים של המצולמים בתמונה מאפשרים ליישום להתאים להם באופן חכם את מחוללי ההנפשה המיטביים ולייצר את הסרטונים המונפשים באופן אופטימלי.


#ממה נמנעו מפתחי הדיפ נוסטלגי?
אנשי חברת MyHeritage ומפתחי היישום המלהיב נמנעו מהוספת דיבור לסרטונים.

לאור העובדה שטכנולוגיית הדיפ פייק ידועה ביכולות המטורפות שלה, גם בתחום הדיבור, נשאלת השאלה מדוע. הרי ניתן היה לשתול בפי המצולמים טקסטים מדוברים, שהיו נשמעים אמיתיים, על אף שמעולם לא צולמו והוקלטו.

ראשית, חשוב לומר שזיהוי קולי של המצולמים, ככל שמדובר באנשים שקרוביהם זוכרים עדיין את קולם האמיתי, היה מפחית את אפקט המציאות שיוצרים הסרטונים הללו.

אבל יש עוד סיבה לכך.

ב-MyHeritage מציינת שההימנעות מאפקטים קוליים של דיבור היא מכוונת. מטרתה, הם מטעימים, היא "למנוע שימושים זדוניים בכלי", דוגמת אלה שנעשים בסרטוני "דיפ פייק" של פוליטיקאים וידוענים שעודם בחיים.

לכן הם גם מבקשים מהמשתמשים לעשות בכלי שימוש רק על תמונות היסטוריות השייכות להם ולהימנע משימוש בתמונות של אנשים חיים, שלא אישרו את השימוש הזה.


הסבר לטכנולוגיה (עברית):

https://youtu.be/O4VPN_YjgIM?t=21s


הנה הדיפ נוסטלגיה:

https://youtu.be/tjBYSnoAWqg


ציורים מפורסמים שקמים לתחייה:

https://youtu.be/TWY1uBK4Zxc


ואפילו דיקטטורים קמים לתחיה עם הדיפ נוסטלגיה של מיי הריטג':

https://youtu.be/a-HR03bToew
רשת עצבית מלאכותית
מהן רשתות נוירונים ממוחשבות?



רשתות נוירונים (Neural Networks) הן רשתות מחשבים מתקדמות שמחקות את החשיבה האנושית.

נוירון במוח הוא תא עצב. זהו תא טיפש, ללא יכולת מרשימה בפני עצמו. את כוחו ויכולתו המדהימה לפתור בעיות מורכבות הוא קונה רק כשהוא שותף זעיר ברשת העצבית העצומה, שקוראים לה מוח.

למוח ולרשת נוירונים טכנולוגית שמחקה אותו יש את היכולת המדהימה לפתרון בעיות מורכבות. רשת נוירונים היא "רשת עצבית" מלאכותית, שמעתיקה את הפעילות של שכבות תאי העצב בניאו-קורטקס, האזור שתופס את רוב המוח האנושי.

בניאו קורטקס נעשית החשיבה שלנו. ב"רשת נוירונית" מחובר כל נוירון בסינפסות אל נוירונים נוספים. התקשורת בין הנוירונים היא באמצעות "פוטנציאלי פעולה" - מעין הבזקים, פעימות חשמליות, שעוברות בסינפסות בין נוירון, תא עצב, למשנהו והלאה אל הנוירון הבא ולאלה שאחריו.

מחקר רשתות הנוירונים עוסק בבניית מודלים וירטואליים של שכבות תאי העצב ובתחום זה עוסקים כיום צוותים מגוונים, שמורכבים ממדעני מוח, מדעני מחשב ותוכנה. רשתות מחשבים כאלה יוכלו בעתיד לבצע פעולות שהמוח יודע לבצע בקלות: לאסוף מידע, לנתחו ולהגיב לו בקבלת החלטות שאנו עושים אלפי פעמים ביום.

תחום הנוירו-מחשוב הוא אחד התחומים החשובים בעולם כיום. הוא יוביל בעתיד לדור מתקדם במיוחד של תוכנות חכמות. כבר היום רואים את האפשרויות של תוכנות-מוח שכאלה - מאפליקציות שלומדות את טעמנו האישי ומציעות לנו בגדים, אוכל, מוסיקה או ספרים שאנו אוהבים. בעתיד יותר ויותר טלפונים חכמים ילמדו הרגלים, תחביבים, העדפות וצרכים של המשתמש ויסייעו לו.

גם ברפואה משפרות רשתות עצביות את היכולות ומציעות השפעות נפלאות על היכולת לאתר סרטן עור מוקדם, לגלות טיפולים תרופתיים חדשים למחלות ועוד.

דמיינו מצלמות חכמות, שיודעות לזהות פורץ או מבקר תמים בביתנו, מערכות מחשוב שיזהו האקרים לעומת משתמשים תמימים שטעו, בידוק בטחוני שיזהה מפגים או עבריינים ומערכות צבאיות שיוודאו שכוחותינו יזהו וישמידו את כוחות האויב ולא את כוחותינו.


המלצה:
======
קראו באאוריקה בתגית "למידה עמוקה", על פיתוח מערכות הבינה המלאכותית שמתבססות על רשתות הנוירונים.


הנה רשתות הנוירונים הממוחשבות (מתורגם):

https://youtu.be/JrXazCEACVo


דרך לזהות בהן הפרעות נוירולוגיות (עברית):

https://youtu.be/Agrf1PPXSl8


רשתות הנוירונים שבמוחנו:

https://youtu.be/Gf5QEzZ9F3w


התהליך הכימי של מעבר המידע בין הנוירונים (מתורגם):

https://youtu.be/6Ra3il45vnE


כיום מפתחים רשת נוירונים שמחקה את יכולת הלמידה של תינוק:

http://youtu.be/VNNsN9IJkws


הסבר מדעי (מתורגם):

https://youtu.be/Z6xDuPOgT_Q


דרך שבה רשתות נוירוניות פועלות:

https://youtu.be/h52wgSsm57g


והפיתוח שלהם על ידי למידה מהביולוגיה והטבע:

https://youtu.be/JqMpGrM5ECo


דיפ פייק
מהם סרטוני דיפ פייק?



דיפ פייק (Deep fake או Deepfake) הוא שמה של טכנולוגיית וידאו, מבוססת בינה מלאכותית (AI), ההולכת ותופסת בשנים האחרונות את מקומה ברשתות החברתיות שבאינטרנט.

העיקרון המוביל בסרטוני ה-Deepfakes הוא שחזורי פנים מדויקים, המולבשים על וידאו או אנימציה ומייצרים מראות הנראים אמיתיים לגמרי.

בהסבר פשוט, מדובר בהחלפת פניו של מצולם בווידאו, באמצעות אלגוריתם של למידת מכונה. התוצאה של זה היא יצירה קלה למדי, של סרטוני וידאו המציגים מעשים ודיבורים שמעולם לא קרו או נאמרו.


#תולדות ה"דיפ פייק"
את לידת הטכנולוגיה הזו סימנה אפליקציה בשם FakeApp, שפותחה בסין על ידי מיזם בשם MoMo. המיזם היה ככל הנראה החלוץ בכך שאפשר להמונים להדביק את פניהם לזמרים, שחקנים ודמויות ממשחקי וידאו. לראשונה ראו המשתמשים שמספיקה תמונה אחת של פניהם, כדי שהאפליקציה תדביק ותמפה אותה באופן אוטומטי על גבי הקליפים שהיא מציעה.

בשנת 2016 כבר פותחו מערכות למידת מכונה אוטומטיות וחזקות יחסית, כאלה שלומדות ומשתפרות בעצמן, ככל שהן מופעלות. המערכות הללו חזרו שוב ושוב על תהליכי יצירת Deepfake וככל שהתהליך נמשך, לאחר מיליוני פעמים, הן שיפרו את התוצר. בשנה זו יצאו כבר תוכנות שאפשרו זאת גם על מחשבי PC ביתיים וחלשים יחסית.

את שמה קיבלה הטכנולוגיה הזו בשנת 2017, ממשתמש באתר Reddit שכינויו "זיופים עמוקים". הוא טבע את המונח לאחר שערך כמה סרטונים פורנוגרפיים ובהם הוא הטמיע, באמצעות טכנולוגיית "למידה עמוקה" (Deep learning), את פניהם של ידוענים ומפורסמים שונים.

את פרסומה העיקרי חייבת הטכנולוגיה הזו לסרטוני "פייק ניוז", חדשות כזב, שיצרו תומכי פוליטיקאים בארצות הברית, במהלך קמפיין הבחירות לנשיאות 2020. לפתע החלו להופיע סרטונים בהם ממליצים ומסבירים נשיאי עבר ומשפיענים פוליטיים שונים על דברים בדויים ומנוגדים לאמת. על התחום הזה שווה לקרוא בתגית "פייק ניוז".


#למה משמשים סרטונים אלו?
טכנולוגיית ה-Deepfake משמשת ליצירת תוכן וידאו המציג מציאות בדויה לחלוטין, דברים שנראים ונשמעים אמיתיים ומצולמים, אך למעשה לא התרחשו מעולם.

ביטויי הסרטונים הללו, שזכו לכינוי Deepfakes, הם רבים. החל מנאומים שלא ננאמו ומעבירים מסרים בדויים מפיהם של ידוענים, מנהיגים ומפורסמים ועד סרטונים "פסאודו-תיעודיים", שמציגים מעשים, מראות וטקסטים מדוברים, הנראים אמיתיים לחלוטין אך מעולם לא צולמו והוקלטו.

מדובר בעניין מהפכני. מעולם לא עמדה טכנולוגיה כה חזקה וריאליסטית לטובת תעשיית השקר, או בשנה המכובס, תעשיית ה"פוסט אמת".

בעולם של ה-Deepfakes השתפרו האפשרויות ליצירה והפצה של שקרים פלאים. הן כה מרשימות, עד כדי כך שמיליונים "נופלים בפח", מאמינים לסרטוני הדיפ פייקס ומשנים את דעותיהם ואף את התנהגותם והעדפותיהם הפוליטיות בגללם.


#סיכום
הכלים ליצירת סרטוני ה"דיפ פייקס" הם כלים טכנולוגיים, מתוחכמים מכל טכנולוגיה שעמדה בעבר לטובת השקרנים ומקדמי מה שזכה לכינויים כמו "אמת אלטרנטיבית", תיאוריות קונספירציה וכדומה.

מעולם לא עמדו טכנולוגיות כה חזקות לרשות השקרים הקטנים, להם מתאפשר עתה להמציא ולהפיק את הבדיות שלהם באופן מוחשי וריאליסטי מאי-פעם.

מצד שני, מעולם הדיפ פייק נולד עם הזמן גם יישום ה"דיפ נוסטלגיה". עד שימצאו גם לו שימושים מזיקים ואף מחרידים, זהו עולם חיובי, סנטימנטלי ומעורר התרגשות אמיתי, בהנחה שנוסטלגיה אינה מזיקה לאיש. ניתן לקרוא עליו בתגית "דיפ נוסטלגיה".


הסבר לטכנולוגיה (עברית):

https://youtu.be/lk-1hBpAyiU


אובמה מדבר פייק:

https://youtu.be/gLoI9hAX9dw


ההשלכות של זה מטורפות (עברית):

https://youtu.be/4BsiYnt51ok


כך יוצרים פנים ממאפיינים או שילובי פנים אמיתיים:

https://youtu.be/kSLJriaOumA


שעשוע עם טראמפ ומיסטר בין:

https://youtu.be/HN-qlGf2mZw


וקצת מוסיקה מצמד הנשיאים וחתול:

https://youtu.be/dsODRfCMRoM
מהו ווטסון, מחשב העל הלומד?



מחשב העל "ווטסון" (Watson) פותח על ידי חברת IBM והוא מחשב קוגניטיבי, כמעט המחשב החושב שדורות של מדעני מחשב דיברו על בואו, אי-שם בעתיד.

ווטסון נחשב היום המחשב החכם בעולם והחליף את "כחול עמוק", שגם הוא פותח על ידי אותה החברה וזכה להישג היסטורי וחסר תקדים, כשניצח בעבר את אלוף העולם בשחמט.

גם ווטסון, שנקרא על שם תומאס ווטסון, מייסד IBM, זכה להכרה בינלאומית. 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


כך הוא מאפשר פיתות אפליקציה:

https://youtu.be/mqQWHbyopSQ


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


לפיתוחי IOT, אינטרנט של הדברים:

https://youtu.be/E0vv5uJVDIk


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
למה מחשבים לא חכמים או נבונים כמו בני אדם?



מחשבים יודעים לעשות המון דברים מצוין, אפילו יותר מבני אדם. אבל זה לא אומר שהם נבונים או חכמים מבני אדם. עדיין...

מהירות הפעולה של המחשבים מאפשרת להם לבצע חישובים מסובכים ביותר, בשבריר מהמהירות שאפילו הגאון האנושי הכי גדול יכול רק לקנא בה. הם יכולים לחשב מתמטיקה ולבצע פעולות על תמונות, וידאו, תקשורת ועוד, אפילו לנצח את רובנו בשחמט... מחשב כבר ניצח את האלופים האנושיים, אפילו בשעשועון טלוויזיה שהתנהל בשפה טבעית, שהיא שפה אנושית.

אבל האם זה אומר שהם נבונים או חכמים באמת? ואם לא, האם בעתיד יוכל המחשב להיות חכם כמו ואפילו יותר מבני אדם? ונבון?

כרגע מחשבים הם ממש לא נבונים כבני אנוש. הם מחשבים מצוין, אבל חושבים ברמה של ילד קטן. החשיבה האנושית היא מפותחת כל כך, שהם אפילו לא קרובים לחיקוי שלה.

בקשר לחוכמה, הם לומדים ועושים זאת לא רע, אפילו טוב. למידת מכונה, למשל, מחייבת עדיין בני אדם מקצועיים שיאמנו את המחשב וזו עדיין מלאכה למומחים. זה אומר שמדובר במשהו כמו מורים ברמת פרופסור המלמדים תלמידים בבית הספר היסודי.

אבל למידה עמוקה היא סיפור אחר. כבר היום מחשבים מלמדים את עצמם, באמצעות טיפול בכמויות אדירות של נתונים, מה שקרוי לעתים "ביג דאטה", לזהות ולהסיק מסקנות שמעט מאוד בני אדם יכולים היו להגיע אליהם. זו כבר סוג של תבונה ולא סתם זהו חלק מובחר בעולם של ה"בינה המלאכותית" של ימינו.

ישנם מדענים שמאמינים שבקרוב, ממש בתוך כמה עשרות שנים, יהיו כבר מחשבים נבונים ובעלי רגשות כמו של בני אדם. זה ייצור עולם חדש ומשונה שבו מחשבים יוכלו לבצע ולחשוב בשבילנו. יש אפילו מי שטוענים שזה יאריך את חיינו בהמון שנים. האם זה טוב או שיש בזה גם רע? - כנראה שגם וגם, אבל בכל מקרה זה מעניין וראוי למחשבה!


הנה סרטון על חוכמת המחשב לעומת חוכמת האדם (עברית):

http://youtu.be/YTNasDfDE6U


אולי המחשב כן יכול להיות חכם כמו בן אדם? (מתורגם):

https://youtu.be/3wLqsRLvV-c
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
מהו זיהוי פנים?



ממצלמות אבטחה במרחב הציבורי, דרך מצלמות מעקב המתעדות מיליוני אנשים בערים ובדרכים ועד לסוכנויות המעקב הממשלתיות, לאחרונה נראה שהיא בכל מקום. מדובר בטכנולוגיית זיהוי פנים (Facial recognition), המבוססת. על היא יכולת טכנולוגית מבוססת אלגוריתם, או תוכנה, שמסוגלת לזהות אדם על פי צילום דיגיטלי שלו, אם בתצלום ואם בסרט וידאו. מערכות זיהוי פנים רבות מתיימרות כיום לעשות זאת באופן אוטומטי.

אחת השיטות לזיהוי פנים היא על ידי השוואת תכונות תווי הפנים שבתמונה לתמונות שמאוחסנות במאגר נתונים. אלגוריתם פשוט למד כבר מזמן לזהות בזמן צילום דיגיטלי, פנים אנושיות וכך עשה פוקוס עליהם, כדי שהפנים לא יצאו מטושטשים.

בשנים האחרונות הפכו האלגוריתמים של זיהוי פנים מדויקים מבעבר. הם מאפשרים לעבד כמויות אדירות של מידע, במהירות וביעילות, כשהם נעזרים במאגרי נתונים ענקיים המכילים את פניהם של אזרחים רבים.

המדהים הוא שהרשתות החברתיות מהוות כיום את מאגר הנתונים הגדול מאי-פעם, כשלכל צילום מתווספים מיידית שמות המצולם ופרטים מזהים רבים. המרכזיות של המדיה החברתית בחיינו מהווה סיכון לא קטן לפרטיות שלנו וזה יילך ויתחדד, ככל שיימצאו שימושים חדשים לטכנולוגיות הללו.

כל השחקנים הטכנולוגיים הגדולים כבר שם. אם זו פייסבוק, שמזהה את חבריך בתמונות שהעלית לקיר שלך, או גוגל שמזהה לבעלי סמארטפונים את פניהם של המצולמים בתמונות שבנייד האנדרואיד שלהם. מיקרוסופט, שהצליחה לפתח אלגוריתמים לשלטים שמזהים את המתבונן ומציעים לו פרסומות מטורגטות, כלומר פרסומות שונות לכל אדם ומותאמות לנושאים שבהם הוא מתעניין, בצורה די דומה לפרסומות בדפדפן, שמתאימות את עצמן לחיפושים שלך במנוע החיפוש. מוצר אחר של מיקרוסופט המשתמש בזיהוי פנים, הוא מצלמה שמסוגלת להבחין בין תאומים זהים ולזהותם על אף הדימיון הרב ביניהם.

מערכות זיהוי פנים משמשות כיום לאבטחה, לזיהוי החברים המצולמים ברשתות חברתיות ולמעקב אחרי פושעים וטרוריסטים במקומות ציבוריים. לעתים קרובות הן מופעלות ביחד עם טכנולוגיות משלימות, שכן זיהוי פנים היא חלק מתחום הזיהוי הביומטרי. טכנולוגיות נוספות שמשמשות בזיהוי ביומטרי הן זיהוי טביעות אצבע, זיהוי דנ"א וזיהוי קשתית העין.


כך אנו מזהים פנים (עברית):

https://youtu.be/mTSsCYob9mo


זיהוי פנים טכנולוגי:

https://youtu.be/wve5JWX7yoc


זיהוי פנים כאמצעי תשלום (עברית):

https://youtu.be/9yyeH6CK5xk


על זיהוי פנים ופרטיות (עברית):

https://youtu.be/fU3OMXLAKNk


טכנולוגיית האבטחה שמתבססת על זיהוי פנים:

https://youtu.be/9k-rTVfLesQ


מראת הפלא שמזהה בין השאר רגשות של המתבונן בה:

https://youtu.be/uN1yB17S2bk


נראה שזיהוי הפנים של חלונות 10 לא מתבלבל בין תאומים זהים:

https://youtu.be/J1NL246P9Vg


ויש גם זיהוי פנים מעט מביך כמו אלגוריתם שמבטיח לזהות את הגיל של המצולם:

https://youtu.be/Wi8DLKPQqJ0
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
מה חכם בטלוויזיה החכמה?



טלוויזיה חכמה (Smart TV) היא מכשיר טלוויזיה שפועלת על מערכת הפעלה משלה ומגוון טכנולוגיות שמאפשרות ליהנות מתוכן, בנוסף לערוצי הטלוויזיה הרגילים. טלוויזיה חכמה מספקת שירותי VOD המועדפים עליכם, כגון Netflix, Amazon, YouTube, ובנוסף שירותי צפייה ישירה של מוזיקה, כגון Spotify, ואפילו משחקים שונים ותוכן ספורט להנאתכם. אפילו שידורי כבלים ולוויין בתשלום זמינים לצפייה בטלוויזיות חכמות - עליכם רק להתקין את האפליקציה שמספקת חברת הכבלים או הלוויין.

בנוסף לערוצי טלוויזיה רגילים, מציע עולם מגוון ועשיר של תוכן, דרך אפליקציות שניתן להתקין בה, חיבור ישיר לאינטרנט ואפשרות לחבר אליה שלל התקנים חיצוניים הכוללים או מאחסנים תוכן.

ניתן לנסח משוואה פשוטה:
טלוויזיה + אינטרנט + אפליקציות + חיבוריות למגוון אמצעים = טלוויזיה חכמה

מה טלוויזיה חכמה יכולה לעשות בשביל הצופים?

תוכן אינסופי - התקנת אפליקציות או כאלה שהותקנו מראש מציעות שירותי VOD ושירותי סטרימינג, המזרימות תוכן לצפייה. סרטים וסדרות מציעות אפליקציות כגון Netflix, דיסני, YouTube, Amazon ועוד. מוסיקה ניתן לקבל מאפליקציות סטרימינג של מוזיקה, כגון Spotify ו-Apple music. אפליקציות שירותים נוספות שחלקן בתשלום, מציעות גם משחקים, שידורי ספורט, שידורי כבלים ולוויין ועוד.

חיפוש מהיר ונוח - מאפשר למצוא בקלות את התוכן המבוקש. מהקלדה באמצעות השלט המצביע ועד חיפוש קולי - הדבר החשוב הוא למצוא את התוכן ללא מאמץ. זיהוי קול מחליף את ההקלדה הידנית ואת השימוש בחיישני תנועה המחייבים "הצבעה" על אותיות, באמצעות השלט הרחוק החכם.

המלצה על תוכן - טלוויזיה חכמה מתוכנתת לא פעם להציע תוכן שהצופים יאהבו עוד לפני שמתחילים לחפש. אלגוריתמים המנתחים את העדפות ודפוסי הצפייה והחיפוש מוצאים וממליצים על תוכן תואם, מעדכנים על עונות חדשות של סדרות ותכניות אהובות ומספקות שירותים שמתבססים על נתוני הצפייה של הצופים.

זיהוי התקנים חיצוניים - טלוויזיה חכמה מתוכננת לזהות באופן אוטומטי כל התקן שמחברים אליה באמצעות חיבור ה-HDMI שלה. יש לה בדרך כלל ממיר אינטראקטיבי, שלט רחוק חכם, המסוגל לשלוט במכשירים שמחוברים אליה וניתן לתפעל אותה מהסמארטפון, הטלפון החכם של הצופה.


הנה הטלוויזיה החכמה:

https://youtu.be/B-Vri7gKFsI


אבולוציה של הטלוויזיה:

https://youtu.be/aiWiW9DjwFw


וכך ניתן להפוך טלוויזיה פשוטה לחכמה (עברית):

https://youtu.be/5_nX5uQP8Q0
מהי ראייה ממוחשבת במערכות זיהוי תמונה?



ראייה ממוחשבת (Computer Vision) היא יכולת של מערכת מבוססת מחשב לעבד תמונות או וידאו. במערכות ראייה ממוחשבת עושים שימוש במגוון תחומים, מזיהוי פנים, זיהוי מבנים, מיפוי, מדידה, שיפוץ תמונות, לרוב לצרכים אסתטיים ועוד.

מערכות ראייה ממוחשבת מבוססות על יכולת זיהוי תמונה. במערכות כאלה יכולה המערכת לזהות מרכיבים בתמונה, על סמך מידע שהוזן לתוכה ולמידת מכונה, שבה היא השתכללה עם הזמן.

מכשירים סלולאריים ורובוטים נעזרים בראייה ממוחשבת כדי לראות ולהבין, ממש כמו בני אדם, את סביבתם. הם מצוידים ביכולת לנתח את המרכיבים החזותיים שנקלטו במערכת הראייה מבוססת החיישנים שלהם ולשפר את היכולות שלהם, בהתבססות על מה שלמדו בפעמים קודמות. זו כמובן "למידת מכונה".

מערכות ראייה ממוחשבת משמשות כיום גם לזיהוי פרצופים של חשודים בביצוע עבירות, מחבלים וחברים בארגוני טרור וכדומה.


זוהי טכנולוגיית הראייה הממוחשבת:

https://youtu.be/zLkz6ljKtyw


כך ניתן להשתמש בראייה ממוחשבת לשימושים שונים:

https://youtu.be/ObIjxA9vCR8?t=15s


מכשיר הקינקט הכיל שבב זיהוי תנועה עם ראייה ממוחשבת ועשה פלאים:

https://youtu.be/jGJh63sV66A


הנה "Alice" טכנולוגיית ניתוח הסביבה של חברת פרינגפיי (Fringefy):

https://youtu.be/UeH09CfBsqE


והרצאה שלמה על ראייה ממוחשבת (עברית):

https://youtu.be/hG5tRy3FEWI?t=1m14s?long=yes
איך צובעים סרטי קולנוע ישנים?



צביעה אוטומטית של סרטים ישנים שצולמו בשחור לבן (Colorise of old films) היא טכנולוגיה חדשנית, המשתמשת בבינה מלאכותית כדי להחזיר את הצבע לסרטי שחור לבן ישנים.

ההוספה של אפקטים מיוחדים לסרט, עם המודרניזציה שלו והצגת המראה האותנטי של מי ומה שצולמו בו איננה רק טכנולוגיה. מדובר במשהו שמחזיר את החיים למצולמים בו ומאפשרת לצופים להתחבר טוב יותר לתוכן. לפתע הופכות דמויות השחור לבן המרצדות של הסרטים הישנים לאנשים כמונו. זוהי סוג של הנפשה מאוחרת למצולמים בו.


אבל איך זה קורה?

דמיינו שאת סרטי הפילם הישנים ממירים לפורמט דיגיטלי (מה שנקרא "דיגיטציה") ואז נותנים למחשב, שבתוכנה שלו שמור ידע עצום על צבעים אופייניים של מדים בצבא הגרמני, עצים בטבע, מטוסים במלחמת העולם השנייה וכדומה.

בתהליך הצביעה הדיגיטלית צובע המחשב כל אובייקט כזה שמופיע בסרטים. המומחה עובר על הסרטים אחריו וצובע את מה שהמחשב לא ידע לצבוע. אבל המחשב לומד כל אובייקט חדש כזה, שהאדם צבע. בפעם הבאה שאובייקט דומה יופיע על המסך, הוא כבר ייצבע אוטומטית על ידי התוכנה.

מדובר במה שהכרנו בתגית "למידת מכונה".

אם היו צריכים לעשות באופן ידני את התהליך של הוספת צבע לתמונות נעות בצבעי שחור לבן, "פריים אחרי פריים" (Frame הוא תמונה בפילם), זה היה לוקח פרקי זמן עצומים.

אז זה לא שאין יכולת לטכנאי אנושי לעבור בדקדקנות על כל פריים ולצבוע אותו צביעה עשירה ומדויקת. המחשב בימינו פשוט עושה זאת במהירות ובדיוק מדהימים, כש"Frame by Frame", הוא לומד ומשתפר עוד יותר.

טכנולוגיה זו, שפותחה בשנות ה-70 על ידי וילסון מרקל, כצביעה פשוטה וזולה של פריימים בסרטי שחור לבן, רק הראתה את האפשרויות. עם הזמן והמחשב, השתפרה השיטה, כשהטכנאי-צייר נהג לצבוע רק חלק מהתמונה, בעוד המחשב משלים, לפי הכיוון שהוא התווה, את צביעת שאר התמונה.

היום, אגב, הטכנולוגיה כבר עוברת ל"למידה עמוקה". ההבדל הוא שהתוכנה מקבלת עכשיו המוני סרטים צבעוניים ולומדת בעצמה על הצבעים האופייניים לכל סוג של עץ, צבעי המדים של כל צבא, צבע עור של כל אדם לפי תווי פניו וכדומה. בקיצור, את הטכנאי-צייר שלידו, כמעט ולא צריך יותר...


כך החל טרנד צביעת הסרטים הישנים שצולמו בשחור לבן (עברית):

https://youtu.be/Yz2gM9u_kus?end=1m27s


כשצובעים סרטים ישנים - נותנים להם חיים:

https://youtu.be/zRed-Ri9IpI


כתבה על הקסם הצבעוני שמחזיר לחיים את האנשים שנלחמו במלחמת העולם הראשונה (עברית):

https://youtu.be/9pGkIFGcxUE


כך צובעים היום סרטי שחור לבן בני מאה שנים:

https://youtu.be/_cSXfKSRKz4


10 טכנולוגיות בינה מלאכותית של צביעת סרטים:

https://youtu.be/mUXpxxyThr8?long=yes


והתפתחות טכנולוגיית צביעת הסרטים שנולדה מצביעה של תמונות שחור לבן:

https://youtu.be/vubuBrcAwtY?long=yes


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
מהן שפות תכנות?



שפת תכנות (Programming language) היא שפה המובנת למחשב. קוד שנכתב בשפת התכנות הוא בעצם תוכנה, או חלק מתוכנה. כלומר קוד כזה הוא סדרה של פקודות שגורמות למחשב לבצע פעולות שונות ומגוונות.

את התחומים הללו ששפות התכנות מסוגלות לגרום למחשב לבצע, אתם מכירים היטב ונתקלים בהם כל יום וכל היום. מניווט מנקודה לנקודה (כן, גם טלפון חכם הוא מחשב!), דרך כתיבה ושליחה של מייל לאדם אחר, הפעלה של משחק מחשב, ציור במחשב או השמעת מוסיקה וכדומה.

שפת תכנות היא הכלי שמאפשר לבני אדם, לרוב בעלי מקצוע הידועים כ"מתכנתים", לתקשר עם מחשבים ולתת להם הוראות.

השפה הזו מאפשרת את קיומו של תִּכְנוּת המחשבים, אחד המקצועות המרכזיים של עידן המחשב.

לכל שפת תכנות יש סדרה של עקרונות וכללים מוגדרים. יש לה תחביר - כלומר דרך שבה יש לנסח את הפקודות שנותן המתכנת למחשב. כך יכול המתכנת לכתוב את קוד המקור של תכנית המחשב ובסיומו, לאחר ניפוי ותיקון השגיאות, מבצעת התכנית את תפקידה.

בחירת שפת התכנות המתאימה על ידי המתכנתת תהיה על פי אופי הפרויקט, תכונות השפה והתאמתה למקום עבודה והתמחותו.

בשפות תכנות מודרניות יש שימוש רב באובייקטים. בין השאר זה אומר שקוד המקור, כלומר מה שהמתכנת כותב, משתמש לא פעם ברכיבים שנכתבו על ידי אחרים ושותפו על ידם לטובת הכלל. כך יוצא שכתיבה בשפת תכנות כזו מתבססת לא פעם על הרחבות חיצוניות, המכונות "ספריות".

כיום, בעידן האינטרנט, יש שפות תכנות שמתמחות בצד השרת (אותו מחשב משוכלל שנמצא ב"ענן" ומבצע פעולות שיישלחו בדרך כלל לדפדפן שלנו) ואחרות מתמחות בצד המשתמש, הקליינט, כלומר שפועלות על ובמחשב שלנו.

שפת התכנות Javacript למשל, היא שפה שמתמחה בצד המשתמש, קליינט סייד. פייתון (Python), בניגוד לה, היא שפה המשמשת בעיקר לצד השרת, סרוור סייד.

רק להמחשה של העניין - שתיהן מהשפות הכי פופולריות ומוצלחות. הראשונה היא אולי השפה הכי נפוצה בימינו והשניה Python, היא אולי השפה הכי קלה ללימוד של מתחילים ועדיין היא שפה מעולה לפיתוחי צד שרת ולתעשיית הסייבר. Python (קורס מלא ומתורגם לעברית בסרטון האחרון) היא גם השפה העיקרית של עולם הלמידה העמוקה (Deep Learning) - העתיד של הבינה המלאכותית, שהולך ומשנה את עולם האינטרנט כיום.


הכוח והיופי שבתכנות (מתורגם):

https://youtu.be/crw_U-UgvcY


על המצאת שפת התכנות:

https://youtu.be/Wchru8alhaE


מתכנת מסביר על שפות תוכנה שונות (עברית):

https://youtu.be/7Baq_Xw4azM


שפות התכנות הפופולריות ב-50 שנה האחרונות ועד היום:

https://youtu.be/Og847HVwRSI


ההיסטוריה של שפות התכנות:

https://youtu.be/mhpslN-OD_o?long=yes


וקורס מלא לשפת פייתון הפופולרית, קלה ומצליחה מאוד (מתורגם):

https://youtu.be/rfscVS0vtbw?long=yes
איך מלמדים מחשבים לזהות פנים?
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 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
כיצד ספוטיפיי מחדדת לנו את הטעם המוסיקלי?


אין הרבה חברות מסחריות דוגמת "ספוטיפיי" (Spotify), שבתוך שנים ספורות הפכו כה אהובות על הציבור. החברה מספקת שירים בהזרמה לכל מכשיר שיש לכם - לטלפון החכם, למחשב, טלוויזיה חכמה, עוזרת אישית או אפילו השעון החכם שלכם.

החברה השוודית הזו נותנת שירות מצוין ובמחיר סביר, תוך נגישות למיליוני שירים, אלבומים ורשימות השמעה (פלייליסטים) נהדרות של מוסיקה.

ספוטיפיי נחשבת לחברת הסטרימינג הגדולה בעולם, כלומר החברה להזרמת מוזיקה עם מספר המנויים הגדול בתבל. היא האחראית העיקרית למהפכת הסטרימינג, שגמלה מאות מיליוני צרכני מוסיקה מהורדות בלתי חוקיות של שירים ואלבומים, לטובת שירות בתשלום מלא. דמי המנוי הללו מתגמלים גם את ספוטיפיי כמובן, אבל גם את היוצרים ואת חברות התקליטים. לכם הם מספקים מוסיקה באיכות האזנה מצוינת, ישירות מהמקור.

אחד הצדדים הכי מעניינים ומיוחדים בשירות של ספוטיפיי הוא הפרסונליזציה שמופעלת בה. האלגוריתמים שלה לומדים בהתמדה את המשתמשים ומרבים להמליץ להם על אמנים, שירים וסגנונות מוסיקליים שהם ורק הם עשויים לאהוב. זה הכי בולט בפיצ'ר שנקרא Discover Weekly. מדובר ברשימה שבועית מופלאה שעולה בכל יום שני ומציעה לך שירים ומוזיקה שהאלגוריתם הגאוני שלהם חושב שעשוי להתאים לטעמך השבוע.

וואו. בכך הופכת ספוטיפיי מעוד שירות להאזנה למוסיקה, יש רבים כאלה, לכלי מיוחד ומעולה לטיפוח הטעם המוסיקלי ולגילוי של שירים ומוסיקה חדשה שאנו עשויים לאהוב.

ובל נטעה - חברות רבות עושות פרסונליזציה. אבל נדיר מאוד למצוא שירות שמצליח לדייק כל כך וממש לתת שירות מיטבי למשתמשים שלו. חברת "נטפליקס" (Netflix), למשל, שנוהגת להזרים סדרות וסרטים לטלוויזיה ולמכשירים של מנוייה, לא מצליחה להמליץ על כך טוב ומפספסת המון. גם אם נחשוב שאולי קל יותר לנצח בתחום המוסיקה מאשר בסרטים או סדרות, כדאי להיות מודעים לכך שגם מתחרותיה של ספוטיפיי בתחום המוזיקה לא הצליחו להגיע ליכולות שלה. היא פשוט טובה. ויפה ונעימה ומגניבה... טוב, שוודית אבל למזלנו לא יקרה כמו שוודיה.


הנה ספוטיפיי (עברית):

https://youtu.be/jSrckknI__s


על המנוי (עברית):

https://youtu.be/tI7Wsj-NhVg?t=19s


זו למידת המכונה שמאפשרת לספוטיפיי להציע את הרשימה השבועית המופלאה שלהם:

https://youtu.be/ai_aImEbBRw


כך פועלת מערכת ההמלצות המצוינת של ספוטיפיי:

https://youtu.be/N_U4tEh9p_8


הסבר על התכונות, כולל הפרסונליזציה שעושה ספוטיפיי (עברית):

https://youtu.be/coNq64f99bA


וכל האבולוציה של תעשיית המוסיקה עד ספוטיפיי:

https://youtu.be/-bVketPj5to?long=yes


אֵאוּרִיקַה - האנציקלופדיה של הסקרנות!

העולם הוא צבעוני ומופלא, אאוריקה כאן בשביל שתגלו אותו...

אלפי נושאים, תמונות וסרטונים, מפתיעים, מסקרנים וממוקדים.

ניתן לנווט בין הפריטים במגע, בעכבר, בגלגלת, או במקשי המקלדת

בואו לגלות, לחקור, ולקבל השראה!

אֵאוּרִיקַה - האנציקלופדיה של הסקרנות!

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.