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 מטפורה ומה החשיבות שלה ביצירתיות?
מטפורה (Metaphor) היא אמצעי לשוני שבעזרתו ניתן להסביר את עצמנו. הן מאפשרות למשל להאיר מושג אחד בתכונות של מושג אחר.
כך מדברים על משהו, על ידי שמדברים על משהו אחר.
המושג "מטפורה", אגב, הוא צירוף של "מטא" (אחרי או מעבר) ו"פראין" (לשאת).
יש המון מטאפורות אפשריות, דימויים שמקלים על הבנת מושגים אחרים. יש ביניהם שהן כל כך שכיחות שכולם כבר התרגלו אליהן. למשל נורה שמייצגת רעיון. ודאי ראיתם פעם או פעמיים בחייכם ציור או אייקון של נורת חשמל, כמסמלת רעיון. או למשל חשיבה, שמיוצגת בציור כגלגלי שיניים בתוך הראש. אלה דימויים, מטאפורות.
עוד דוגמה? - נניח כשאומרים שמשהו הוא כמו משהו. למשל, אם נאמר שגבר הוא צבר, כואב מבחוץ אבל רך ונעים מבפנים. במטפורה הזו אנו מתארים את תכונותיו של הגבר, בתכונותיו המוכרות של פרי הצבר. יש בזה יתרונות רבים, כי כך ניתן להדגיש את מה שאליו אנו מכוונים, על ידי זה שאנו מדברים על משהו שזו תכונתו העיקרית או המוכרת מאד. הקוצים של הצבר ידועים יותר מהקוצים שאנו רוצים להדגיש את קיומם אצל הגבר...
השימוש שלנו, בני המין האנושי, בדימויים ובמטאפורות, הוא מאד נוח. כשאנו חושבים על דבר אחד, תוך התייחסות לדבר אחר, אנו מבינים טוב יותר, את הבעיה. לא פעם זה מסייע לנו להבין גם את הפתרון. המטאפורה של קריירה במונחים של לוחמה וניהול קרבות (נגד הבוס או המתחרים העסקיים, למשל) "מסדר" לנו היטב את הבנת הדברים ומבהיר מה עלינו לעשות, מאסטרטגיה ועד טקטיקות, ממארב ועד התקפה. ובעצם, גם לזכות בילדה שאנו אוהבים זה סוג של יעד שיש לכבוש, לא?
בניגוד לדימוי, במרבית המטפורות אין מילות השוואה דוגמת "כמו", "דומה ל" וכדומה. כשאומרים על האנציקלופדיה שלנו "אאוריקה היא ים של מידע", לא מתכוונים שהיא באמת ים. הכוונה במטפורה הזו, שבאאוריקה, כמו ים, יש עושר רב (של ידע) ושניתן להפליג על פניה ולגלות עוד ועוד דברים חדשים, כמו שספן יכול לגלות יבשות ואיים בים הגדול.
הנה השימוש במטאפורות בתרבות (מתורגם):
https://youtu.be/A0edKgL9EgM
מטאפורות ויזואלית בקולנוע:
https://youtu.be/2qYXoJtuzZg
מהי ביצת קולומבוס?
בֵּיצַת קוֹלוֹמְבּוּס הפכה בתרבות המערבית מעין משל לדבר שנראה מסובך וקשה לפתור אותו, אך בעצם קל לפתור אותו בתכסיס או תחבולה פשוטה. כשאומרים על משהו ש"הפתרון כמו ביצת קולומבוס" מתכוונים לכך שיש דרך לא שגרתית לפתור אותו.
קולומבוס העלה את רעיון הביצה כשאציל ספרדי טען בפניו, שאם הוא לא היה מגלה את אמריקה אז מישהו אחר היה עושה זאת. קולומבוס אחז ביצה ושאל את הנוכחים מי יוכל להעמידה על קודקודה. איש לא הצליח. אז הטיח קולומבוס את הביצה בשולחן והעמידה על הקודקוד השבור. כולם התפעלו מהתכסיס והוא אמר משהו כמו: "אחרי שמישהו מראה לך איך עושים זאת, הכל די קל, לא?"
הנה סיפורה של ביצת קולומבוס:
http://youtu.be/MKCi8cW9_3o
ספרדי שמתאר את הסיפור:
https://youtu.be/MPhJIPodR3g
ומנגנון שהעלה הממציא ניקולה טסלה, של שדה מגנטי מסתובב שמאפשר להעמיד את הביצה, מבלי שתישבר:
http://youtu.be/aWTXgQ_IdtI
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
מטאפורה
מטפורה (Metaphor) היא אמצעי לשוני שבעזרתו ניתן להסביר את עצמנו. הן מאפשרות למשל להאיר מושג אחד בתכונות של מושג אחר.
כך מדברים על משהו, על ידי שמדברים על משהו אחר.
המושג "מטפורה", אגב, הוא צירוף של "מטא" (אחרי או מעבר) ו"פראין" (לשאת).
יש המון מטאפורות אפשריות, דימויים שמקלים על הבנת מושגים אחרים. יש ביניהם שהן כל כך שכיחות שכולם כבר התרגלו אליהן. למשל נורה שמייצגת רעיון. ודאי ראיתם פעם או פעמיים בחייכם ציור או אייקון של נורת חשמל, כמסמלת רעיון. או למשל חשיבה, שמיוצגת בציור כגלגלי שיניים בתוך הראש. אלה דימויים, מטאפורות.
עוד דוגמה? - נניח כשאומרים שמשהו הוא כמו משהו. למשל, אם נאמר שגבר הוא צבר, כואב מבחוץ אבל רך ונעים מבפנים. במטפורה הזו אנו מתארים את תכונותיו של הגבר, בתכונותיו המוכרות של פרי הצבר. יש בזה יתרונות רבים, כי כך ניתן להדגיש את מה שאליו אנו מכוונים, על ידי זה שאנו מדברים על משהו שזו תכונתו העיקרית או המוכרת מאד. הקוצים של הצבר ידועים יותר מהקוצים שאנו רוצים להדגיש את קיומם אצל הגבר...
השימוש שלנו, בני המין האנושי, בדימויים ובמטאפורות, הוא מאד נוח. כשאנו חושבים על דבר אחד, תוך התייחסות לדבר אחר, אנו מבינים טוב יותר, את הבעיה. לא פעם זה מסייע לנו להבין גם את הפתרון. המטאפורה של קריירה במונחים של לוחמה וניהול קרבות (נגד הבוס או המתחרים העסקיים, למשל) "מסדר" לנו היטב את הבנת הדברים ומבהיר מה עלינו לעשות, מאסטרטגיה ועד טקטיקות, ממארב ועד התקפה. ובעצם, גם לזכות בילדה שאנו אוהבים זה סוג של יעד שיש לכבוש, לא?
בניגוד לדימוי, במרבית המטפורות אין מילות השוואה דוגמת "כמו", "דומה ל" וכדומה. כשאומרים על האנציקלופדיה שלנו "אאוריקה היא ים של מידע", לא מתכוונים שהיא באמת ים. הכוונה במטפורה הזו, שבאאוריקה, כמו ים, יש עושר רב (של ידע) ושניתן להפליג על פניה ולגלות עוד ועוד דברים חדשים, כמו שספן יכול לגלות יבשות ואיים בים הגדול.
הנה השימוש במטאפורות בתרבות (מתורגם):
https://youtu.be/A0edKgL9EgM
מטאפורות ויזואלית בקולנוע:
https://youtu.be/2qYXoJtuzZg
בֵּיצַת קוֹלוֹמְבּוּס הפכה בתרבות המערבית מעין משל לדבר שנראה מסובך וקשה לפתור אותו, אך בעצם קל לפתור אותו בתכסיס או תחבולה פשוטה. כשאומרים על משהו ש"הפתרון כמו ביצת קולומבוס" מתכוונים לכך שיש דרך לא שגרתית לפתור אותו.
קולומבוס העלה את רעיון הביצה כשאציל ספרדי טען בפניו, שאם הוא לא היה מגלה את אמריקה אז מישהו אחר היה עושה זאת. קולומבוס אחז ביצה ושאל את הנוכחים מי יוכל להעמידה על קודקודה. איש לא הצליח. אז הטיח קולומבוס את הביצה בשולחן והעמידה על הקודקוד השבור. כולם התפעלו מהתכסיס והוא אמר משהו כמו: "אחרי שמישהו מראה לך איך עושים זאת, הכל די קל, לא?"
הנה סיפורה של ביצת קולומבוס:
http://youtu.be/MKCi8cW9_3o
ספרדי שמתאר את הסיפור:
https://youtu.be/MPhJIPodR3g
ומנגנון שהעלה הממציא ניקולה טסלה, של שדה מגנטי מסתובב שמאפשר להעמיד את הביצה, מבלי שתישבר:
http://youtu.be/aWTXgQ_IdtI
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
