שלום,
נראה שכבר הכרתם את אאוריקה. בטח כבר גיליתם כאן דברים מדהימים, אולי כבר שאלתם שאלות וקיבלתם תשובות טובות.
נשמח לראות משהו מכם בספר האורחים שלנו: איזו מילה טובה, חוות דעת, עצה חכמה לשיפור או כל מה שיש לכם לספר לנו על אאוריקה, כפי שאתם חווים אותה.
»
«
מה ההבדל בין למידת מכונה ללמידה עמוקה?
הלמידה העמוקה (Deep Learning) היא טכנולוגיה שמאפשרת למערכות מחשב לחקות את פעולת המוח האנושי ולבצע למידה עצמית, תוך שיפור מתמיד המאפשר למערכת להיות חכמה יותר ויותר כל הזמן.
אבל מה ההבדל בין למידה עמוקה ללמידת מכונה?
אז ראשית, מבחינת מיון - דיפ לרנינג, בעברית למידה עמוקה, הוא תת-תחום של למידת מכונה.
אבל בעוד שב"למידת מכונה" (Machine Learning) קלאסית הלימוד הוא מתוך דאטה שתויג ואורגן מראש לשם כך, על ידי מי שמאמן את המכונה, בעזרת מה שנקרא "דאטה מתויג" (Labeled data), "למידה עמוקה" (Deep Learning) לומדת בעצמה - עם דאטה כמותי, כלומר מידע רב ולא מאורגן. למשל המוני דוגמאות לא מזוהות או מסודרות דווקא הניתנות לתוכנת הלמידה העמוקה והיא מייצרת את הסיווג וה"הבנה" של הדפוסים והסדר, שמאפשרים לה בהדרגה "להבין" את הדאטה הזה ולהפוך אותו לתובנות וידע, שגם הולך ומשתפר כל הזמן, כמו ילד שכל הזמן לומד דברים חדשים ורוכש תובנות טובות יותר על המציאות והחוקים ששוררים בה.
אם למידת מכונה זו למידת בית ספר, ממישהו שמלמד אותך ומתרגל אותך בלמידה, למידה עמוקה היא הלימוד אחרי שעת הלימודים - בשכונה, מתוך התבוננות, סקרנות ועיבוד נתונים עצמי.
משום כך, ככל שמערכת למידה עמוקה פועלת וככל שהיא בשימוש - היא משתפרת, יודעת יותר ויכולה לבצע משימות מורכבות יותר ובהצלחה הולכת וגדלה.
אז ההבדל בין למידה עמוקה ללמידת מכונה הוא בסיסי. בלמידת מכונה, כדי ללמוד ולהשתפר המערכת הממוחשבת צריכה מומחה אנושי, שיאתר תכונות מסוימות שעל פיהן הוא מאמן את המכונה או התוכנה.
בלמידה עמוקה, לעומת זאת, לא נדרשים בהכרח מי שיבצעו את האימון והארגון, התיוג והסידור של המידע בכדי שהמכונה תלמד. פשוט מזינים אליה המוני מקרים, למשל תמונות לזיהוי או מידע לניתוח, ונותנים לתוכנה לאתר בהם מאפיינים, הבדלים, דפוסים וכדומה. כך היא תזהה בעתיד דברים בתמונות או המלצות לשימוש במידע וכדומה. כך היא תלמד את עצמה כל הזמן ותהפוך יותר ויותר חכמה.
זה אולי גם קצת דומה לשני טיפוסי מורים. יש את המורים שמתעקשים להגיש לתלמידים את הידע "בכפית" ולהראות להם על מה להביט בלמידה, בעוד אחרים, נקרא להם "המלמדים העמוקים", נותנים לתלמידים 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 ולהתבגר. זאת במקום האימון על ידי אדם, שמתבטא בהוראות ואימון הממחישים לתוכנה מה לחפש בדאטה, כדי להבחין בין המקרים.
זו, אגב, גם הביקורת של המדענים על השיטה הזו. הם גורסים שלא נדרש עוד ממדענים להבין בעיה כדי לפתור אותה, מה שמביא לרדידות ולפתרון בעיות בניסוי וטעייה טכנולוגיים, במקום באמצעות תיאוריות מעמיקות ובחינתן באופן מדעי.
הנה הסבר פשוט של הלמידה העמוקה:
https://youtu.be/6M5VXKLf4D4
למידה עמוקה מחייבת יותר זמן, יותר דאטה ויותר כוח מחשוב מלמידת מכונה:
https://youtu.be/-SgkLEuhfbg
כך הולך ומתפתח עץ ההחלטות המשתפר של מערכת הלמידה העמוקה:
http://youtu.be/nSg4HKHdDs4
שיעור וידאו קצר על שיטות הלמידה השונות (עברית):
https://youtu.be/Bqdn6e-nH18?long=yes
והרצאה אקדמית על למידה עמוקה (עברית):
https://youtu.be/z-aezi4W90o?long=yes
מה גורלה של הפרטיות בעולמנו?
הנוחות שלנו בעולם המודרני של המאה ה-21 הולכת וגדלה. אך תמורתה אנו משלמים בצמצום ובעתיד אולי אף באובדן הפרטיות (Privacy) שלנו.
פרטיות היא, בפשטות, הסודות שלנו, הדברים שלא היינו רוצים לשתף בהם את העולם שמסביבנו, את הממשלה שרוצה שליטה בנו ובכל אזרחיה, את החברות המסחריות שמקיפות אותנו ורוצות למכור לנו בכל מחיר ועוד.
יש פרדוקס שנקרא "פרדוקס הפרטיות". כולנו אומרים שהפרטיות שלנו חשובה מאוד ומצד שני משתמשים באתרים, תוכנות ואפליקציות שברור לנו שמפרים את הפרטיות שלנו לחלוטין. כמות המידע שאפליקציות כמו פייסבוק או טינדר אוספת על המשתמשים שלה היא בלתי נתפסת. משתמשת מצרפת שדרשה מטינדר את כל המידע שנאסף עליה קיבלה 800 עמודים של פרטים עליה, שהיו חודרניים מאוד וחלקם אף מביכים בטירוף.
שיתוף המידע שלנו על ההעדפות שלנו, הבחירות שאנו בוחרים, משאלותינו, ההרגלים שלנו ומיקומנו - יש לו מחיר. אלה לא רק מצלמות אבטחה שמתעדות בכל מקום את צעדינו. גם לא תוכנות מעקב שיכולות לגנוב את המידע שלנו מהמחשב ואת הסיסמאות שלנו לחשבון הבנק ולכל שירות אחר שעליו אנו מנויים. זה המידע שאנחנו אפילו לא יודעים שיודעים עלינו.
חשבו על זה רגע... אנו חושפים היום באינטרנט כל כך הרבה מידע על עצמנו שרוב המומחים סבורים שהרשת החברתית שבה אנו פועלים, יודעת עלינו יותר משאנו יודעים על עצמנו. האיסוף האובססיבי של מידע עלינו מאפשר לענקיות האינטרנט והרשתות החברתיות לאסוף כמות עצומה של מידע שמאמן את המכונות הלומדות שלהם והופך את השירותים שלהם לחכמים, אבל מה שיותר חשוב - למכניסים יותר. למעשה למכניסים הרבה יותר!
מתוך הפוסטים בפייסבוק והתמונות באינסטרגם, מהטוויטים בטוויטר והחיפושים בגוגל וביוטיוב - מכמויות הנתונים העצומות שמצטברות עלינו והידע הרב שנאגר עלינו שם ובעוד המוני אתרים, מיכולותיהם של האלגוריתמים של הרשתות החברתיות, אתרי הווידאו הגדולים ומנועי החיפוש המודרניים - מכל אלה מצטבר עלינו ידע עצום ופולשני להחריד, שמעשיר את מפלצות הטכנולוגיה ונותן להן גישה להשפעות חברתיות חסרות תקדים. נאמר זאת בפשטות - האלגוריתם יודע לזהות עלינו דברים שאנו כלל לא מודעים אליהם ולא יודעים על עצמנו!
דמיינו, רק דמיינו לרגע, שמגיע היטלר מודרני טכנולוגי או שיש לו גבלס טכנולוגי, שעוזר לו להשתלט על גוגל, פייסבוק ואמזון, או אפילו רק על אחת או שתיים מהן. דמיינו שהוא מניע את כל אותם אלה שמאופיינים בתכונות הנכונות לו ומקבל את קולם בבחירות ורגע אחרי שהוא נבחר, הוא לוחץ על כפתור שמפוצץ את הרעים בעיניו והעולם שוב במלחמה, אבל הפעם גרעינית... זה רק תסריט אחד ודי מטומטם, אבל היי, הייתם מאמינים שלפני מאה שנים עשו את זה צייר מתוסכל ודוקטור לתיאטרון באמצעות כמה סרטים עם חולדות?
כי כשכולם חשופים למידע כזה עלינו, יהיה קשה לנו לשמור על הפרטיות. זו לא רק הפלישה לראשנו שמטרידה. יש לזה גם מחיר כלכלי מיידי. בכך שחברות חזקות ובעלות כוח זוכות למידע על הרגלי הקניה, תחומי העניין והמשאלות הכי כמוסות ופרטיות שלנו, אנו הופכים למכרה זהב בעבורן. זאת מכיוון שהן יכולות להגדיל את השיווק המותאם לנו אישית ולגרום לנו לצריכה גדלה והולכת, שיש לה מחיר כלכלי גדול.
תחום שהולך ומתחזק בשל החשש מאבדן הפרטיות הוא זה של מדיה חברתית זמנית. למי שלא מעוניינים שהמידע שלהם יישאר זמין ברשת לנצח, יש היום תוכנות ואפליקציות שמדמות את המדיה החברתית ותוכנות המסרים המידיים ומאפשרות קיום של שיחות יומיומיות, אך מבטיחות שהמידע הזה לא מתועד ולא נשמר לעתיד. בתחום התמונות, יישומים כמו Snapchat ו-Poke מאפשרים לשתף תמונות שנעלמות אחרי שניות אחדות. באמצעות השימוש בכלים כאלו, מקווים מי שחרדים לפרטיותם שיוכלו לנהוג בעתיד בספונטניות ובכנות, מבלי לחשוש שדברים תמימים שאמרו, עשו, חיפשו או חשו, ירדפו אותם בעתיד.
עוד כלי חזק למי שדואגים לפרטיות שלהם הם דפדפנים שלא מכילים כלי מעקב ואגירת נתונים על הגולשים. דפדפנים אלו מפותחים על ידי אנשים בעלי מודעות חברתית, המעוניינים לאפשר לציבור להשתמש באינטרנט בתבונה. כך למשל, יש מנועי חיפוש שמשתמשים בקוד הפתוח של מנוע החיפוש של "גוגל" ומתנהגים ממש כמוהו, אבל מתחייבים שדבר לא נשמר בהם על החיפושים שלכם, לאחר השימוש.
הרשת יודעת עלינו הכל ומבלי משים אנו מסגירים לידיה את סודותינו הכמוסים ביותר (עברית):
https://youtu.be/PoR6o5eHPw4
הנה נושא הפרטיות:
https://youtu.be/hsnr_4ccceY
יש המדמים את הפרטיות שלנו כיום לרחצה במקלחת, בעירום, במקום ציבורי:
https://youtu.be/0L0geYTJBOM
יש לזה היבטים משמעותיים שדורשים שינוי חקיקה (עברית):
https://youtu.be/EA0DqwTc3HQ
מה שמדהים הוא שאנו עושים הכל כדי לחשוף את עצמנו לגמרי (עברית):
https://youtu.be/yC_ILdL_vpQ
ראו כמה קל לעקוב אחרינו (עברית):
https://youtu.be/ym6bZzjhzDE?t=15m27s&end=22m17s
אבל יש רובד של פרטיות ברשת, שעליו חשוב ואפשר לשמור עליו כבר מהתחלה (עברית):
https://youtu.be/ICb61rr68sk
ובכל זאת - הבה נחייך (עברית):
https://youtu.be/5c-_mRCiaFg
איך מלמדים מחשבים לזהות פנים?
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
מהו זיהוי פנים?
ממצלמות אבטחה במרחב הציבורי, דרך מצלמות מעקב המתעדות מיליוני אנשים בערים ובדרכים ועד לסוכנויות המעקב הממשלתיות, לאחרונה נראה שהיא בכל מקום. היכולת לזהות פנים באופן דיגיטלי מתבססת על המרה של תווי הפנים של אדם למפת נתונים, שניתן להשוות למיליוני מפות נתונים אחרות ולמצוא במי מדובר.
מדובר בטכנולוגיית זיהוי פנים (Facial recognition), המבוססת על 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
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
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
הלמידה העמוקה (Deep Learning) היא טכנולוגיה שמאפשרת למערכות מחשב לחקות את פעולת המוח האנושי ולבצע למידה עצמית, תוך שיפור מתמיד המאפשר למערכת להיות חכמה יותר ויותר כל הזמן.
אבל מה ההבדל בין למידה עמוקה ללמידת מכונה?
אז ראשית, מבחינת מיון - דיפ לרנינג, בעברית למידה עמוקה, הוא תת-תחום של למידת מכונה.
אבל בעוד שב"למידת מכונה" (Machine Learning) קלאסית הלימוד הוא מתוך דאטה שתויג ואורגן מראש לשם כך, על ידי מי שמאמן את המכונה, בעזרת מה שנקרא "דאטה מתויג" (Labeled data), "למידה עמוקה" (Deep Learning) לומדת בעצמה - עם דאטה כמותי, כלומר מידע רב ולא מאורגן. למשל המוני דוגמאות לא מזוהות או מסודרות דווקא הניתנות לתוכנת הלמידה העמוקה והיא מייצרת את הסיווג וה"הבנה" של הדפוסים והסדר, שמאפשרים לה בהדרגה "להבין" את הדאטה הזה ולהפוך אותו לתובנות וידע, שגם הולך ומשתפר כל הזמן, כמו ילד שכל הזמן לומד דברים חדשים ורוכש תובנות טובות יותר על המציאות והחוקים ששוררים בה.
אם למידת מכונה זו למידת בית ספר, ממישהו שמלמד אותך ומתרגל אותך בלמידה, למידה עמוקה היא הלימוד אחרי שעת הלימודים - בשכונה, מתוך התבוננות, סקרנות ועיבוד נתונים עצמי.
משום כך, ככל שמערכת למידה עמוקה פועלת וככל שהיא בשימוש - היא משתפרת, יודעת יותר ויכולה לבצע משימות מורכבות יותר ובהצלחה הולכת וגדלה.
אז ההבדל בין למידה עמוקה ללמידת מכונה הוא בסיסי. בלמידת מכונה, כדי ללמוד ולהשתפר המערכת הממוחשבת צריכה מומחה אנושי, שיאתר תכונות מסוימות שעל פיהן הוא מאמן את המכונה או התוכנה.
בלמידה עמוקה, לעומת זאת, לא נדרשים בהכרח מי שיבצעו את האימון והארגון, התיוג והסידור של המידע בכדי שהמכונה תלמד. פשוט מזינים אליה המוני מקרים, למשל תמונות לזיהוי או מידע לניתוח, ונותנים לתוכנה לאתר בהם מאפיינים, הבדלים, דפוסים וכדומה. כך היא תזהה בעתיד דברים בתמונות או המלצות לשימוש במידע וכדומה. כך היא תלמד את עצמה כל הזמן ותהפוך יותר ויותר חכמה.
זה אולי גם קצת דומה לשני טיפוסי מורים. יש את המורים שמתעקשים להגיש לתלמידים את הידע "בכפית" ולהראות להם על מה להביט בלמידה, בעוד אחרים, נקרא להם "המלמדים העמוקים", נותנים לתלמידים 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 ולהתבגר. זאת במקום האימון על ידי אדם, שמתבטא בהוראות ואימון הממחישים לתוכנה מה לחפש בדאטה, כדי להבחין בין המקרים.
זו, אגב, גם הביקורת של המדענים על השיטה הזו. הם גורסים שלא נדרש עוד ממדענים להבין בעיה כדי לפתור אותה, מה שמביא לרדידות ולפתרון בעיות בניסוי וטעייה טכנולוגיים, במקום באמצעות תיאוריות מעמיקות ובחינתן באופן מדעי.
הנה הסבר פשוט של הלמידה העמוקה:
https://youtu.be/6M5VXKLf4D4
למידה עמוקה מחייבת יותר זמן, יותר דאטה ויותר כוח מחשוב מלמידת מכונה:
https://youtu.be/-SgkLEuhfbg
כך הולך ומתפתח עץ ההחלטות המשתפר של מערכת הלמידה העמוקה:
http://youtu.be/nSg4HKHdDs4
שיעור וידאו קצר על שיטות הלמידה השונות (עברית):
https://youtu.be/Bqdn6e-nH18?long=yes
והרצאה אקדמית על למידה עמוקה (עברית):
https://youtu.be/z-aezi4W90o?long=yes
הנוחות שלנו בעולם המודרני של המאה ה-21 הולכת וגדלה. אך תמורתה אנו משלמים בצמצום ובעתיד אולי אף באובדן הפרטיות (Privacy) שלנו.
פרטיות היא, בפשטות, הסודות שלנו, הדברים שלא היינו רוצים לשתף בהם את העולם שמסביבנו, את הממשלה שרוצה שליטה בנו ובכל אזרחיה, את החברות המסחריות שמקיפות אותנו ורוצות למכור לנו בכל מחיר ועוד.
יש פרדוקס שנקרא "פרדוקס הפרטיות". כולנו אומרים שהפרטיות שלנו חשובה מאוד ומצד שני משתמשים באתרים, תוכנות ואפליקציות שברור לנו שמפרים את הפרטיות שלנו לחלוטין. כמות המידע שאפליקציות כמו פייסבוק או טינדר אוספת על המשתמשים שלה היא בלתי נתפסת. משתמשת מצרפת שדרשה מטינדר את כל המידע שנאסף עליה קיבלה 800 עמודים של פרטים עליה, שהיו חודרניים מאוד וחלקם אף מביכים בטירוף.
שיתוף המידע שלנו על ההעדפות שלנו, הבחירות שאנו בוחרים, משאלותינו, ההרגלים שלנו ומיקומנו - יש לו מחיר. אלה לא רק מצלמות אבטחה שמתעדות בכל מקום את צעדינו. גם לא תוכנות מעקב שיכולות לגנוב את המידע שלנו מהמחשב ואת הסיסמאות שלנו לחשבון הבנק ולכל שירות אחר שעליו אנו מנויים. זה המידע שאנחנו אפילו לא יודעים שיודעים עלינו.
חשבו על זה רגע... אנו חושפים היום באינטרנט כל כך הרבה מידע על עצמנו שרוב המומחים סבורים שהרשת החברתית שבה אנו פועלים, יודעת עלינו יותר משאנו יודעים על עצמנו. האיסוף האובססיבי של מידע עלינו מאפשר לענקיות האינטרנט והרשתות החברתיות לאסוף כמות עצומה של מידע שמאמן את המכונות הלומדות שלהם והופך את השירותים שלהם לחכמים, אבל מה שיותר חשוב - למכניסים יותר. למעשה למכניסים הרבה יותר!
מתוך הפוסטים בפייסבוק והתמונות באינסטרגם, מהטוויטים בטוויטר והחיפושים בגוגל וביוטיוב - מכמויות הנתונים העצומות שמצטברות עלינו והידע הרב שנאגר עלינו שם ובעוד המוני אתרים, מיכולותיהם של האלגוריתמים של הרשתות החברתיות, אתרי הווידאו הגדולים ומנועי החיפוש המודרניים - מכל אלה מצטבר עלינו ידע עצום ופולשני להחריד, שמעשיר את מפלצות הטכנולוגיה ונותן להן גישה להשפעות חברתיות חסרות תקדים. נאמר זאת בפשטות - האלגוריתם יודע לזהות עלינו דברים שאנו כלל לא מודעים אליהם ולא יודעים על עצמנו!
דמיינו, רק דמיינו לרגע, שמגיע היטלר מודרני טכנולוגי או שיש לו גבלס טכנולוגי, שעוזר לו להשתלט על גוגל, פייסבוק ואמזון, או אפילו רק על אחת או שתיים מהן. דמיינו שהוא מניע את כל אותם אלה שמאופיינים בתכונות הנכונות לו ומקבל את קולם בבחירות ורגע אחרי שהוא נבחר, הוא לוחץ על כפתור שמפוצץ את הרעים בעיניו והעולם שוב במלחמה, אבל הפעם גרעינית... זה רק תסריט אחד ודי מטומטם, אבל היי, הייתם מאמינים שלפני מאה שנים עשו את זה צייר מתוסכל ודוקטור לתיאטרון באמצעות כמה סרטים עם חולדות?
כי כשכולם חשופים למידע כזה עלינו, יהיה קשה לנו לשמור על הפרטיות. זו לא רק הפלישה לראשנו שמטרידה. יש לזה גם מחיר כלכלי מיידי. בכך שחברות חזקות ובעלות כוח זוכות למידע על הרגלי הקניה, תחומי העניין והמשאלות הכי כמוסות ופרטיות שלנו, אנו הופכים למכרה זהב בעבורן. זאת מכיוון שהן יכולות להגדיל את השיווק המותאם לנו אישית ולגרום לנו לצריכה גדלה והולכת, שיש לה מחיר כלכלי גדול.
תחום שהולך ומתחזק בשל החשש מאבדן הפרטיות הוא זה של מדיה חברתית זמנית. למי שלא מעוניינים שהמידע שלהם יישאר זמין ברשת לנצח, יש היום תוכנות ואפליקציות שמדמות את המדיה החברתית ותוכנות המסרים המידיים ומאפשרות קיום של שיחות יומיומיות, אך מבטיחות שהמידע הזה לא מתועד ולא נשמר לעתיד. בתחום התמונות, יישומים כמו Snapchat ו-Poke מאפשרים לשתף תמונות שנעלמות אחרי שניות אחדות. באמצעות השימוש בכלים כאלו, מקווים מי שחרדים לפרטיותם שיוכלו לנהוג בעתיד בספונטניות ובכנות, מבלי לחשוש שדברים תמימים שאמרו, עשו, חיפשו או חשו, ירדפו אותם בעתיד.
עוד כלי חזק למי שדואגים לפרטיות שלהם הם דפדפנים שלא מכילים כלי מעקב ואגירת נתונים על הגולשים. דפדפנים אלו מפותחים על ידי אנשים בעלי מודעות חברתית, המעוניינים לאפשר לציבור להשתמש באינטרנט בתבונה. כך למשל, יש מנועי חיפוש שמשתמשים בקוד הפתוח של מנוע החיפוש של "גוגל" ומתנהגים ממש כמוהו, אבל מתחייבים שדבר לא נשמר בהם על החיפושים שלכם, לאחר השימוש.
הרשת יודעת עלינו הכל ומבלי משים אנו מסגירים לידיה את סודותינו הכמוסים ביותר (עברית):
https://youtu.be/PoR6o5eHPw4
הנה נושא הפרטיות:
https://youtu.be/hsnr_4ccceY
יש המדמים את הפרטיות שלנו כיום לרחצה במקלחת, בעירום, במקום ציבורי:
https://youtu.be/0L0geYTJBOM
יש לזה היבטים משמעותיים שדורשים שינוי חקיקה (עברית):
https://youtu.be/EA0DqwTc3HQ
מה שמדהים הוא שאנו עושים הכל כדי לחשוף את עצמנו לגמרי (עברית):
https://youtu.be/yC_ILdL_vpQ
ראו כמה קל לעקוב אחרינו (עברית):
https://youtu.be/ym6bZzjhzDE?t=15m27s&end=22m17s
אבל יש רובד של פרטיות ברשת, שעליו חשוב ואפשר לשמור עליו כבר מהתחלה (עברית):
https://youtu.be/ICb61rr68sk
ובכל זאת - הבה נחייך (עברית):
https://youtu.be/5c-_mRCiaFg
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
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
מכונה לומדת
ממצלמות אבטחה במרחב הציבורי, דרך מצלמות מעקב המתעדות מיליוני אנשים בערים ובדרכים ועד לסוכנויות המעקב הממשלתיות, לאחרונה נראה שהיא בכל מקום. היכולת לזהות פנים באופן דיגיטלי מתבססת על המרה של תווי הפנים של אדם למפת נתונים, שניתן להשוות למיליוני מפות נתונים אחרות ולמצוא במי מדובר.
מדובר בטכנולוגיית זיהוי פנים (Facial recognition), המבוססת על 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
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
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
