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 פשוט על הבינה המלאכותית:

https://youtu.be/hE74j-nD-q8


דברים שמייצר ה-AI וכיצד הוא התפתח כל כך:

https://youtu.be/XtlC-rCjUyM


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


כתבה מתחילת ימי הבינה היוצרת (עברית):

https://youtu.be/05oOucZmO8Y?long=yes


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

בעולם הטכנולוגי המודרני, מערכות מחשוב שונות צריכות לתקשר זו עם זו ללא הרף, החל מאפליקציות במכשיר הנייד ועד לשרתים עצומים בענן. לא פעם ישנם נתונים שצריך להעביר מאחת לשנייה.

כאן נכנס לתמונה JSON (ראשי תיבות של JavaScript Object Notation). זהו פורמט טקסטואלי קל משקל המשמש לאחסון של נתונים ולהעברת נתונים.

הפורמט הזה נוצר על ידי דאגלס קרוקפורד (Douglas Crockford) בשנת 2001. במקור הוא פותח כחלופה קלה יותר לשפת XML ששימשה לכך עד פיתוחו ומאז הוא הפך לסטנדרט מוביל בתעשייה.

אחד היתרונות הגדולים של הפורמט הוא הפשטות שלו. הוא מבוסס על מבנה אובייקטים של שפת ג'אווה-סקריפט (JavaScript) הפופולרית, אך הוא עצמאי לחלוטין וניתן לשימוש בכל שפות התכנות המודרניות.

עוד יתרון יש במבנה שלו, שהוא קריא מאוד - גם לבני אדם וגם למכונות. זה מאפשר להשתמש בו להעברה מהירה ופשוטה של מידע בין שרתים, אפליקציות וממשקי תכנות יישומים (API).

המידע בתוך קובץ JSON מאורגן בצורה של זוגות מפתחות-ערך, כמו למשל שם של רכב והיצרן שלו. הוא כולל גם רשימות, מחרוזות, מספרים וערכים בוליאניים.

השימוש בפורמט ה-JSON נפוץ כיום כמעט בכל מקום ברשת, בעיקר משום שהוא קל לעיבוד וחסכוני ברוחב הפס הדרוש להעברתו ברשת.

דוגמאות?

ה-JSON משמש כסטנדרט בטכנולוגיות כמו REST APIs, להחלפת נתונים בין הדפדפן לשרת. מתכנתים בוחרים בו להעברת נתונים בין מערכות מגוונות, כגון אפליקציות מובייל המתקשרות עם שרתים, שירותי מפות כמו גוגל מפות או מערכות תשלומים.

בנוסף, קבצים אלו, הנשמרים עם הסיומת .json, משמשים לאחסון הגדרות קונפיגורציה ואפילו מהווים בסיס למסדי נתונים מסוג NoSQL, כמו מונגו-די-בי (MongoDB) המוכרת לרבים.





הנה ה-JSON ולמה טוב שיש אותו (עברית):

https://youtu.be/2Ade5rSFUV8


על JSON באנגלית:

https://youtu.be/cj3h3Fb10QY


JSON מול XML:

https://youtu.be/YCE7Nl7J9JA


ועל ה-JSON בפירוט:

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

מקור המילה אוקיי לא ברור לחלוטין. הסברה הנפוצה היא שמקור המילה הוא בדיווחי הטייסים בתקופת מלחמת העולם השנייה, כשהאותיות O.K. סימלו את המילים "אפס הרוגים" (O בשביל אפס, K בשביל killed). הבעיה היא שהביטוי OK היה נפוץ זמן רב לפני המצאת המטוסים ומכשירי הקשר. גם תיאוריות אחרות לא נראות סבירות מדי.

מסתבר שמחקר מעמיק של פרופסור אלן ווקר ריד גילה שהמקור האמיתי הוא כפי הנראה אופנה של כתיבה בקיצורים משובשים, קצת כמו שעושים בצ'אטים של ימינו, אלא שהאופנה הזו שררה בארה"ב של תחילת המאה ה-19. אחד השיבושים החמודים והיחיד ששרד כמעט 200 שנה הוא OK בשביל "הכל בסדר", או באנגלית משובשת Oll Korrect במקום All Correct.

אז זהו, לא טייסים ולא מלחמה אלא כמה עיתונאים וכותבי הומור שהחליטו לשעשע את עצמם ויצרו את אחד ממטבעות הלשון הכי פופולאריים בעולם!


על מקור המילה OK ושלל ההשערות האחרות:

https://youtu.be/1UnIDL-eHOs

"חכם בשמש" זוהי התנהגות נכונה בשמש, שנועדה כדי להימנע ממכת שמש ומנזקי עור.

חשיפה לא אחראית לשמש היא גורם שכיח לנזקים בריאותיים מצטברים שנעים מכתמי עור, קמטים, כוויות ונמשים ועד לנגעים סרטניים בעור.

אותיות המילים "חכם בשמש" משמשות כראשי תיבות לדברים החשובים ביותר שיש לזכור כשנמצאים בשמש, כך שיהיה לילדים ולמבוגרים קל לזכור ולשנן אותם:

ח - חיפוש צל

כ - כובע

מ - משקפי שמש


ב - ביגוד (המגן מפני השמש)

ש - שעות (שעות שהייה בטוחות בשמש)

מ - מסנן קרינה

ש - שתייה


הנה הדרכים להתמודד עם השמש (עברית):

https://youtu.be/AwyiuznByx8


החכמים בשמש (עברית):

http://youtu.be/jp_4Atvr6MA


אחד שלא יודע (עברית):

http://youtu.be/VUeskxCnMz0


שיר החכמים בשמש (עברית):

http://youtu.be/eOLt8Y7ac6k


והמון מחוכמתם של גור ואוח, הנזהרים בשמש (עברית):

http://youtu.be/iIJVjMi2uzs

LoRA, ובעברית לורה (Low-Rank Adaptation) היא טכניקה בעולם ה-GenAI, העולם של הבינה המלאכותית היוצרת. היא מאפשרת כוונון עדין (fine-tuning) של מודלי AI גדולים (LLMs) וכלליים מדי, להתאמה של מודלים קיימים לצרכים ספציפיים בצורה יעילה וחסכונית במשאבים.

מפני שההסבר הטכני הזה כנראה לא מובן מדי, נסביר את הלורה באמצעות דוגמה פשוטה:

נניח שיש לנו מודל AI שיודע לג'נרט (generate), כלומר לצייר בבינה מלאכותית. אנחנו רוצים שהוא ייצר דמויות בסגנון אנימה או דמות מסוימת, שמשום מה הוא אינו מכיר, כי היא לא הייתה בדאטה שהוא אומן עליו.

לכן, במקום לבקש שיאמנו את המנוע, או המודל הגדול, מחדש על המון ציורי אנימה, או להמתין בסבלנות מתסכלת עד שיום אחד הוא כן יכיר את הסגנון או הדמות הספציפית, נשתמש בטכניקה שונה. טכניקת הלורה.

ב-LoRA, כדי ללמד את המודל על הסגנון הזה או על הדמות המסוימת שאנחנו רוצים, מאפשרים לנו לאמן אותו בעצמנו, בעזרת דוגמאות בודדות ש"נראה לו", כלומר נטען אליו ב-Upload.

השיטה היעילה הזו לכוונון עדין של מערכות AI, מתאימה במיוחד ליצירת תמונות ריאליסטיות, למשל, להתאמה של סגנונות עיצוביים או ליצירת דמויות עקביות בפרויקטים גרפיים, תוך שימוש בכמות קטנה יחסית של נתוני אימון.

כך נוכל ליצור, למשל את אותה דמות מדויקת, בסצנות שונות של סרטון שמייצר ה-AI או בציורי קומיקס רציפים שנוצרים כך.

כלומר,ה-LoRA נועדה להוסיף שכבת משקולות חדשה למודל המקורי, מבלי לשנות אותו, תוך כדי קיצור של זמן האימון ושיפור של הגמישות שלו.

ואגב, השיטה עובדת עבור כל רשת עצבית ולא רק עבור מודלי שפה גדולים LLMs (קראו עליהם בתגית "LLM").


הנה הסבר של רעיון ה-LoRA:

https://youtu.be/lixMONUAjfs


כך יוצרים LoRA במערכת ספציפית:

https://youtu.be/HfwFgkFCtpM


ויצירת לורה של דמות מוכרת:

https://youtu.be/KEv-F5UkhxU?long=yes

אחד המרכיבים החיוניים ביותר בעולם הדיגיטלי של ימינו נקרא API. זהו קיצור של "ממשק תכנות יישומים" (Application Programming Interface).

פתיחת API מאפשרת לתוכנות, אתרים ואפליקציות שונות לתקשר עם אחרות, לבקש משהו ולקבל אותו מהם. ה-API הוא הקישור בין הלקוח (תוכנה, אתר או אפליקציה), ליצרן התוכן או בעל המידע.

כדי להסביר איך API עובד נדמיין לרגע מסעדה יוקרתית, שבה כללי התקשורת בין הלקוחות למטבח מוגדרים היטב - מצד אחד יושב הסועד עם התפריט ומזמין ומצד שני המטבח מספק לו את ההזמנה. ה-API הוא המלצר שמעביר את ההזמנה של הלקוח (הסועד) לספק (המטבח) ומגיש את המבוקש, בחזרה אליו.

כמו ששום סועד לא יילך למטבח ויאמר לטבח או לשף מה להכין לו, הכללים בעולם של ה-API מגדירים את כללי התקשורת בין מערכות תוכנה.

API מהווה למעשה שער תקשורת מוסכם המאפשר לתוכנה אחת לבקש שירותים או מידע מתוכנה אחרת. כשאתם משתמשים באפליקציית מזג אוויר בטלפון שלכם, האפליקציה משתמשת ב-API כדי לפנות לשרת מרוחק, לבקש את נתוני מזג האוויר העדכניים - באמצעות פורמטים מובנים ומקובלים, כמו ג'ייסון (JSON) או איקס.אם.אל (XML) - לעבד אותם ולהציג אותם על המסך שלכם.

התפתחות האינטרנט המודרני והשירותים הדיגיטליים לא הייתה אפשרית ללא API. חברות ענק כמו גוגל (Google), פייסבוק (Facebook), מיקרוסופט (Microsoft) וטוויטר (Twitter) מספקות API שמאפשר למפתחים חיצוניים ליצור אפליקציות שמתחברות לשירותים שלהן. למשל, כשאתם נרשמים לאתר חדש באמצעות חשבון הגוגל שלכם, זה מתאפשר הודות ל-API של גוגל.

אפשר לחשוב על API כעל חוזה או הסכם בין שתי מערכות מחשב. החוזה הזה מגדיר בדיוק איך הן אמורות לתקשר זו עם זו - איזה מידע אפשר לבקש, באיזה פורמט הוא יישלח, מה יקרה במקרה של שגיאה.

כי בדיוק כמו שבני אדם זקוקים לשפה משותפת כדי לתקשר, כך גם תוכנות זקוקות ל-API כשפה משותפת.

בעולם העסקי המודרני, API הפך למנוע צמיחה משמעותי, במה שזכה לכינוי "כלכלת ה-API" ובאנגלית "API Economy". חברות רבות מציעות את השירותים שלהן דרך API, במה שמאפשר לעסקים אחרים לשלב את השירותים האלה במוצרים שלהם. למשל, כשאתם מזמינים מונית או אוכל דרך אפליקציה ומשלמים באמצעות כרטיס אשראי, מאחורי הקלעים מתרחשת תקשורת בין מספר API שונים - של שירות המוניות, של חברת האשראי ושל שירותי המפות והניווט.

עם הופעת טכנולוגיות חדשות כמו בינה מלאכותית וענן, התחום הזה ממשיך להתפתח במהירות. REST API נותר הסטנדרט הנפוץ ביותר, אך טכנולוגיות חדשות כמו גרף-קיואל (GraphQL) מציעות אלטרנטיבות מודרניות ומתקדמות.

שירותי API מודרניים נעשים חכמים, מהירים ומאובטחים יותר. הם מאפשרים יצירת שירותים חדשניים שלא היו אפשריים בעבר ומהווים את הבסיס לעולם הדיגיטלי המחובר שבו אנחנו חיים, תוך שהם משפיעים על כמעט כל היבט בחיינו המקוונים.


הנה הסבר ה-API:

https://youtu.be/OVvTv9Hy91Q


דוגמת המלצר מדויקת ומסבירה מה זה API:

https://youtu.be/s7wmiS2mSXY


הסבר נוסף ממנטורית:

https://youtu.be/bxuYDT-BWaI


רבים משתמשים ב-API דרך שירות OpenRouter:

https://youtu.be/3xSykoA_UGc


והסבר פשוט ונכון (עברית):

https://youtu.be/xRGIymR8kuc?long=yes

בינה מלאכותית כללית (AGI), באנגלית Artificial General Intelligence, משמעותה בפשטות היא בינת-על. בינה מלאכותית שלא יודעת לעשות רק דבר אחד, או בתחום אחד, אלא כזו שיודעת לעשות הכל.

היא נקראת גם בינה מלאכותית חזקה, בניגוד לבינה מלאכותית צרה, חלשה, המיועדת ומתוכנתת למשימות ספציפיות, הבינה הכללית המלאכותית היא סופר-אינטליגנציה, שאינה מוגבלת בתחום או במיומנות ספציפית, אלא בינה מאוד חכמה, מבריקה, גאונה.

דמיינו AGI בתור הגאון של החברה, אדם חכם ונבון מאוד, או בעצם המון כאלו. היא תהיה מצוידת בכל החושים ויכולות הקוגניציה שיש לאדם, כולל שמיעה, ראייה, הבנה של הקשרים, יכולת לפענח התנהגות, חשיבה יצירתית וכדומה.

בקיצור, ה-AGI היא מאסטר מיינד גאוני, כלי ממוחשב שיהיה כה מבריק ומתוחכם, עד שיעקוף את האדם בבינה שלו ומן הסתם את האדם הכי חכם שאתם מכירים, או את כל הכי חכמים (אולי בעולם) יחדיו.

אם בעבר היה פיתוח AGI מושג מופשט ומטרת מחקר תיאורטית, בשנת 2020 העריכו בקבוצות בינה מתקדמות שייקח עוד 50 שנה עד שתגיע בינה מלאכותית ג'נרליסטית שכזו. ההערכה כיום, באפריל 2024, היא שבין 2026 ל-2027 תהיה הבינה המלאכותית הכללית בשוק.

לא יאומן? - התרגלתם. אנחנו חיים בעתיד...

כל חברות הטכנולוגיה הגדולות נמצאות בעיצומו של המרוץ לפיתוח בינת-על שכזו. מגוגל, אפל, אמזון ומטא ועד למלכת ה-AI הנוכחית, חברת OpenAI הצעירה, זו שהשיקה את מהפכת הבינה היוצרת והיצירתית (GenAI), פיתחה את דאלי ואת. הצ'ט בוט המצליח בעולם ChatGPT ושועטת עכשיו קדימה בפיתוח הבינה המלאכותית הכללית.


#מה בינה כללית תדע לעשות?
נזכיר שבינה מלאכותית הכללית, מעבר לתחכום שלה, מסוגלת לבצע מגוון משימות רחב, לפתור בעיות לפני שנוצרו ולמלא משימות מושלמות, מבלי שיתכנתו אותה ליכולת ספציפית כלשהי. היא פשוט תלמד כל יכולת כזו שתצטרך בעצמה ותדע לבצעה כאילו כל חייה היא עשתה זאת...

כבר עכשיו ברור שמערכת AGI סופר אינטליגנטית שכזו תתאפיין בתבונה כללית ויכולת להפעיל שיקול דעת, תוך קבלת החלטות מורכבות. לצד זה יהיו לה יכולות של הבנת שפה טבעית של בני אדם, ביחד עם למידה עצמאית של מידע חדש ובכך שיפור מתמיד של יכולותיה לתחומים ומיומנויות חדשות (ללא תכנות ספציפי), ביכולות של חשיבה מופשטת ויכולת להבין וליישם מושגים מופשטים, כולל במצבים חדשים.

לא פחות חשובה היא היכולת היצירתית החשובה כל כך של העברה בין תחומים, כלומר היכולת לנייד ולהעביר בין תחומי דעת שונים ידע, מיומנויות ויכולות שונות. כך, חברים, נולדים המצאות, פתרונות לבעיות והברקות הנדסיות, מדעיות וטכנולוגיות שונות.

סופר-אינטליגנציה שכזו תקבל בעתיד החלטות ביטחוניות שיילכו וישתבחו, ככל שהיא תלך ותשכלל את עצמה. היא תיקח על עצמה את האחריות על ניהול המערכת הפיננסית, מהאישית ומשפחתית ועד לרמת אוצר המדינה או הבנק הלאומי. היא תנהל מגוון מערכות שירותים ומערכות תשתית, טוב יותר מכל אדם, תמצא תרופות למגוון סוגי הסרטן ותפתור את בעיות האקלים. לא מן הנמנע שפרסי נובל יתרחבו למפתחי בינות-על, שיפצחו בעיות שהמין האנושי לא השכיל לפתור.


#סכנות בינת העל
השאלה העיקרית והמפחידה לא מעט אנשים היא מה יקרה אם או כשבינת העל הזו תחליט שאנו, בני האדם, מיותרים בעולם... זו הסיבה שעולם הטכנולוגיה מלא באזהרות של מומחים מקוגניציית-העל שלה.

כבר עתה ברור שתהיה חובה לייצר פיקוח ורישוי (רגולציה) וחוקים שיחייבו את החברות שיפתחו AGI לקחת אחריות מלאה לנזקים שבינתם עלולה לגרום. מה יהיה שבינות חכמות כל כך יקבלו החלטות שיסכנו ואף יקטלו בני אדם, או שיעדיפו בקבלת ההחלטות שלהן שיקולים שונים מטובת בני-אדם לפני הכל.

כשבידיה של אינטליגנציה עילית שכזו תהיה היכולת לשלוט ישירות בכל המערכות הטכנולוגיות שמקיפות אותנו, לא ניתן יהיה למנוע את ההחלטות שהיא עלולה לקבל, כמו גם את הביצוע שלהן.

לכן ברור שיהיו חייבים להינקט עיצומים מרתיעים וכבדים דיים, כך שימנעו מחברות הטכנולוגיה כניסה להרפתקאות בלתי אחראיות ומסוכנות לאנושות.


הנה הסבר של מושג ה-AGI:

https://youtu.be/_P9UykEJ3eU


ההשפעה הצפויה של הבינה המלאכותית הכללית על המין האנושי (מתורגם):

https://youtu.be/RzkD_rTEBYs


מהי הבינה המלאכותית הכללית?

https://youtu.be/kHFVZV-lj8g


הסבר מפורט לגבי בינה מלאכותית כללית:

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


האם AGI פרק את צוות החברה המובילה את ה-AI כיום?

https://youtu.be/OphjEzHF5dY?long=yes


והיום כבר מדובר על ASI שתעבור בהרבה את הבינה האנושית:

https://youtu.be/C0RjMAWhvh8?long=yes

מידי או MIDI היא שפה, או פרוטוקול תקשורת, שמאפשרים העברה של מידע מוסיקלי בין כלי נגינה דיגיטליים ואלקטרוניים ובינם לבין המחשב.

ה"מידי" נולד לאחר שבשנות ה-70 של המאה הקודמת הגיעו כלי הנגינה האלקטרוניים, במיוחד הסינטיסייזרים, לגודל ומשקל בלתי נסבלים. המכשירים היו מוגבלים, יקרים ונגנים נאלצו "לסחוב" להופעות המון מכשירים שונים, כדי לשחזר על הבמה את הצליל שהקליטו בתקליטים. בנסיבות כאלה הועלה הרעיון ליצור אמצעי תקשורת שיאפשר למכשירים "לדבר" אחד עם השני ולשלוט מרחוק זה בזה.

לפיכך החליטו מספר יצרניות של כלי נגינה אלקטרוניים לחבר את כלי הנגינה הדיגיטליים שלהן, שפועלים בשיטה ממוחשבת, כך שכולם ישתמשו, "ישוחחו" ויזהו את פרוטוקול התקשורת המשותף. החברות המרכזיות בתעשייה, כמו ימהה, רולנד ואחרות, סיכמו ביניהן על שפה משותפת לתקשורת בין כלי נגינה דיגיטליים, שפת ה-MIDI. כך נוצרה שפה חכמה ונוחה לשימוש, שהקפיצה את עולם המוסיקה לדור הבא ואפשרה את המשך ההתפתחות של המוסיקה הקלה והמוסיקה המודרנית.

טכנולוגיית ה-MIDI אפשרה לחבר כלים שונים משל יצרנים שונים, זה לזה. תרומת ה-MIDI לתעשיית המוסיקה הייתה עצומה. לכל כלי נגינה מקצועי שיצא לשוק נוספו עתה חיבורי MIDI לכניסה ויציאה של התקשורת. חיבורים אלה חוברו זה לזה, כך שכלי מקלדת אלקטרוני של יצרן אחד יכול היה "לשלוט" בכלים של יצרנים אחרים.

אחד המכשירים שהופיעו בעקבות פיתוח המידי היה מודול חסכוני, מעין קופסת צלילים עצמאית וזולה, שכללה אוסף של צלילים דגומים או מסונתזים. המודולים הללו הכילו צלילים של סינטסייזרים מפורסמים ואפשרו להביא להופעה או לאולפן כלי נגינה רבים, אץ ללא רכיבי המקלדות היקרות והכבדות שלהם.

במקביל החלו לצאת לשוק מקלדות זולות שאינן כוללות צלילים ומיועדות לעבודה עם מידי. הן כונו "מקלדות שליטה", כי הן שלטו במודולים, מכונות תופים וסינתסייזרים אחרים.

חיבורי ה-Midi אפשרו לחבר ציוד דיגיטלי גם למחשב האישי, שבדיוק באותה תקופה התפתח במהירות. למחשבים שונים פותחו תוכנות מוסיקליות חדשניות ששימשו לצרכים שונים, כמו הקלטה, עיבוד, כתיבת תווים, לימוד מוסיקה, נגינת ועיבוד צלילים ועוד. התוצאה הייתה שמוסיקאים החלו להשתמש במחשבים ככלי עבודה. המוסיקה האלקטרונית הלכה ופרחה.

השם "מידי" או MIDI הוא קיצור באנגלית של Musical Instrument Digital Interface, או בעברית: ממשק דיגיטלי בין מכשירים מוסיקליים.


הנה תולדות טכנולוגיית MIDI:

http://youtu.be/9xz7r6KnTbI


כך נראו קלידנים בהופעה לפני המצאת המידי:

http://youtu.be/TRCQmNMOqUY


מקלדת שליטה לדוגמה:

http://youtu.be/bKA3kMA-M-4?t=12s


מודול צלילים אופייני משנות ה-90:

http://youtu.be/d41hRXoXF7o


סמפלר שפותח בשנות הצלילים, בין השאר עם דגימות של צלילי כלים אמיתיים:

http://youtu.be/9nr_IX_KpqY


על ידי החיבור במידי למחשב הקליטו בערוצים שונים את התפקידים השונים, בכלי נגינה אחד:

http://youtu.be/db-y4XjXIMk


MIDI עובד היום גם עם לפטופ, טאבלטים ואפילו סמארטפונים:

https://youtu.be/o9YJUaB8t2M


מקלדת שליטה ניידת וקטנה (עברית):

http://youtu.be/wJwGSbvKqpA


כך הציגו את טכנולוגיית ה-Midi ותוכנות ההקלטה שעבדו איתה בטלוויזיה של האייטיז:

https://youtu.be/aADkqmvy44o?long=yes


הנה הסבר על מהו מידי וכלים להלחנה ב-MIDI בצירוף בינה מלאכותית עם אתרים וכלי אונליין:

https://youtu.be/wmMa8AsIlZ8?long=yes


ומדריך מגניב להלחנה בעזרת קבצי MIDI שיוצר ChatGPT:

https://youtu.be/tV82Wy-tXRE?long=yes

בעולם הבינה המלאכותית מדברים יותר ויותר על RAG. אבל מה זה RAG בעצם?

אז RAG, ראשי תיבות של Retrieval-Augmented Generation, היא טכניקה המאפשרת למודלי AI גישה למאגרי מידע ובסיסי נתונים, בכדי לשלוף מהם מידע רלוונטי ונכון. הם עושים את זה כדי לייצר תשובות מדויקות ומבוססות נתונים עדכניים ואמיתיים.

אבל ראג (RAG) יכול גם לאפשר לקבל גישה לספריה פרטית משלנו, כלומר ליצור אוסף של מסמכים או חומרים שלנו שהמודל יחפש בו מענים ללקוחות, למשל, או למשתמשים שלכם. באמצעות האוסף הזה כדאטה יוכל מודל השפה (LLM) לענות לשאלות היטב ולתת תשובות מדויקות יותר מאשר סתם דאטה שהוא מצא פעם באינטרנט.

בניגוד לאלטרנטיבה של בזבוז משאבים יקרים על אימון מטורף ויקר של מודל שפה, כך שיהיה תמיד מעודכן וברמות הכי גבוהות, RAG מאפשר למודל AI לענות ככזה, מבלי שיצטרכו מאמניו לעשות בו את כל העבודה.

כי מודלי שפה גדולים דוגמת GPT או Claude הם מרשימים ביכולתם לג'נרט תשובות מדויקות וטקסטים משכנעים, אך הם סובלים ממגבלה ברורה - הם יודעים רק את מה שלמדו בתקופת האימון שלהם. הידע שלהם "קפא" בזמן למועד ולהיקף האימון שלהם. ומה שעוד יותר מביך הוא שהם כמעט ולא יודעים לומר כשהם אינם יודעים. לעתים, כשאין להם תשובה מדויקת, הם עונים או מייצרים מידע שגוי המתחזה לנכון - תופעה שאנו מכנים "הזיות", או בעגה המקצועית "הלוצינציות" (hallucinations), מונח טכני המתאר יצירת מידע שאינו מבוסס עובדות.


#יתרונות
RAG היא טכנולוגיה שמבטיחה שהתשובות יהיו לא רק חכמות, אלא גם נכונות. מעבר לחיסכון האדיר והברור בעלויות, לעומת בזבוז משאבים על אימון המודלים לעדכנות בזמן אמת, היתרונות של RAG לעומת מודל שפה סטנדרטי הם ברורים:

עדכניות בזמן אמת - גישה למידע חדש שלא היה קיים בזמן אימון המודל.

דיוק ואמינות - צמצום משמעותי של "הזיות".

שקיפות המקורות - אפשרות להציג למשתמש את מקורות המידע.

התאמה אישית וגמישות - יכולת להשיג ולהזין מידע ספציפי לתחום או לארגון המשתמש במודל.

בכל אלה RAG מסמן את כיוון ההתפתחות של מערכות בינה מלאכותית חכמות, מדויקות ואמינות יותר - מערכות המשלבות את היצירתיות של מודלי שפה עם הדיוק של מידע עובדתי ונכון לעכשיו ובזמינות של 24/7.


#אז איך עובד RAG?
דמיינו ספרן וירטואלי שעומד לצד מודל AI ומספק לו את המסמכים הרלוונטיים והמעודכנים בדיוק ברגע שהוא נזקק להם. זוהי מהותה של טכנולוגיית RAG - היא יודעת ומביאה את המידע המעודכן והמדויק לכל שאלה שנשאל מודל הבינה המלאכותית ומאפשרת לו לדייק בתשובותיו, גם בשאלות שלא עוסקות במידע שעליו הוא מאומן ומעודכן.

טכנית, RAG פותר את הבעיה בתהליך מובנה של שלושה שלבים:
1. קבלת השאלה מהמודל על ידי מערכת ה-RAG.
2. שליפה (Retrieval) - סריקת מסמכים פנימיים או דוחות פנימיים של הארגון או של מאגרי המידע החיצוניים והרלוונטיים על ידי מנגנון האחזור, זיהוי המידע הנדרש באתרים, מסמכים, או בסיסי נתונים ארגוניים והעברתו למודל.
3. יצירה (Generation) - שילוב המידע שנאסף עם הידע הכללי של מודל השפה לכדי תשובה קוהרנטית, כלומר הגיונית ומושלמת, בצורה של שיחה טבעית.


#דוגמאות
בארגון פיננסי למשל, מערכת RAG יכולה לשלוף מידע מעודכן מדוחות רבעוניים, תקנות רגולטוריות חדשות ונתוני שוק בזמן אמת כדי לענות על שאלה ספציפית של משקיע.

בעסק או חברה מערכת RAG יכולה לשלוף מדוחות פנימיים של הארגון, ממאגרי התמיכה או המסמכים הפנימיים ולתת מענה מבוסס ללקוחות ולעובדים.

באוניברסיטאות החוקרים משתמשים ב-RAG כדי לאפשר למודלים לגשת למאמרים מדעיים עדכניים בתחום הרפואה, מה שמאפשר ייעוץ מבוסס על מחקרים חדשניים שלא היו זמינים בעת אימון המודל.

חברת רפואה יכולה להטמיע RAG כדי לספק מענה מדויק לשאלות על טיפולים חדשניים, תוך שילוב מחקרים עדכניים עם ידע רפואי מוסמך.

במערכת המשפט, RAG יכול לסייע בניתוח תקדימים משפטיים, תוך שליפת פסקי דין רלוונטיים וחוקים עדכניים לסוגיה ספציפית.


#האתגרים
ההטמעה של טכנולוגיות RAG היא לא פשוטה ואף מורכבת מבחינה טכנית, הן בבחירת אלגוריתם האחזור המתאים, דרך ניהול מאגרי מידע גדולים, תחזוקה של מידע עדכני, שאלות של פרטיות כשמדובר במסמכים רגישים ועוד.

כמו כן, גם איכות התשובות תלויה באיכות מקורות המידע, כאשר מהנדסי המידע זוכרים תמיד את העיקרון שתקף גם כאן - "זבל נכנס, זבל יוצא".


הנה ה-RAG בהסבר פשוט ומרהיב:

https://youtu.be/zX4cL6n5UzY


כך עושים את זה:

https://youtu.be/tKPSmn-urB4


הסבר חופר:

https://youtu.be/u47GtXwePms


ומדריך לבניית מאגר ידע שיהפוך ל-RAG מוצלח יותר (עברית):

https://youtu.be/JNUEKEDGi20?long=yes

HTML (קיצור של HyperText Markup Language) היא שפה או פרוטוקול שבו כתובים דפי אינטרנט ואתרי אינטרנט פשוטים. כלומר, זו שפה שבאמצעותה ניתן ליצור דפי אינטרנט ואתרים.

CSS, לעומתה, היא שפת סגנון בסיסית, שגורמת לדפי אינטרנט להיראות טוב.

להדגמת ההבדל נדמה את האתר לבית. אם HTML מציעה את חומרי הבנייה שמהם הוא ייבנה, הרי ש-CSS מציעה את הצבעים ואת חומרי ומרכיבי העיצוב והסגנון של הבית.

או המחשה נוספת - אם HTML קובע כיצד המכונית שלך תיסע, ה-CSS יקבע כיצד היא תיראה.

שתי השפות הללו הן מעין שפות תכנות פשוטות מאוד, אבל למעשה הן לא שפות תכנות של ממש. שתיהן נמנות על טכנולוגיות האינטרנט הידועות, הקלאסיות והראשונות ששימשו לכתיבת אתרי אינטרנט והן לא התפתחו מעבר לכך.

מה שקרה הוא שעם השנים וככל שנדרשו תכונות משוכללות יותר לאתרי אינטרנט, הצטרפו אליהן שפות תכנות חדשות וחזקות יותר וגם כלים רבים אחרים. בתחילה היו אלה שפות כמו asp ו-php. כיום חזקות בתחום יישומי האינטרנט שפת התכנות JavaScript והספריה שלה, הידועה ומאוד פופולרית לעיצוב ממשקים, React.


הנה ה-HTML:

https://youtu.be/akf9j0Jo0PE


ה-CSS:

https://youtu.be/1srYXgDRNak


מדריך שמסביר מצוין את עולם ה-HTML ב-12 דקות:

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


ומדריך ל-CSS ב-12 דקות:

https://youtu.be/0afZj1G0BIE?long=yes

מודל שפה גדול (LLM), קיצור של Large Language Model, הוא ה"מוח" שמפעיל צ'אטבוט עוצמתי, כמו הצ'אטבוט ChatGPT, המייצר תוכן לבקשת המשתמשים ועושה זאת באמצעות מודל השפה הגדול GPT-4 ואחרים.

את התוכן מייצר הצ'אטבוט מדאטה עצום, כמות מידע אדירה שנשאבה מהאינטרנט ובאמצעותה אימנו את מודל השפה שמפעיל אותו. מודלי השפה GPT-3 ו-GPT-4, למשל, הם שמפעילים את הצ'אטבוט הכי מפורסם ChatGPT.

יש שאומרים שמודל השפה בעצם הוא לא יותר ממחולל מילים סטטיסטי. הם צודקים אבל גם טועים. כי מודל שפה יכול לחשב מצוין הסתברות של הופעת מילים שונות בכל משפט וכך לייצר משפטים חדשים, מילה אחר מילה, בשפה שבה הוא אומן על ידי המפתחים שלו. אבל זו דוגמה בלבד ואפילו קצת מטעה. כי סטטיסטיקה זה לא הכל וכנראה לא לגמרי המהות של העניין. המוח של מודל השפה, האופן שבו הוא בנוי והתובנות והביצועים שהוא יכול לנפק, הם משמעותיים הרבה יותר.

מודל כזה הוא תת-תחום של למידה עמוקה ומבוסס על רשת עצבית מלאכותית הבנויה בצורה דומה למוח האנושי. הרשת הזו היא בעלת כמות אדירה של פרמטרים, לרוב מיליארדים. הפרמטרים הללו הם ערכים מספריים שמסייעים לאלגוריתם ללמוד.

עוד ביטוי לגודלו הגדול של המודל הוא באימון שלו על מאות מיליוני מילים, בכמויות ענק של טקסט לא מתויג, בשיטת למידה שאינה מסתמכת רק על דוגמאות אנושיות, או מה שנקרא "למידה בפיקוח-עצמי".


#איך זה בדיוק עובד?
נניח ששאלתם שאלה, מודל השפה הגדול מניח את נוסח השאלה על שולחן הטיפולים שלו ובודק בדאטה שלו, במידע העצום שהוא אגר והמיר לקוד מתמטי (ראו אח"כ בתגית" טוקנים"), מה המילה שהכי סביר (מבחינת הסתברות) שתתחיל את התשובה. ואז הוא בודק מה המילה עם ההסתברות הכי גבוהה להופיע אחריה וכך הלאה. זה ייתן לו את התשובה הסבירה ביותר לשאלה.

למה הכי סבירה ולא הכי טובה? - כי הסתברות היא לעולם לא מושלמת וזו בדיוק הסיבה להזיות שנקבל לא פעם ממנועי בינה מלאכותית. אגב, אם תבקשו ממנו לבדוק את תשובתו, כל LLM ימצא ויפרט את שגיאותיו וגם יציע לתקן את המענה שנתן ובתיקון זה כבר יהיה הרבה יותר טוב.

ה-LLM משתמש בייצוג מתמטי של שפה טבעית באמצעות הסתברויות. כל מדען נתונים יאשר שהבסיס של מודלי שפה הוא היכולת שלהם לחשב הסתברות לכל משפט בשפה שבה הם אומנו ומהיכולת הזו נובע חלק משמעותי ביכולת שלהם לייצר משפטים חדשים, מילה אחר מילה.


#מודלי השפה הגדולים והבינה הג'נרטיבית
מודל השפה הגדול הוא בעצם הבסיס למהפכת הבינה הגנרטיבית שפרצה לחיינו בשלהי 2022-תחילת 23. מודלי השפה הגדולים הללו מסמנים קפיצת דרך של ממש ולמעשה הכניסו אותנו עמוק אל תוך העתיד.

הייתה זו IBM שפיתחה את אחד ממודלי השפה הראשונים. הוא נקרא ווטסון, על שם תומאס ווטסון, מייסד IBM. יש גרסה שאומרת שהוא קיבל את שמו משמו משם העוזר של שרלוק הולמס, ווטסון. מודל כזה, ממש כמו אותו עוזר, תמיד מסייע בחקר ובתשובות שונות, כיום של רבים ואצל שרלוק, לצרכי החקירות של הבלש הנודע.

מצוידים במודלים החדשים, הצ'אטבוטים המרשימים, כמו Claude ו-ChatGPT, מסרבים להיות לכם לווטסון. במקום זאת הם מפותחים כך שיהיו המוח, כלומר השרלוק שלכם, כשאתם וכמה זה אירוני, בתפקיד הווטסון או העוזר שלהם... אבל גם הלקוחות.

מודל שפה הוא שמאפשר לנו לבקש ממנו לסכם טקסטים, לענות על שאלות, לצייר או בעצם לייצר תמונות ו"צילומים", לחבר שירים, ליצור סרטונים או לכתוב קוד.

אז מודלי שפה גדולים אפשרו את קפיצת הדרך המדהימה של מהפכת ה-AI. אמנם הם רחוקים מלהיות מושלמים לחלוטין ועדיין פה ושם מקלקלים את ההתפעלות עם ההזיות המוכרות האלה שלהם, עובדות שגויות, מידע לא רלוונטי או מופרך ואפילו עלבונות נדירים. ומה שלא פחות מרגיז לעתים הוא הביטחון המלא שבו הם כותבים או מדברים אותן, שזה בדיוק מה שהופך את חשיפת ההזיות ובדיות הללו לכל כך קשה ומסוכנת...

כיום, המודלים הללו הולכים ומאפשרים צמיחה של עולם חדש, עולם סוכני ה-AI. הם ממוקדים בביצוע משימות ספציפיות, תגובה לסביבה ועוד תכונות מבטיחות. הכירו אותם בתגית "סוכני AI".


הנה מה שעושים המודלים, מנועי השפה הגדולים (מתורגם):

https://youtu.be/X-AWdfSFCHQ


כך פורצת מלחמת עולם ה-AI הראשונה:

https://youtu.be/nJjuYTpHQEE


מהו LLM?

https://youtu.be/iR2O2GPbB0E


המודל השולט בינואר 2025 - DeepSeek R1 הסיני:

https://youtu.be/hupQ97Or3jw


השוואת הצ'טבוטים הטובים, מנועי השפה הגדולים בסוף 2024 (עברית):

https://youtu.be/NanvGTQeO-g


כך פועל מודל השפה הגדול LLM:

https://youtu.be/iR2O2GPbB0E


כך בנויים ופועלים מודלי השפה הגדולים:

https://youtu.be/5sLYAQS9sWQ


יש להם גם חסרונות:

https://youtu.be/Gf_sgim24pI


כלי שמציע את המודלים הכי מתקדמים בחינם:

https://youtu.be/ZfCpn5agPN0


הסבר מעמיק על מודלים גדולים של שפה ומה שהם הובילו (עברית):

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


הפרמטרים והטוקנים באימון מודלים כאלו:

https://youtu.be/r17HV0TzAWw?long=yes


ובאופן סטטיסטי - כך פועל LLM:

https://youtu.be/LPZh9BOjkQs?long=yes