"אנו צריכים לקחת את המחשב ולהעצים את האדם, לא להחליף אותו."

כך אומר עופר לביא, מנהל קבוצת לימוד מכונה במעבדות המחקר של IBM בחיפה, במפגש מועדון השבבים הישראלי שהתקיים  בת"א ועסק בהתפתחויות בתחום התבונה המלאכותית.

לימוד מכונה. איור: shutterstock
לימוד מכונה. איור: shutterstock By Sammby

"אנו צריכים לקחת את המחשב ולהעצים את האדם, לא להחליף אותו." כך אומר עופר לביא, מנהל קבוצת לימוד מכונה במעבדות המחקר של IBM בחיפה, במפגש מועדון השבבים הישראלי שעסק בהתפתחויות בתחום התבונה המלאכותית.

"האם אנו עלולים להפגע ממהפכת הרובוטיקה?" שאל לביא את הקהל שהיה מורכב ברובו מבכירים בענף השבבים. "אנחנו לא טבחים של מזון מהיר, לא חקלאים, לא דוורים, לא טכנאי אלקטרוניקה. איננו מוכרים פרחים וגם לא כרטיסי טיסה לאנשים המעטים שעדיין לא עושים זאת בעצמם. למדנו הרבה ואנו חייבים להיות יצירתיים כדי להצליח. התבונה המלאכותית לא מחליפה בינתיים מקצועות כגון עורכי דין אבל היא בהחלט משנה את המקצועות הללו."
"כמות הנתונים בעולם כיום היא עצומה, עד 2020 אנחנו צופים שכל אחד מאיתנו ייצור 1.7 מגהביטט של נתונים כל דקה. למשל בתחום הבריאות יש המון נתונים, שעון כמו אייווץ' אבל רוב הנתונים הם נתונים לא מובנים. לא כל אקס שניות יש לי מדידה של הלב אלא דברים מופשטים תמונות של CT או סרטים. כל אחד מאיתנו ייצר מידע שווה ערך ל-300 מיליון ספרים."

"היום יש קוד תוכנה בכל הרמות – החל מהענן וכלה ב-FIREMEWARE שיושב ליד השבב. בכל מכונית שיוצאת מהמפעל יש 100 מיליון שורות קוד, רובן בזכות תבונה מלאכותית. גם הטלוויזיות היום חכמות. כל הדברים החכמים הללו מכילים יכולות לימוד מכונה ברקע."

"בקוד רגיל מתכנתים נותנים את התסריט או את ההוראות למחשב בצורה מאוד מובנית ולכן צריכים לתת למחשב הוראות מראש מה לעשות בכל מקרה גם במקרי קצה. לימוד מכונה פועל בשיטה שונה, לדוגמה נותנים לו דגימות דם של אנשים בריאים ושל אנשים חולים, בפעם הבאה הוא יידע לחהליט בעצמו האם האדם בריא או חולה. אנחנו נמצאים עכשיו בעידן של מעבר מתבונה מלאכותית צרה לתבונה מלאכותית רחבה יותר. השלב הבא – תבונה מלאכותית כללית בסגנון סרטי המדע הבדיוני עדיין רחוק."

עופר לביא, מנהן קבוצת לימוד מכונה במעבדות המחקר של IBM בחיפה במפגש מועדון השבבים הישראלי, 26/3/18. צילום: שמואל אוסטר
עופר לביא, מנהן קבוצת לימוד מכונה במעבדות המחקר של IBM בחיפה במפגש מועדון השבבים הישראלי, 26/3/18. צילום: שמואל אוסטר

"תבונה מלאכותית צרה – מערכת שעושה סיווגים לפי משימה מוגדרת מראש אך המערכת לא תדע להחליט יותר מאשר בשאלה הצרה – אם ניקח את הדוגמה הקודמת האם האדם בריא או לא. כשמדברים על תבונה מלאכותית רחבה יותר, המערכת תוכל לעבור ממתחם אחד למתחם אחר, לזהות סוגים שונים של מצבים מורכבים. דוגמה לכך היא הרמקול של אפל. המיקרופון קולט את מה שמדברים בחדר ושולח לענן לעיבוד שפה טבעית, ומבצע את הפעולה שהתבקש לעשות על ידי הנוכחים בחדר. יהיה צורך בלימוד מכונה בקנה מידה גדול כדי להציב מערכת כזו בחדר ישיבות שתתמלל את השיחות, אך חברות מהססות להביא מערכת שתשמע כל מה שיאמרו לה לתוך מתקניהן."

"IBM כחברה המפתחת עבור עסקים נאלצת להשתמש בנפח קטן בהרבה של נתונים. איננו אוספים נתונים מטלפונים סלולארים או מכוניות אוטונומיות. גם הלקוחות מטילים מגבלות על שימוש בנתונים שלהם. אנו צריכים להתבסס על פחות דוגמאות, וכן דואגים להעברה מלקוח ללקוח בלי לחשוף שום דבר מהלקוח הראשון. בתחום הבריאות זה בעייתי בגלל תקן הGDPR והצורך באבטחת מידע ופרטיות. בכל זאת יש לרובוטים תפקיד בבתי חולים, להחליף את האחיות בשאלות פשוטות כגון מתי שעות הביקור או בבקשות כגון הדלקה או כיבוי אור. ביפן פיתחו רובוט המדמה אח או אחות המסוגל גם לשאת את החולה ממקום למקום."

"פרופ' מרווין מינסקי מאבות תחום הבינה המלאכותית אמר שאם מחשב עושה משהו שלא היינו מצפים ממנו – זו בינה מלאכותית . היום אנשים מצפים לכך – וזה המעבר מבינה מלאכותית צרה לבינה מלאכותית רחבה. ווייז למשל הוא יודע שאני נוסע בבוקר לעבודה, כי הוא למד את תבנית הנסיעות שלי ואינני צריך לומר לו זאת." הסביר לביא.

בהמשך תיאר לביא את המחשבים החזקים שיבמ פיתחה ביחד עם NVIDIA כדי להאיץ חישובי תבונה מלאכותית, וכן התייחס לדור המיחשוב הבא שיוכלו לבצע זאת הרבה יותר מהר – המחשבים הקוונטים. במקום AND ו-OR אפשר לבנות מספר רב של שערים לוגיים העובדים על ביטים קוונטים או קיוביטים. יבמ בנתה מחשב קוונטי בן 5 קיוביט וכל אחד יכול להריץ עליו תוכנות בשפה המיועדת למיחשוב קוונטי.

שיתוף ב print
שיתוף ב email
שיתוף ב whatsapp
שיתוף ב linkedin
שיתוף ב twitter
שיתוף ב facebook

3 תגובות

  1. מי בכלל שואל את בני האדם אם נעזור להם או נחליף אותם? עד שנשתלט על כל האנרגיה שהשמש פולטת לכל הכיוונים אנחנו תלויים במקורות האנרגיה שניתן לרכז על פני כדור הארץ. אתם סתם מפריעים ומבזבזים את המשאבים המעטים פה.

  2. להבין כמה מורכב האתגר של מערכת בינה רפואית: היא צריכה דיוק גבוה משל רופא מומחה לפיענוח
    בכיוון positive. לא לפספס חולה. רמת הדיוק של מפענח MRI מומחה למשל נדמה לי 93%.
    היא צריכה עדיף נומר דיוק גבוה בכיוון negative. לא לייצר התראות שווא רבות מדי שהמערכת קובעת חולה והאיש לא חולה. זה פחות חמור, זה עולה בכסף.
    הבעיה עם זה, שזה נותן זמינות מחקר סופר מעניין, מתימטיקה כל כך יפה, והנדסה כל כך חזקה, ומשכורת טובה לעוסקים בתחום. היות ולא ניתן לעצור את זה- צריך פשוט לראות את הפרופסורים הילדים באוניברסיטאות הכי חזקות בעולם: סטנפורד, ברקלי, פרינסטון, וטורונטו – עיר הבירה של בינה מלאכותית שם יושבים פרופסור יהושוע בנג'יו – אחד מ-3 הגורואים, פרופסור ג'פרי הינטון – הגדול מכולם, ונדמה לי שגם פרופסור יאן לה-קון – זה שהמציא את הלמידה העמוקה ב 1998. ואלכס קריצ'בסקי מטורונטו – שפיתח את רשת הלמידה העמוקה הראשונה ב 2012, ואיכשהו – מקרה של עוול אקדמי, נשכח. הפרופסורים הילדים (גיל 269 כולל אירנים האלה באים מארצות אסיה ואפריקה – והמחקר הזה הוציא אותם מהעוני למשהו הרבה יותר גדול. הם משפיעים ברמה עולמית. לי אישית יצא ליישם מודל שפיתח אירני מסטנפורד. פניתי אליו פעם לקבלת נתוני מחקר והוא לא ענה לי. הסינים כן ענו לי. שאלתי את עצמי אם זה בגלל העימות ישראל איראן או בגלל שהוא לא רצה שאיישם את המודל שפיתח ואמשיך משם הלאה. באמת המשכתי. הורדתי ב 70% את תשתית החישוב לקבלת אותו יכולת, כמובן שיניתי את הארכיטקטורה.

  3. סיסמאות. האוליגרכים מפתחים בינה זו לטובת תועלת כספית. מערכת בינה לפענוח MRI בנושא ספציפי ברמה גבוהה משל רופא מומחה. מפענח MRI מקבל בשר"פ 1500 ש"ח לפענוח. הם מרוויחים עד 150000 ש"ח לחודש – לבריאות. מערכת תוכנה כזו שנמכרת לבתי חולים – אין צורך במומחה. בהתחלה אומרים שזה להעצים את הבן אדם. אבל האמת, ואני אגב גם מפתח בינה עילית, וגם מחקר בסיסי – כיום חצי עצמאי בחברה שאני עובד , בעתיד כנראה באוניברסיטאות, היא שזה מחליף.

כתיבת תגובה

האימייל לא יוצג באתר.

דילוג לתוכן