בינה מלאכותית, הטכנולוגיות השונות. תרגום תוכן, סרטון מערוץ היוטיוב © IBM Technology. הערוץ מספק תוכן חינוכי בנושאים הגדולים ביותר בטכנולוגיה.כאן תמצאו מידע בכל הקשור ל- AI, אוטומציה, אבטחת סייבר, מדעי נתונים, DevOps ומחשב קוונטי. המומחים של IBM יעזרו לכם לללמוד על מגמות חדשות, לקבל תובנות ולרכוש מיומנויות. הערוץ פועל בהתאם להנחיות המחשוב החברתי של IBM.

הסרטון הפעם על בינה מלאכותית, למידת מכונה, למידה עמוקה ובינה מלאכותית יוצרת. המנחה, ג'ף קרום (Jeff Crume) מסביר את ההבחנות בין הטכנולוגיות וכיצד הן התפתחו. ג'ף קרום הוא מהנדס בחברת יבמ, ממציא, מחבר, פרופסור משנה ואדריכל אבטחת סייבר.

ציר הזמן של בינה מלאכותית

ג'ף בוחן את ההתקדמות העדכנית ביותר ב-Generative AI. מודלים של שפות גדולות, צ'טבוטים וזיופים עמוקים. הסרטון מבהיר תפיסות שגויות נפוצות, מפשט מושגים מורכבים ודן בהשפעה של הטכנולוגיות על תחומים שונים.

ג'ף נותן סקירה כללית על בינה מלאכותית (AI), למידת מכונה (ML), למידה עמוקה (DL) ובינה מלאכותית יוצרת (Generative AI).

בינה מלאכותית (AI)

תחום רחב במדעי המחשב המתמקד בפיתוח מערכות שיכולות לבצע משימות הדורשות אינטליגנציה אנושית, כמו זיהוי דיבור, קבלת החלטות ופתרון בעיות.

למידת מכונה  (Machine Learning)

תת-תחום של AI, שבו מערכות לומדות ומשתפרות באופן אוטומטי באמצעות נתונים, ללא תכנות מפורש.

למידה עמוקה (Deep Learning)

תת-תחום של למידת מכונה, המשתמש ברשתות נוירונים עם שכבות רבות (רב-שכבתיות) כדי ללמוד ייצוגים מורכבים של נתונים, מה שמאפשר למערכות לבצע משימות כמו זיהוי תמונות ודיבור.

בינה מלאכותית יוצרת (Generative AI)

סוג של AI המשתמש במודלים גנרטיביים כדי ליצור תוכן חדש, כמו טקסט, תמונות או מוזיקה, על בסיס דוגמאות קיימות.

בתחילת הסרטון ג'ף מסביר את ההבדל בין בינה מלאכותית ללמידת מכונה. בינה מלאכותית היא תחום רחב יותר הכולל כל טכנולוגיה המחקה אינטליגנציה אנושית. שלמידת מכונה היא סוג של בינה מלאכותית שמשתמשת באלגוריתמים כדי ללמוד מנתונים ולשפר את ביצועיה.

בהמשך ג'ף מסביר את ההבדל בין למידת מכונה ללמידה עמוקה. למידה עמוקה היא סוג של למידת מכונה שמשתמשת ברשתות עצביות עמוקות כדי ללמוד מנתונים. רשתות עצביות עמוקות הן מודלים מתמטיים המורכבים משכבות רבות של נוירונים. כל שכבה לומדת תכונות שונות מהנתונים ויחד השכבות לומדות לייצג את הנתונים בצורה משמעותית.

הסרטון מסביר מהי בינה מלאכותית יוצרת שיכולה ליצור תוכן חדש כמו טקסט, תמונות ומוזיקה. הסרטון מדגיש את ההתקדמות הטכנולוגית בכל אחד מהתחומים הללו ואת השפעתם על חיינו. ג'ף נותן דוגמאות לשימושים של בינה מלאכותית בקטגוריות השונות. לדוגמה, בינה מלאכותית משמשת לזיהוי דיבור, תרגום שפות, נהיגה אוטונומית וניתוח תמונות.

תרגום הסרטון

בימים אלה כולם מדברים על בינה מלאכותית, או בקיצור AI. למידת מכונה היא נושא חם נוסף. האם אלה אותו דבר או שהם שונים? ואם כן, מהם ההבדלים ביניהם? ויש גם את תחום הלמידה העמוקה שנכנס לתמונה. למעשה, עשיתי סרטון על שלושת התחומים האלה: בינה מלאכותית, למידת מכונה ולמידה עמוקה והסברתי כיצד הם משתלבים זה בזה. היו הרבה תגובות על הסרטון הזה ואני רוצה להתייחס לכמה מהשאלות הנפוצות ביותר כדי שנוכל להפריך כמה מיתוסים ולפזר אי-הבנות בנושא.

מאז הסרטון ההוא קרה משהו נוסף – פרץ עצום של תחום הבינה המלאכותית היוצרת (Generative AI. נראה כאילו מודלים כמו מודלי שפה גדולים (Large Language Models).

וצ'אטבוטים כובשים את העולם, רואים אותם בכל מקום. מדובר בטכנולוגיה מרתקת.
ואז יש גם דברים כמו זיוף עמוק (Deepfakes). כל אלה נכללים בתוך תחום הבינה המלאכותית.

איך הן משתלבות זו בזו? כיצד הן קשורות?

בסרטון הזה, ננסה להסביר כיצד כל הטכנולוגיות האלה קשורות ואיך אנחנו יכולים להשתמש בהן.

בינה מלאכותית  (AI)

קודם כל, הערה קטנה – אני הולך לפשט חלק מהקונספטים. לכן, סליחה מראש למומחים בתחום. אבל ננסה להסביר זאת בצורה פשוטה, וזה יכלול כמה הכללות. נתחיל עם בינה מלאכותית. בינה מלאכותית היא למעשה ניסיון לדמות באמצעות מחשב משהו שיתאים או יעלה על האינטליגנציה האנושית.

מהי אינטליגנציה?

זה יכול להיות הרבה דברים שונים, אבל בדרך כלל אנחנו חושבים עליה כעל יכולת ללמוד ולהסיק מסקנות. וזה מה שאנחנו מנסים לעשות בתחום הרחב של בינה מלאכותית. אם נסתכל על ציר הזמן של הבינה המלאכותית, נראה שהיא התחילה להתפתח בערך בתקופה הזו. בימים ההם, התחום היה מאוד ראשוני, רוב האנשים אפילו לא שמעו עליו, והוא היה בעיקר נושא למחקר. כסטודנט לתואר ראשון, כבר עסקתי בעבודות בתחום הבינה המלאכותית. שפות התכנות שהשתמשנו בהן היו Lisp  ו-Prolog שהיו מעין מבשרות של מערכות מומחה(Expert Systems). במהלך שנות ה-80 וה-90, מערכות מומחה התחילו לצבור פופולריות. אבל כל זה היה לפני שהגענו לנושא הבא – למידת מכונה.

למידת מכונה  (Machine Learning)

למידת מכונה, כשמה כן היא – המכונה לומדת. אני לא צריך לתכנת אותה במפורש. אני מספק לה הרבה מידע והיא לומדת להבחין בדפוסים. לדוגמה, אם אני מראה לכם סדרה של מספרים ומבקש שתנבאו מה יבוא אחר כך, יהיה לכם קשה לחזות כי יש לכם מעט מידע.
אבל אם אוסיף עוד נתונים, תוכלו להתחיל לזהות את התבנית. למידת מכונה פועלת בדיוק כך – היא טובה מאוד בזיהוי דפוסים וגילוי חריגות.
למשל, בתחום הסייבר שבו אני עובד, אנחנו משתמשים בלמידת מכונה כדי לזהות פעילות חריגה של משתמשים, כגון שימוש לא רגיל במערכות או ניסיונות פריצה.

למידת מכונה הפכה לפופולרית בעיקר במהלך שנות ה-2010. כיום היא מהווה את הבסיס לטכנולוגיות רבות.

למידה עמוקה  (Deep Learning)

השלב הבא הוא למידה עמוקה שבה אנחנו משתמשים ב- רשתות נוירונים (רשת עצבית מלאכותית Networks (Neural.

הרשתות האלה מחקות את אופן הפעולה של המוח האנושי, לפחות עד כמה שאנחנו מבינים אותו.
הן נקראות "עמוקות" כי הן כוללות שכבות רבות של נוירונים מלאכותיים. למידה עמוקה מאפשרת לנו להגיע לרמות דיוק גבוהות מאוד במשימות כמו זיהוי תמונה ודיבור.

אבל יש כאן בעיה. לפעמים קשה להבין איך רשתות נוירונים מגיעות למסקנות שלהן.
בגלל המורכבות שלהן, לא תמיד אפשר לנתח בדיוק מדוע הרשת חזרה על תשובה מסוימת.
למרות זאת, מדובר באחת ההתפתחויות החשובות ביותר בתחום הבינה המלאכותית.

בינה מלאכותית יוצרת (Generative AI)

התחום החם ביותר היום הוא בינה מלאכותית יוצרת. מודלים גנרטיביים יוצרים תוכן חדש כמו טקסטים, תמונות ואפילו מוזיקה. דוגמה לכך היא מודלי שפה גדולים (Large Language Models), שמאפשרים למערכות לחזות מילים, משפטים ופסקאות שלמות.

יש כאלה שטוענים שבינה מלאכותית גנרטיבית לא באמת יוצרת תוכן חדש, אלא פשוט משכפלת מידע קיים. אבל אתן לכם אנלוגיה:
מוזיקה חדשה נוצרת מתווים שכבר קיימים. כך גם בינה מלאכותית יוצרת. היא מרכיבה צירופים חדשים של מידע קיים.

בנוסף, יש לנו מודלים של אודיו ווידאו, שמאפשרים יצירת Deepfakes – טכנולוגיה שיכולה לזייף קולות, פרצופים ווידאו כך שייראו אמיתיים לחלוטין.
למשל, אפשר לגרום למישהו להיראות כאילו אמר משהו שמעולם לא אמר. לטכנולוגיה הזו יש שימושים טובים כמו יצירת תוכן לאנשים עם מוגבלויות קוליות אבל גם סיכונים רבים כמו הפצת מידע כוזב.

לסיכום

בינה מלאכותית התחילה לאט ובמשך שנים זה היה משהו שנראה בעתיד בעוד 5, 10 שנים. אבל אז למידת מכונה ולמידה עמוקה התחילו לתפוס תאוצה. ולבסוף, מודלים גנרטיביים כמו ChatGPT הובילו להתפוצצות השימוש בבינה מלאכותית. היום אנחנו רואים את הבינה המלאכותית בכל מקום. הדבר החשוב הוא להבין איך להשתמש בה נכון, לנצל את היתרונות שלה ולהימנע מהסכנות.

לסרטוני 'הסבר פשוט' נוסםין עם כתוביות בעברית או תרגום תוכן לעברית לחצו על הקישור 

לעדכונים בנושא הבינה המלאכותית עם כתוביות בעברית או תרגום תוכן לעברית לחצו על הקישור חדשות AI

כדי להישאר מעודכנים בתכנים חדשים הצטרפו לדף הפייסבוק שלנו