תיק מניות

רשימת קריאה

רשימת הקריאה מאפשרת לך לשמור כתבות ולקרוא אותן במועד מאוחר יותר באתר,במובייל או באפליקציה.

לחיצה על כפתור "שמור", בתחילת הכתבה תוסיף את הכתבה לרשימת הקריאה שלך.
לחיצה על "הסר" תסיר את הכתבה מרשימת הקריאה.

לרשימת הקריאה המלאה לחצו כאן

ביג דאטה ובינה מלאכותית - הילכו שניהם יחדיו?

בשיחה מרתקת, על הציר ת"א-קונטיקט, עם פרופ' אמיר אורבוך ופרופ' רונלד קויפמן, מפתחי האלגוריתמים פורצי הדרך שנמצאים בבסיס הטכנולוגיה של חברת הסייבר ThetaRay, מתייחסים השניים לעתיד הבינה מלאכותית המושתתת על ביג דאטה ולאתגרים העומדים בפני המפתחים

רונלד קויפמן ואמיר אורבוך
יח"צ

תחום טכנולוגיות המידע מתפתח ללא הרף ומציב אתגרים מגוונים בפני העוסקים בו. אחד האתגרים, שבמרכזו נמצאת ThetaRay, הוא כיצד לעבד בצורה יעילה ומדויקת את ה"ביג דאטה" כדי לכרות ממנו אינפורמציה חשובה ומועילה לארגון. מומחים לטכנולוגיות מידע, מדעני נתונים, מהנדסים, ארכיטקטים, אנשי BI וכדומה, משתמשים בכלים, במערכות ובטכנולוגיות מגוונות כדי לעמוד באתגר הכרוך בשמירה ועיבוד של  כמויות אדירות של מה שמכונה "נתוני עתק".

ביג דאטה (נתוני עתק) מתאר כמויות אדירות של מידע המגיע ממקורות שונים. את המידע הזה צריכים לשמור, לנהל, לתחזק ולעבד בקלות וביעילות, תוך השקעה של מינימום משאבים ושימוש בכלים אוטומטיים. ענקיות הביג דאטה שבידיהן כמות אדירה של נתוני ענק, דוגמת גוגל, פייסבוק ומיקרוסופט, משתמשות כבר מספר עשורים בטכנולוגיות לניהול נתוני עתק, אליהן מצטרפים, בשנים האחרונות, ארגונים נוספים כמו חברות ביטוח, סייבר, טלקום, בנקים, ארגונים פיננסים וארגוני קמעונאות גדולים דוגמת אמזון.

כמות נתונים אלה היא כה גדולה, שמסדי נתונים מסורתיים פשוט לא יכולים לנהל אותם, לעבדם לשמרם ובוודאי לא לכרות מהם את פרטי המידע הטמונים בהם. לכן, עוד ועוד ארגונים טכנולוגיים בסדרי גודל שונים נושאים את עיניהם בחיפוש אחר טכנולוגיות חדשניות, יעילות ועדכניות לניהול ביג דאטה וכרייה של נתונים מתוכו.

תרומתה של האקדמיה 

בשיחה עם פרופ' אמיר אורבוך מאוניברסיטת תל-אביב ופרופ' רונלד קויפמן מאוניברסיטת ייל, מפתחי האלגוריתמים פורצי הדרך שנמצאים בבסיס הטכנולוגיה של ThetaRay, התוודענו לרזי הבינה המלאכותית, החזון העתידי מול המציאות והאתגרים העומדים בפני המפתחים שרוצים ליישם את הטכנולוגיות המתקדמות ולרתום אותן לטובת פתרונות מועילים וחדשים לארגון.

לדבריו של פרופ' אורבוך, "קשה מאוד להבין מהפריזמה האקדמית את החיים האמיתיים ואת הבעיות שמעניינות את התעשייה. באקדמיה קשה מאד לעבוד על בעיות 'ענקיות' באמת. המחקרים באקדמיה רחוקים מהבעיות בשטח בתוכנם ובהיקפם. בנוסף, אין חיבור אמיתי בין האקדמיה לעולם המשקיעים. אין גם כמעט חיבור אמיתי בין האקדמיה לתעשייה, בעיקר הודות לבעיות קניין רוחני וסוגיית הבעלות עליהם. כך שעיקר העבודה מוטלת על התעשייה.

"לאור האמור לעיל אני חושב שעיקר תפקידן של האוניברסיטאות היה ויהיה התמקדות במחקר בסיסי, כאשר המחקר היישומי יתקיים בקנה מידה מוגבל", הוא מדגיש. "אני מאמין שמדעני המחשב, ההנדסה והמתמטיקה, שקשורים בלמידת מכונה ובעלי ידע מעמיק בתכנות, יעמדו בבסיס של כל עיסוק טכנולוגי. כיום מציעות כל האוניברסיטאות קורסים ספציפיים באינטרנט עם טובי המרצים והם נגישים לכל".

בינה מלאכותית - חזון מול מציאות

עמיתו של אורבוך, פרופ' קויפמן, מסביר היכן נמצא העולם בנוגע לבינה מלאכותית: "אנחנו נמצאים בסוג של מגדל בבל, אין שפה משותפת. ישנם מספר כלים מבטיחים, אבל הם לא מדייקים ובתחומים כמו רפואה, בנקאות או תשתיות קריטיות נדרשת דייקנות מקסימלית מכיוון שמדובר בתחומים מצילי חיים. כרגע אנחנו לא יודעים איזה כלי אמין ב-100% ואם המחיר של טעות הוא גדול או מסכן חיים, ולכן אין בכלי שימוש. אנחנו שואפים להגיע למצב שבו הבינה המלאכותית תהיה טבעית ותצביע על טעויות אפשריות. לפי דעתי, אנחנו רחוקים מספר שנים משמעותי ממצב כזה. הבעיות שנפתרות עד עכשיו בכלי בינה מלאכותית מאפשרות ארגון של כמות אדירה של נתונים והשוואתם לרשימות קיימות וכך להצביע על חריגים, אבל אין מודלים שמאפשרים לחזות דינמיקה טבעית.

"אפשר לדמות זאת לחיזוי מזג אוויר", הוא מוסיף. "כיום חזאים מסוגלים לחזות מזג אויר ל-3-7 ימים קדימה בלבד. הכלים הקיימים כיום משלבים את הנתונים המעודכנים בזמן אמת עם מודלים מדעיים של משוואות לשינוי מזג אוויר, לכן אנו יכולים לחזות בצורה טובה כמה ימים קדימה. השלב הבא יהיה המעבר לבניית תחזית עתידית אמיתית שאינה מבוססת על העבר, אלא על ההבנה הפנימית של מה שמוביל את מזג האוויר. המודל הזה עדיין לא קיים, צריך להמציא אותו, וזה העתיד".

אילוסטרציה
Supawat Kaydeesud | Dreamstime.com

לבנות מודלים חדשים 

בתשובה לשאלה מה נבנה ב- ThetaRay מרחיב פרופ' קויפמן: "האתגר ש- ThetaRayלקחה על עצמה הוא להבין בתוך נתוני הביג דאטה מהו התהליך הנורמלי ומהי האנומליה והיא עשתה זאת באמצעות פיתוח טכנולוגיה פורצת דרך, המדמה אינטואיציה אנושית ולמעשה היא מאפשרת לנו לראות קשרים שלא ראינו קודם וכך לבנות מודלים חדשים שלא יכולנו לבנות קודם. זאת פריצת דרך משמעותית בכל הנוגע לבינה מלאכותית המושתתת על ביג דאטה.
"ThetaRay מבינה את הקשרים שעד עכשיו אי-אפשר היה להבין. החברה המציאה משהו חדש: היא מוצאת אנומליות לא על-ידי למידת מכונה והשוואה לעבר, אלא על-ידי השוואת דברים נדירים, השוואה בין אנומליות, וזה חדש ופורץ דרך".

ומה יהיה השלב הבא בתחום? 
"השלב הבא יהיה הגדרה של מה יוצא דופן ומה לא יוצא דופן בדיוק של 100% על מנת להגיע לדיאגנוסטיקה אמינה. כדוגמא אפשר לקחת את מובילאיי - השלב הבא יהיה כאשר המכונית שלנו 'תיבהל' מחתיכת נייר שיעופף בכביש, תבלום ותגרום לתאונה, אבל היא תעדכן את שאר המכוניות ותלמד אותן מהניסיון שלה וכך הן יהפכו לקהילה לומדת, או קבוצה של מחשבים המדברים ביניהם אודות מצבים שהם תקועים בהם.

"ואם מדברים על רפואה, היום ניתן לקבל Second Opinion ממחשבים, אבל לא את האבחון הראשוני. כדי להגיע למצב של אבחון ראשוני מדויק דרושות לנו, להערכתי, עוד 10-15 שנות מחקר ופיתוח. ThetaRay כבר יצאה לדרך הזו - היא יודעת להגדיר את המצבים המסוכנים, ולהתריע שמשהו לא תקין, כמו שאדם רגיל שומע רעשים ממנוע המכונית ויודע באינטואיציה שמשהו לא תקין. הכלים של ThetaRay הם המתקדמים ביותר, היא חלוצה במחקר זה".

לאתר האינטרנט של חברת הסייבר ThetaRay >>>

לעמוד הפייסבוק של חברת הסייבר ThetaRay >>>

לעמוד הלינקדאין של חברת הסייבר ThetaRay >>>

לעמוד הטוויטר של חברת הסייבר ThetaRay >>>

בחזרה למתחם מגזין סייבר >>>

כתבות שאולי פיספסתם

*#