בחיפה המחשבים לומדים ללמוד - מגזין TheMarker - TheMarker
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
חדשנות

בחיפה המחשבים לומדים ללמוד

מערכת מהפכנית שמפתח צוות של אינטל בישראל תאפשר למחשבים להבין מה הם רואים, תפתח את הדרך לדור חדש של יישומים חכמים — ואולי תחזיר את יצרנית השבבים הוותיקה למקומה בחזית החדשנות של עולם הטכנולוגיה

7תגובות

נועה קמה בבוקר, מתקינה על אוזנה מכשיר זעיר ויוצאת ליום חדש. כשהיא פותחת את המקרר היא לא צריכה לבדוק אם נשאר מספיק חלב לקפה או אם יש ביצים לחביתה כדי לעדכן את רשימת הקניות. המכשיר החכם סורק את תכולת המקרר, מזהה את החוסרים ומעדכן אותם ברשימת הקניות. בערב, כשנועה תיכנס למרכול, המחשב יזכיר לה אילו מוצרים עליה לקנות וימליץ לה על קופסת הקורנפלקס שמכילה הכי פחות קלוריות או על זו שמתאימה לרגישות שלה לגלוטן. בדרך הביתה, כשתיתקל ברחוב בבחור שהיא מזהה אבל לא תזכור מהיכן, קול קטן ילחש באוזנה שהם השתתפו ביחד בקורס תיאטרון ויעדכן אותה, ישירות מעמוד הפייסבוק שלו, שהוא רווק. בסוף היום, כשתיפגש עם חברה לכוס קפה, לא תצטרך לזכור בעצמה שחברתה מעדיפה חלב סויה בקפה וקרואסון שקדים על פני שוקולד, כדי להזמין אותם עבורה עוד לפני שהיא מגיעה. נכון, המכשור שהיא לובשת יזכור זאת במקומה.

המכשירים החכמים שבהם אנו משתמשים כיום משמשים כהרחבה של המוח האנושי. אנחנו כבר לא נדרשים לשנן ולזכור כמויות גדולות של מידע, אלא רק לדעת איך לשלוף את פיסת המידע החשובה לנו ברגע הנכון. סמארטפונים מאפשרים גישה לידע אינסופי ומעשירים כל רובד בחיינו. דמיינו את מגוון היכולות האפשריות כשהמכשירים לא רק "ינחשו" אותנו כשנפנה אליהם שאלות, אלא יבינו בדיוק איפה אנחנו נמצאים, מה אנחנו עושים ובעיקר מה קורה בסביבה שלנו, ויסייעו לנו בלי שנדרוש זאת באופן פעיל.

כבר כיום יש דוגמאות ראשונות לעוזרים אישיים כאלה, המשולבים במחשבים לבישים ובאפליקציות שמיועדות להם. המשקפיים של גוגל הם דוגמה מתבקשת לכך. אולם לפני שהטכנולוגיה הקיימת תוכל לתפקד כהלכה, יהיה עליה לעבור כמה משוכות טכנולוגיות שאחת העיקריות שבהן היא הצורך ללמד את המחשב לראות לפחות באותה יעילות כמו האדם — כלומר לשפר את יכולתם של מחשבים לנתח לעומק את תמונת המציאות ולעשות זאת באופן אוטומטי ואוטונומי. גם אבחנה טריוויאלית לעין אנושית, למשל בין כלב לחתול, או בין שולחנות מסוגים שונים, היא אתגר עבור אלגוריתמים, ודרגת הקושי עולה עוד יותר כאשר המכונה נדרשת לא רק לזהות אובייקט, אלא גם להבין את מיקומו ואת הסיטואציה שבה הוא נמצא, ולהוסיף על כל אלה עוד ועוד שכבות של תובנות.

קבוצה חדשה שהוקמה לפני כשנה במרכז הפיתוח של אינטל בחיפה מנסה להתמודד בדיוק עם בעיות אלה. הקבוצה, שנחשפת כאן לראשונה, מעסיקה כ־60 עובדים, 40 מהם בישראל. בימים אלה נשלם גיוסם של 15 עובדים נוספים, ובשנה הבאה מתוכנן גיוס נוסף, של 30־40 עובדים. לדברי ראש הקבוצה, עופרי וקסלר, צמיחתה העקבית של הקבוצה מעידה על החשיבות שמייחסים לה בתוך ענקית השבבים הבינלאומית.

 

אינטל

למידה משמעותית

בשיחה עם מגזין TheMarker מסביר 
וקסלר שלעינה של המכונה יש בכל זאת כמה יתרונות על פני זו האנושית: "אם עומדים למשל מול מדף בחנות שיש עליו מאות פריטים או מול מדף עמוס ספרים בספרייה, לאדם ייקח זמן לזהות את הפריטים השונים. למחשב, לעומת זאת, יש יכולת לראות את כל התוויות ולקרוא אותן בבת אחת". בכך רומז וקסלר לאבטיפוס שפיתחו בקבוצה באינטל, שמסוגל לקרוא בו בזמן תוויות מ־300 פריטים ולבחור מתוכם את הפריט שאותו המשתמש מחפש לפי ידע אפריורי המבוסס על תכונותיו הייחודיות והעדפותיו הקודמות.

בנוסף לשימושים כאלה, תוכל מצלמה עם יכולות ניתוח מתקדמות להרחיב את שדה הראייה האנושי. "יכולת כזאת היא קריטית, למשל, בזמן נהיגה", אומר וקסלר. "כנהג, דעתך מוסחת ושדה הראייה שלך אינו מושלם. באמצעות מצלמה המותקנת ברכב אנחנו מסוגלים לתת התרעות לנהג על מהמורות בדרך או להתריע שצריך להאט כי הולך רגל שלא הבחין בנו נכנס לשדה הראייה".

פתרונות כאלה כבר קיימים, למשל במערכות כמו של מובילאיי הישראלית שמותקנות בכלי רכב. בשלב הבא, מסביר וקסלר, המצלמות "יסתכלו" לא רק על הכביש אלא גם על הנהג, וכך יבינו למשל מתי הוא מתחיל להתעייף וימליצו לו לעצור להתרעננות. "יש שימושים אינסופיים ליכולת של המחשב לנתח את התמונה שנרכשת במצלמה ולהבין אותה", הוא אומר. "המוני מצלמות מותקנות כיום בעולם ואין מישהו שנמצא מאחוריהן ובודק את התמונה שמתקבלת. הנתונים מהמצלמות האלה נשלחים לענן, נשמרים שם ואז מנותחים, וזו פעולה יקרה ובעייתית. אנחנו רוצים לשים 'מוח' קטן בכל אחת מהמצלמות הללו, כדי שהוא יזרוק 99% מהפריימים שאין בהם משהו מעניין וישלח לעיבוד בענן רק את הפרומיל שיש בו משהו חשוב שכדאי להסתכל עליו או לשלוח אותו לאנליזה נוספת".

 

הכתבה מתפרסמת גם באפליקציה של מגזין TheMarker 

באייפד או בטאבלטים מבוססי אנדרואיד

 

 

איך בעצם מלמדים מכונה לראות באופן עצמאי, בלי שנצטרך לתכנת אותה מראש וללמד אותה באופן מכני להבחין בין עצמים וחפצים? באינטל עושים זאת באמצעות טכניקה שמכונה למידה עמוקה (Deep Learning), שהיא חלק מענף גדול יותר במדעי המחשב הנקרא "מערכות לומדות" (Machine Learning), העוסק בהקניית יכולות למידה אוטונומיות למערכות מחשב. "אנחנו מאמנים את המכונה שלנו", מסביר וקסלר. "לוקחים מיליוני תמונות מהאינטרנט ואומרים למחשב: הנה 1,000 תמונות שמייצגות אובייקט מסוים, למשל כיסא, וכך בונים מודל שבסוף נלמד על ידי המכונה. יש תהליכי אימון שנעשים עם השגחה אנושית ויש כאלה שלא, אבל בסופו של דבר, אין כאן אדם שלימד את המכונה, אלא מכונה שלמדה בעצמה, וככה היא יודעת, למשל, לקרוא מודעות או לזהות הולכי רגל".

מנהל מרכזי הפיתוח של אינטל בישראל, גדי זינגר, אומר ששיטת עבודה כזאת שונה באופן דרמטי ממה שהיה מקובל קודם לכן בעולם פיתוח התוכנה. "עד עכשיו עולם המחשבים היה מתוכנת — אנשים כתבו תוכנות שאמרו למחשבים בדיוק מה לעשות", אומר זינגר. "למידת מכונה מכניסה ממד חדש לחלוטין: אתה מתכנת את היכולת של המכונה ללמוד דרך דוגמאות והתנסויות ולא מתכנת את התוצאות. זו גם הדרך שבה בני אדם לומדים".

רוני רונן, מנהל מרכז המחקר של אינטל לאינטליגנציה חישובית, מוסיף כי שיטה כזאת עובדת היטב בעיקר כאשר נדרש ניתוח של מידע חזותי. "לכן הנושא של ראיית מכונה נמצא בחזית", הוא אומר, ומספר כי החלום שלו הוא אפליקציה שתדע לזהות ולהגדיר פרחים על פי צילום — משימה שנראית כמעט טריוויאלית, אבל אין עדיין מכונה שיכולה לבצע אותה. רונן מסביר שבשיטות קודמות ניסו להגדיר מהם המאפיינים המסוימים של גוף או חפץ כלשהו. כך למשל, כדי לזהות פנים, המחשב נדרש לזהות עיניים, פה ואף. בלמידה עמוקה המכונה צריכה לפענח ללא עזרה מהם אותם מאפיינים כדי שתוכל להבין בעצמה מה היא רואה, ולא להסתמך רק על הפקודות והתנאים שהגדיר המתכנת. האתגר הגדול יותר למכונה, הוא אומר, יהיה להבין את הסיטואציה או ההקשר, ולברור את פיסות המידע הרלוונטיות מתוך כמויות גדולות של נתונים.

 

לשוחח עם מחשב

ראיית מכונה היא תחום מחקרי שעדיין מתפתח וחוקרים באקדמיה מגיעים בו לפריצות דרך מדעיות. לכן חברות שעוסקות בתחום מעסיקות בעלי תארים מתקדמים בישראל ובעולם ומשתפות עמם פעולה. "כל חודש נמצא אלגוריתם חדש ויש פריצת דרך מדעית. זה תחום דינמי", אומר וקסלר.

המחקר באינטל ישראל בתחום נעשה בשיתוף מכון המחקר המשותף לאינטליגנציה חישובית שהקימה החברה יחד עם הטכניון והאוניברסיטה העברית ב־2012 בהשקעה של 15 מיליון דולר. באחרונה ערכה החברה כנס ייעודי לתחום זה בישראל, כדי ללמוד וללמד את הנושא. חלק מהחוקרים שהשתתפו בכנס קשורים לחברות טכנולוגיה עולמיות מובילות כמו גוגל, פייסבוק ובאידו.

לא במקרה בחרה אינטל להקים את המרכז בארץ. בישראל קיים ידע רב ומשמעותי בתחום של ראיית מכונה, הודות לפעילותן ארוכת השנים של חברות התעשייה הביטחונית. חברות אלה נדרשו כבר לפני שנים רבות לפתח יכולות אופטיות מתקדמות עבור מל"טים ורובוטים שנדרשים להתמצא בסביבה באופן עצמאי ולזהות בה גורמים עוינים. כמו כן חברות כמו רפאל או התעשייה האווירית פועלות בשיתוף פעולה עם האקדמיה הישראלית ומקיימות יחסי גומלין של שיתוף ידע עמה.

עבור אינטל הכניסה לתחומים חדשים אלה היא הזדמנות לכבוש מחדש את המעמד שממנו נהנתה בעבר, כחברה פורצת דרך הניצבת על קצה הידע האנושי. יותר מכל מזוהה כיום אינטל עם המיקרו־מעבדים המותקנים במחשבים השולחניים והניידים. בעשור האחרון היא החמיצה את ההזדמנות להפוך לשחקנית שמובילה גם את פיתוחם של מעבדים עבור המכשירים הניידים שהשתלטו על העולם הצרכני — זירה שבה הביסה אותה קוואלקום. לכן אינטל רואה חשיבות גדולה בפיתוח כלים שישקמו את מעמדה ויהפכו אותה לשחקנית משמעותית בגל הבא של המחשוב הצרכני — המחשוב הלביש שבו יש חשיבות למידע שנקלט מחיישנים שונים, בהם מצלמות.

אולם חברות שמפתחות אפליקציות שונות לעולם שבו המכונה נדרשת להבין את המציאות אינן ממתינות לפיתוחים של אינטל. כך למשל, פיתחה מובילאיי את המערכת שלה על בסיס טכנולוגיה קיימת, וכך נוהגות גם חברות אחרות, בהן בעיקר כאלו שמפתחות אפליקציות לסמארטפונים: הן נסמכות על החומרה הקיימת ומציעות שיפורים ברמת התוכנה. כוונתה של אינטל היא לשפר את יכולתה הבסיסית של המכונה לבצע ניתוחים מורכבים של מידע מהסביבה ולהטמיע את היכולות האלה בתוך השבבים עצמן. לכן העבודה שנעשית כיום על ידי הצוות הישראלי שמוביל וקסלר אינה מייצגת רק אבולוציה של יכולות חישוב, אלא שינוי תפיסה דרמטי בעולם המחשוב: מעבר מעידן שבו האדם למד 
לדבר בשפת המכונה לעידן שבו המכונה לומדת לדבר בשפת האדם.

"לפני 60 שנה מחשבים ראשונים עבדו בשפת מכונה", אומר זינגר. "המרצה שלי בטכניון אמר שיום אחד כולנו נדע לדבר בשפה של אפסים ואחדות. גם כיום אנחנו מדברים בשפתה של המכונה, ורק כשיש אפשרות מתחשבים בשפה שלנו כאנשים — משתמשים בתבניות או בתפריטים. בשנים הבאות נראה התקדמות בתחום של מחשוב תפיסתי ומעבר לשפה שהיא טבעית יותר לאנשים. כשאנחנו מסתכלים על העתיד, אנחנו רואים מחשבים מסתכלים, מקשיבים ומדברים בשפת אדם".

עד שהתחזית הזאת תתממש, נצטרך להמשיך לבחור בעצמנו קורנפלקס בסופר ולזהות את המכרים החולפים על פנינו ברחוב. אנשים עשו את זה כל כך הרבה שנים, נוכל להמשיך ככה עוד קצת. 

 



תגובות

דלג על התגובות

בשליחת תגובה זו הנני מצהיר שאני מסכים/מסכימה עם תנאי השימוש של אתר הארץ

סדר את התגובות

כתבות ראשיות באתר

כתבות שאולי פיספסתם