שער האפס

הקדמה

הספר נכתב עבור עובדים בארגונים, מנהלים, יועצים, אנשי משאבי אנוש, אנשי חינוך, ולמען האמת - לכל מי שרוצה להבין מהי הבינה המלאכותית, בלי להיבהל. לאחר שקיימתי שיחות רבות עם מנהלים ובכירים במשק הישראלי, הבנתי שחברות גדולות, משמעותיות, אפילו תאגידים - פשוט לא מבינים באמת את מהפיכת ה-AI. לפעמים מתלהבים, לפעמים נבהלים, אבל כמעט תמיד מבולבלים. באותו רגע הבנתי שיש צורך לעשות סדר. להסביר. להנגיש.

אני עוסק בתחום הבינה המלאכותית כבר שנים, מהצד הכי עמוק והכי יישומי שלו. עשיתי דוקטורט בלמידת מכונה, פרסמתי עשרות מאמרים ופטנטים, והובלתי פרויקטים שהפכו רעיונות לתוצרים בשטח. הכל מבוסס AI.

התחלתי להתעסק ב-AI כמהנדס אלגוריתמים בקוואלקום, ובמקביל למדתי כל מה שיכולתי - מקורסים בטכניון ועד קורסים אונליין, ממאמרים אקדמיים ועד ניסוי וטעיה.

עם הזמן הקמתי סטרטאפ בתחום הניווט מבוסס AI, יעצתי לחברות ביטחוניות וסטרטאפים בארץ ובחו"ל, והעברתי אלפי שעות של הכשרות פרונטליות למהנדסים וחוקרים. היום אני מוביל את המסלול לפיתוח AI ולמידה עמוקה בבית הספר להייטק של גוגל ואוניברסיטת רייכמן, יוזם פלטפורמה ללימוד AI, אונליין, בשם ArtificialGate, ומפתח כלים שמשלבים AI גם ברפואה, למשל בניסיון לחזות ולתכנן טיפולי פוריות מותאמים אישית.

שם הספר, "שער האפס: בינה מלאכותית לכל אחד", הוא חלק מהקונספט של פלטפורמת ArtificialGate, לימוד שנבנה שער אחר שער, צעד אחר צעד, כדי להנגיש בצורה מדויקת, אפקטיבית ואנושית את עולם הבינה המלאכותית.

בנוסף, אני אבא לשתי בנות, שגרמו לי לרצות להסביר את כל זה בצורה נגישה באמת - עד לרמה של ספר ילדים שכתבתי להן, בשם "בינה בגן".

הספר הזה נכתב עבור אנשים. בשבילכם, שאולי לא תכתבו קוד, אבל אתם כן רוצים להבין מה קורה מסביבכם. הספר נכתב למי שרוצה להוביל שינוי, או פשוט לא להישאר מאחור.

המטרה שלי היא להנגיש ולהעביר את המסר של "איך להשתמש בבינה מלאכותית" כדי להעצים את עצמנו ואת הסביבה שלנו ולקחת אותנו רחוק יותר.

ברק

מבוא

הספר שלפניכם נועד לשמש מדריך מעשי, בהיר וידידותי לעובדי ארגונים ולקוראים סקרנים המבקשים להבין, לראשונה או לעומק, את עולמה המתפתח של הבינה המלאכותית.

הוא נבנה כך שיוביל את הקורא צעד אחר צעד, שער אחר שער, מתוך הבנה שחשיפה מדורגת, עם מושגים ברורים, דוגמאות יומיומיות והקשרים מהעולם האמיתי, היא הדרך הטובה ביותר להפוך ידע טכנולוגי לכלי עבודה נגיש.

במהלך הספר נבחן שאלות קריטיות כמו: מה זו בכלל בינה מלאכותית, ואיך היא מתפתחת? מה ההבדל בין AI,‏ ML,‏ DL? איך הכלים החדשים משפיעים על העבודה שלנו, היום ובמבט לעתיד? אילו מיומנויות נדרשות כדי להתמודד עם השינוי? מה הסיכונים, ומהן ההזדמנויות שחשוב לזהות בזמן?

הספר מחולק לשישה מודולים:

• מהי בינה מלאכותית - שפה משותפת ומושגים בסיסיים 
• בינה מלאכותית יוצרת: מהפכת ה Generative AI - הבנה פרקטית של כלים שונים 
• AI בעבודה: הזדמנויות וסיכונים - תהליכים, השפעה על מקצועות, סיכונים והזדמנויות 
• איך AI עובד (ללא קוד) - הבנת עקרונות הלמידה והחיזוי 
• כלי AI לעבודה יומיומית - טיפים וכלים מעשיים לשיפור פרודוקטיביות 
• עתיד ה-AI, מה הלאה? - כיצד לאמץ את הטכנולוגיה בארגון בצורה אתית, חכמה ומבוססת 

לצד ההסברים, תמצאו גם סיפורים, דוגמאות מהשטח, מיתוסים שכדאי לנפץ, ושאלות שיעזרו לכם לחשוב מחדש על איך אתם עובדים, מתקשרים, ומתפתחים בעולם החדש.

הספר לא דורש רקע טכני. הוא מדבר בשפה פשוטה, אבל מחדד מסרים חשובים, מתוך אמונה שכל אחד ואחת יכולים להבין ולהשתמש בטכנולוגיה הזו כדי להעצים את עצמם ואת הסובבים אותם.

מודול 1
מהי בינה מלאכותית?

מודול זה מספק מבוא לבינה מלאכותית (AI), כולל סקירה היסטורית, מושגים בסיסיים, וההבדלים בין סוגי AI השונים. נלמד כיצד AI כבר משפיע על חיינו האישיים והמקצועיים, ניחשף למיתוסים נפוצים ולתפיסות שגויות, ונבין את עקרונות הבינה המלאכותית בצורה נגישה.

שיעור 1: רקע היסטורי והתפתחות תחום הבינה המלאכותית

כאשר אנחנו שומעים את המונח "בינה מלאכותית" (Artificial Intelligence), אנחנו בדרך כלל חושבים על טכנולוגיות עתידניות או על סרטי מדע בדיוני. אך למעשה, שורשיה של הבינה המלאכותית הופיעו לפני שנים רבות, עוד לפני שהמושג עצמו נטבע.

יסודות הבינה המלאכותית הונחו כבר בשנות ה-40 וה-50 של המאה ה-20, תקופה שבה הופיעו המחשבים הראשונים שהיו מסוגלים לבצע חישובים פשוטים בלבד. בשנת 1950 הציע המדען הבריטי אלן טיורינג את מה שלימים הפך להיות אחד מציוני הדרך המרכזיים ביותר של התחום: "מבחן טיורינג". מבחן זה הציג שאלה יסודית: "האם מחשב מסוגל לחשוב?". לפי טיורינג, אם אדם המשוחח עם מחשב לא יוכל להבחין שמדובר במחשב - הרי שהוא עבר את המבחן ונחשב לבעל בינה מלאכותית. בשנת 1956 התקיים הכנס הראשון שהוקדש לנושא הבינה המלאכותית בדארטמות', ארצות הברית. שם נטבע לראשונה המונח "Artificial Intelligence". המשתתפים בכנס, ביניהם ג'ון מקארתי ומרווין מינסקי, ניבאו כי בתוך שנים ספורות יצליחו ליצור מחשבים חכמים כמו בני אדם. למרות ההתלהבות הראשונית, התברר במהרה שהמשימה קשה בהרבה, וההתקדמות הייתה איטית.

בשנות ה-70 וה-80 התחום זכה לפריצת דרך משמעותית עם הופעתן של מערכות מומחה (Expert Systems). מערכות אלו ידעו לבצע החלטות ולפתור בעיות מוגדרות היטב.

מערכת המומחה הראשונה, "דנדרל", פותחה כבר בשנות ה-60, אך מערכות המומחה צברו תאוצה רק כעשור לאחר מכן, כשהמחשבים נעשו חזקים וזולים יותר.

בשנות ה-80 וה-90 התפתחה גישה חדשה בתחום: רשתות נוירונים מלאכותיות. בהשראת המבנה של המוח האנושי, ניסו החוקרים לדמות רשת של תאי עצב (נוירונים), שלומדת מדוגמאות ומזהה דפוסים. גישה זו התקשתה בתחילת הדרך, בעיקר עקב מגבלות חישוביות וטכנולוגיות, ולכן נעצרה לזמן מה.

המהפכה הגדולה של AI התרחשה בשני העשורים האחרונים, עם הזינוק בתחום הלמידה העמוקה (Deep Learning). הפריצה התאפשרה בזכות שילוב של כוח עיבוד חזק במיוחד, זמינות של כמויות עצומות של מידע (Big Data), ופיתוח שיטות חישוב מתקדמות. כתוצאה מכך, ראינו בשנים האחרונות הצלחות דרמטיות כמו זיהוי פנים, מכוניות אוטונומיות, מערכות זיהוי דיבור כמו סירי, אלקסה, וכמובן, ChatGPT. כיום,AI  כבר איננו רק חזון עתידני, אלא חלק בלתי נפרד מחיינו. כיום, בינה מלאכותית כבר משפיעה כמעט על כל תחום - בריאות, תעשייה, פיננסים, ביטחון, ואפילו תרבות ואמנות.

לסיכום, הבינה המלאכותית עברה דרך ארוכה מאד מאז הרעיונות הראשונים של אלן טיורינג. ההתקדמות שהושגה בשנים האחרונות הייתה עצומה, אך חשוב לזכור שאנחנו רק בראשית הדרך. בשיעורים הבאים נלמד להבין לעומק כיצד AI משפיע עלינו, אילו הזדמנויות הוא פותח בפנינו, וכיצד נוכל להתאים את עצמנו לעידן חדש זה.

שיעור 2: השוני בין בינה מלאכותית (AI), למידת מכונה (ML) ולמידה עמוקה (DL)

בשיעור הקודם הצגנו את מושג הבינה המלאכותית (Artificial Intelligence - AI) שהולכת וצוברת תאוצה. הבינה המלאכותית הפכה בשנים האחרונות לחלק בלתי נפרד מחיינו. למרות שהמונח בינה מלאכותית נפוץ מאוד, לעיתים קרובות אנחנו מתקשים להבדיל בין המונחים השונים הנמצאים תחת המטריה הרחבה הזו.

כעת, ננסה לעשות סדר ברור ופשוט בין שלושת המונחים הנפוצים ביותר: בינה מלאכותית, למידת מכונה ולמידה עמוקה. כמו כן, נבהיר את ההבדלים בין ההגדרה הרחבה לבין ההגדרה הצרה של המושג "בינה מלאכותית".

בינה מלאכותית היא מושג המתאר את היכולת של מחשב או מערכת ממוחשבת לחקות פעולות או יכולות של בינה אנושית, כגון הבנת שפה, למידה, פתרון בעיות וקבלת החלטות. נהוג להבחין בין שתי הגדרות מרכזיות:

• בינה מלאכותית במובן הרחב: מתייחסת למערכות שטרם קיימות באופן מלא, המסוגלות להציג אינטליגנציה ברמה אנושית או מעבר לכך, לפתח עצמאות חשיבתית ולבצע מגוון רחב של משימות כלליות ובלתי מוגדרות מראש. מדובר בחזון עתידני של יצירת מערכות אוטונומיות לגמרי, המסוגלות לחשוב, להבין ולפעול ממש כמו בני אדם. 
• בינה מלאכותית במובן הצר: מערכות שתוכננו במיוחד לפתרון בעיה אחת מוגדרת וספציפית. מערכות אלו מתמחות בביצוע משימה מסוימת ברמה גבוהה מאוד, אך הן אינן מסוגלות להתמודד עם משימות אחרות ללא שינוי מהותי במערכת. לדוגמה, מערכות לזיהוי פנים או תוכנות לניהול שיחות אוטומטיות. 

למידת מכונה (Machine Learning - ML): תת-תחום בתוך הבינה המלאכותית. בתחום זה מחשבים ומערכות תוכנה לומדים באופן עצמאי מדוגמאות ודפוסים, ללא הוראות מפורשות לפתרון כל בעיה. במקום לספק למחשב כללים מוגדרים, אנו נותנים לו כמות גדולה של נתונים ודוגמאות, והמערכת לומדת לזהות דפוסים, להסיק מסקנות ולשפר את ביצועיה בעצמה. לדוגמה, כאשר אפליקציות כמו נטפליקס או ספוטיפיי ממליצות לנו על תכנים חדשים, הן משתמשות בלמידת מכונה כדי ללמוד את ההעדפות שלנו מתוך דפוסי הצפייה הקודמים שלנו ושל משתמשים דומים לנו, וכך מצליחות לייצר המלצות מותאמות אישית.

למידה עמוקה (Deep Learning): שיטה מתקדמת בתוך תחום למידת המכונה, המבוססת על מודל מתמטי בשם "רשתות נוירונים". מודל זה בנוי בהשראת מבנה המוח האנושי, ומורכב משכבות רבות של "נוירונים" מלאכותיים, שכל שכבה מסוגלת לזהות ולנתח מאפיינים מורכבים יותר של הנתונים. למידה עמוקה מאפשרת למערכות להתמודד בהצלחה עם משימות מורכבות כמו זיהוי פנים, תרגום אוטומטי, ניתוח תמונות רפואיות וזיהוי קולי.

דוגמה מוכרת היא אפליקציות זיהוי הפנים בטלפונים חכמים, המנתחות במהירות תמונות רבות, מזהות את מאפייני הפנים הייחודיים ולומדות בעצמן לזהות את פני המשתמש ללא טעויות.

נסכם את המושגים בקצרה:

• AI במובן הרחב: מערכות עתידניות עם יכולות כלליות ומגוונות, שטרם קיימות. 
• AI במובן הצר: מערכות קיימות, המתמקדות בפתרון של בעיה מוגדרת אחת בלבד. 
• למידת מכונה (ML): תחום בו מערכות לומדות לזהות דפוסים ולקבל החלטות מתוך דוגמאות ונתונים. 
• למידה עמוקה (DL): סוג מתקדם של למידת מכונה המבוסס על רשתות נוירונים מלאכותיות בעלות שכבות מרובות, המסוגלות לנתח ולהסיק מתוך נתונים מורכבים במיוחד. 

ההבנה של ההבדלים בין שלושת המושגים האלו ובין בינה מלאכותית במובן הצר ובינה מלאכותית במובן הרחב חיונית כדי לדעת כיצד מערכות אלו פועלות בארגונים שונים, באילו דרכים הן משפיעות עלינו, ואיך נוכל לנצל אותן בצורה מיטבית ביום-יום. בהמשך, נלמד כיצד נוכל להיעזר בכל אחת מהטכנולוגיות האלה בצורה פרקטית ואפקטיבית.

*המשך הפרק זמין בספר המלא*