האם מחשב יודע לחשוב דומה יותר לשאלה האם צוללת יודעת לשחות…

בינה מלאכותית (Artificial Intelligence או AI) – כולם מדברים על זה, רק 1% מבצעים זאת באופן מלא, הרבה מתלהבים מהטכנולוגיה, והשאלה הגדולה האם כל מי שמדבר על זה יודע במה מדובר? אם כן מהי בינה מלאכותית?

אולי התחום הכי חם כיום אצל כל החברות הגדולות, הנחשבות והמובילות הוא בינה מלאכותית וסביר להניח שאין אחד שלא שמע עד היום על בינה מלאכותית, בין אם זה באינטרנט, בסרטי מדע בדיוני, לעיתים בחדשות ובכל מדיה אפשרית. בינה מלאכותית נשמע כמו מושג מוכר וידוע לכולם אך האם אפשר להגדיר בצורה מדויקת את המושג בינה מלאכותית.

אין שיח טכני שלא נגמר במוצר שעושה בינה מלאכותית, אך אם תעצרו לרגע ותשאלו מה המאפיינים שלו בבינה מלאכותית תבינו כי קשה לקבל הסבר מדויק או מפורט, והסיבה לכך שהיא שבינה מלאכותית הוא תחום חדש מאוד שאינו מוכר לרובנו.

בינה מלאכותית

בינה מלאכותית זהו מושג כללי, אך הוא תחום רחב מאוד, עם עומק בלתי נדלה אשר כולל בתוכו המון נושאים, תחומים וגישות שונות ומגוונות שהתחילו להתפתח כבר לפני 50 שנה, וכן זה התחיל כבר לקראת שנת 1950 עם המכונות של אלן טיורינג.

אם אפשר לתאר בינה מלאכותית הייתי מתאשר זאת כך, בינה מלאכותית היא מעטפת הכוללת בתוכה כלים שונים, שיטות ודרכים שונות הנועדו להעניק למחשב יכולות הדומות לאלו של בני האדם, למשל: זיהוי פנים. בינה מלאכותית כפי שאמרנו, התחילה כבר בשנות החמישים ובשנותיה המוקדמות כללה בעיקר אלגוריתמים שנבנו לפי מאגרי נתונים מסויימים, כלומר בכל שינוי של מידע נדרש שינוי של המערכת, כביכול "לימוד מחדש".

במילים אחרות, בינה מלאכותית היא מעטפת הכוללת בתוכה שורה ארוכה של כלים, שיטות ודרכים הנועדו להעניק למחשב יכולות אשר דומות לאלו של בני האדם, למשל חישה מלאכותית הכוללת זיהוי פנים, זיהוי קולי, זיהוי תמונה, ואחרים כדוגמת הבנת שפה טבעית וכן הלאה.

למידת מכונות – Machine Learning

חשוב לציין כי בהגדרה של הבינה המלאכותית מדובר במושג כללי הכולל בתוכו תחומים רבים, Machine Learning או בשמו המקוצר ML, שהוא אחד מאותם תחומים ולמעשה, הוא הנפוץ ביותר כיום. Machine Learning הוא למעשה שיטה ללמד את המחשב וכפי שהודגש, למידת מכונות היא השיטה הנפוצה ביותר כיום.

בלמידת מכונות, החוקרים או המפתחים מבצעים תהליך שנקרא חילוץ תכונות (Feature extraction ) כאשר בתהליך הזה, וכן באמצעות אלגוריתמים הנכתבים על ידי בני האדם, המחשב יודע אילו פרטים לחפש בקלט, במקרה של זיהוי פנים מתוך תמונה, סביר להניח שהמפתחים ינחו את המחשב לחפש פרטים ייחודים כמו מבנה עיניים ותכונות.

למידה עמוקה – Deep Learning

תחום הלמידה העמוקה, הוא תת תחום בתוך למידת המכונות. הלמידה העמוקה נבדלת מלמידת המכונות בנקודה אחת חשובה ומשמעותית, ה-Feature extraction. בלמידה עמוקה, הנקראת גם DL, אין תהליך של Feature extraction כלל. בשני המקרים, בלמידת מכונות וגם בלמידה עמוקה, המערכת מקבלת מידע רב, למשל המון תמונות או טקסטים רבים. בעוד שבלמידת מכונות, המחשב יחפש מידע מסוים אותו הוא הונחה לחפש לפי אלגוריתמים שהוגדרו על ידי בני האדם, בלמידה עמוקה התהליך מעט שונה.

בלמידה עמוקה, Deep Learning, המחשב נותן תשובה לפי משקלים שהוא נותן לתהליכי עיבוד וחישוביים מתמטיים שונים. לאחר שהמחשב נתן את התשובה שלו, למשל: האם החיה בתמונה היא כלב, המחשב מקבל את התשובה הנכונה ממבנה הנתונים, קיבלנו זיהוי נכון (חישה מלאכותית).

במידה והמחשב טעה, הוא יבצע שינויים מזעריים במשקלים אותם הוא מקנה לכל פונקציה מתמטית ולכל שלב בתהליך הזיהוי עד שבסופו של דבר, לאחר מעבר על מיליוני תמונות הוא יגיע לדיוק הרצוי.

בין שלושת המושגים: AI, ML או DL יש קשר ישיר ובולט. בינה מלאכותית (AI) כוללת בתוכה את למידת המכונות ML אשר כוללת בתוכה את הלמידה העמוקה (DL). כפישהוזכר קודם לכן ,ML הוא למידת המכונות וכעת היא התחום הנפוץ ביותר כיום ויש לזה הסבר די פשוט.

ההסבר הוא החסרונות של הלמידה העמוקה (DL). למידה עמוקה דורשת כמויות עצומות של מידע, כאלו שלעיתים קשה מאוד להשיג מהסיבה הפשוטה שלא תמיד קיים היום מספיק מידע נגיש וממוין שמתאים לצרכי אימון, לימוד ובדיקה של למידה עמוקה. לימוד בעזרת למידה עמוקה עשוי להימשך חודשים ארוכים ולפעמים ללא הצלחה וזה אחד הפחדים הגדולים שיותר של החוקרים.

אסור לטעון בעובדה שלמידת מכונות (ML) מושלמת, למעשה Feature extraction מהווה אתגר לא פשוט. למשל איך אנחנו מגדירים מה חשוב? איך למשל אנחנו יודעים להבדל בין כלב לחתול? מה הפרמטרים ומאפיינים שאנו בוחנים או מסתכלים? ולכן אלו בדיוק השאלות שלא צריך לשאול כשעוסקים בלמידה עמוקה (DL) אשר הופכת ליותר ויותר פופלארית עם הזמן, הודות למאגרי מידע שהופכים לגדולים יותר, רספונסיביים יותר ונגישים יותר הודות לטכנולוגיות שונות.

ישנם סוגים שונים של בינה מלאכותית למעשה סוגים שונים, כדוגמת:

• Reactive Machines AI
• Limited Memory AI
• Theory of Mind AI
• Self-aware AI
• Artificial Narrow Intelligence
• Artificial General Intelligence
• Artificial Superhuman Intelligence

לסיכום

בינה מלאכותית זהו מושג כללי, אך הוא תחום רחב מאוד, עם עומק בלתי נדלה אשר כולל בתוכו המון נושאים, תחומים וגישות שונות ומגוונות שהתחילו להתפתח כבר לפני 50 שנה ויותר, ומי שהתווה את הדרך לקראת שנת 1950 והלאה הוא אלן טיורינג ואז נשאלה השאלה הראשונה, האם מכונות מסוגלות לחשוב?

לאחריו כמובן בא המבחן מכונה שהוצע בדרך הבאה: חוקר מקיים דיאלוג בשפה טבעית עם שני גורמים סמויים מעיניו, האחד אדם והשני מכונה. אם החוקר אינו מסוגל לקבוע בביטחון מי האדם ומי המכונה, אזי המכונה עברה בהצלחה את המבחן.

בינה מלאכותית והענן של Azure – מיקרוסופט משקיעה מאמצים ומשאבים רבים בבניה מלאכותית, החל הנגשת כלי בינה מלאכותית לשימוש יומיומי והגנה על הליך הבחירות הדמוקרטי דרך שירותי Cortana לעסקים וכלים חדשים לייעול תהליכי בינה מלאכותית. במאמרים הקרובים נתחיל להבין איך Azure מסייע לנו עם בינה מלאכותית.