Search magnifier

חיפוש

עכשיו קל ונוח יותר למצוא כל כתבה ברוכים הבאים לאתר אקסטרה המחודש - עדכני ומגוון בשפע כתבות ומאמרים מקצועיים

מוח דיגיטלי במקום המרכיב האנושי

בחברת Razor Labs, העוסקת בפיתוחי בינה מלאכותית, הצליחו ללמד מכונה ולייצר בה אינטואיציה שוות ערך לזו של אדם בגיל 600. רז רודיטי, מנכ"ל החברה ואחד משלושת מייסדיה: "כך מייצרים ללקוח 'מוח' שמסקנותיו והחלטותיו טובות יותר מאלה של בן אנוש, כי האינטואיציה שלו הרבה יותר עמוקה"

צילום: shutterstock

רז רודיטי (צילום: יח"צ)

בגיל 28 כבר יכול רז רודיטי להסתכל אחורה בסיפוק ולספור לא פחות מארבע חברות שהקים. אחת נמכרה, שלוש הוא מנהל ביום-יום. כאשר שואלים אותו איך יכול אדם אחד לנהל במקביל שלוש חברות הוא עונה בפשטות: "אני עובד מתשע בבוקר עד 12 בלילה". כנראה שככה זה אצל אנשים שמאז ומתמיד היו יזמים ברוחם.

כנער הוא הקים רשת משחקים מקוונת ושורה של אתרי תוכן. לאחר שירותו הצבאי נכנס לעולם ההיי-טק בדלת הראשית, כמייסד ומנהל החברות שהקים יחד עם שותפיו מיכאל זולוטוב ועידו רוזנברג ("הם הטכנולוגים ואני יותר בפן העסקי"). אפליקציה לשליחת קורות חיים בווידיאו שהגו נמכרה לחברה אחרת. את Razor Labs, העוסקת בפיתוחי בינה מלאכותית, ואת החברות האחרות שבראשן הוא עומד – החבורה לא מעוניינת למכור.

על אף גילו הצעיר מדבר רודיטי במונחים של חזון, אידיאולוגיה וציונות: "המטרה שלנו היא להפוך את ישראל ליצואנית טכנולוגיות בינה מלאכותית מובילה בעולם. מה שגורם לי להתעורר בבוקר בחדוות עשייה זו הידיעה שאנחנו מכניסים מטבע זר לישראל ותורמים לכלכלה. החזון שלנו הוא לשים את ישראל על המפה ולהביא בשורה טכנולוגית לעולם. אנחנו גאים בכך שאנחנו מכניסים כסף זר לישראל ומפרנסים כאן משפחות".

רודיטי ושותפיו הקימו את Razor Labs לפני שנתיים. מלבדה ומלבד אותה אפליקציית חיפוש עבודה הקימו השלושה ביחד גם את קומפיי – בית תוכנה שבונה ממשקי משתמש מתוחכמים – ואת Axon Vision – מעין חברה אחות של Razor Labs, המתמקדת בפתרונות בינה מלאכותית לשוק הביטחוני ועוסקת בעיקר בבניית רחפן אוטונומי עבור צה"ל.

"Axon Vision נולדה מתוך הפעילות של Razor Labs, והיא כיום חברה עצמאית עם פעילות בארץ ובחו"ל", מספר רודיטי. "בשתי החברות האלה שמנו לעצמנו למטרה, מהיום הראשון, לייצר גשר בין מהפיכת ה-AI לבין ארגונים גדולים בעולם. זיהינו את המהפכה הטכנולוגית שה-AI מביאה עימה ואת הנישה של ייעול תהליכים קריטיים בארגוני ענק, שהיא חשובה מאוד ללקוח ורווחית מאוד למי שמספק לו פתרון.

"כאשר אתה מראה לחברה איך אתה יכול לחסוך לה מיליוני דולרים, או לאפשר לה לייצר מיליוני דולרים נוספים – היא חותמת איתך על הסכם רכישה מהר מאוד. הבעיה היא שפעמים רבות כאשר אנחנו מציגים לחברה את יכולות המוצר שאנחנו מציעים לה – מרוב שזה נראה טוב הם חושבים שזה לא אמיתי", הוא צוחק.

צילום: shutterstock

מדמים את פעולת המוח האנושי

כדי להדגים את היכולות, רודיטי מספר על מקרה ייחודי בו מוצר החברה אפשר מהפכה של ממש במכרה זהב גדול באוסטרליה. במשך שנים רבות התקיימה בו כריית הזהב על בסיס שיקול הדעת של מנהל ותיק ומנוסה. האיש בן ה-65 יודע לשלוט בפרמטרים של התהליך המורכב. כל יום הוא ממשש את האדמה, מרגיש כמה היא סלעית ולחה, לוקח בחשבון פרמטרים כגון מזג אוויר ומחליט כיצד יעבדו מכונות הכרייה: האם יסתובבו 2,000 או 3,000 סיבובים בדקה ומה יהיה לחץ המים. הוא לא יודע להסביר את החלטותיו, אלא פועל על סמך ניסיון ואינטואיציה שהתגבשו אצלו במשך עשרות שנות עבודה. לקראת פרישתו לפנסיה נלחצו במכרה. מי יוכל למלא את החלל שהוא משאיר?

"אז בנינו להם מוח מלאכותי ולימדנו אותו מידע היסטורי. אילו פרמטרים הוגדרו בכל יום עבודה ומהי תפוקת הזהב שיצאה", מתאר רודיטי את הפרויקט. "לאחר שבוע שבו המוח למד – הוא ידע לייצר עולם משחק בו מורצות אפשרויות שונות מיליארדי פעמים. כשהצעותיו יושמו בשטח, התוצאה הייתה מציאת זהב הגבוהה ב-3.6% מהישגיו של אותו עובד ותיק. נשמע מעט? הבדל כזה שווה למכרה עשרות מיליוני דולרים בשנה.

"עכשיו אנחנו מטמיעים את המערכת הזאת במכרות זהב נוספים בעולם. באחד מהם לקחנו את המוח המלאכותי שיצרנו ונתנו לו להתאמן מול מחשבים של 20 חברות אחרות שתפקידם לחזות תקלות במכונות כרייה. מכונת כרייה מושבתת עולה למכרה 5 מיליון דולר ביום, כך שתחזית מדויקת שווה הרבה מאוד כסף. הגענו לתוצאה שהדהימה את בכירי החברה: חזינו בסבירות של מעל ל-95% איזו תקלה תקרה ומתי. זו רמת חיזוי שלא היה ניתן להגיע אליה בכלים מתחרים ובוודאי שלא בחיזוי אנושי. אלה השתמשו במודלים סטטיסטיים – כל מיני יוריסטיקות ואלגוריתמיקות פשוטות עם חוקים פשוטים.

"אנחנו, לעומת זאת, משתמשים בשני הענפים הכי מתקדמים היום בתחום הבינה המלאכותית: Deep Learning ו-Reinforcement Learning. אלה מודלים שמורכבים משכבות נוירונים רבות ומדמים את פעולת המוח האנושי. ההבנה שלהם מדוע התקלה מתרחשת ומתי נובעת מקשרים מורכבים מאוד, שלא דומים למודלים סטטיסטיים פשוטים. זו פריצה טכנולוגית שמאפשרת קפיצה מ-80% דיוק ליותר מ-90%".

תוצאות יוצאות דופן

לדברי רודיטי, הבום הטכנולוגי של הבינה המלאכותית הגיע דווקא עכשיו מכיוון שמספר דברים התכנסו ביחד והביאו להבשלה. המאמרים האקדמיים בנושא התגבשו לטכנולוגיה עובדת ובת-יישום ומשאבי המחשוב התפתחו מספיק כדי לאפשר הרצת רשתות נוירונים עמוקות על גבי מחשוב נגיש. "דיברו על המהפכה הזאת עוד בשנות ה-80' של המאה הקודמת, אבל היא לא הייתה בשלה ברמת כוח המחשוב", הוא מציין. "האתגר הוא לקחת את הידע התיאורטי שנמצא באקדמיה ולייצר רשת נוירונים שיודעת לרוץ על חומרה שהיא לא יקרה מדי. בזה אנחנו מתמקדים, וזה דורש השקעה והמצאות יוצאות דופן בדרך להבאת מוצר AI עובד לשוק.

"פיתחנו מבנה שכולל שכבות נוירונים רבות, שמחוברות אחת לשנייה ושיטות ייחודיות ללמד את הנוירונים את החומר הרלוונטי. עשינו זאת בתהליך של פיתוח מודלים שנותנים תוצאות יוצאות דופן. כעת המוצר יכול ללמוד הכל, ובצורה מעמיקה. אז אנחנו מלמדים את המוח את הדאטה של הלקוח ואז שולחים אותו לבצע את המטלה הרלוונטית. תוך שבוע הלקוח מקבל מודל שפותר לו בעיות שהוא לא דמיין, וזה חוסך לו הרבה כסף. זו הסיבה שאנחנו מצליחים לצמוח מהר ובלי לגייס שקל ממשקיעים. החברה לא גייסה השקעות מעולם".

כשרודיטי מסתכל על השוק בו הוא פועל, הוא רואה בו בעיות הנובעות מחוסר כוח אדם ומחוסר מומחיות בעולם הסבוך של פיתוח AI. "לצערי, בתקופה האחרונה AI נהפך לסיסמה שיווקית", הוא אומר. "כמעט כל סטארט-אפ טוען שהוא משתמש בו, כאשר בפועל רובם לא משתמשים ב-Deep Learning, אלא בטכנולוגיות Machine Learningמיושנות ומבוססות חוקים מוגדרים. המחשב לא באמת מבין מה הוא עושה, אלא פועל על-פי מערכת כללים שהוזנה לו מראש. ב-Deep Learning, לעומת זאת, לא מלמדים את המחשב את הכללים אלא מראים לו דוגמאות – ועל בסיסן הוא מייצר לעצמו את הכללים.

"בשנתיים האחרונות פיתחנו את היכולת ללמד מכונה לעבוד על מידע היסטורי של שנים אחורה, מה שמאפשר לה להבין בצורה עמוקה את עולם הבעיה בו היא מתמקדת. כיום יש לנו יכולת פנומנלית ללמד מכונה ולייצר בה אינטואיציה שהיא שוות ערך לאינטואיציה אנושית של אדם בגיל 600. כך אנחנו מייצרים ללקוח מוח שמחליף את המרכיב האנושי, מוח שמסקנותיו והחלטותיו יהיו טובות יותר מאלה של בן אנוש, כי האינטואיציה שלו הרבה יותר עמוקה".

קצת מפחיד, בסוף המכונות האלו עוד יחליפו את כולנו…

"אני מאמין שבינה מלאכותית לא צריכה להחליף את העובדים, אלא לשפר את איכות חייהם. היא תאפשר לאנשים לעבוד פחות שעות ולהרוויח יותר, כי נהיה עולם יעיל יותר".

השקת המחזור הרביעי של Future Learning (צילום: Razor Labs)

מענה לבעיות רבות ומגוונות

למוצרי Razor Labs יש לא רק מוח, אלא גם עיניים. מוצר בשם Visual Mind, למשל, יודע להבין שידור וידיאו שמוזן אליו ולספק התרעות בהתאם. אחת מהערים הגדולות בארץ משתמשת בו לפיקוח עירוני. כאשר המערכת מזהה חפץ חשוד, או מקרה של אלימות ברחוב – היא שולחת התרעה לחדר הבקרה העירוני. כך נחסך מהעירייה הצורך להעסיק אנשי בקרה רבים והיא יכולה להסתפק בבקר אחד שבודק התרעות נכנסות.

רשת קמעונאות גדולה משתמשת במוצר כדי לנתח את התנהגות לקוחותיה. המוצר יודע לא רק לזהות אנשים אלא גם את גילם המוערך. הוא מתעד את התנהגותם מול המדפים וכך יכול לשלוח לחברה נתונים בנוסח "גברים בגילאי 40 נוהגי לשלוף שלושה מותגים של ג'ל גילוח מהמדף ולהחליט ביניהם".

דוגמה נוספת למקום בו יכולות הווידיאו של המוצר מועילות הוא בעולם המבחנים לקבלת רישיון נהיגה. המערכת יוצרת סרטון וידיאו של הטסט כך שבמקרה של ערעור על התוצאה התיעוד יוכל להביא להכרעה. אך מכיוון שתיעוד כזה מציג גם עוברי אורח ברחוב וכך אולי פוגע בפרטיותם, המערכת מזהה בני אדם ומטשטשת אוטומטית את פרצופם בסרטון. החברה האחות "Axon Vision" מפתחת בין השאר קסדה עם מצלמה המצלמת ב-360 מעלות. היא יודעת, למשל, לזהות דמות שמתגנבת מאחורי החייל החובש אותה ולהתריע לו שיסתובב.

"אנחנו פותרים ללקוחות שלנו את הבעיות הכי כואבות שלהם ונותנים להם ערך משמעותי", מדגיש רודיטי. "זה מאפשר לנו ליצור עמם קשרים אסטרטגיים ולהיכנס ממש לליבה העסקית שלהם. בינה מלאכותית יכולה לתת מענה לבעיות רבות ומגוונות. היא יכולה וצריכה להשפיע על כל תחומי החיים. כאשר בא אלינו לקוח עם אתגר – יכול להיות שבאותו הרגע אין לנו את המוצר שיפתור לו אותו. אז אנחנו לוקחים את הכלי הרלוונטי ביותר ומתאימים אותו לצרכים של הלקוח. בעצם כל לקוח אצלנו מקבל מוצר שתפור למידותיו. זה לא כמו לקנות מוצר מדף קיים ואז להשתמש בו לצרכיך.

יחד עם זאת, רודיטי מודה שישנם שווקים שהם מעדיפים כרגע לא להיכנס אליהם, כי מגבלות כוח אדם וזמן עבודה מאלצים אותם לברור בין הפרויקטים המוצעים. "יש גבול כמה אנחנו יכולים לעשות בבת אחת, ולכן הסיווג העיקרי נעשה על-פי גודל ורצינות הלקוח גדול וחשיבות המשימה בעינינו", הוא מסביר. "אנחנו עובדים עם תעשיות כבדות, כגון חברות תעופה, ומוכרים להם מערכות שיודעות לזהות חלקים תקולים, וכך למנוע אסונות גדולים. כחברה שלא גייסה כסף אנחנו חייבים תמיד להיות הכי יעילים ומבריקים בפיתוח הטכנולוגי".

ומה לגבי צמיחה? למה לא לגייס עוד אנשים ולבצע יותר פרויקטים?

"פשוט כי כיום עדיין אין מספיק כוח אדם מיומן שמסוגל לעשות את זה. לאור העובדה שאנחנו צריכים עוד עשרות ואפילו מאות מהנדסים – אנחנו חייבים להשקיע בעצמנו בהכשרה. בעולם שבו אין מספיק מהנדסי בינה מלאכותית, הבנו שאם לא נכשיר כאלה – לא נוכל לתת מענה ללקוחות שלנו בעולם שבו רוצים לקנות יותר ויותר מהמוצרים שלנו. לכן הקמנו את Future Learning יוזמת הכשרה שלוקחת אקדמאים מצטיינים עם רקע הנדסי או מדעי ומעבירה אותם מסלול הכשרה אינטנסיבי. משהו כמו הקורסים של 8200.

"דחיסה של הרבה חומר ומטלות מעשיות בתקופה של חודשיים, שאחריה הם עובדים בצורה צמודה מאוד עם המהנדסים המנוסים שלנו. כמה חודשים כאלה יוצרים מהנדס חדש ברמה גבוהה. עד היום הכשרנו מעל 25 מהנדסים ו-90% מהם עובדים כיום אצלנו בקבוצה. אנחנו לא חוששים מחוסר הידע והניסיון בתחום, אלא מזהים אנשים מוכשרים עם יכולות – ובונים אותם. מחסום נוסף שלנו הוא גיוס אנשי מכירות מתאימים בעולם. יש לנו משרד באוסטרליה, שעוסק בעיקר בעבודה מול מכרות הזהב שם, ואנחנו מתכננים להתרחב גם לארה"ב ולאירופה במהלך השנה".

טוב לדעת