אינטליגנציה מלאכותית (AI) לכולם

לעתים קרובות ניתן לקבוע רק בדיעבד את המועד שבו טכנולוגיה הגיעה לפריצת דרך. במקרה של אינטליגנציה מלאכותית (AI) ולמידת מכונה (ML) - המצב שונה. למידת מכונה (ML) היא חלק מתחום האינטליגנציה המלאכותית (AI) אשר מתאר כללים ומזהה תבניות על סמך נתונים בהיקף גדול, על מנת לחזות נתונים עתידיים. שני התחומים נמצאים תדיר בראש הדירוג של מילים אפנתיות (buzzword).

אישית, אני חושב - וזה קשור בבירור לעליית התחומים של AI ו- ML - מעולם לא היה זמן טוב יותר מהיום לפיתוח אפליקציות חכמות ולשימוש בהן. מדוע? כי שלושה דברים קורים בו-זמנית. הראשון: משתמשים בכל רחבי העולם אוספים נתונים בצורה דיגיטלית, בין אם בעולם הפיזי באמצעות חיישנים או GPS ובין אם בעולם המקוון באמצעות הזרמת נתונים. כתוצאה מכך, יש מאסה קריטית של נתונים זמינים.

השני: יש בענן מספיק קיבולת מחשוב, במחיר סביר, עבור חברות וארגונים, לא משנה מה הגודל שלהם, לשימוש באפליקציות חכמות. והשלישי: התרחשה "מהפכה אלגוריתמית" ופירוש הדבר שכיום ניתן לאמן טריליונים של אלגוריתמים בו-זמנית, דבר שהופך את תהליך למידת המכונה למהיר בהרבה. הדבר אפשר יותר מחקר, שהניב "מאסה קריטית" של הידע הנחוץ להתנעת גידול אקספוננציאלי בפיתוח ארכיטקטורות ואלגוריתמים חדשים.

עברנו דרך ארוכה יחסית עם ML, אבל ההתקדמות נעשתה בשקט. אחרי הכול, במהלך 50 השנים האחרונות, AI ו- ML היו תחומים נגישים רק לחוג אקסקלוסיבי של חוקרים ומדענים. זה משתנה עכשיו, כאשר חבילות של שירותים, ספריות וכלים של AI ו- ML זמינים היום לחברות וארגונים מכל הסוגים, כולל אלה שאין להם קבוצות מחקר ייעודיות לתחום זה. יועצי הניהול של מקינזי, צופים כי השוק העולמי לשירותים, חומרה ותוכנה מבוססי- AI יצמח כל שנה בשיעור של 15%-25% ויגיע לשווי של 130 מיליארד דולר אמריקני בשנת 2025. מספר חברות סטארט אפ משתמשות באלגוריתמים של AI עבור כל דבר שאותו ניתן לדמיין - החל מחיפוש גידולים בתצלומי הדמיה רפואית, סיוע לאנשים ללמוד שפות זרות ועד אוטומציה של טיפול בתביעות בחברות ביטוח. בה בעת, נוצרות קטגוריות חדשות לגמרי של יישומים שבהן שיחה טבעית בין אדם לבין מכונה מהווה חלק מרכזי.

התקדמות באמצעות למידת מכונה

האם כל ההתרגשות סביב AI ו- ו- ML מוצדקת? בהחלט, כי הם מציעים אפשרויות מופלאות עבור עסקים ועבור החברה. בעזרת דיגיטיזציה ומחשבים עתירי ביצועים, אנו יכולים לשכפל את האינטליגנציה האנושית בתחומים מסוימים, כגון: ראיה ממוחשבת ואפילו להתעלות על האינטליגנציה של בני אנוש. אנו יוצרים אלגוריתמים מגוונים מאוד עבור מגוון רחב של תחומים יישומיים והופכים את החלקים הבודדים הללו לשירותים, כך ש - ML זמינה עבור כולם. כשהיא ארוזה ביישומים ובמודלים עסקיים, ML יכולה להפוך את חיינו ליותר נעימים ובטוחים. לדוגמה, המכונית האוטונומית: בארה"ב, 90% מתאונות הדרכים נובעות מ"טעות אנוש". ההנחה היא שמספר התאונות יפחת בטווח הארוך אם המכוניות יפעלו בצורה אוטונומית. בתחום התעופה, זו המציאות כבר מזה זמן רב.

ד"ר ורנר ווגלס, סמנכ"ל הטכנולוגיות של אמזון(צילום: אמזון)

החלוצים בתחום מאוניברסיטת MIT, ‏ Erik Brynjolfssonו - Andrew McAfee, חוזים כי ההשפעה המאקרו-כלכלית של "עידן המכונות השני", כפי שהוא מכונה, תהיה דומה לזו של הופעת מנוע הקיטור אשר החליף את השימוש בכוח השרירים האנושיים ("עידן המכונות הראשון"). רבים אינם חשים בנוח עם הרעיון של קיום אינטליגנציה מלאכותית לצד זו האנושית. ניתן להבין זאת. לפיכך עלינו לדון - במקביל להתפתחויות הטכנולוגיות - בשאלות: כיצד בני אדם ו - AI יוכלו להתקיים זה לצד זה בעתיד, ההיבטים המוסריים והאתיים הנובעים מכך, כיצד להבטיח שתהיה לנו שליטה איתנה ב - AI ואילו פרמטרים משפטיים נחוצים לנו על מנת לנהל את כל זה. מענה על שאלות אלה יהיה חשוב לא פחות מהמאמץ לפתור את האתגרים הטכנולוגיים - וכאן לא יעזרו עקרונות ואידאולוגיות. במקום זאת, מה שנדרש הוא דיון אובייקטיבי ורחב-יריעה אשר מביא בחשבון את טובת האנושות כולה.

למידת מכונה בחברת אמזון

במשך 20 השנים האחרונות, אלפי מהנדסי תוכנה בחברת אמזון עבדו על ML . אנחנו מעזים לטעון שאנו החברה אשר מיישמת AI ו- ML כטכנולוגיה עסקית במשך הזמן הארוך ביותר. אנו יודעים שטכנולוגיות חדשניות פורצות תמיד כאשר נעלמים מחסומי הכניסה עבור שחקנים חדשים בשוק.

זהו המצב כעת ב-AI ו- ML. בעבר, מי שרצה להשתמש ב- AI עבור עצמו היה צריך להתחיל מאפס: לפתח אלגוריתמים ולהזינם בכמויות נתונים עצומות – אפילו אם לאחר מכן הוא היה צריך יישום בתחום מוגבל ביותר. דבר זה מכונה AI "חלש". רבים מהממשקים המוכרים כיום לכל צרכן, כגון המלצות, פריטים דומים או פונקציונליות של השלמה אוטומטית עבור חיזוי חיפושים – כל אלה נשענים על ML. בינתיים, הם יכולים לחזות רמות מלאי או זמני אספקה של ספקים, לזהות בעיות של לקוחות ולהסיק באופן אוטומטי כיצד לפתור אותן, לגלות מוצרים מזויפים ולסנן ביקורות בוטות, על מנת להגן על לקוחות ממעשי הונאה. אבל זהו רק קצה הקרחון. לנו בחברת אמזון יש מידע על מיליארדי הזמנות היסטוריות, דבר שמאפשר לנו ליצור מודלים אחרים מבוססי AI ו-ML, אשר מבוססים על AI, עבור פונקציונליות מסוגים רבים ושונים. לדוגמה, ממשקי תכנות שבהם מפתחים יכולים להשתמש לשם ניתוח תמונות, להפוך טקסט לשפה נאמנה למציאות וליצירת צ'טבוטים. בסופו של דבר, ניתן למצוא משהו עבור כל אחד שמעוניין להגדיר מודלים, לאמן אותם ואז להתרחב. ספריות מוגדרות מראש ומכווננות וכן מסגרות למידה עמוקה זמינות לכול ומאפשרות לכל אחד לצאת לדרך במהירות רבה.

חברות כגון Netflix, Nvidia, או Pinterest משתמשות ביכולות שלנו בתחום ML ולמידה עמוקה. עוד ועוד שכבות נוצרות במעין אקו-סיסטם שעליו חברות וארגונים יכולים "לעגון" את העסק שלהם – תלוי עד איזה עומק הם רוצים ויכולים להשקיע את עצמם בתחום שלהם. הגורם המכריע הוא השכבות הפתוחות והזמינות המהימנה של התשתיות. בעבר, טכנולוגיות AI היו כה יקרות עד שכמעט שלא היה כדאי להשתמש בהן. כיום, טכנולוגיות AI ו- ML זמינות מן המדף וניתן להזמין אותן על פי הדרישות הספציפיות של כל אחד ואחד. הן מהוות את הבסיס עבור מודלים עסקיים חדשים. אפילו משתמשים שאינם מומחי AI יכולים לשלב באופן קל ובמחיר שווה לכל נפש את אבני הבניין האלה בתוך השירותים שלהם. בפרט, חברות קטנות ובינוניות עם עוצמה חדשנית יכולות להפיק מכך תועלת. הן לא צריכות ללמוד טכנולוגיות ואלגוריתמים מורכבים של ML והן יכולות לבצע ניסויים מבלי לשאת בעלויות גבוהות.

אינטליגנציה מלאכותית מסייעת להשביע את רצון הלקוח

אחד מתחומי היישום המתקדמים ביותר הוא המסחר המקוון. מנגנונים מבוססי- AI הניתנים לבחירה מסייעים לחברות לשחרר את הלקוחות מהמורכבות של תהליכי קבלת ההחלטות שלהם. המטרה הסופית היא שביעות רצון הלקוח. אם יש רק שלושה סוגים של משחות שיניים, הלקוח יכול לבחור בקלות אחד מהם ולהרגיש שבע רצון עם בחירתו. כאשר מוצעים למעלה מ-50 סוגים, הבחירה הופכת למורכבת. עליך להחליט – אבל אינך בטוח אם ההחלטה שלך נכונה. ככל שיש יותר אפשרויות, כך קשה יותר ללקוח. האלגוריתמים הידועים ביותר שלנו מגיעים מתחום זה: סינון הצעות מוצרים המבוסס על היסטוריית הרכישות של מוצרים בעלי מאפיינים דומים על-ידי הלקוח, או על ההתנהגות של לקוחות אחרים שהתעניינו בדברים דומים.

אם אתה יכול לחזות ביקוש, אתה יכול לתכנן בצורה יעילה יותר

בעסקי B2B או B2C, קריטי הוא שהמוצרים יהיו זמינים במהירות. משום כך פיתחנו בחברת אמזון אלגוריתמים שיכולים לחזות את הביקוש היומי למוצרים. הדבר מורכב במיוחד עבור מוצרי אופנה, אשר זמינים תמיד במגוון מידות ווריאציות ושעבורם האפשרויות להזמנה חוזרת מוגבלות ביותר. מידע על ביקושי העבר, בין היתר, מוזן למערכת שלנו יחד עם תנודתיות שעשויה להתרחש במוצרים עונתיים, השפעת מבצעי מכירות מיוחדים ורגישות הלקוחות לשינויי מחיר. כיום אנו יכולים לחזות בדיוק כמה חולצות בצבע ובגודל מסוימים יימכרו ביום מסוים. התמודדנו עם הנושא הזה והפכנו את הטכנולוגיה לזמינה עבור חברות אחרות כשירות אינטרנט. חברת MyTaxi, לדוגמה, נהנית מהשירות שלנו, המבוסס על ML, כדי לתכנן מתי והיכן הלקוח יזדקק לרכב.

חלוקת עבודה חדשה

אבל AI היא הרבה יותר מחיזוי בלבד. בתחום של ביצוע הזמנות, אשר רלוונטי למספר ענפי תעשייה, אנו חושבים על רעיונות לגבי יכולתה של AI לתרום הכי הרבה להתקדמות בצעד אחד נוסף ולהתרחקות מדפוסי העבודה של Taylor. באמצעות יישום AI ברובוטים ניתן לשחרר בני אדם מפעולות שגרתיות וקשות פיזית אשר גורמות לעתים למתח. מכונות מצטיינות, ולפעמים ביצועיהן טובים יותר, במשימות שהן מורכבות לביצוע על ידי בני אדם, כגון מציאת הנתיב האופטימלי במחסן עבור מספר הזמנות והבאת מוצרים כבדים לנקודה שממנה הם נשלחים אל הלקוח. בניגוד לכך, משימות קלות לכאורה עשויות להכריע את הרובוט, למשל לזהות ארגז שהגיע למדף הלא נכון. אז כיצד ניתן לחבר את הטוב של שני השחקנים הללו? בכך שניתן לרובוטים אינטליגנטיים ללמוד מבני אדם כיצד לזהות את המוצרים הנכונים, לקחת הזמנות שונות ולנווט את עצמם באופן אוטונומי ברחבי המחסן בנתיב היעיל ביותר. כך נסלק את החלק המעייף ביותר של המשימה ונפנה משאבים לשיפור האינטראקציה עם הלקוח.

הלקוח שלנו, SCDM, משתמש ברעיון הליבה של פינוי משאבים עבור תחומים של חוזקה "אנושית", אבל בהקשר שונה לחלוטין. חברת SCDM היא ספקית שירותים אשר תומכת בבנקים ובחברות ביטוח בתחום הדיגיטציה. באמצעות AI, SCDM מאפשרת ללקוחותיה לסווג מסמכים בפורמטים שונים לגמרי (PDF, Excel או תמונות), לדוגמה, דוח לגבי ביצועים של מוצר השקעה שעשוי להכיל מאות עמודים. באמצעות סריקת מאות אלפי מסמכים בו-זמנית, האלגוריתם של SCDM מזהה איזה מסמך רלוונטי עבור בקשה מסוימת, מוצא היכן נמצאים הנתונים הרלוונטיים עבור סוג הכנה מסוים ואז שולף את הנתונים מתוך המסמך. כתוצאה מכך, יש פחות הטיה ופחות טעויות בביצוע החישובים ונותר זמן רב יותר לקיים אינטראקציה אנושית עם בעלי עניין חשובים, כגון משקיעים, אנליסטים ולקוחות אחרים.

למידת מכונה בחינוך, ברפואה ובסיוע לפיתוח

בנוסף על הפוטנציאל שלהם לדברים כמו שיפור היעילות והתפוקה, ML ו- AI יכולים לשמש גם בחינוך. חברת Duolingo, אשר מציעה אפליקציות קורסים ללימוד שפה בחינם, משתמשת באלגוריתמים של המרת טקסט לשפה על מנת להעריך ולתקן את ההגייה של התלמידים. בתחום הרפואה, AI תומכת ברופאים אשר מנתחים צילומי רנטגן, CT או MRT. הבנק העולמי משתמש גם הוא ב- AI על מנת ליישם תכניות תשתית, סיוע לפיתוח ואמצעים ממוקדים יותר נוספים בעתיד.

ד"ר ורנר ווגלס, סמנכ"ל הטכנולוגיות של אמזון